Transformation numérique : 4 domaines où l’Intelligence Artificielle s’inscrit dorénavant

Comment l’Intelligence Artificielle peut-elle aider les entreprises à atteindre leurs objectifs de transformation numérique ? Examinons quatre cas d’utilisation actuels.

Après avoir récemment revu le film « Iron Man », j’ai été de nouveau fasciné par J.A.R.V.I.S., l’Intelligence Artificielle de Tony Stark. Imaginez la quantité d’information à laquelle J.A.R.V.I.S. a besoin d’avoir accès pour répondre à une demande ou anticiper un besoin !

Et si cette technologie d’Intelligence Artificielle était déployée au sein de l’entreprise aujourd’hui ? De nombreuses organisations ont en effet commencé à la déployer dans le cadre de leurs projets de transformation numérique ; la saisie de l’information et l’automatisation des processus étant les principaux moteurs.

Cependant, l’engouement autour de l’Intelligence Artificielle pousse les DSI à penser au-delà de l’efficacité des processus. Et s’il était possible de transformer le contenu, les documents et la communication fournis par le client afin de les exploiter selon le contexte, la pertinence, les relations et les différentes données exploitables ? Imaginez à quel point les « robots » et les « processus robotiques » seraient plus intelligents et plus efficaces s’ils disposaient de plus d’informations pour prendre des décisions efficaces qui optimisent les résultats, le service client et les décisions.

L’automatisation robotique des processus (RPA) est un catalyseur pour l’IA et est alimentée par des données ingérées par une technologie intelligente de capture et de machine learning. Les entreprises sont matures avec des données en attente de traitement intelligent. Les principaux domaines dans lesquels les DSI et les leaders de leurs secteurs d’activité devraient donner la priorité à l’IA sont ceux qui offrent une expérience client plus personnalisée et plus rapide. Mais également les processus qui pourraient être plus efficaces et qui exigent un contrôle et une compréhension rapides d’importantes quantités de données afin de prendre des décisions plus intelligentes ou d’être conforme.

L’onboarding
Un cas d’utilisation important où la transformation numérique déracine d’anciens processus est l’onboarding, y compris celle de nouveaux employés et clients dans les secteurs de l’assurance, de la santé et de la finance. Par exemple, lorsque l’on ouvre un nouveau compte bancaire et que l’’on demande des cartes de crédit ou des prêts hypothécaires, le client doit fournir un certain nombre de documents justificatifs, comme une pièce d’identité, un contrat et un justificatif de domicile. Avec l’aide de la capture et de la classification intelligente, cela peut être fait avec un smartphone, et les données extraites peuvent être traitées par les propres systèmes de la banque. Cela permet à la banque et au client d’économiser du temps et de l’argent.

Une fois que le client est enregistré, d’autres systèmes utilisant le machine learning peuvent suivre et analyser son comportement pour permettre à l’entreprise d’offrir des services personnalisés basés sur l’historique, le suivi et l’hygiène du compte bancaire. Il s’agit d’extraire les informations accessibles au public et de les comparer avec les produits et services que l’entreprise peut offrir. Une compagnie d’assurance, par exemple, serait en mesure de prendre des décisions plus intelligentes en sachant qu’un potentiel nouveau client est impliqué dans des sports extrêmes et cela en se renseignant sur les médias sociaux.

Le traitement des comptes fournisseurs et des factures
L’automatisation des factures et l’application de l’automatisation des processus robotique (RPA) offre plus de renseignements sur les comptes fournisseurs. Non seulement l’IA apprend les processus manuels du personnel comptable, mais elle leur donne aussi un meilleur contrôle sur le cycle d’approbation. L’IA peut également aider à prendre de meilleures décisions grâce à l’utilisation de tableaux de bord graphiques qui indiquent en temps réel l’état de la productivité du personnel, les factures et la source des exceptions, les indicateurs clés de performance, et plus encore.

La « main-d’œuvre numérique »
Un autre domaine où les capacités de l’IA modifient l’environnement de l’entreprise est celui de l’embauche d’une « main-d’œuvre numérique » alors que la RPA automatise les tâches et les processus répétitifs. Forrester Research relève dans son rapport intitulé Prédictions 2018 : L’automatisation modifie la main-d’œuvre mondiale : « Au fur et à mesure que les entreprises s’acclimatent à l’automatisation, la RPA prend en charge les tâches répétitives à faible valeur ajoutée. En 2018, les travailleurs numériques basées sur la RPA (c’est-à-dire les robots) remplaceront et/ou augmenteront 311 000 postes de bureau et fonctions administratives et 260 000 postes de vente et emplois connexes afin d’améliorer l’expérience client. Les dépenses liées à la transformation numérique mettront de plus en plus l’accent sur l’automatisation, et les modèles opérationnels seront revus en conséquence ».

En automatisant les flux de travail et en tirant des leçons de l’intervention humaine en déplacement, la RPA permet aux travailleurs du savoir de se concentrer sur les exceptions ou la résolution de problèmes.

La conformité et les risques
Enfin, les entreprises devraient déployer l’Intelligence Artificielle dans des applications où le système est capable d’apprendre à comprendre, trouver, extraire et fournir des renseignements à partir de documents non-structurés, tels que les accords commerciaux et les contrats. Il s’agit d’une thématique d’actualité compte tenu des règles de protection des données actuelles où les entreprises doivent traiter des quantités considérables de documents afin de contrôler leur conformité et de réduire les risques.

Par Cédric Hubert, Head of Global Enterprise Sales, ABBYY Europe