La difficulté d'évaluer et de prouver l'effet de l'adoption de l'IA est un mythe, car souvent il n'y a tout simplement pas d'effet. Pourquoi ? L'IA apporte un effet en termes d'économie de temps pour l'employé ou d'augmentation de son efficacité. Cela ne fonctionne que si l'entreprise emploie un grand nombre de personnes sur des tâches identiques, par exemple un centre d'appels. Mais dès que l'on arrive dans une entreprise pétrolière typique, cela ne se produit pas. Il n'y a pas 100 personnes travaillant sur la même tâche, que ce soit au bureau ou sur le site d'extraction.

Une solution d'IA moyenne propose de résoudre 5 % des tâches d'un employé plus rapidement, donc on prend un département où travaille un employé dont les tâches seront résolues plus rapidement. Qu'en retire le département ou l'entreprise ? Rien. L'employé passera 5 % de temps supplémentaire à boire du café, à fumer, et l'entreprise dépensera de l'argent pour l'IA. Mais on pourrait le charger d'autres tâches ! Non - le processus métier actuel fonctionne et avance sans ces tâches, il y a des bénéfices et tout va bien, il n'a pas besoin de nouvelles tâches. Par conséquent, l'adoption de l'IA ne sera rentable que lorsque l'entreprise a une multitude de programmeurs et qu'ils déploient le service en production plus rapidement, augmentent les conversions et les ventes, non pas dans un an mais dès demain - là, l'effet se calcule, c'est pourquoi Codex, Claude code sont adoptés partout. Un logiciel qui permet d'écrire des lettres plus rapidement n'est pas nécessaire aux entreprises.

Vous créez un produit d'IA pour les grandes entreprises ? Calculez quel effet vous apportez à l'entreprise, au-delà du temps de pause-café accru des employés ?