Comment UPS empaquette l'IA générative
![Comment UPS empaquette l'IA générative](https://images.itnewsinfo.com/cio/articles/grande/000000020919.jpg)
La société multinationale de logistique a fait appel aux LLM pour automatiser les réponses aux messages de ses clients, réduisant ainsi le temps de traitement des agents et ouvrant la voie à l'utilisation de la GenAI dans l'ensemble de l'entreprise.
PublicitéL'année dernière, United Parcel Service (UPS) s'est tourné vers l'IA générative pour rationaliser ses opérations de service à la clientèle. Le projet développé en interne, et baptisé Message Response Automation (MeRA), porte aujourd'hui ses premiers fruits.
MeRA, qui a été lancé en juillet dernier et est entré en phase de test bêta en octobre, s'appuie sur de grands modèles de langage (LLM) disponibles publiquement pour automatiser le traitement de certains problèmes soulevés par les clients, en fournissant des messages cohérents et en améliorant considérablement l'efficacité des agents, c'est-à-dire le temps de traitement, selon la multinationale.
50% de temps gagné sur la réponse aux e-mails
Bala Subramanian, Chief Digital Officer et directeur technologique chez UPS, considère que l'incursion de l'entreprise dans l'IA générative n'est pas seulement bénéfique pour les agents de son centre de contact client, mais que cette expérience réussie permet désormais de l'envisager dans d'autres processus clef de l'entreprise. Et ce, dans un avenir proche. « L'introduction de MeRA a changé la donne pour UPS, en transformant notre approche d'un service client de qualité, dit le CDO et CTO. En allégeant les tâches de nos agents humains, la technologie leur permet de se concentrer sur les besoins plus complexes des clients. »
MeRA, qui a valu à UPS un prix CIO 100 2024, remis par notre confrère américain CIO, automatise les réponses à certains des quelque 52 000 courriels de clients qu'UPS reçoit chaque jour, selon les chiffres de la multinationale aux quelque 500 000 employés. Lors des tests pilotes, UPS a obtenu une réduction de 50 % du temps passé par les agents à répondre aux e-mails. Le LLM leur permet de confirmer les réponses suggérées par le modèle. Ce passage à un rôle de confirmation - avec des flux de travail standardisés - constitue une source d'économies pour la multinationale, insiste Bala Subramanian.
GenAI : priorité aux applications orientées client
Aujourd'hui, le service client apparaît comme l'un des principaux cas d'utilisation de l'IA générative dans l'entreprise, selon Daniel Saroff, vice-président pour le conseil et la recherche chez IDC. « Les entreprises qui pensent que leur activité sera fortement impactée par la GenAI au cours des 18 prochains mois ont également choisi les applications en contact avec la clientèle comme principale réponse à cette menace (30,8 %) », souligne l'analyste, citant les recherches de l'enquête Future Enterprise Resiliency and Spending Survey d'IDC, réalisée en janvier 2024. « Les entreprises sont très préoccupées par le fait que si elles n'appliquent pas la GenAI aux applications orientées client, elles courent un risque élevé de disruption. »
PublicitéPour UPS, l'utilisation de l'IA générative dans les centres de contact n'est qu'un tremplin. MeRA, que l'équipe de R&D a mis en production limitée en novembre, sera adapté et étendu à toutes les typologies de contacts avec les clients et il sera appliqué à d'autres fonctions au sein de l'entreprise, y compris les ressources humaines, les ventes et les finances, selon Bara Subramanian. « Le périple avec MeRA ne fait que commencer », dit le CDO, notant que l'outil a incité UPS à repenser et à affiner son approche de la formation à l'IA. « Le cadre que nous avons établi n'est pas seulement une avancée pour notre centre d'appels UPS, c'est aussi un modèle pour les futures applications d'IA dans l'ensemble de l'entreprise. »
Bala Subramanian, Chief Digital Officer et directeur technologique (CTO) chez UPS. (Photo : UPS)
L'outil d'IA puise dans la base de connaissances utilisée par le service clientèle pour accéder aux procédures de l'entreprise, ainsi qu'aux données permettant de répondre à une myriade de questions des clients. Ce qui rend MeRA unique, c'est qu'il utilise un cadre logique de raisonnement séquentiel connu sous le nom de Chain-of-thought, ainsi que des capacités avancées d'analyse des sentiments, telles que la possibilité de personnaliser le ton de la réponse aux questions des clients, selon UPS.
