Les défis liés à l’intégration de l’IA dans le processus d’approvisionnement des organisations
Un article de Supply Chain Dive commente les défis associés à l’intégration de l’intelligence artificielle (IA) dans le processus d’approvisionnement des entreprises. Il s’agit, dit-on, d’une démarche hautement technique qui doit cependant prendre en compte la dimension humaine pour réussir. En effet, selon les experts, le succès des initiatives d’implantation de l’IA dépend de la volonté des personnes à l’adopter.
- La culture fonctionnelle : Le succès des initiatives d’IA découle de la capacité de la culture fonctionnelle à s’adapter, à innover et à apprendre des nouvelles approches qui émergeront suite à l’intégration de ces systèmes. L’article mentionne le cas d’une organisation britannique où les multiples avantages d’un logiciel de gestion du cycle de vie de l’approvisionnement basé sur l’IA ont été éclipsés par la résistance de la fonction juridique. De plus, les craintes de suppression d’emplois ont fait échouer le projet.
- Le cas d’utilisation : L’article souligne l’importance de définir avec précision un cas d’utilisation de l’IA dans le processus d’approvisionnement des entreprises. De cette manière, il sera plus facile de saisir la valeur qu’elle apporte et les risques qu’elle entraîne pour l’organisation. L’évidence semble suggérer que les projets d’IA les plus réussis sont ceux qui s’appuient sur des défis du monde réel.
- La qualité des données : Il faut prendre en considération le fait que des données dites « immatures » peuvent entraver le succès d’une initiative d’IA. En effet, l’article signale que de nombreuses fonctions d’approvisionnement doivent d’abord faire face à des données de mauvaise qualité, non structurées, impures et mal gérées. La conclusion est irréfutable : l’IA a le potentiel d’enrichir et de gérer ces données, à condition que les organisations puissent reconnaître les faiblesses de leurs ensembles de données actuels.
- L’approche stratégique : L’amélioration des données déficitaires nécessite la définition d’une démarche visant à normaliser les champs de données de base, limiter le nombre d’employés pouvant modifier les données des fournisseurs et harmoniser les processus d’admission. Dans ce contexte, il semble pertinent, dit-on, de mettre en place un gardien manuel pour superviser la gouvernance des données. Éventuellement, à mesure que les organisations gagnent en maturité, ce processus de gouvernance pourra être automatisé par l’intégration d’une interface de programmation d’applications (API).
- Démarrer petit et rester agile : Cela permettra aux équipes d’assurer la gestion des projets tout en démontrant des gains rapides qui augmentent la confiance et encouragent l’adoption de l’IA à plus grande échelle. L’apprentissage à partir des expériences de numérisation préalables donnera la chance aux équipes d’approvisionnement d’éviter les pièges et de tracer une feuille de route plus solide.
- L’accent sur les êtres humains : L’IA doit être considérée comme un outil qui complète l’expertise humaine, laquelle doit rester au cœur de chaque initiative. Selon l’article, la technologie doit améliorer la prise de décision, mais pas la déterminer. C’est pourquoi le défi est de trouver l’équilibre entre l’IA et l’intelligence humaine afin de tirer parti de la technologie tout en appliquant la pensée critique et le jugement essentiels à la fonction que seuls les êtres humains peuvent assurer.
Un article de Supply Chain Dive commente les défis associés à l’intégration de l’intelligence artificielle (IA) dans le processus d’approvisionnement des entreprises. Il s’agit, dit-on, d’une démarche hautement technique qui doit cependant prendre en compte la dimension humaine pour réussir. En effet, selon les experts, le succès des initiatives d’implantation de l’IA dépend de la volonté des personnes à l’adopter.
- La culture fonctionnelle : Le succès des initiatives d’IA découle de la capacité de la culture fonctionnelle à s’adapter, à innover et à apprendre des nouvelles approches qui émergeront suite à l’intégration de ces systèmes. L’article mentionne le cas d’une organisation britannique où les multiples avantages d’un logiciel de gestion du cycle de vie de l’approvisionnement basé sur l’IA ont été éclipsés par la résistance de la fonction juridique. De plus, les craintes de suppression d’emplois ont fait échouer le projet.
- Le cas d’utilisation : L’article souligne l’importance de définir avec précision un cas d’utilisation de l’IA dans le processus d’approvisionnement des entreprises. De cette manière, il sera plus facile de saisir la valeur qu’elle apporte et les risques qu’elle entraîne pour l’organisation. L’évidence semble suggérer que les projets d’IA les plus réussis sont ceux qui s’appuient sur des défis du monde réel.
- La qualité des données : Il faut prendre en considération le fait que des données dites « immatures » peuvent entraver le succès d’une initiative d’IA. En effet, l’article signale que de nombreuses fonctions d’approvisionnement doivent d’abord faire face à des données de mauvaise qualité, non structurées, impures et mal gérées. La conclusion est irréfutable : l’IA a le potentiel d’enrichir et de gérer ces données, à condition que les organisations puissent reconnaître les faiblesses de leurs ensembles de données actuels.
- L’approche stratégique : L’amélioration des données déficitaires nécessite la définition d’une démarche visant à normaliser les champs de données de base, limiter le nombre d’employés pouvant modifier les données des fournisseurs et harmoniser les processus d’admission. Dans ce contexte, il semble pertinent, dit-on, de mettre en place un gardien manuel pour superviser la gouvernance des données. Éventuellement, à mesure que les organisations gagnent en maturité, ce processus de gouvernance pourra être automatisé par l’intégration d’une interface de programmation d’applications (API).
- Démarrer petit et rester agile : Cela permettra aux équipes d’assurer la gestion des projets tout en démontrant des gains rapides qui augmentent la confiance et encouragent l’adoption de l’IA à plus grande échelle. L’apprentissage à partir des expériences de numérisation préalables donnera la chance aux équipes d’approvisionnement d’éviter les pièges et de tracer une feuille de route plus solide.
- L’accent sur les êtres humains : L’IA doit être considérée comme un outil qui complète l’expertise humaine, laquelle doit rester au cœur de chaque initiative. Selon l’article, la technologie doit améliorer la prise de décision, mais pas la déterminer. C’est pourquoi le défi est de trouver l’équilibre entre l’IA et l’intelligence humaine afin de tirer parti de la technologie tout en appliquant la pensée critique et le jugement essentiels à la fonction que seuls les êtres humains peuvent assurer.