Dans les processus métier modernes, l'adoption de l'IA générative a dépassé la simple utilisation d'outils et entre désormais dans la phase d'intégration systématique.
Au-delà de cela se profile une nouvelle ère de l'intelligence : l'"Intelligence Symphonique".
Cet article explorera l'état actuel et les perspectives futures de l'utilisation de l'IA générative sous deux angles : le travail itératif et le travail en flux.
Le Travail Itératif
Dans un article précédent, nous avons analysé les perspectives du "travail itératif et des outils" par rapport au "travail en flux et des systèmes" comme points de vue pour permettre à l'IA générative d'exécuter des tâches professionnelles.
Le travail itératif désigne des tâches où les humains combinent de manière semi-inconsciente plusieurs tâches concrètes distinctes et procèdent par essais et erreurs.
Et pour ce travail itératif, les outils sont optimaux. En sélectionnant les outils adaptés aux diverses tâches, le travail peut progresser efficacement. Il est donc nécessaire de constituer la boîte à outils requise et de maîtriser son utilisation.
Actuellement, lorsque l'IA générative est utilisée en entreprise, la grande majorité des cas impliquent l'IA générative en tant qu'outil.
Une grande partie des discussions sur l'amélioration de l'efficacité commerciale avec l'IA générative fait presque toujours référence à l'ajout de ce nouvel outil puissant à la boîte à outils existante que les humains utilisent pour le travail itératif.
Le Problème du Travail Itératif
D'un autre côté, comme souligné dans l'article précédent, les gains d'efficacité apportés par les outils dans le travail itératif sont relativement limités.
À mesure que les outils deviennent plus efficaces, les humains finissent par devenir le goulot d'étranglement. En fin de compte, la barrière des heures de travail humaines ne peut être surmontée.
De plus, il existe un écart significatif en termes d'efficacité et de précision du travail itératif entre les employés expérimentés et les nouvelles recrues, et il est difficile de combler cet écart. Par conséquent, même si vous souhaitez doubler la charge de travail le mois prochain, vous ne pourrez pas y faire face sans des personnes possédant des compétences de vétéran.
Pour résoudre le problème des humains qui constituent un goulot d'étranglement, il s'agit finalement de tout remplacer par l'intelligence artificielle.
Cependant, l'IA générative actuelle ne possède pas encore ce niveau de performance.
De plus, même des tâches itératives apparemment simples, lorsqu'elles sont examinées de près, se composent d'un grand nombre de tâches inconscientes.
Pour cette raison, elles ne pouvaient pas être réduites à des systèmes informatiques conventionnels ou à des manuels que tout le monde pouvait suivre, et dépendaient donc de la compétence humaine.
À moins que ces nombreuses tâches inconscientes nécessitant de la compétence ne soient organisées et que le savoir-faire nécessaire pour chacune ne soit codifié en connaissance, l'IA générative, quelle que soit l'amélioration de ses performances, ne peut remplacer le travail humain.
Transformation en Travail en Flux et Systématisation
Pour atteindre l'objectif de distribution des tâches dans les limites de performance actuelles de l'IA générative, ainsi que celui d'organiser les tâches inconscientes et de codifier le savoir-faire, il est très important d'organiser le travail itératif par essais et erreurs en un travail en flux standardisé.
Le travail en flux standardisé convient non seulement aux outils, mais aussi aux systèmes.
Dans le travail en flux, il y a des tâches exécutées par l'IA générative et des tâches exécutées par les humains. En les connectant avec un système, l'ensemble du travail en flux devient exécutable.
La transformation en travail en flux et la systématisation produisent plusieurs effets significatifs.
Premièrement, l'IA générative est spécialisée pour des tâches individuelles, ce qui permet de clairement optimiser son efficacité et sa précision pour chaque tâche.
Deuxièmement, plusieurs travailleurs peuvent ajouter des connaissances à l'IA générative, et les bénéfices s'étendent à tous.
Troisièmement, il devient facile de progressivement transférer la division des tâches au sein de ce travail vers l'IA générative.
De cette manière, en transformant le travail itératif en travail en flux et en accumulant les connaissances dont l'IA générative a besoin pour chaque tâche sous forme de système, le travail intellectuel s'approche de l'automatisation, à l'image d'une ligne de production en usine.
Et en intégrant les améliorations de la performance fondamentale de l'IA générative qui évoluent avec le temps, et en tirant parti des connaissances accumulées et spécialisées pour diverses tâches, il deviendra possible de faire de l'ensemble du travail en flux un processus automatisé piloté par l'IA générative.
L'Intelligence Virtuelle
Ceci conclut l'analyse du point de vue du travail itératif et des outils, ainsi que du travail en flux et des systèmes.
Un autre article que j'ai récemment rédigé développe davantage cette discussion.
Dans cet article, j'ai abordé le sujet de l'orchestration par l'intelligence virtuelle.
