Comment ça se passait avant :

Devrait-on utiliser un chatbot dans le secteur du service ? Ou plutôt développer une solution vocale intelligente intégrée pour passer commande ? Ou est-ce que nous devrions pas plutôt miser sur des contenus hyperpersonnalisés, créés automatiquement pour convaincre nos clients ? Les entreprises peuvent utiliser les technologies de l’IA pour différents domaines d'application. Cependant choisir la bonne approche et le bon cas d'utilisation est crucial pour assurer la réussite des projets d'IA. Les personnes concernées manquent encore d'expérience pour pouvoir évaluer correctement les différents scénarios d'application et les potentiels technologiques. Les décideurs risquent de ne pas miser sur les bons thèmes de l'IA.

Comment le workshop d’adesso entre en jeu :

La clé de l'élaboration de cas d'application de l'IA sont nos workshops qui se passent dans une Interaction Room (IR - salle d'interaction). L'Interaction Room est une méthode développée à l'Université de Duisburg-Essen. La méthode permet aux participants de mieux comprendre les liens, d'identifier les risques et les facteurs de dépenses et de valeur dans des environnements de projets complexes.

En collaborant avec nos experts en IR et en IA, nous parvenons à identifier des cas pratiques adaptés à votre entreprise et qui vont dans le sens de vos objectifs. Que votre priorité soit d’optimiser les processus commerciaux existants, le développement d’un modèle commercial ou l'exploitation de nouveaux potentiels commerciaux, l’IR s'adapte à votre situation actuelle. Des premières pistes de réflexion à l'analyse des sources de données existantes, en passant par la conception et la hiérarchisation des cas d'utilisation : grâce à notre concept éprouvé de workshop, nous n’avons besoin que de deux jours pour parvenir à ce résultat. Vous savez alors dans quelle direction vous devez développer l'IA dans votre entreprise.

Comment ça se passe aujourd’hui :

De l’identification des potentiels à l'intégration des applications d'IA dans les processus et les structures informatiques existants : à la fin du workshop, les participants auront saisi toutes les possibilités offertes par l'IA.

À qui s’adresse cette approche ?

À toutes les entreprises à la recherche de nouveaux cas d'application de l'IA

Pour quels collaborateurs de l’entreprise les cas d'application sont-ils intéressants ?

Tous les collaborateurs impliqués dans les projets d'IA, en particulier les départements vente, marketing, service client et informatique.

Comment ça se passait avant :

La planification de l'affectation des collaborateurs est l'un des facteurs les plus décisifs du niveau de qualité de la hotline d’assistance. Un nombre insuffisant de collaborateurs augmente le temps d'attente et entraîne de l’insatisfaction côté clients, mais un nombre trop élevé de collaborateurs entraîne des coûts inutiles. Dans cette équation, l'inconnue est le nombre d'appels qui seront reçus pendant la journée. Jusqu'à présent, les estimations des entreprises se basaient sur l'instinct de leurs responsables ou sur de simples moyennes - avec tout ce que cela implique en termes de fiabilité et de qualité fluctuante.

C'est là que l'IA entre en jeu :

Chercher à optimiser les offres de service téléphonique grâce à une prévision fiable du nombre d'appelants est une mission qui convient parfaitement aux applications d'IA : d’importantes quantités de données, une tâche bien définie et un critère simple pour mesurer les résultats. Les estimations basées sur l'IA doivent être meilleures que les méthodes autrefois choisies.

La base de l’analyse seront les données relatives au nombre d'appels reçus au cours des dernières années. Sur cette base, un système d'apprentissage automatique recherche certains schémas répétitifs et trouve des corrélations entre le nombre d'appels et des facteurs tels que le jour de la semaine, l'heure, la période de vacances, les jours fériés, la météo ou les actions publicitaires. Les prévisions de l’activité du service d'assistance téléphonique sont comparées en permanence avec les valeurs réelles afin d’adapter les paramètres.

Comment ça se passe maintenant :

Les clients joignent plus rapidement leur interlocuteur et résolvent leurs demandes plus rapidement. Cela permet d'augmenter le taux de satisfaction et de réduire la probabilité de changement. Parallèlement, l'organisation du travail, grâce à l'apprentissage automatique, offre une base de planification plus fiable, tant pour les employés que pour les cadres du centre d'appels. Cela aide par exemple à planifier les congés en fonction de la charge de travail.

