Output ou condition préalable ?

Quels sont les cas d'application concrets de l'IA dans l'entreprise que les entreprises devraient réellement suivre aujourd'hui ? La réponse courte est que bon nombre des cas d'utilisation de l'IA les plus précieux peuvent et doivent être introduits avant une transformation ERP à grande échelle - et non après. Cet article est une tentative d'expliquer pourquoi.

Utiliser l'IA - mais comment ?

L'injonction d„“utiliser l'IA" est devenue presque omniprésente. La plupart d'entre nous s'y fient déjà pour les tâches administratives quotidiennes et, chez Lemongrass, nous utilisons l'IA dans l'exploitation, l'assistance et même la mise en œuvre de projets. Mais nous sommes une entreprise centrée sur la technologie. De nombreuses grandes entreprises travaillent avec des degrés très différents de complexité, d'anciens systèmes et d'inertie organisationnelle.

En raison de nos racines, nous nous concentrons naturellement sur les cas d'application de l'IA liés à SAP. La vision à long terme dans laquelle l'IA est omniprésente à chaque niveau d'un processus commercial, optimisant, prévoyant et automatisant silencieusement, est extrêmement convaincante. Rendre les chaînes d'approvisionnement plus robustes, améliorer la prévision de la demande, maximiser les performances de production et augmenter les ventes tout en minimisant l'augmentation des coûts de distribution représente d'énormes opportunités. Il n'est donc pas surprenant que l'on en parle dans toutes les salles de conseil d'administration.

Mais ce qui fait défaut à de nombreuses organisations, c'est l'hypothèse selon laquelle l'atteinte de cet état futur nécessite d'abord une transformation ERP complète. Oui, les paysages ERP propres, modernes et bien intégrés facilitent l'utilisation de l'IA. Personne ne le conteste. Mais des opportunités significatives et de qualité en matière d'IA existent déjà aujourd'hui - sans une migration S/4 de plusieurs années, un redémarrage Greenfield ou une révision complète des données de base. En fait, de nombreuses organisations disposent déjà d'une „infrastructure“ de base suffisante pour réaliser une valeur ajoutée tangible, pilotée par l'IA. Ces initiatives peuvent rapidement générer des avantages et - ce qui est particulièrement important - contribuer à financer et à étayer le contenu des transformations plus complexes qui suivront. Prenons la gestion des exceptions comme exemple simple. De nombreuses entreprises emploient de grandes équipes pour traiter les erreurs de facturation, les écarts dans les commandes, les violations de politiques, les autorisations manquantes et les sous-totaux erronés. C'est un cas d'utilisation idéal pour GenAI - et un cas qui peut être mis en œuvre beaucoup plus rapidement que la plupart des gens ne le pensent.

L'agent GenAI en action

L'un de nos clients a adopté une philosophie similaire en combinant plusieurs sources de données sur la demande des clients avec une visibilité en temps réel sur les stocks. En utilisant un agent de vente basé sur GenAI pour identifier les produits et services manquants sur les factures, ils ont pu générer des centaines de millions de revenus supplémentaires. Là encore, de manière totalement intégrée et avec une mise à jour automatique des commandes directement dans leurs systèmes ERP en nuage. Il s'agit là de cas d'utilisation pragmatiques et à fort impact, qui peuvent être mis en œuvre rapidement. Cependant, de nombreuses organisations restent convaincues qu'elles doivent d'abord achever des programmes ERP de grande envergure et à forte intensité de capital - remplacer les anciens systèmes, nettoyer toutes les données de base ou remplacer des environnements d'application entiers - avant de pouvoir commencer à réaliser une valeur ajoutée induite par l'IA.

La transformation d'abord ?

C'est précisément ici que la méthodologie elle-même mérite un examen critique : un mode de pensée „transformation d'abord“ traite l'IA comme une récompense en aval - comme quelque chose qui ne se mérite qu'après des années de bouleversements, de coûts et de risques. En revanche, une approche „AI first“ considère l'IA comme un outil de diagnostic et de création de valeur.

Une approche „AI first“ n'est certes pas sans risque, mais le rythme de l'innovation et la capacité en croissance rapide de l'IA à créer, retenir et inférer des informations contextuelles devraient au moins inciter les organisations à faire une pause avant de lancer des programmes de transformation pluriannuels. Quand l'IA sera-t-elle en mesure d'appréhender et de parcourir les processus commerciaux en réseau de bout en bout ? Probablement plus tôt que beaucoup ne l'espèrent. Non pas parce que les entreprises sont parfaitement alignées, mais parce que l'IA déduit de plus en plus ces relations à partir d'un comportement observé - plutôt que d'une conception prescrite. Bien sûr, cela ne résout pas les questions complexes de gouvernance et d'alignement à l'échelle de l'entreprise. Mais si la portée de la grande transformation en „T“ est réduite, ces questions deviendront également plus gérables.

Dans un monde parfait, la transformation viendrait peut-être toujours en premier. Mais nous ne vivons pas dans un monde parfait. Nous vivons dans un monde qui change et s'accélère plus vite que jamais.

La vraie question est donc la suivante : si l'IA peut être déployée rapidement à travers les systèmes ERP et l'ensemble de l'écosystème pour résoudre des problèmes commerciaux essentiels, créer une valeur ajoutée mesurable et rendre visibles les domaines où une transformation est vraiment nécessaire, nos méthodes ne devraient-elles pas commencer par là ? (Source : Lemongrass)