Personnalisation des réponses
Pour illustrer la sophistication de l'outil, Bara Subramanian prend l'exemple d'une demande typique d'un client, à savoir la mise en attente d'un colis pour son enlèvement. Selon lui, cette demande comporte au moins trois solutions possibles en fonction de divers facteurs, tels que l'historique du suivi du colis, les restrictions imposées par l'expéditeur sur les colis et les précédentes tentatives de livraison par les chauffeurs UPS. « L'historique de suivi est extrait en temps réel du portail interne ; il montre l'historique où il en est actuellement dans son parcours, explique le dirigeant. Les agents doivent se référer à ces informations pour savoir comment répondre aux différents scénarios. »
L'utilisation par le modèle de données d'entreprise telles que les politiques, les procédures et les données d'expédition pour automatiser et améliorer le service à la clientèle montre comment l'IA générative, qui en est encore à ses balbutiements, commence à progresser dans sa collaboration avec les humains, notent les analystes. « La première moitié de 2023 a vu de nombreux cas d'utilisation axés sur la façon dont les individus peuvent être plus productifs dans leurs tâches d'écriture, de création de contenu ou de production de code, en particulier dans les équipes de marketing, de vente et de développement », écrivent les analystes de Forrester Rowen Curran et J.P. Gownder, dans un billet de blog paru en novembre dernier, alors qu'UPS mettait sa solution en production limitée.
« Les cas d'utilisation de l'IA générative d'aujourd'hui vont au-delà de la productivité individuelle pour s'immerger plus profondément dans l'organisation afin de connecter les connaissances organisationnelles. Au fur et à mesure que ces applications accèdent à davantage de connaissances, elles interconnectent les individus et les équipes pour permettre une meilleure collaboration, non seulement entre les humains, mais aussi entre les humains et les machines », poursuivent les deux analystes.
Le premier, voire les deux premiers niveaux d'assistance
George Westerman, maître de conférences à la MIT Sloan School of Management et fondateur du Global Opportunity Forum, considère également que le service à la clientèle est un excellent point de départ pour les stratégies de GenAI des entreprises. « L'une des applications les plus courantes que les entreprises étudient pour l'IA générative est le service à la clientèle, explique-t-il. La technologie peut prendre en charge la collecte d'informations routinières et souvent le premier, voire les deux premiers niveaux d'assistance. Les agents humains peuvent ainsi se consacrer aux questions plus complexes. »
Bien qu'il ait été conçu et mis en production en six mois environ, l'approche progressive d'UPS a permis à l'entreprise de « tester et d'affiner le système de manière approfondie, afin de s'assurer qu'une fois déployé à grande échelle, MeRA s'intégrerait de manière transparente dans nos opérations », explique Bara Subramanian.
Investir dans l'entraînement
L'IA générative pose aujourd'hui de nouveaux défis aux DSI et aux professionnels de l'informatique, car il s'agit d'une cible mouvante, ajoute le CDO et CTO. La nature en constante évolution des outils d'IA, ainsi que les nombreuses variables impliquées, représentent des défis que les équipes de R&D doivent relever. Néanmoins, Bara Subramanian est convaincu que MeRA peut continuer à évoluer pour apprendre à gérer les demandes des clients et les processus métiers les plus complexes.
« L'espace de l'IA générative est en constante évolution, avec de nouvelles solutions, de nouveaux cadres et de nouveaux modèles publiés tous les mois », explique le dirigeant, qui note que l'équipe d'UPS a dû apprendre au modèle à comprendre la variété de forme et de ton des courriels, puis à suivre les politiques et procédures de l'entreprise pour fournir la bonne réponse. UPS a ainsi remarqué que, dans certains cas, les LLM courants comprennent ou traitent les mots et les phrases d'une manière différente de celle que l'entreprise attend pour son activité. Par conséquent, UPS investit dans l'entraînement de son modèle sur un jeu de données d'entreprise.
S'ouvrir à tous les modèles
Pour MeRA, UPS a commencé par utiliser les LLM d'OpenAI fournis par Microsoft, GPT 3.5 Turbo et GPT4. À l'avenir, la multinationale, qui livre plus de 22 millions de colis par jour, adoptera une approche plus flexible pour sa stratégie d'IA générative et évaluera chaque modèle en fonction du cas d'usage. « La technologie évoluant très rapidement, nous ne voulons pas être enfermés dans un modèle plutôt qu'un autre », indique un représentant de l'entreprise.
« Nous avons mis en oeuvre un agent d'IA formé sur mesure à partir des règles métiers et de la base de connaissances d'UPS et nous y avons appliqué un processus de fine-tuning pour garantir une précision constante dans la fourniture du contexte adéquat permettant au LLM de générer ses réponses », explique Bara Subramanian. Une approche qui, selon lui, constitue une garantie lorsque l'entreprise étendra MeRA au-delà du seul centre de contact.
Article rédigé par
Paula Rooney, CIO US (adapté par Reynald Fléchaux)
Commentaire
INFORMATION
Vous devez être connecté à votre compte CIO pour poster un commentaire.
Cliquez ici pour vous connecter
Pas encore inscrit ? s'inscrire