Pourquoi l’IA client dépend de données opérationnelles fiables

Les fabricants misent déjà sur l’IA

L’adoption de l’IA est déjà importante parmi les fabricants britanniques interrogés par SAP Engagement Cloud. Environ 86 % des décideurs du secteur manufacturier estiment que l’IA sera essentielle pour conquérir et fidéliser les clients au cours de l’année à venir. Plus de quatre sur cinq déclarent que l’IA est déjà intégrée aux workflows de l’entreprise.

SAP Engagement Cloud a interrogé 750 décideurs britanniques issus des fonctions IT, technologie, marketing, service et revenus, y compris des répondants du secteur manufacturier. Les résultats reflètent les points de vue des répondants plutôt que des résultats mesurés issus du déploiement de l’IA.

Une fois que l’IA entre dans les workflows quotidiens liés à l’engagement client, aux chaînes d’approvisionnement, à la gestion des stocks et à l’exécution des commandes, les dirigeants sont confrontés à une question pratique : quelles informations le système peut-il utiliser lorsqu’il agit ?

L’IA orientée client dépend des données opérationnelles

Une interaction client dans l’industrie manufacturière peut dépendre d’informations qui vont bien au-delà du dossier client. Les plannings de production, la disponibilité des stocks, l’activité des fournisseurs, le statut d’exécution des commandes et les interactions de service peuvent tous influer sur ce qu’une entreprise peut promettre et livrer.

Un système d’IA peut générer une réponse personnalisée ou aider à façonner une offre. Sa valeur commerciale dépend de la disponibilité d’informations suffisamment à jour et fiables sur les conditions opérationnelles.

Sara Richter, directrice marketing chez SAP Engagement Cloud, décrit les fabricants comme dépendant de « milliers de micro-signaux chaque jour », allant des mises à jour d’inventaire aux interactions liées à l’exécution des commandes et au service. Elle soutient que le fait de connecter ces signaux donne à l’IA suffisamment de contexte pour rendre l’engagement client plus pertinent et ancré dans ce que l’entreprise peut réellement livrer.

Richter représente un fournisseur ayant un intérêt commercial à ce que les entreprises investissent dans les technologies d’engagement client. Son affirmation reflète donc le point de vue d’un fournisseur sur la valeur de la connexion entre les informations clients et opérationnelles.

Les engagements pris envers les clients peuvent dépendre des usines, des fournisseurs, des stocks et des opérations de livraison. Un workflow d’IA qui prend ces engagements doit avoir accès aux informations pertinentes.

DAW montre comment des données fragmentées affectent les plans liés à l’IA

DAW, un fabricant européen de peintures pour le secteur de la construction et de matériaux d’isolation thermique, fournit un exemple présenté par SAP. SAP a indiqué que DAW travaillait à réunir des sources de données fragmentées, à construire une vision plus complète du client et à soutenir de futurs produits, services et prises de décision pilotés par l’IA.

Alexander Kuhl, responsable des données chez DAW, a déclaré que l’entreprise souhaitait adapter son offre à différents groupes cibles professionnels et concevoir l’expérience client numérique des peintres autour de leurs besoins quotidiens.

« Afin de développer davantage notre offre de produits et de services de manière ciblée, nous devions mieux exploiter nos jeux de données », a déclaré Kuhl.

DAW a identifié une meilleure utilisation des jeux de données existants comme condition préalable au développement d’expériences client, de produits et de services. Ici, le travail sur des données fragmentées a précédé l’usage futur de l’IA et s’est inscrit dans une transformation plus large de l’entreprise.

L’élargissement de l’usage de l’IA accroît le problème de gouvernance

Deux répondants du secteur manufacturier sur cinq dans l’enquête SAP Engagement Cloud identifient la cybersécurité et la confidentialité comme le principal obstacle au passage à l’échelle de l’IA.

Le risque augmente lorsque les workflows d’IA combinent des informations clients et opérationnelles. Les dirigeants doivent savoir d’où proviennent les données, si elles contiennent des informations personnellement identifiables (PII), qui peut les utiliser et à quels endroits une validation humaine est requise. Les PII sont des informations permettant d’identifier une personne précise.

Plus de quatre décideurs sur cinq dans l’enquête SAP Engagement Cloud déclarent que leur organisation a mis en place des garde-fous pour l’IA couvrant la traçabilité des données, les PII et les points de validation humaine. La traçabilité des données consiste à suivre l’origine des informations et la manière dont elles évoluent lorsqu’elles circulent entre les systèmes.

Ces garde-fous déclarés indiquent que la gouvernance fait partie du déploiement de l’IA pour de nombreux répondants. Ils ne démontrent pas à eux seuls que les contrôles sont efficaces. Pour les fabricants qui intègrent dans des workflows d’IA des informations auparavant fragmentées, les décisions d’accès aux données déterminent qui peut utiliser ces informations et dans quelles conditions. Les dirigeants doivent définir ces règles d’accès et ces points de validation avant d’étendre les workflows d’IA aux données clients et opérationnelles.

Points clés

L’IA s’intègre aux workflows essentiels : Les fabricants considèrent de plus en plus l’IA comme importante pour la fidélisation des clients et l’intègrent dans les opérations quotidiennes. Les dirigeants doivent évaluer si leurs fondations de données peuvent soutenir un déploiement plus large.
L’IA orientée client a besoin d’un contexte opérationnel : Les données de production, de stock, de fournisseurs, d’exécution des commandes et de service peuvent déterminer ce que l’IA peut promettre de manière crédible aux clients. Les dirigeants doivent connecter les données opérationnelles et clients pertinentes tout en maintenant la qualité des données.
Des données fragmentées peuvent limiter les plans liés à l’IA : L’expérience de DAW montre que le regroupement de jeux de données dispersés peut précéder des expériences client plus personnalisées et de futurs usages de l’IA. Les fabricants doivent traiter la fragmentation avant d’attendre de l’IA qu’elle soutienne une transformation plus large de l’entreprise.
L’adoption de l’IA renforce les exigences de gouvernance : La combinaison de données clients et opérationnelles accroît les risques liés à la confidentialité, à la cybersécurité et aux accès. Les dirigeants doivent mettre en place la traçabilité des données, des contrôles sur les PII, des règles d’accès et des points de validation humaine avant de faire passer à l’échelle les workflows d’IA.