Dans ce qui pourrait être un aperçu de l'avenir de l'intégration de l'IA dans les entreprises, MicroStrategy a annoncé mardi un nouvel ajout à sa plateforme qui simplifie l'accès aux données analytiques commerciales au sein des organisations.
MicroStrategy Auto est un robot d'IA personnalisable qui, selon la société, offre un moyen plus rapide et plus simple de fournir des informations décisionnelles à tous les membres d'une organisation. Auto est la dernière amélioration de MicroStrategy AI, publiée en octobre 2023, une solution permettant de créer rapidement des applications d'IA sur des données fiables.
Auto peut être déployé en tant qu'application autonome ou intégré à des applications tierces, a noté la société, et offre une personnalisation complète. Son apparence, son style de langage et son niveau de détail peuvent tous être adaptés aux spécifications de l'utilisateur.
Étant donné que l’IA générative alimente Auto, les utilisateurs peuvent interagir avec le bot en utilisant le langage naturel.
« Nous utilisons GPT4 pour le backend – pour déterminer ce que l'utilisateur demande et comment répondre à la question », a expliqué Saurabh Abhyankar, vice-président exécutif et directeur des produits de MicroStrategy.
“La différence entre MicroStrategy et un grand modèle de langage à usage général est qu'en plus des compétences cognitives du LLM, nous ajoutons une structure de données analytiques”, a-t-il déclaré à TechNewsWorld. “Donc, si vous demandez combien de chapeaux ai-je dans le magasin X, le LLM détermine ce que l'utilisateur demande, et la couche MicroStrategy exécute la requête, ramène les données et applique la sécurité et les règles de calcul de l'inventaire.”
“Vous avez besoin des deux choses dans un scénario d'analyse d'entreprise, car un chatbot comme ChatGPT ne dispose pas du contexte, des connaissances métier, de la sécurité et de la gouvernance nécessaires pour répondre à une question comme celle-là”, a-t-il ajouté.
Libérer la valeur utilisateur
Grâce à l'IA, Auto peut éliminer les obstacles à une prise de décision rapide et efficace en rendant les applications plus intelligentes et en mettant les analyses d'entreprise entre les mains des utilisateurs, quel que soit le niveau de compétence ou l'application qu'ils utilisent, a soutenu l'entreprise.
Il n'est pas nécessaire d'utiliser un tableau de bord complexe pour obtenir des informations, et les utilisateurs peuvent demander des informations dans un langage ordinaire, ce qui facilite l'intégration de la business intelligence dans la prise de décision commerciale, ajoute-t-il.
« Nous pensons que l’utilisation de MicroStrategy AI apportera une valeur considérable en fournissant à une variété d’utilisateurs des informations plus approfondies qui nécessitaient auparavant plus de clics et plus de granularité pour être comprises. C'est puissant pour le libre-service des utilisateurs », a déclaré Nena Pidskalny, directrice de la stratégie et de la planification de la chaîne d'approvisionnement chez Federated Co-operatives Limited, dans un communiqué.
« Donner à davantage d'employés l'accès aux données de business intelligence peut profiter à une entreprise en favorisant une prise de décision éclairée dans tous les départements, en permettant une réponse agile aux changements du marché et en promouvant une culture de prise de décision basée sur les données », a ajouté Mark N. Vena, président. et analyste principal chez SmartTech Research à San Jose, en Californie.
“Cependant, un accès plus facile aux données de business intelligence peut entraîner des dommages potentiels tels que des violations de données, une utilisation abusive d'informations sensibles et compromettre l'avantage concurrentiel s'il n'est pas correctement géré et sécurisé”, a-t-il déclaré à TechNewsWorld.
Les robots d'IA générative personnalisés présentent certains avantages par rapport aux robots à usage général comme ChatGPT, Gemini et Claude, a noté Rob Enderle, président et analyste principal du groupe Enderle, une société de services-conseils à Bend, Oregon. capable de bien faire une ou quelques choses et potentiellement mieux », a-t-il déclaré à TechNewsWorld. “Ils peuvent également fonctionner localement car ils utilisent des bibliothèques plus petites.”
Enderle a ajouté que les robots d'entreprise personnalisés peuvent également être plus sûrs que les robots à usage général. “Ils sont généralement des dérivés des grands LLM”, a-t-il expliqué, “mais comme ils sont réduits et plus ciblés, en théorie, ils sont moins susceptibles de faire des choses que vous ne voulez pas faire.”
