Dans un monde de plus en plus dominé par la technologie, les agents d’IA sont désormais intégrés dans de nombreuses entreprises en tant que collègues numériques. Il est donc logique qu’ils soient soumis à une évaluation annuelle de la performance. McKinsey a récemment partagé les résultats d’une telle évaluation menée sur plus de 50 agents d’IA au cours de leur première année sur le terrain. Ces observations ont révélé plusieurs leçons clés pour maximiser l’efficacité de ces employés numériques.
1. Les agents réussissent mieux dans des workflows intégrés
Il ne suffit pas d’introduire des agents d’IA pour le simple plaisir d’avoir de l’IA. Les meilleures performances sont observées lorsque ces agents sont intégrés dans des workflows qui améliorent les processus existants. Les raisons fondamentales des échecs doivent être traitées avant l’introduction d’une technologie complexe.
2. Les agents ne sont pas toujours la solution
Tous les problèmes d’affaires ne nécessitent pas des agents d’IA. Pour éviter des investissements inutiles, il est important de se demander si un agent est réellement nécessaire pour une tâche donnée. Pour des approches répétitives et à faible variabilité, d’autres solutions comme l’automatisation basée sur des règles peuvent être plus appropriées.
3. La question des sorties de qualité
Un problème récurrent identifiée par McKinsey est la qualité des résultats fournis par les systèmes d’IA, souvent inférieurs aux attentes. Des attentes irréalistes peuvent entraîner une frustration parmi les utilisateurs. En parallèle, il est conseillé aux entreprises d’investir dans le développement continu des agents, tout comme elles le feraient pour leurs employés.
4. Suivi des performances à grande échelle
Lorsqu’une entreprise déploie un grand nombre d’agents, le suivi de leurs performances devient un défi. La mise en place d’outils d’observation pour vérifier les performances des agents à chaque étape des workflows est essentielle pour améliorer continuellement leurs compétences.
5. Réutiliser les agents pour réduire la redondance
Le développement d’agents uniques pour chaque tâche peut engendrer des coûts et des inefficacités. McKinsey souligne l’importance d’identifier des tâches récurrentes et de développer des agents pouvant être utilisés de manière interchangeable dans différents workflows.
6. Collaboration nécessaire entre agents et humains
Il est crucial de reconnaître que l’IA ne peut pas fonctionner de manière autonome. Un équilibre doit être trouvé pour que les employés humains supervisent, ajustent les résultats de l’IA, et gèrent des cas exceptionnels. Cela nécessite une collaboration fluide pour que les agents réussissent sans échecs silencieux.
En conclusion, l’évaluation des agents d’IA par McKinsey a mis en lumière des enseignements importants pour les entreprises intégrant cette technologie. Les résultats indiquent que, bien que les agents d’IA représentent un potentiel immense, leur mise en œuvre doit être soigneusement gérée pour réussir. La prochaine évaluation pourrait également révéler d’autres domaines à améliorer.
Pour en savoir plus sur ces résultats fascinants, consultez l’article complet sur ZDNet ici.
