Votre projet d'IA fonctionne probablement sur des données que vous possédez déjà.

Commencer par une question, pas par un archivage

L'instinct est de faire l'inventaire de tout avant de démarrer. Résistez-y. Une audit de données complet prend des mois, produit une feuille de calcul que personne ne lit et retarde ce qui vous aurait appris le plus.

Choisissez plutôt une décision ou une tâche récurrente. Comment nous fixons les prix pour un travail non standard. Que nous disons à un client dont la commande est en retard. Quelle clause nous pouvons concéder dans un contrat de fournisseur. Ensuite, ne préparez que l'information qui alimente cette tâche unique. Vous apprendrez plus sur l'état de vos données à partir de vingt documents que vous utilisez réellement qu'à partir d'une carte complète de documents que vous n'utilisez pas.

Ce que signifie réellement "prêt"

Pour un ensemble donné de documents, quatre choses doivent être vraies :

Accessible. Le système peut y accéder sans qu'un fichier soit envoyé par email. Un dossier partagé, une base de données, un dossier exporté - le mécanisme importe moins que le fait qu'il existe en un endroit accessible.
Actuel. Il n'y a qu'une version autoritaire et tout le monde est d'accord sur celle-ci.
Contrôlé. L'accès est régi par celui qui demande, pas par le hasard que le système ait ou non le fichier.
Décrit. Chaque document contient qui l'a produit, quand, et à quoi il s'applique.

Rien sur cette liste n'est technique. Tout est organisationnel, c'est pourquoi il a tendance à être confié aux mauvaises personnes.

Le problème de version est le plus coûteux

Si trois listes de prix existent et que deux sont obsolètes, une personne remarque les dates et choisit la bonne. Un système ne le fera pas. Il répondra en fonction de ce qu'il a lu, avec la même confiance lorsqu'il a raison, et quelqu'un citera un client à partir d'un tarif de 2023.

La solution est peu glamour mais durable. Désignez un propriétaire par ensemble de documents. Faites-leur déclarer la version canonique, archivez le reste quelque part où le système ne peut pas y accéder, et chargez-les de la responsabilité de le garder à jour. Et votre projet d'IA s'améliorera. Passez directement à l'IA et votre entreprise s'améliorera quand même, ce qui est un bon signe que vous travaillez sur la bonne chose.

La plupart des meilleures connaissances n'ont jamais été écrites

Les réponses que vos meilleurs employés donnent sont rarement dans le manuel. Elles se trouvent dans les tickets de support, les réponses par email aux ventes, et le message où un collègue a expliqué pourquoi ce client particulier bénéficie d'une exception.

Commencez à capturer cela au format qu'il prend déjà. Collectez les vingt questions que votre équipe répond le plus souvent et notez les réponses réelles - courtes, datées, attribuées. Trente bonnes réponses feront plus pour un premier système que deux cents pages de document de politique que personne n'a ouvert depuis la dernière réorganisation.

Décidez ce que le système ne peut jamais voir

Avant de connecter quoi que ce soit, tracez la ligne. Les données sur les salaires, les informations de santé, les dossiers clients non anonymisés, les questions sous privilège juridique. Décidez ce qui reste hors du système, notez-le et faites de l'exclusion une structure - un stockage séparé, des permissions séparées - plutôt qu'une instruction que le système est invité à suivre.

Ensuite, décidez comment l'accès fonctionne. Si un superviseur peut voir un document et un stagiaire non, cela doit rester vrai lorsque les deux demandent par fenêtre de chat. Les systèmes qui répondent de la même manière à tout le monde finiront par répondre à la mauvaise personne.

Fixez une date d'expiration

Les anciennes informations sont le mode d'échec silencieux. Une politique expirée en 2024 reste dans le dossier indéfiniment et semble toujours autoritaire. Donnez à chaque ensemble de documents une date de revue et un réviseur nommé. Lorsque un document expire, il quitte la piscine jusqu'à ce qu'il soit réapprouvé par quelqu'un.

Ce à quoi vous attendre

Préparer les données pour un workflow prend des semaines, pas des trimestres, et le deuxième workflow est plus rapide car les habitudes de propriété sont déjà en place. Jugez les progrès sur deux choses : à quelle fréquence la réponse du système est correcte, et à quelle fréquence vous pouvez retracer cette réponse jusqu'à un document spécifique. Le second est plus important au début. Une réponse que vous ne pouvez pas retracer ne peut être corrigée.

C'est la partie la moins visible de l'adoption de l'IA et aussi la plus lourde. C'est également là que nous passons les premières semaines de la plupart des missions, car un bon modèle lisant des informations désorganisées produit des erreurs bien écrites et confiantes - et celles-ci sont plus difficiles à attraper que les évidentes.