Stratégie

Jason Brinbaum, DSI de United Airlines : « Nous construisons les bases pour la GenAI depuis des années »

Jason Brinbaum, DSI de United Airlines (Photo United Airlines)

Jason Birnbaum, DSI de United Airlines, explique comment des années d'investissements stratégiques dans les données ont permis à United Airlines d'utiliser l'IA pour accélérer la prise de décision dans les communications avec les clients et les opérations internes.

PublicitéChez United Airlines, l'IA est déjà un investissement stratégique de longue date. La compagnie aérienne américaine considère en effet que, dans son secteur en particulier, le transporteur le plus rapide à prendre des décisions complexes acquiert un réel avantage concurrentiel. L'organisation a mis en place de façon méthodique une infrastructure de données, des cadres de conformité et des compétences spécialisées, ce qui démontre comment des entreprises traditionnelles réellement se préparer à l'IA avec des résultats mesurables pour les clients et les employés. Le DSI Jason Birnbaum détaille cette stratégie.

CIO.com : Comment avez-vous préparé United Airlines à l'innovation actuelle en matière d'IA ?

Jason Birnbaum : Avant la genAI, nous utilisions déjà l'IA pour la personnalisation client et les campagnes marketing, ainsi que dans nos centres de contact pour aider les agents à fournir un service plus personnalisé. Finalement, nous construisons les bases pour la GenAI depuis des années, car nous savons que la compagnie aérienne la plus prompte à décider l'emportera. Il peut s'agir d'une décision concernant la détresse d'un client, une tempête, un ralentissement dans un aéroport ou toute autre situation nécessitant beaucoup de data, avec l'urgence à fournir aux employés et aux clients des informations pertinentes et instantanées. Une grande partie de notre travail pour y arriver a consisté à organiser nos données et à créer une plateforme sécurisée pour le machine learning et d'autres types de modélisations IA. Nous avons également mis en place une organisation compétente en ingénierie data et datascience indispensables à l'IA.

Quels ont été les éléments essentiels pour se préparer ?

La liste est longue, mais je me concentrerai sur deux fonctions clés. La première consiste à se familiariser avec les données et à les rendre disponibles, ce qui signifie avoir la capacité d'ingénierie pour les extraire et les utiliser dans les modèles. La seconde, c'est d'avoir un tissu de connexions entre les équipes technologiques, opérationnelles, de cybersécurité et juridiques pour créer une structure de conformité nécessaire au déploiement de solutions d'IA avec les garanties appropriées. L'équipe interfonctionnelle de gestion des risques est également essentielle pour ne pas mettre en péril l'ensemble de l'entreprise à cause d'un pilote d'IA.

Pouvez-vous nous donner un exemple de cas d'utilisation de l'IA générationnelle.

Il est par exemple indispensable pour nous de communiquer avec nos clients dans un anglais clair et transparent. C'est une priorité absolue de l'investissement dans l'IA. Il y a des années, avant la GenAI, nous avons lancé un programme appelé Every Flight Has a Story. Si nous avions une journée difficile avec des annulations de vols, notre équipe de storytellers rassemblait toutes les données opérationnelles, parlait aux personnes informées, lisait les notes, puis rédigeait un message à l'intention de nos clients sur l'état du vol, dans un style validé par l'entreprise.

PublicitéC'était incroyablement efficace, mais le défi était de passer à l'échelle. Compte tenu du nombre de retards par rapport au nombre de storytellers, nous ne pouvions pas demander à une personne d'écrire un nouveau message à chaque événement. Nous nous sommes donc concentrés sur la priorisation des situations avec l'impact le plus lourd. Notre premier cas d'utilisation réelle de GenAI a ainsi consisté à adapter notre messagerie client.

Et comment avez-vous géré toutes les data dans ce cadre ?

