La plupart des gens ont déjà entendu parler des agents d’IA, des logiciels capables d’agir de manière autonome pour entreprendre une série de tâches, mais Asana a décidé d’adopter une approche différente en matière d’IA. La société a présenté mercredi une version bêta de ce qu’elle appelle des « coéquipiers IA », dans le but d’aider à déplacer le travail au sein d’une organisation.

Paige Costello, responsable de l’IA chez Asana, a déclaré que l’entreprise avait délibérément choisi ce nom pour créer un changement mental dans la façon dont les gens pensent interagir avec l’IA au travail. « Nous pensons que l’avenir du travail est que les humains ne travaillent pas seulement avec des humains, mais aussi avec des humains qui travaillent avec l’IA », a déclaré Costello à TechCrunch.

« Et nous croyons en ce monde, qu’il sera tout aussi important de comprendre ce que vous avez demandé à l’IA de faire, ce qu’elle a fait et combien cela a coûté pour que cela se produise. »

Costello a déclaré qu’il s’agissait de créer de la transparence et une structure autour de l’IA afin que les entreprises puissent spécifier et créer des assistants personnalisés pour exécuter les parties essentielles des flux de travail.

Cela semble bien, mais à quoi cela ressemble-t-il en pratique ? Selon Costello, la génération précédente d’outils de flux de travail était définie de manière rigide, et ce qui distingue l’annonce d’aujourd’hui (et l’IA générative en général), c’est qu’elle offre un moyen plus flexible de déplacer le travail au sein d’une entreprise.

Ainsi, au fur et à mesure que le travail arrive, l’IA pourrait évaluer l’état actuel et déterminer si elle est prête à passer à l’étape suivante, ou si elle doit renvoyer le travail à un humain pour ajouter plus d’informations avant de pouvoir continuer. Par exemple, si un ticket d’aide arrive avec une description manquante ou inadéquate, le coéquipier IA pourrait le renvoyer à la personne qui a soumis le ticket, en lui demandant ce dont elle a besoin. Cela pourrait impliquer l’utilisation de l’IA générative pour aider l’employé humain à rédiger le ticket avant de l’envoyer au coéquipier IA, qui peut ensuite diriger le ticket vers la bonne personne pour résolution.

Asana dispose clairement d’un trésor de données liées à la façon dont le travail se déplace au sein d’une entreprise pour former ses modèles, grâce à son graphique de travail, qui modélise la façon dont le travail est lié entre les individus et les départements. Mais bien que tout cela semble bien, nous savons que les agents d’IA peuvent toujours halluciner et qu’ils ne comprennent pas toujours la nature d’une activité.

« Le graphique de travail nous permet de dire à l’IA non seulement comment le travail se produit, mais aussi comment le travail se déroule dans ce cas spécifique. Ainsi, lorsque nous intégrons des coéquipiers IA dans un flux de travail particulier, ils se voient confier une tâche spécifique à accomplir. Lorsqu’ils ont ce travail spécifique et qu’ils savent quelles informations lire, ils sont beaucoup plus susceptibles de faire les bonnes choses », a déclaré Costello.

Mais Costello a reconnu qu’Asana encourage ses clients à garder les humains impliqués, car il reconnaît que l’IA ne va pas toujours bien faire les choses. « Je dirais que l’un des principes fondamentaux de l’IA chez Asana est « l’humain dans la boucle ». Nous pensons qu’en fin de compte, les humains sont responsables des décisions et des résultats », a-t-elle déclaré.

Cela signifie que les humains doivent être en mesure de superviser et d’inspecter l’IA pour s’assurer qu’elle fait des recommandations judicieuses en accord avec les valeurs et la façon de travailler de l’entreprise.

Pour résoudre ce problème, Asana a recherché des flux de travail où il a pu atteindre un haut degré de précision. « Nous avons constaté que nous sommes en mesure d’intégrer des coéquipiers IA pour éliminer très rapidement une grande partie du travail administratif et du travail de suivi dans ces systèmes, avec des degrés de réussite élevés. Nous sommes également en mesure d’utiliser efficacement des variables dynamiques pour récupérer des informations sur le travail et sur les systèmes dans le contexte du travail », a-t-elle déclaré.

Cela dit, cet outil est encore en version bêta et impliquera probablement des difficultés de croissance, en particulier lorsque les entreprises tenteront d’aller au-delà de l’expérimentation et de la mettre en œuvre à grande échelle. Mais si les données sont la clé pour créer des modèles plus précis, une organisation ayant une connaissance du fonctionnement des entreprises, comme Asana, pourrait avoir de meilleures chances que la plupart des autres d’aider à faire passer le travail à travers une série d’étapes de manière plus intelligente.