Comment Bank of America choisit les usages de l’IA à financer

L’expansion de l’IA chez Bank of America combine assistance aux employés et baisse des effectifs

L’utilisation de l’intelligence artificielle (IA) par Bank of America montre comment l’assistance aux employés et une main-d’œuvre plus réduite peuvent évoluer de concert. Ses développeurs utilisent des agents de codage, les employés obtiennent des réponses via des outils internes en libre-service, et les effectifs ont diminué tandis que la banque maîtrise ses recrutements au fil des départs. Les décisions de gestion relient ces évolutions : les dirigeants choisissent comment utiliser la capacité créée par l’IA, quels investissements financer et quel niveau de responsabilité les employés conservent.

La question financière est de savoir à quelle vitesse ces dépenses produisent un retour. S’exprimant mercredi lors d’une conférence de BofA Securities, le coprésident de Bank of America, Jim DeMare, a déclaré : « La vraie question était de savoir si nous allions voir des retours suffisamment rapidement. » DeMare représente une banque qui a un intérêt commercial à montrer que son investissement améliore les opérations et à encourager les employés à utiliser les outils. Son propos combine des gains mesurables et les difficultés liées à l’intégration de l’IA dans le travail quotidien.

Ces difficultés s’étendent à l’ensemble du secteur bancaire à mesure que les dépenses en IA dans les services financiers augmentent. Le cabinet de conseil Accenture a constaté que seuls 20 % des dirigeants bancaires voient une valeur généralisée et durable dans leurs initiatives d’IA. L’activité de conseil d’Accenture bénéficie elle aussi de la demande d’aide à la mise en œuvre de l’IA, si bien que ce constat s’accompagne également d’un intérêt commercial. Chez BofA, les questions pratiques commencent par le travail qui a changé et par la manière dont la banque mesure le résultat.

Les outils d’assistance aux employés coexistent avec une baisse des effectifs

Le développement logiciel offre l’exemple le plus clair de gains mesurables selon DeMare. Il a indiqué que les fonctions technologiques telles que le développement et le codage ont jusqu’à présent généré les retours sur l’IA les plus mesurables. Dans la plupart des secteurs, il a estimé l’amélioration de la productivité du codage à environ 15 % à 20 %, et a précisé que BofA observe la même fourchette alors que ses 20 000 développeurs logiciels utilisent des agents de codage, des outils d’IA capables d’exécuter certaines tâches de codage avec une certaine autonomie. « C’est clairement identifiable », a-t-il déclaré.

Un gain de productivité donne aux managers davantage de capacité à allouer. Selon les besoins de l’organisation, ils peuvent l’utiliser pour prendre en charge davantage de travail de développement, modifier les calendriers de livraison ou ajuster les recrutements futurs. Le résultat en matière d’effectifs dépend donc des décisions de gestion sur le volume de travail à entreprendre et sur le nombre de personnes nécessaires pour le réaliser.

Le libre-service interne modifie une autre partie de la charge de travail. DeMare a indiqué que l’assistant virtuel de la banque alimenté par l’IA, Erica, a considérablement réduit les sollicitations du help desk en traitant les demandes internes des employés. Les employés qui obtiennent des réponses via Erica peuvent continuer à travailler sans contacter le help desk, ce qui réduit la demande adressée aux équipes de support. BofA indique également qu’Erica traite un volume de travail équivalent à celui d’environ 11 000 personnes, une comparaison qui décrit le volume de travail pris en charge par l’assistant.

Au-delà de ces mesures opérationnelles, le PDG de Bank of America, Brian Moynihan, a décrit un bénéfice financier à l’échelle des applications de la banque. Lors d’une conférence Barclays la semaine dernière, il a déclaré qu’environ 140 usages de l’IA avaient été mis en œuvre, « pour un coût de 400 millions de dollars, générant un bénéfice de 800 millions de dollars ». Comme DeMare, Moynihan représente la banque dont les dépenses et les décisions opérationnelles sont concernées par ces affirmations. Ses chiffres décrivent l’économie globale qu’il attribue à ces usages.

Ces mesures couvrent différentes composantes du business case. La productivité du codage décrit l’efficacité du développement, les sollicitations du help desk décrivent la demande de support, et le chiffre d’équivalence de travail d’Erica décrit la charge de travail. Les chiffres de coût et de bénéfice de Moynihan couvrent collectivement les applications, de sorte que les managers doivent bien distinguer ces catégories lorsqu’ils décident de la manière dont une amélioration opérationnelle affecte les dépenses ou la capacité.

Les effectifs ajoutent un résultat de gestion distinct. Alors qu’il évoquait les bénéfices de l’IA, Moynihan a indiqué que la banque, basée à Charlotte en Caroline du Nord et disposant de 3 500 milliards de dollars d’actifs, était passée d’environ 213 000 employés au début de l’année à 209 000. Il a également situé l’attrition, c’est-à-dire le taux auquel les employés quittent l’entreprise, à environ 8,5 %. Il a expliqué cette baisse par la manière dont la banque pourvoit les postes vacants.