Les data nécessaires étaient simples à identifier : les informations de base sur le vol et la discussion en cours entre les hôtesses, les pilotes, les agents d'embarquement et les responsables des opérations associés au vol. Nous avons introduit ces informations - avec des données supplémentaires sur la météo, par exemple - dans le modèle d'IA, afin de générer un bon brouillon de message client. L'astuce a ensuite consisté à faire comprendre à cette IA les nuances du style de communication de United Airlines et ce que nous voulions mettre en avant. C'est là qu'intervient le prompt engineering, non pas pour entraîner le modèle à comprendre les données de vol, mais pour utiliser les mots choisis par United. Prenons l'exemple de la sécurité. Nous pouvons mettre l'accent sur la sécurité sans effrayer les gens, et l'outil d'IA apprend à faire le bon choix de mots.

Qui plus est, nous avons été ravis de découvrir qu'en plus d'apprendre à rédiger le message adéquat, le modèle d'IA était également très bon pour regarder dans le passé et intégrer les données de vol précédentes dans la situation actuelle. Même nos storytellers humains n'ont pas inclus les raisons des retards de vol, et ce genre d'information éventuellement très utile pour un client. Lorsque nous avons lancé le modèle, nous sommes passés de 5 % de nos messages traités dans tout le processus de storytelling à 35 % aujourd'hui, soit une augmentation de 700 % du volume, avec le même nombre de storytellers.

La GenIA vous a-t-elle aussi aidé à répondre à des défis internes ?

Les managers connaissent très bien les performances et les plans de développement de leur équipe, mais ils trouvent souvent que les évaluations prennent du temps et ne sont pas toujours utiles à l'employé. United GPT, notre ChatGPT interne, aide les managers à rédiger des évaluations. Le gestionnaire fournit des notes aux employés, l'outil rédige une ébauche et le gestionnaire examine et approuve. Les retours ont été extrêmement positifs, et maintenant plus de 90 % de nos managers l'utilisent. Nous n'avons pas eu besoin de pousser United GPT pour qu'il soit adopté. Nous avons juste donné le lien aux personnes et le taux d'adoption a longtemps monté en flèche. Avec la genAI, il y a aussi un facteur émerveillement qui rend l'adoption moins difficile.

Quelles compétences développez-vous pour l'IA ?

Nous continuerons d'avoir besoin de l'ingénierie et de l'analyse des données, de la datascience et du prompt engineering. Mais je ne saurai pas de combien de personnes j'ai besoin tant que je ne saurai pas quels outils auront une IA intégrée et quelles solutions nous devrons développer nous-mêmes. Une des questions à laquelle nous sommes confrontés est la suivante : nous obtenons une augmentation de la productivité lorsque l'automatisation nous fait par exemple passer de la simple écriture de code à l'acceptation de ce code, mais je ne sais pas pour autant si cela réduira mon besoin de développeurs. Nous sommes dans un monde où les clients exigent plus, donc j'aurais peut-être besoin d'encore plus de développeurs que par le passé. Si tout le monde peut aller plus vite, tout le monde le fera.

Compte tenu des possibilités qui semblent illimitées de l'IA, le rôle du DSI est en train de changer. Quel conseil donneriez-vous à vos homologues ?

L'élément critique pour un DSI désormais, ce sera sa capacité à articuler un avenir très différent d'aujourd'hui et de réaliser que la genAI apporte des ruptures et non de la continuité. En tant que DSI, il faut accepter le fait que vous n'aurez plus tout à fait raison sur l'avenir. Pour autant, il faut former des opinions et les articuler, afin de faire avancer votre organisation dans la bonne direction. Il existe de nombreux exemples de leaders du marché qui n'ont pas vu de nouveaux concurrents arriver. La compétence du DSI, c'est la capacité à aider les gens à anticiper l'avenir afin qu'ils puissent en tirer le meilleur parti. De cette façon, au moment où le service client changera pour toujours, vous vous serez assuré que votre conseil d'administration, votre équipe, votre organisation et votre technologie sont prêts.