À qui s’adresse cette approche ?

À toutes les entreprises qui possèdent leur propre service d'assistance téléphonique

Pour quels collaborateurs de l’entreprise les cas d'application sont-ils intéressants ?

Pour tous les responsables des services clientèle et marketing

Pour en savoir plus sur l’aspect technique :

• Problème de régression avec faible dépendance temporelle
• Solution autonome avec un travail d'intégration minimal dans l'infrastructure informatique existante (communication exclusivement via des fichiers CSV)
• Modèle de la boîte blanche (Regression Tree) : ce modèle permet aux parties prenantes de comprendre les décisions prises par la solution d'IA

Comment ça se passait avant :

Le papier est indispensable à la correspondance entre les assurés et les assurances. De la demande envoyée par fax, à la déclaration de sinistre en passant par les pièces justificatives : le papier est nécessaire. De plus, quelque part dans les documents, se cachent les informations pertinentes au traitement du dossier : l'adresse, les numéros de contrat ou de dossier ou encore les justifications et références professionnelles. Toutefois, trouver ces informations dans différents courriers et les transférer dans un système informatique constitue un processus manuel monotone. Il vole, pour ainsi dire, le temps des collaborateurs, temps qu'ils ne peuvent pas consacrer au traitement de processus complexes. Sans oublier que les erreurs sont courantes.

C'est là que l'IA entre en jeu :

L'extraction automatique d'informations structurées à partir de textes non structurés est un cas d'application typique de solutions d'IA. Nous avons développé la solution Heuristic Claims Management (HCM) destinée à être utilisée particulièrement par les assurances. L'application recherche automatiquement les informations pertinentes dans la correspondance entrante, les prépare et les met à la disposition des systèmes compétents pour un traitement ultérieur, de manière structurée et dans les formats appropriés, par exemple XML ou JSON.

Les données sont chargées de manière totalement informatisée dans le système de traitement. La saisie manuelle est supprimée et la suite du traitement est entièrement numérique.

Comment ça se passe maintenant :

HCM évite de devoir passer d’un média à un autre, augmente la vitesse de traitement et réduit le taux d'erreur. Grâce à l'utilisation de HCM, le traitement automatique des informations, même non structurées, aide les entreprises à atteindre les objectifs de numérisation fixés. Les gestionnaires sont déchargés des tâches routinières pour se concentrer sur des tâches plus exigeantes.

À qui s’adresse cette application ?

Aux assurances, aux banques et à tous les organismes utilisant actuellement des processus papier avec extraction manuelle d'informations

Pour quels collaborateurs de l’entreprise les cas d'application sont-ils intéressants ?

• Pour tous les responsables de la gestion des sinistres ou de la protection juridique
• Tous ceux qui s'occupent de l'automatisation et de la numérisation des processus papier

Pour en savoir plus sur l’aspect technique :

Combinaison de méthodes d'apprentissage automatique telles que Support Vector Machine, Random Forest et diverses analyses bayésiennes

Comment ça se passait avant :

Pour une entreprise, chaque prise de contact avec un client constitue une bonne occasion de vérifier si la qualité de service vantée dans les campagnes marketing correspond bien à la réalité. Pour répondre au mieux aux attentes des clients en matière de communication individuelle, les entreprises n’hésitent pas à investir largement dans ce domaine, car ce service constitue l'image de marque et leur point de contact avec les clients. Le traitement des demandes - le plus rapidement possible et de façon à satisfaire les clients - est une tâche qui exige beaucoup de temps et de ressources. Dans le pire des cas, vos collaborateurs sont tellement distraits par la correspondance reçue, qu’ils ne parviennent plus à effectuer leur travail. Au lieu de se consacrer à leurs activités professionnelles, ils lisent des textes, identifient la demande et délèguent les tâches aux collègues compétents. Ces derniers se chargent à leur tour de communiquer avec le client et de formuler des réponses appropriées.

