Résoudre le problème des 8 % : comment assurer la réussite des projets d'IA dans l'industrie automobile ?

Dans notre récent podcast Keyloop Drivetime notre animatrice Jacqui Barker s’est entretenue avec Andy Gray, PDG et cofondateur de Kortical. Cet épisode sert à de couper court au bruit autour de l’IA et d’aborder de façon pratique ce qui réellement dans le secteur de la vente au détail d’automobiles.

Cependant, (et c’est un point important), seuls 8 % des projets d’IA aboutissent et le délai moyen de mise en production est de 36 mois. C’est une perspective décourageante pour les concessionnaires et les équipementiers. Heureusement, Andy a expliqué comment rompre avec ce schéma en commençant modestement, en se concentrant sur les gains rapides et en s’appuyant sur des approches éprouvées au lieu de tenter des transformations de grande envergure. En fait, Andy commente, “Nous avons commencé à développer l’IA alors que personne ne savait vraiment ce que c’était, et soudain les clients nous l’ont demandée.

Nous avons rassemblé les principaux enseignements de cet épisode. Il regorge d’informations sur la vente au détail de produits automobiles pour tous ceux qui cherchent à combler le fossé entre la technologie de pointe et l’application dans le monde réel. Voici ce qu’il faut retenir Jacqui et Andy en ont discuté :

• L’IA contre l’apprentissage automatique: La différence expliquée simplement.

• Pourquoi la plupart des projets d’IA échouent: Et comment raccourcir les délais de réussite avec des outils éprouvés.

• La mine d’or des données automobiles: Des dossiers d’entretien aux contrats de financement, vos données ont plus de valeur que vous ne le pensez.

• La personnalisation est la nouvelle attente: Les clients s’attendent désormais à une expérience de type Amazon – la bonne voiture, au bon moment.

• Partenariat humain + IA: L’IA est un assistant qui permet aux vendeurs de se concentrer sur les relations et non sur l’administration.

L’IA et l’apprentissage automatique

Andy a expliqué que l’IA était en train de changer d’objectif.

Aès qu’une chose est bien comprise, on cesse de l’appeler IA et on lui donne un nouveau nom, comme la reconnaissance optique de caractères.

Il en a retracé les origines jusqu’à John McCarthy dans les années 1950, en définissant l’IA comme“tout ce qui est inspiré par le cerveau.

L’apprentissage automatique, en revanche, est uneméthode spécifiqueL’apprentissage automatique, en revanche, est une méthode spécifique : au lieu de coder des milliers de règles à la main (par exemple pour la reconnaissance faciale), vous laissez les algorithmes apprendre des modèles à partir de données.apprendre des modèles à partir de données. C’est ce changement qui a permis les percées modernes, de l’OCR aux grands modèles linguistiques d’aujourd’hui.

Pourquoi de nombreux projets d’IA échouent et comment les éviter ?

Un taux de réussite de 8 %, avec une moyenne de 36 mois pour atteindre la production.

Multipliez ces chiffres et vous obtiendrezun projet réussi tous les 20 anssi vous n’adoptez pas la bonne approche.

Les défaillances se produisent souvent au niveau de la couche de traduction. Les entreprises ne savent pas comment transformer leurs données désordonnées en données lisibles par une machine et en valeur commerciale. (C’est précisément la raison pour laquelle il est si important d’améliorer la qualité des données dans les concessions. Découvrez comment Keyloop et AI Assistant s’attaquent à ce problème. ici).

Son conseil ? N’optez pas pour des programmes de grande envergure. Au contraire :

• Commencez petit avec un processus répétitif et structuré (entrée numérique, sortie numérique).

• Utilisez des solutions éprouvées qui fonctionnent déjà dans des contextes similaires.

• Les gains progressifs renforcent la confiance et le retour sur investissement et vous donnent une feuille de route pour développer efficacement l’IA.

