Ce que les machines intelligentes ne peuvent pas (encore) accomplir dans des conditions de travail réelles
D’après la synthèse du livre Working With AI: Real Stories of Human-Machine Collaboration, que l’on retrouve sur le site de la MIT Sloan Management Review, dans la vaste gamme de scénarios d’utilisation réelle des systèmes d’intelligence artificielle (IA), il y a beaucoup plus d’exemples d’amélioration de la performance du travail humain par des machines intelligentes que d’automatisation complète. Ce scénario devrait se poursuivre dans un avenir prévisible.
Limites actuelles de l’IA en milieu de travail
Comprendre le contexte. L’IA ne comprend pas encore le contexte plus large de l’entreprise et celui dans lequel la tâche à accomplir se déroule.
Prioriser des alertes. Dans des environnements complexes et en constante évolution, les systèmes d’IA sont souvent incapables de faire la distinction entre les alertes réelles et importantes et celles qui ne le sont pas.
Pondérer les aspects subjectifs. Actuellement, il est plus efficace d’employer des humains avec des jugements subjectifs pour améliorer les évaluations algorithmiques basées sur les données de l’IA.
Analyser le ton. Le système d’IA ne peut pas analyser efficacement le ton. Ce problème se retrouve également avec l’analyse des médias sociaux basée sur l’IA.
Comprendre les besoins émotionnels est peut-être l’une des dernières choses que l’IA apprendra à faire, si jamais elle le fait. Les humains semblent en sécurité dans ce rôle dans un avenir prévisible.
Évaluer et choisir la meilleure option. L’IA est bonne pour prendre une décision initiale, mais lorsque cette décision a des répercussions importantes, les humains doivent souvent intervenir et porter un jugement final.
Circonscrire les problèmes, puis former et accompagner. Seuls les humains peuvent identifier les décisions qui doivent être prises et les ensembles de données qui pourraient les éclairer.
Créer de nouvelles connaissances et les transférer dans un système. Les humains doivent d’abord créer de nouvelles connaissances avant de pouvoir les transférer vers un système d’IA.
Orchestrer des paramètres pour l’analyse d’entités physiques ou chimiques ne peut se faire sans un humain pour mettre en place une analyse du processus et de la situation.
Comprendre des entités complexes et intégrées. Les informations fournies par l’IA ne sont pas suffisamment fiables ou précises pour éliminer le besoin de personnel humain au centre de la surveillance d’opérations centralisées.
Décider quand utiliser l’IA. Même lorsque l’IA est techniquement capable d’effectuer une tâche de travail, cela ne signifie pas forcément qu’elle peut la faire convenablement.
Considérer les aspects éthiques. L’IA ne peut pas prendre en compte et traiter les conséquences éthiques importantes, mais les humains le peuvent.
Corriger ses propres erreurs. Les humains sont nécessaires pour réparer les systèmes d’IA à l’occasion, et les réparateurs humains auront du travail à long terme.
Piloter le changement organisationnel.
Assurer la satisfaction au travail. C’est l’élément humain de la gestion qui mène à des émotions positives au travail.
D’après la synthèse du livre Working With AI: Real Stories of Human-Machine Collaboration, que l’on retrouve sur le site de la MIT Sloan Management Review, dans la vaste gamme de scénarios d’utilisation réelle des systèmes d’intelligence artificielle (IA), il y a beaucoup plus d’exemples d’amélioration de la performance du travail humain par des machines intelligentes que d’automatisation complète. Ce scénario devrait se poursuivre dans un avenir prévisible.
Limites actuelles de l’IA en milieu de travail
Comprendre le contexte. L’IA ne comprend pas encore le contexte plus large de l’entreprise et celui dans lequel la tâche à accomplir se déroule.
Prioriser des alertes. Dans des environnements complexes et en constante évolution, les systèmes d’IA sont souvent incapables de faire la distinction entre les alertes réelles et importantes et celles qui ne le sont pas.
Pondérer les aspects subjectifs. Actuellement, il est plus efficace d’employer des humains avec des jugements subjectifs pour améliorer les évaluations algorithmiques basées sur les données de l’IA.
Analyser le ton. Le système d’IA ne peut pas analyser efficacement le ton. Ce problème se retrouve également avec l’analyse des médias sociaux basée sur l’IA.
Comprendre les besoins émotionnels est peut-être l’une des dernières choses que l’IA apprendra à faire, si jamais elle le fait. Les humains semblent en sécurité dans ce rôle dans un avenir prévisible.
Évaluer et choisir la meilleure option. L’IA est bonne pour prendre une décision initiale, mais lorsque cette décision a des répercussions importantes, les humains doivent souvent intervenir et porter un jugement final.
Circonscrire les problèmes, puis former et accompagner. Seuls les humains peuvent identifier les décisions qui doivent être prises et les ensembles de données qui pourraient les éclairer.
Créer de nouvelles connaissances et les transférer dans un système. Les humains doivent d’abord créer de nouvelles connaissances avant de pouvoir les transférer vers un système d’IA.
Orchestrer des paramètres pour l’analyse d’entités physiques ou chimiques ne peut se faire sans un humain pour mettre en place une analyse du processus et de la situation.
Comprendre des entités complexes et intégrées. Les informations fournies par l’IA ne sont pas suffisamment fiables ou précises pour éliminer le besoin de personnel humain au centre de la surveillance d’opérations centralisées.
Décider quand utiliser l’IA. Même lorsque l’IA est techniquement capable d’effectuer une tâche de travail, cela ne signifie pas forcément qu’elle peut la faire convenablement.
Considérer les aspects éthiques. L’IA ne peut pas prendre en compte et traiter les conséquences éthiques importantes, mais les humains le peuvent.
Corriger ses propres erreurs. Les humains sont nécessaires pour réparer les systèmes d’IA à l’occasion, et les réparateurs humains auront du travail à long terme.
Piloter le changement organisationnel.
Assurer la satisfaction au travail. C’est l’élément humain de la gestion qui mène à des émotions positives au travail.