Les décisions de recrutement permettent à la banque de réduire ses effectifs à mesure que les employés partent. « Nous ne licencions pas qui que ce soit. Nous n’avons pas besoin de faire cela. Tout ce que nous faisons, c’est gérer les recrutements avec soin », a déclaré Moynihan. L’attrition crée des postes vacants, et le recrutement sélectif détermine combien sont pourvus. Les employés découvrent donc l’assistance de l’IA au sein d’une organisation qui gère également une main-d’œuvre plus réduite, ce qui fait de leurs attentes en matière de remplacement un enjeu important du déploiement.

La crainte du remplacement fait de la participation des employés un enjeu de mise en œuvre

La possibilité d’être remplacé peut affecter la volonté des employés d’utiliser les outils. DeMare a déclaré mercredi que « l’un des plus grands risques pour la mise en œuvre de l’IA est que les gens en aient peur et pensent qu’elle va les remplacer ». Pour la banque, l’adoption par les employés aide à transformer les dépenses technologiques en travail utile ; pour les employés, elle soulève aussi des questions sur leur emploi. Expliquer ce que fait un outil aide à répondre à ces intérêts différents.

DeMare a replacé cette préoccupation dans l’expérience plus large de la banque en matière d’introduction de technologies. « Ce n’est pas propre à l’IA », a-t-il déclaré. « C’est visible chaque fois que nous essayons d’utiliser une nouvelle technologie. » Dans son propos, la mise en œuvre consiste à aider les employés à être disposés et capables d’utiliser un système dans leur travail quotidien, en plus de la tâche technique consistant à le rendre disponible.

Pour développer cette familiarité, DeMare a indiqué que BofA a donné à environ 95 % de l’entreprise l’accès à des outils d’IA. Il a expliqué que cet accès a accru la familiarité et l’aisance en donnant aux employés la possibilité d’apprendre par l’usage direct. À mesure qu’ils apprennent à connaître les outils, a-t-il dit, leur évaluation évolue vers les bénéfices pratiques : « Ensuite, il s’agit de productivité générale, de la manière dont cela améliore leur vie au travail, et de la manière dont cela améliore les workflows. »

Cette évaluation pratique aide aussi la banque à identifier de nouveaux investissements. Les employés savent où leur travail devient difficile ou chronophage, de sorte que leurs suggestions peuvent relier un outil proposé à une tâche précise. BofA demande aux employés des idées susceptibles de faciliter leur travail, puis les examine pour identifier où l’IA pourrait aider.

Les idées des employés sur les workflows aident à justifier davantage d’investissements dans l’IA

L’examen des idées des employés introduit un jugement financier dans le processus de sélection. Hari Gopalkrishnan, chief technology and information officer de la banque, a déclaré : « Le ROI fait pleinement partie du processus de décision. » Le ROI désigne le retour sur investissement : la valeur qu’une initiative produit par rapport à son coût. Le propos de Gopalkrishnan expose l’argument de la banque en faveur d’une hausse des dépenses, fondé sur les opportunités de revenus et de dépenses que les employés identifient.

À mesure que la banque évalue ces opportunités, un nombre croissant d’entre elles deviennent candidates à un investissement en IA. Dans une interview cette semaine, Gopalkrishnan a déclaré : « à mesure que nous les identifions comme relevant de l’IA, il s’avère que notre niveau d’intérêt pour l’investissement en IA est en réalité plus de deux fois supérieur à ce qu’il était l’an dernier. » Le processus commence par une amélioration proposée du travail, puis envisage l’IA comme moyen de la concrétiser. Cette séquence relie le choix technologique à un bénéfice métier attendu.

L’ensemble croissant de propositions façonne aussi les attentes en matière de dépenses. Moynihan a déclaré la semaine dernière que BofA s’attend à doubler l’an prochain son budget de dépenses consacré à l’IA. Gopalkrishnan a nuancé sa propre prévision : « Nous finirons probablement par dépenser l’an prochain deux fois plus que ce que nous avons dépensé cette année, parce qu’il s’agit simplement de bonnes idées riches, qui commencent maintenant à créer du retour sur investissement pour nous. » Les deux dirigeants ont relié les dépenses envisagées à l’évaluation par la banque des opportunités, Gopalkrishnan soulignant explicitement que des idées commencent à générer des retours.

Ces projets s’inscrivent dans un budget technologique plus large. BofA indique dépenser environ 4 milliards de dollars chaque année pour de nouvelles initiatives technologiques, y compris l’IA. Le total annuel couvre le programme technologique au sens large, tandis que l’augmentation prévue par Moynihan concerne le budget de dépenses de l’IA. Ces deux plans de dépenses sont distincts des coûts et bénéfices qu’il a indiqués pour les applications déjà mises en œuvre.

