Commencer avec l'IA n'est pas une décision technologique. C'est une décision d'affaires qui implique de la technologie. La plupart des organisations de services financiers canadiens ont cela à l'envers.
Elles choisissent l'outil avant de définir le problème. Elles supposent que les données sont propres parce que personne ne les a encore vérifiées correctement. Elles précipitent les exigences et sautent les fondations.
Puis six mois plus tard, la mise en oeuvre est bloquée, le budget est tendu et le conseil pose des questions auxquelles personne ne veut répondre.
Commencer avec l'IA n'est pas une décision technologique. C'est une décision d'affaires qui implique de la technologie.
Les organisations qui la traitent comme une décision technologique commencent par sélectionner des outils. Elles évaluent des fournisseurs. Elles exécutent des preuves de concept sur des ensembles de données qui ne ressemblent en rien à leurs données de production. Elles génèrent de l'enthousiasme basé sur des démonstrations qui ne reflètent pas la complexité réelle de leur environnement.
Ça commence par les bonnes questions. Pas ce que l'IA peut faire. Ce que votre organisation essaie vraiment de résoudre.
Qu'essayons-nous de résoudre? Pas au niveau technologique. Au niveau des affaires. Quelle décision est prise manuellement aujourd'hui que l'IA pourrait soutenir?
A quoi ressemblent vraiment nos données aujourd'hui, honnêtement? Pas ce que le dictionnaire de données dit qu'elles semblent être. Ce qu'elles semblent vraiment être quand quelqu'un les extrait et les examine.
A quoi ressemble le succès dans six mois, pas six ans? Les programmes d'IA définis par des résultats à long terme sans points de contrôle à court terme sont des programmes qui perdent le soutien organisationnel avant de produire quoi que ce soit.
Qui possède cela quand le projet se termine? Le modèle, la surveillance, la gouvernance, le cycle de réentraînement. S'il n'y a pas de réponse à cette question avant le début du programme, il n'y en aura pas non plus quand il se terminera.
Les organisations qui réussissent avec l'IA réussissent les fondations en premier. Ce n'est pas une contrainte. C'est le travail.
Dans les services financiers canadiens, la fondation la plus souvent sautée est la gouvernance des données. Les organisations arrivent aux programmes d'IA avec des années de données accumulées qui n'ont jamais été examinées dans le but spécifique de former un modèle.
Un modèle formé sur ces données apprendra tous les schémas qui s'y trouvent, y compris les erreurs, les lacunes, les incohérences et les décisions historiques qui ne reflètent plus l'intention commerciale actuelle.
Chez JK Advisory, nous travaillons avec des organisations de services financiers exactement à cette étape. Avant les outils. Avant le fournisseur. Avant le modèle.
Nous aidons les organisations à définir le problème assez clairement pour que la sélection technologique devienne simple. Nous évaluons les données assez honnêtement pour que la portée reflète la réalité. Nous structurons la gouvernance avant qu'elle soit nécessaire. Nous rédigeons les exigences pour les parties difficiles, pas seulement le chemin heureux.
Parce que les organisations qui réussissent avec l'IA réussissent les fondations en premier.
Si c'est la conversation que votre organisation doit avoir, nous l'avons déjà eue.