La pile d’intelligence artificielle d’entreprise devient de plus en plus intelligente, mais dispose-t-elle du contexte dont elle a besoin pour que le déploiement de l’IA agentique fonctionne réellement ?
Le problème déterminant de l’ère agentique n’a peut-être jamais été la construction des agents. Au lieu de cela, il est de plus en plus évident que même les systèmes d’IA les plus performants échouent sans une base stratégique claire et sans les connaissances organisationnelles exclusives nécessaires pour soutenir les décisions de l’entreprise – un problème qu’aucun modèle frontière ne résout à lui seul. Il s’avère que l’ingrédient manquant n’est pas une meilleure technologie mais un meilleur contexte, selon Vanessa Liu, présidente d’Appen Ltd.
« Les données sont en fait extrêmement importantes pour que les entreprises puissent tirer parti de l'IA. Vous devez former un employé lorsqu'il entre dans une organisation – même s'il s'agit de rock stars, vous devez vous assurer de bien l'intégrer », a-t-elle déclaré. « Même chose en ce qui concerne les agents IA : il faut leur donner le contexte métier pour qu’ils puissent bien fonctionner.
Liu et Steve Hasker, président et directeur général de Thomson Reuters Corp., se sont entretenus avec Gemma Allen de CUBE lors de l'événement CUBE + NYSE Wired: AI Agent Conference, lors d'une diffusion exclusive sur theCUBE, le studio de livestreaming de SiliconANGLE Media. La couverture de TheCUBE mettait en vedette des PDG, des fondateurs et des chefs de produits des domaines de l'infrastructure de données, de la finance, de la modernisation des entreprises et de l'IA open source, discutant du passage de l'expérimentation avec des agents à la responsabilité d'eux.
Voici sept idées définissant ce qu’il faut réellement pour mettre les agents d’IA au travail :
1. Pour le déploiement de l’IA agentique, les données constituent le fossé exclusif.
Les modèles Frontier AI sont aussi efficaces que le contexte commercial qui leur est donné, et ce contexte réside dans l'expertise humaine qui a rarement été systématiquement capturée, a noté Liu. À mesure que les agents de construction au-dessus des modèles frontières deviennent plus courants, les entreprises qui se démarqueront seront celles qui ont un problème client clair à résoudre et un fossé concurrentiel défendable, selon Hasker. Pour les acquéreurs potentiels, la question clé n’est pas seulement de savoir si un agent est utile, mais aussi s’il bénéficie d’un avantage significatif sur le marché.
Regardez l’interview complète sur theCUBE.
2. Les agents sont impatients, tout comme les personnes qui les utilisent.
Lorsqu'un utilisateur pose une question à un chatbot et voit « rechercher sur le Web », une horloge mentale commence immédiatement à tourner et la tolérance aux retards s'est effondrée par rapport à il y a à peine deux ans, selon Ariel Shulman, directeur des produits chez Bright Data Ltd. Les données Web récupérées par Bright Data sont désormais le point de départ des réponses du chatbot, ce qui signifie que l'entreprise a dû fournir des pages à des vitesses beaucoup plus élevées, souvent en moins d'une seconde, avec un temps de réponse médian de 500 millisecondes. Cette vitesse est importante car l'agent doit encore transformer les données récupérées en une réponse utile avant que l'utilisateur ne perde patience.
Écoutez davantage la conversation de theCUBE.
3. Chaque agent qui touche de l’argent a besoin d’un compte bancaire.
Si les agents de l’IA veulent déplacer de l’argent, ils ont besoin de l’équivalent financier d’une identité, d’une autorisation et d’une responsabilité. Catena Labs Inc. s'oriente vers un modèle « connaissez votre agent » qui permettrait aux banques de vérifier quelle personne ou entreprise représente un agent, ce qu'il est autorisé à faire et pourquoi il a pris une action donnée, selon Sean Neville (photo), co-fondateur et PDG de Catena Labs. L’objectif n’est pas une autre plateforme bancaire fermée, mais une couche de normes partagées pour la finance agente.
Découvrez la conversation complète sur theCUBE.
4. Le verrouillage des jetons est le nouveau verrouillage du fournisseur.
Les entreprises qui misent sur le déploiement de l'IA agentique sur un modèle à frontière unique abandonnent discrètement leur influence sur leur propre structure de coûts, et la facture sera due à mesure que les coûts d'inférence s'accumuleront, a expliqué Woodson Martin, PDG d'OutSystems Inc. Une couche de plate-forme qui permet aux organisations d'échanger à chaud des modèles au moment de l'exécution, sans reconstruire les systèmes sous-jacents, n'est plus une option intéressante : c'est la seule voie viable vers le contrôle des profits et des pertes dans une stratégie de déploiement d'IA agentique.
Découvrez l'interview complète de theCUBE.
5. Donner aux gens des outils d’IA et inciter les gens à utiliser des outils d’IA ne sont pas la même chose.
Quatre-vingts pour cent des dirigeants estiment qu'ils fournissent d'excellents outils d'IA à leur personnel, alors que seule une fraction des employés sont d'accord – un décalage qui est au cœur de la raison pour laquelle tant d'investissements en IA dans les entreprises ne génèrent pas les retours attendus, a déclaré Tai Carmi, directeur de l'information de WalkMe Ltd.
Ne manquez pas la séance complète sur theCUBE.
6. Commencez par le modèle le plus performant, puis remplacez-le par celui le moins cher qui lui correspond.
Les constructeurs qui considèrent le coût d’inférence comme la première contrainte commettent une erreur stratégique. Selon Qingyun Wu, fondateur et PDG d'AG2ai Inc., la bonne séquence consiste à débloquer d'abord toutes les capacités des modèles frontières, puis à évaluer si les alternatives open source peuvent atteindre le même niveau à une fraction du prix.
Regardez la conversation complète sur theCUBE.
7. Les pilotes sont faciles. C'est dans la production que les agents deviennent voyous.
Selon Barr Moses, co-fondateur et PDG de Monte Carlo Data Inc., l'écart entre une preuve de concept prometteuse et un déploiement d'IA agentique de production fiable est le point où la plupart des initiatives d'entreprise s'effondrent discrètement, avec des agents s'appuyant sur des données obsolètes, sautant des étapes de raisonnement, faisant exploser des budgets symboliques ou des résultats hallucinants que personne n'a détecté lors des tests.
Regardez l'interview exclusive de theCUBE.
Voici la playlist vidéo complète, fait partie de la couverture par SiliconANGLE et theCUBE de l'événement CUBE + NYSE Wired: AI Agent Conference :
https://www.youtube.com/watch?v=videoseries