Dans ce budget, Gopalkrishnan plaide pour financer les changements en fonction de leur valeur attendue. « Notre point de vue est le suivant : s’ils ont toutes ces idées avec des revenus et des dépenses, alors nous devrions pouvoir investir davantage pour leur apporter cette valeur. Il se trouve que l’IA fait désormais de plus en plus partie de la solution », a-t-il déclaré. Pour un responsable budgétaire, la séquence va d’une amélioration du travail à son effet attendu sur les revenus ou les dépenses, puis à la technologie et aux dépenses nécessaires pour la concrétiser.

La préparation des échanges avec les clients offre un exemple concret. Gopalkrishnan a indiqué que des milliers d’employés utilisent désormais des outils de gestion de la relation client alimentés par l’IA, qui organisent les informations utilisées pour gérer les relations clients. Avant un échange avec un client, un employé reçoit des données et des éléments de langage pour appuyer la discussion. L’IA modifie le travail de préparation, tandis que l’employé mène la conversation et décide comment utiliser l’information.

La mise en œuvre de telles améliorations exige aussi des choix sur les fournisseurs de technologie. DeMare a indiqué que BofA évalue des tiers et plusieurs prestataires susceptibles d’améliorer l’automatisation avec l’IA, tout en examinant des possibilités plus complexes et plus personnalisées. Ces choix déterminent comment la banque construit ou obtient une capacité. Une autre décision porte sur le degré de liberté d’action que le système résultant devrait avoir.

La responsabilité humaine limite le degré d’autonomie de l’IA

La question de la liberté d’action devient plus importante à mesure que les agents d’IA prennent en charge davantage de tâches. Gopalkrishnan réfléchit au niveau d’autonomie, c’est-à-dire à la capacité d’agir de manière indépendante, que la banque peut accepter. Il a déclaré que les améliorations de l’efficacité et de la performance des modèles pourraient soutenir une plus grande autonomie au fil du temps, mais a lié cette extension à des contrôles sur le comportement du système.

Gopalkrishnan a formulé la condition directement : « À mesure que ces modèles deviennent plus efficients et plus performants, nous voudrons, avec le temps, étendre l’autonomie, mais nous voudrons le faire de manière à ce que les garde-fous soient omnipotents. » Les garde-fous sont des contrôles destinés à maintenir le comportement d’un système dans des limites acceptables. Il a ajouté : « Nous n’allons rien faire tant que nous n’aurons pas les garde-fous appropriés. »

Ces contrôles font de l’autorisation d’agir une décision distincte du cas d’investissement. Un système peut promettre des améliorations précieuses tout en nécessitant encore des limites sur ce qu’il peut faire de manière indépendante. Dans l’approche de Gopalkrishnan, la banque doit déterminer si les contrôles sont appropriés avant d’étendre cette indépendance.

La revue humaine constitue l’un de ces contrôles lorsque l’IA produit des informations que les employés peuvent utiliser. Moynihan a déclaré que les employés restent responsables de ces informations, la revue portant à la fois sur le bon sens et sur l’exactitude factuelle. « Le risque, pour nous, était vraiment le risque de la laisser commencer à donner des réponses sans que des humains vérifient que la réponse était correcte, à la fois du simple point de vue du bon sens, mais aussi en s’assurant littéralement qu’elle est juste », a-t-il déclaré la semaine dernière.

Les outils de préparation client placent cette responsabilité dans un cadre commercial : les informations préparées pour un employé peuvent affecter la prochaine conversation avec un client. « Si vous donnez une mauvaise réponse à un client, le client va vous laisser tomber », a déclaré Moynihan. « Cela limitera son application d’une certaine manière. » Le coût d’une mauvaise réponse limite donc les situations dans lesquelles la banque peut utiliser l’IA et les moments où un employé doit vérifier son résultat.

Points clés

• Distinguer les gains de productivité des décisions sur les effectifs : BofA fait état de gains de productivité du codage de 15 % à 20 %, tandis que les effectifs ont diminué sous l’effet de l’attrition et d’un recrutement sélectif. Les responsables budgétaires ont besoin de mesures distinctes pour la charge de travail, la capacité et les retours financiers lorsqu’ils décident comment utiliser les gains liés à l’IA.
• Renforcer la confiance des employés par l’usage : BofA a donné à environ 95 % des employés l’accès à des outils d’IA tout en répondant aux craintes de remplacement. Les responsables du déploiement peuvent développer la familiarité autour d’améliorations précises des workflows tout en expliquant comment l’IA affecte les responsabilités des employés.
• Relier le financement de l’IA aux opportunités identifiées par les employés : BofA s’attend à doubler l’an prochain son budget de dépenses consacré à l’IA à mesure que les suggestions des employés génèrent des candidats à l’investissement. Les revues de financement doivent relier chaque proposition à une tâche définie, à un bénéfice attendu en revenus ou en dépenses, et à un coût de mise en œuvre.
• Faire des contrôles une condition de l’autonomie : BofA lie une plus grande indépendance de l’IA à des garde-fous appropriés et maintient les employés responsables de la vérification des réponses. Les responsables technologiques et métier ont besoin d’exigences de revue explicites partout où un résultat incorrect pourrait affecter les clients.