Actuellement, et dans un futur très proche, en raison de ses limitations de performance, l'IA générative est plus performante en termes d'efficacité et de précision lorsqu'elle est focalisée sur des tâches spécifiques.
Par conséquent, comme nous l'avons évoqué précédemment avec le travail en flux et les systèmes, un mécanisme idéal consistait à connecter des IA génératives spécialisées pour chaque tâche individuelle via un système.
Cependant, même si les performances de l'IA générative s'améliorent considérablement, il pourrait être plus efficace et plus précis de traiter en changeant de rôle et en utilisant différentes connaissances au cours d'une seule exécution, plutôt que de simplement traiter diverses tâches en parallèle.
Cette méthode éliminerait le besoin d'un système pour relier les IA génératives entre elles. Des opérations similaires à l'intégration de systèmes se produiraient au sein de l'IA générative elle-même.
De plus, d'une situation où le réarrangement ou l'ajout de tâches est impossible sans modifications du système, l'IA générative elle-même pourra réagir de manière flexible.
Cela signifie ramener les tâches systématisées et traitées en flux au travail itératif.
Cependant, le travail itératif qui revient après avoir subi ce processus de travail en flux et de systématisation sera dans un état où des connaissances réutilisables auront été formées, même si le nombre d'IA génératives est augmenté ou leurs versions sont modifiées.
Cela résout les problèmes du travail itératif humain et permet l'exécution de tâches flexibles similaires à celles effectuées par les humains.
Ici, j'appelle la capacité de l'IA générative à changer de rôle et de connaissances lors d'une seule exécution "intelligence virtuelle". C'est analogue à la machine virtuelle d'un ordinateur.
De même que la technologie des machines virtuelles simule des ordinateurs entièrement différents fonctionnant sur un seul morceau de matériel, une seule IA générative traite en passant d'un rôle à l'autre.
L'IA générative a déjà naturellement acquis cette capacité d'intelligence virtuelle. C'est pourquoi l'IA générative peut simuler des discussions impliquant plusieurs personnes ou générer des romans mettant en scène plusieurs personnages.
Si cette capacité d'intelligence virtuelle s'améliore et qu'elle est pourvue de suffisamment de connaissances, il deviendra possible d'effectuer un travail itératif.
Orchestration de l'Intelligence
De plus, je désigne la capacité à combiner librement plusieurs rôles et connaissances pour accomplir des tâches comme "l'orchestration de l'intelligence".
Ceci est similaire à la technologie d'orchestration qui gère plusieurs machines virtuelles.
De même que la technologie d'orchestration opère efficacement des systèmes en lançant les machines virtuelles nécessaires au moment opportun, une IA générative dotée de compétences améliorées en orchestration de l'intelligence – une capacité de l'intelligence virtuelle – sera capable d'effectuer un travail itératif de manière flexible, en maintenant efficacité et précision tout en utilisant de manière appropriée de nombreux rôles et connaissances.
L'Intelligence Symphonique
L'IA générative qui atteint ce stade peut être qualifiée d'Intelligence Symphonique.
Tout comme un orchestre, où chaque musicien maîtrise son instrument et joue une seule pièce tout en remplissant son rôle respectif, l'Intelligence Symphonique peut jouer une symphonie de travail intellectuel.
Cette Intelligence Symphonique est un nouveau concept, représentant un point d'aboutissement pour l'IA générative.
Cependant, l'Intelligence Symphonique elle-même existe déjà.
C'est notre intelligence humaine.
C'est précisément parce que nous possédons l'Intelligence Symphonique que nous pouvons exécuter inconsciemment des tâches intellectuelles complexes de manière flexible par un travail itératif, en utilisant une multitude de savoir-faire.
En Conclusion : La Forme de l'AGI
En dotant l'IA générative, capable de simuler l'Intelligence Symphonique, de processus de travail en flux et de bases de connaissances pour d'autres tâches, elle pourra gérer de multiples tâches itératives.
À mesure qu'elle deviendra capable de gérer une multitude de tâches itératives différentes, elle appréhendera probablement les principes communs et les schémas structurels de la connaissance à travers ces tâches.
À ce stade, pour des tâches itératives entièrement inconnues, avec une simple explication humaine, elle pourra apprendre le savoir-faire de cette tâche en observant simplement comment un humain l'exécute.
C'est là la véritable Intelligence Symphonique. Une fois ce stade atteint, les humains n'auront plus besoin de consacrer d'efforts à la formalisation des processus ou à la codification du savoir-faire.
De plus, les connaissances ainsi accumulées automatiquement par l'IA générative pourront être partagées entre les IA génératives elles-mêmes.
Lorsque cela se produira, la capacité d'apprentissage de l'IA générative dépassera de loin celle des humains.
On peut dire que c'est une forme d'AGI.