La mine d’or des données automobiles

Andy a remis en question le mythe selon lequel il faut centraliser toutes les données avant d’utiliser l’IA. Au lieu de cela, il a exhorté les détaillants à commencer par les silos de données déjà disponibles. Par exemple :

• L’IA des renouvellements peut prédire quand un client est susceptible d’acheter à nouveau en se basant uniquement sur les informations relatives à l’accord.

• Avec un simple sous-ensemble de données, Kortical a obtenu uneaugmentationmoyennede 7,8 % de la portée personnalisée.

Il a souligné que l’industrie automobile disposeune tonne de données qui englobe le service, la finance et le marketing. Le véritable défi consiste à faire émerger et à activer ces données, et non à les accumuler dans un seul grand projet. Pour une vision plus large des raisons pour lesquelles des données propres et connectées sont à la base du succès de l’IA dans le commerce de détail, consultez notre point de vue sur les sujets suivants L’IA dans l’automobile et au-delà.

La personnalisation est la nouvelle attente

Andy a expliqué que les gens ne passent plus des heures à faire défiler des options sans fin ou à visiter de multiples sites d’évaluation. Au lieu de cela, ils font de plus en plus confiance aux marques pour leur offrir le bon choix, au bon moment.

Pour l’automobile, cela signifie que les détaillants ne peuvent plus se contenter d’un marketing générique ou d’offres à taille unique. L’IA peut analyser des signaux tels que les accords de financement, l’historique des services ou même les changements de mode de vie, et recommander l’étape suivante la plus pertinente. Qu’il s’agisse d’un renouvellement, d’une réservation de service ou d’une offre sur mesure.

Lorsqu’elle est bien menée, la personnalisation permet de garder les clients dans votre écosystème, d’instaurer un climat de confiance et de réduire le risque qu’ils partent à la découverte des concurrents. Comme l’a dit Andy :

Si les gens pensent que votre marque comprend toujours leurs besoins, ils cesseront de chercher ailleurs.

Partenariat humain + IA

Andy a insisté sur le fait que l’IA devrait amplifier les personnes, et non les remplacer. Voici quelques exemples tirés de l’épisode :

• Un chatbot d’IAformé à la voix de la marque d’un détaillant peut répondre aux questions de manière naturelle et adaptée, loin des anciens robots “choisissez l’option A, B, C”.

• Les robots connectés auDMSpeuvent qualifier les clients potentiels, vérifier les stocks en temps réel et même réserver des essais de conduite avant qu’un vendeur ne soit libre.

• Les vendeurs ont leur propre “assistant” qui s’occupe de l’administration et de la communication, ce qui leur laisse plus de temps pour établir des relations humaines et créer de la valeur.

Le consommateur d’aujourd’hui est conditionné parla personnalisation que l’on voit partout aujourd’hui. I Si l’industrie automobile peut reproduire ce voyage personnalisé et transparent, la fidélité et les renouvellements suivront.

Derniers points à retenir

L’IA a largement dépassé le stade des mots à la mode. Comme Andy l’a souligné dans cet épisode de Drivetime, le succès ne réside pas dans la poursuite des projets les plus importants et les plus spectaculaires, mais dans la mise en pratique de l’IA. L’industrie automobile dispose d’une abondance de données inexploitées, et l’opportunité réside dans le fait de commencer modestement, d’utiliser ce qui est déjà disponible et de créer une dynamique grâce à des gains mesurables.

Les détaillants qui adoptent cette approche seront les mieux placés pour répondre aux attentes des clients des parcours personnalisés et fluides qui associent l’expertise humaine à l’efficacité de l’IA. Et comme seulement 8 % des projets d’IA aboutissent aujourd’hui, les détaillants qui réussiront se distingueront là où cela compte le plus : aux yeux de leurs clients.

Inscrivez-vous à notre prochain webinaire pour découvrir comment vous pouvez élaborer une stratégie d’IA pragmatique qui relie les opérations d’aujourd’hui aux opportunités de demain.