Ce livre blanc s'adresse aux dirigeants organisationnels qui ont traversé la conversation sur l'IA et ont maintenant besoin de comprendre comment le faire réellement. Il se base sur le travail de mise en oeuvre de l'IA chez Canada Life et sur l'évaluation de préparation à la Loi européenne sur l'IA que j'ai dirigée pour mon équipe.
La préparation à l'IA n'est pas la même chose que la sensibilisation à l'IA. La préparation à l'IA signifie avoir la capacité organisationnelle de déployer l'IA de façon responsable et durable. Elle a quatre composantes qui doivent être évaluées indépendamment.
Préparation des données. Les systèmes d'IA sont aussi bons que les données sur lesquelles ils sont formés et exploités.
Préparation de la gouvernance. Les politiques, structures de responsabilité et mécanismes de surveillance qui garantissent que l'IA est déployée de façon responsable.
Préparation des personnes. Les compétences, rôles et façons de travailler qui permettent à l'organisation de développer, déployer et maintenir des systèmes d'IA.
Préparation des processus. Les processus opérationnels que les systèmes d'IA vont interagir avec, modifiés pour fonctionner efficacement avec les sorties de l'IA.
Les organisations d'assurance canadiennes ont généralement des décennies de données. Le défi n'est pas le volume de données. C'est la qualité, la cohérence et l'accessibilité des données. Les organisations qui surestiment leur préparation des données commencent des programmes d'IA avec un optimisme faux, découvrent les problèmes de qualité des données quand l'entrainement du modèle commence, et passent ensuite la première phase du programme d'IA à faire une remédiation des données qu'elles n'avaient pas planifiée.
La Loi européenne sur l'IA fournit le cadre de gouvernance de l'IA le plus complet actuellement disponible. Même pour les organisations canadiennes sans exposition réglementaire à l'UE, c'est le modèle le plus utile pour construire la gouvernance de l'IA.
Les exigences de la Loi européenne sur l'IA sont la bonne cible pour la gouvernance de l'IA dans l'assurance canadienne, indépendamment de si l'obligation légale s'applique. Un système d'IA qui satisfait à ces exigences est un système d'IA bien gouverné.
L'écart de préparation des personnes dans l'assurance canadienne n'est pas principalement un écart de talent en science des données. Les écarts les plus difficiles se situent dans les rôles qui se trouvent entre la science des données et les affaires: le rôle de gestionnaire de produit IA et la littératie IA des analystes d'affaires.
Chez Canada Life, j'ai investi délibérément dans le développement de la littératie IA au sein de l'équipe d'analyse. Nous avons organisé des sessions internes sur le fonctionnement réel des systèmes d'IA que nous utilisions, leurs limites et la façon d'écrire des exigences pour des processus assistés par l'IA qui tiennent compte de ces limites.
La question clé de conception de processus pour toute opération assistée par l'IA est: que se passe-t-il quand la sortie de l'IA est erronée? Cette question doit être répondue avant que le système d'IA soit mis en ligne, pas après. La réponse détermine le mécanisme de surveillance humaine, le chemin d'escalade et la boucle de rétroaction.
Une évaluation de la préparation à l'IA devrait couvrir les quatre dimensions avec un pointage honnête pour chacune. L'objectif n'est pas de produire un score de préparation élevé. L'objectif est d'identifier les lacunes spécifiques qui doivent être comblées avant le déploiement de l'IA.
Les organisations d'assurance canadiennes qui construisent une réelle préparation à l'IA maintenant font un investissement dans la capacité organisationnelle qui portera ses fruits quand le déploiement de l'IA à grande échelle deviendra à la fois possible et nécessaire.