Répondre aux préoccupations concernant l’IA
Les robots d'IA génératifs personnalisés peuvent également répondre aux préoccupations des entreprises concernant le partage de données avec les grands chatbots. “Il y a toujours de l'anxiété si vous proposez vos informations exclusives ou celles de vos clients à un outil qui va itérer sur ces données et peut les représenter d'une manière ou d'une autre plus tard”, a déclaré Will Duffield, analyste politique au Cato Institute, un groupe de réflexion de Washington, DC.
“Les robots centrés sur le consommateur permettent aux entreprises derrière eux d'utiliser vos conversations pour améliorer les robots”, a-t-il déclaré à TechNewsWorld. “Ce ne serait pas le cas avec beaucoup de ces outils commerciaux, car la manière dont les informations peuvent être utilisées sera spécifiée contractuellement.”
« Les entreprises ne souhaitent pas envoyer toutes leurs données vers un LLM à usage général », a ajouté Abhyankar. “Ils ne veulent pas former le LLM avec leurs données en raison du risque de fuite de ces données.”
Avec MicroStrategy, explique-t-il, les données sont stockées dans l'environnement du client. Seuls des morceaux de métadonnées sont envoyés à notre LLM et le LLM n'est pas formé avec ces données. « Nous pouvons le faire parce que MicroStrategy exécute les calculs, et comme le LLM n'a pas besoin de le faire, il n'a pas besoin de toutes les données », a-t-il expliqué.
Pour cette même raison, il est possible d’empêcher le LLM d’avoir des hallucinations. « Les LLM, de par leur nature, sont probabilistes », a déclaré Abhyankar. « Vous pouvez lui poser des questions, mais vous pouvez obtenir des réponses différentes pour une même question. Ce n'est pas idéal pour un scénario commercial.
En exécutant des calculs dans la couche MicroStrategy et en les effectuant sur la base de la logique métier que le client a codée dans notre plateforme, nous pouvons éviter les problèmes probabilistes, a-t-il soutenu.
« Ainsi, les défis liés au partage de données et aux hallucinations sont en grande partie supprimés grâce à la façon dont nous utilisons le LLM uniquement pour les compétences cognitives, et nous utilisons les données du client dans la couche MicroStrategy de manière fiable », a-t-il ajouté.
Augmenter la productivité
Rendre la Business Intelligence plus accessible au personnel de l’entreprise peut avoir des avantages en termes de productivité. “Cela devrait permettre aux décideurs de prendre des décisions meilleures et plus rapides, ce qui se traduirait par un plus grand succès opérationnel”, a déclaré Enderle.
Les analystes de données, en particulier, devraient constater des gains de productivité grâce à l'aspect libre-service de MicroStrategy Auto. “Cela rend les analystes de données plus productifs car ils peuvent faire plus dans le même laps de temps”, a déclaré Abhyankar. C'est un gain de productivité pour eux.
“Lorsque l'utilisateur final peut se servir lui-même, cela offre des avantages clés à l'analyste”, a-t-il poursuivi. “Ils sont libérés pour se concentrer sur des choses de plus grande valeur car ils traitent moins de questions et de demandes des utilisateurs finaux.”
Sharad Varshney, PDG d'OvalEdge, un cabinet de conseil en gouvernance des données et fournisseur de solutions de catalogue de données de bout en bout basé à Alpharetta, en Géorgie, a noté que les technologies d'IA générative ont un impact profond sur l'analyse des données à tous les niveaux. “Ils suppriment la complexité de la découverte des données, permettant à des équipes comme le marketing ou les RH qui ne sont pas traditionnellement axées sur l'analyse d'utiliser facilement les ressources de données de l'entreprise”, a-t-il déclaré à TechNewsWorld.
« Cependant, a-t-il déclaré, les données reçues doivent être gérées avec précision. Même si un outil d’IA générative peut rapidement trouver et contextualiser des données, il ne tient pas compte de la qualité, de la traçabilité ou de l’accès aux données.
“Une fois les données découvertes, des politiques doivent être en place pour garantir que l'utilisateur qui demande les données dispose des autorisations d'accès nécessaires pour les extraire”, a-t-il poursuivi. « Ensuite, il doit subir diverses mesures de qualité pour détecter la duplication, l'incohérence et d'autres facteurs avant d'être classé et catalogué. Ce n’est qu’à ce moment-là qu’il pourra être analysé.
“Heureusement”, a-t-il ajouté, “des outils sont disponibles pour automatiser ces processus de gouvernance et d'autres qui rendent l'analyse et la visualisation des données très simples”.