Comment les entreprises axées sur l’IA transforment leurs processus en capacité opérationnelle

Le plus récent rapport Enterprise Signals d’OpenAI montre que l’IA en entreprise passe de l’assistance à l’exécution à des vitesses très différentes. Les entreprises de pointe (celles qui figurent parmi les 10 % utilisant le plus l’IA) génèrent maintenant 8,3 fois plus de jetons de sortie par utilisateur actif que les entreprises types, contre 2,6 fois en janvier. Cet écart croissant révèle un changement opérationnel plus profond : les entreprises de premier plan relient les agents au contexte et aux outils de l’entreprise, leur délèguent des tâches plus substantielles et facilitent la répétition des processus efficaces.

Pour les dirigeants, le défi consiste à transformer cette utilisation poussée en un travail auquel les gens peuvent faire confiance, qu’ils peuvent mesurer et améliorer. Les dirigeants devraient aussi laisser place à l’expérimentation, notamment pour les cas d’utilisation dont la valeur n’est pas évidente au premier essai.

Les jeunes entreprises Basis⁠(s'ouvre dans une nouvelle fenêtre), Clay⁠(s'ouvre dans une nouvelle fenêtre) et Exa Labs⁠(s'ouvre dans une nouvelle fenêtre) ont intégré des agents à l’accueil des employés, à la gestion des comptes et à la croissance de l’écosystème des développeurs. Leurs processus diffèrent, mais leur progression est instructive : enseigner un processus stable à un agent, lui fournir un contexte persistant à mesure que le travail évolue, puis le laisser convertir les occasions en actions éprouvées.

Ensemble, ces exemples montrent comment les équipes peuvent intégrer des agents aux tâches courantes et améliorer le processus au fil du temps.

L’accueil a longtemps été laborieux pour les employeurs comme pour les employés. Chez Basis, qui conçoit des agents d’IA pour les cabinets comptables, l’accueil du premier jour prend maintenant 30 minutes plutôt que deux heures, ce qui laisse aux RH plus de temps pour la culture et le soutien.

Dès leur première journée, les employés obtiennent un accès immédiat à Codex et à une compétence d’accueil propre à l’entreprise (un ensemble réutilisable d’instructions et de ressources pour un processus précis). Codex les accueille, leur présente les principaux concepts de l’entreprise et utilise leur ordinateur pour effectuer en arrière-plan la configuration de l’intégration. Lorsque des questions récurrentes ou des exceptions surviennent, les RH peuvent mettre la compétence à jour avant l’arrivée du prochain groupe.

Basis a présenté le processus d’accueil une fois, puis l’a transformé en compétence réutilisable dotée d’un déclencheur clair, d’étapes connues, d’un accès aux bons outils et d’une définition précise de ce qui constitue un travail « terminé ». Le processus ne dépend plus de la disponibilité d’une seule personne, mais l’équipe peut intervenir en cas d’exception ou de question complexe. L’accueil est maintenant plus uniforme, reproductible et facile à améliorer, et les nouveaux employés disposent immédiatement d’un modèle pour travailler avec l’IA.

Clay, une entreprise qui conçoit un moteur de revenus autoapprenant pour les équipes chargées de la stratégie de mise sur le marché, fait face à un défi commercial courant : le contexte essentiel des transactions est dispersé dans les dossiers du CRM, les courriels, Slack, les appels, les présentations, les messages texte ainsi que les échanges avec les équipes internes et les promoteurs chez les clients.

Pour tenir ce contexte à jour, une ingénieure GTM de Clay a expérimenté une meilleure approche : un espace de travail persistant et un sous-agent attitré à chaque compte. Chaque sous-agent examine les sources primaires et met à jour son dossier de transaction durant la nuit. Chaque matin, un agent de coordination transforme les mises à jour de tous ses comptes en une courte liste d’actions prioritaires : répondre à une question d’un client restée en suspens, combler une lacune dans le comité d’achat ou donner à un prospect une raison de reprendre contact.

Selon Clay, ce processus lui épargne environ une heure de tri de sa boîte de réception chaque soir. Les priorités quotidiennes l’aident à mener à bien les petites actions qui peuvent s’additionner au cours d’un long cycle de vente aux entreprises. Les éléments probants restent associés à chaque recommandation, afin que les vendeurs puissent consulter les sources primaires avant d’agir. Les entreprises pourraient étendre ce contexte partagé aux responsables de comptes, aux représentants au développement des affaires, aux ingénieurs de solutions et aux dirigeants des ventes, sous réserve des autorisations existantes pour les comptes.

Clay montre ce dont un travail évolutif a besoin pour passer à l’échelle : une structure uniforme, une fréquence d’actualisation utile, des éléments probants partagés et un jugement humain au moment d’agir.