C'est là que l'intelligence artificielle entre en jeu :

Un système basé sur l'IA peut automatiser une grande partie de ce processus de communication. Tout d'abord, le logiciel analyse les messages entrants provenant de diverses sources. Il reconnaît automatiquement les métadonnées importantes, telles que les informations sur l'expéditeur, les numéros de client ou de facture, et peut ainsi catégoriser les informations. Le facteur décisif est l’identification du contenu du courrier par l’application : quelle est l'intention de l'expéditeur ? Quelles réponses cherche-t-il ? Sur la base de l’analyse du texte, l'application recherche ensuite dans la base de données de l’entreprise les éléments de réponse adéquats et crée de manière autonome des réponses individuelles.

Le choix et la qualité des modules de réponse définissent la qualité des réponses ainsi générées. Une équipe de collaborateurs du service d’assistance entretient et élargit en permanence cette base de données. Au lieu de s'occuper de cas particuliers, ils utilisent leur expertise pour optimiser durablement la qualité du service sur l’ensemble des canaux.

Comment ça se passe maintenant :

Les clients et les personnes intéressées reçoivent des réponses pertinentes et professionnelles à leurs demandes, et le délai de traitement est plus court que jamais. Grâce à des modules de réponse gérés de manière centralisée, une communication cohérente est assurée sur l’ensemble des canaux. Le système d'auto-apprentissage améliore en permanence la précision et la qualité des réponses.

À qui s’adresse cette application ?

À toutes les entreprises ayant une correspondance client importante

Pour quels collaborateurs de l’entreprise ce cas d'application est-il intéressant ?

Pour tous les responsables du marketing, du service clientèle, de la vente et de la logistique.

Pour en savoir plus sur l’aspect technique :

• Cognitive Services
• Azure Machine
• Learning Logic Apps
• Azure Functions

Comment ça se passait avant :

Dans les environnements B2B, les collaborateurs du service commercial consacrent une grande partie de leur temps de travail à la recherche d'informations : Où les clients potentiels prévoient-ils d'ouvrir de nouveaux magasins ? Y a-t-il des changements en matière de gestion ? Qui décide des plans stratégiques ou des décisions d'investissement ? En effet, ces informations sont les sujets de prédilection des experts de la vente qui vont les utiliser en tant qu’accroche dans leur pitch de vente : plus cette prise de contact est personnalisée, plus il est probable que les personnes potentiellement intéressées acceptent de dialoguer. Ces connaissances sont fondamentales pour assurer le succès de la vente, mais ce processus exige que chaque commercial investisse beaucoup de temps dans cette recherche d'informations.

C'est là que l'IA entre en jeu :

Pour le service commercial des entreprises d'une grande banque allemande, adesso a mis en place un lead engine basé sur l'IA et sur Microsoft. Le système utilise des sources de données externes telles que des sites web, des contenus de médias sociaux, des moteurs de recherche ou des bases de données d'entreprises payantes. Sur la base de requêtes ou de termes de recherche qui indiquent de potentielles opportunités de vente, le système recherche automatiquement toutes les sources connectées. L'application nettoie les résultats des occurrences non ciblées et des doublons à l'aide d'outils d'analyse de texte automatisés.

Chaque commercial dispose de son propre tableau de bord, dans lequel le système lui indique tous les résultats correspondants, y compris les informations de fond. Le commercial évalue ensuite chaque impulsion de vente individuellement. Ce feedback permet d'améliorer en permanence la qualité des résultats.

Comment ça se passe maintenant :

Le système permet aux collaborateurs de trouver des personnes intéressées plus rapidement et de façon systématisée. Grâce à la préparation automatique des informations sur les prospects, les commerciaux peuvent consacrer plus de temps à l'établissement et à l'entretien des contacts.

À qui s’adresse cette application ?

À toutes les entreprises avec des structures de distribution B2B

Pour quels collaborateurs de l’entreprise les cas d'application sont-ils intéressants ?

Tous les responsables du secteur de la vente

Pour en savoir plus sur l’aspect technique :

• Azure Logic Apps pour la recherche et l'analyse de texte
• Services cognitifs ainsi qu'Azure Machine Learning pour le filtrage des résultats
• Évaluation avec Microsoft Power BI