Exa Labs, qui conçoit une infrastructure de recherche Web pour les agents d’IA, veut rendre son API de recherche accessible partout où les développeurs pourraient l’utiliser. L’équipe appelle cet objectif « Exa partout ». Auparavant, sa réalisation obligeait les équipes des relations avec les développeurs et des comptes à surveiller les dépôts et l’ensemble de l’écosystème, à repérer les intégrations prometteuses, à recueillir le contexte et à coordonner le travail entre les systèmes. Même si les occasions variaient, le parcours de la découverte à la mise en œuvre suivait une séquence uniforme. Exa a transformé cette séquence en processus défini pour Codex, avec des priorités claires, un accès aux sources nécessaires et un examen humain avant toute mise en production.

Codex surveille maintenant les occasions d’intégration hautement prioritaires, recueille le contexte pertinent, crée des demandes de tirage, exécute des tests et prépare des mises à jour hebdomadaires à partir de sources comme Slack et Notion. Au besoin, il peut aussi rédiger la prochaine étape, y compris une annonce initiale, aux fins d’examen par l’équipe. Le processus fait passer une occasion du signal à un livrable testé, tout en réduisant les transferts entre la recherche, l’ingénierie et les communications.

Les gens décident toujours quelles occasions sont importantes, quels engagements Exa devrait prendre et comment gérer les relations externes. Les tests et les points de contrôle rendent le travail de l’agent visible avant sa mise en production. Les résultats des tests et l’examen humain peuvent montrer à l’équipe où ajuster le processus avant la prochaine exécution. À mesure que le travail gagne en importance, les autorisations, les éléments probants et les droits décisionnels occupent une plus grande place dans la conception du processus.

Ensemble, Basis, Clay et Exa traduisent en modalités opérationnelles les tendances observées dans Enterprise Signals. Basis transforme un processus éprouvé en compétence réutilisable. Clay donne à un agent le contexte et la persistance nécessaires pour tenir à jour un ensemble de travaux en évolution. Exa ajoute des outils, des tests et un examen afin qu’un agent puisse convertir un signal en exécution encadrée. Toutes trois intègrent l’amélioration au processus : les exceptions lors de l’accueil révèlent où une compétence doit être peaufinée; les nouvelles activités des comptes et la validation des vendeurs tiennent le contexte des transactions à jour; les tests et l’examen humain précisent les limites des exécutions futures. Chacune commence par une tâche précise et une marge suffisante pour la mettre à l’essai. La répartition du travail se précise avec l’utilisation, et les responsabilités s’élargissent à mesure que le processus fait ses preuves.

Alors que l’écart lié à l’IA de pointe se creuse, les dirigeants d’entreprise doivent donner aux employés la latitude nécessaire pour tester des processus importants, mesurer leur réussite et transformer les expériences les plus prometteuses en pratiques reproductibles.

• Choisissez un champ de valeur important. Commencez par un processus de bout en bout qui réunit une priorité stratégique, des systèmes, des transferts, des contrôles et des enjeux mesurables. Il devrait se répéter assez souvent pour en tirer des leçons et être assez important pour justifier une refonte.
• Définissez le résultat et la façon dont vous le mesurerez. Désignez la personne responsable, l’indicateur clé de rendement, la référence et les garde-fous. Mesurez la profondeur en fonction des tâches terminées, du contexte et des outils connectés, des exceptions et de la charge d’examen. Mesurez la valeur selon la durée du cycle, la qualité, les coûts, les revenus ou les risques. Le volume de production peut montrer que les gens demandent davantage à l’IA; les résultats du processus indiquent si cela compte vraiment.
• Rédigez la description de tâches de l’agent. Définissez ce qui déclenche le travail, le résultat, le contexte requis, les outils, les autorisations et le degré de persistance avec lequel l’agent doit poursuivre la tâche jusqu’à son achèvement. Précisez les éléments probants qu’il doit produire et les étapes où il doit s’arrêter pour un examen humain.
• Construisez le système humain autour de l’agent. Intégrez les personnes les plus proches du processus à la boucle de conception. Désignez les responsables du résultat commercial, de la logique du domaine, de l’accès et des contrôles, de l’adoption et de l’utilisation quotidienne. Les jeunes entreprises concentrent ces responsabilités entre quelques personnes; les grandes entreprises ont besoin de droits décisionnels explicites à mesure que le processus passe à l’échelle.
• Rendez l’expérimentation visible et réutilisable. Une étude d’OpenAI révèle que, six mois après l’adoption, les employés en début de carrière envoyaient 13 messages de plus par semaine que les cadres. Donnez aux employés la latitude nécessaire pour tester de nouveaux cas d’utilisation, puis consignez le processus et les éléments probants derrière ce qui fonctionne et regroupez-les sous forme de compétences, de modules d’extension ou d’espaces de travail partagés. Chat, Work et Codex⁠(s'ouvre dans une nouvelle fenêtre) prennent en charge différents modes : Chat pour les questions et la collaboration rapide, Work pour le travail intellectuel en plusieurs étapes et les livrables achevés, et Codex pour l’exécution technique.
• Reproduisez le modèle opérationnel. Conservez le contexte, les autorisations, les évaluations, les points de contrôle, les responsables, les mesures et les moyens habilitants qui ont fonctionné, puis appliquez-les au prochain champ de valeur. Chaque nouvelle expérience devrait offrir à l’équipe suivante un meilleur point de départ.