Kearney et Egon Zehnder révèlent les quatre principaux risques d’utilisation d’IA

Illustration d’intelligence artificielle (photo: Freepik)

JAKARTA — Une enquête conjointe menée par Kearney et Egon Zehnder révèle que bien qu’IA soit considérée comme une force majeure pour l’évolution des entreprises et des modèles organisationnels, l’IA soulève également des préoccupations concernant le remplacement de travailleurs et les violations de la vie privée des données.

Selon une autre étude menée par Kearney, l’IA devrait fournir des avantages économiques importants dans la région de l’ASEAN. D’ici 2030, l’IA devrait contribuer jusqu’à 1 000 milliards de dollars au PIB de l’ASEAN, l’Indonésie elle-même contribuant à 366 milliards de dollars américains.

« Une intégration responsable de l’IA nécessite une compréhension technique approfondie et une atténuation efficace des risques, nous ne devons pas ignorer les risques potentiels associés à l’utilisation de l’IA », a déclaré kasley Santoso, président directeur et associé de Kearney Indonesia, dans son communiqué.

Bien que les dirigeants soient optimistes quant aux avantages de l’IA pour l’efficacité et l’innovation, ils sont également en train de souligner les risques possibles de licenciement et de protection des données.

Le rapport mentionne que la majorité des dirigeants estiment qu’IA aura un impact sur l’organisation dans les cinq ans, et presque tous soulignent l’importance de comprendre le leadership de cette technologie.

A cette fin, le rapport souligne qu'il existe au moins quatre risques clés qui doivent être prioritaires par les dirigeants :

Bias Data: La qualité de la production du modèle d’IA est directement liée aux données formées. Si les données de formation ne reflètent pas de manière équilibrée la diversité du monde réel, l’IA peut produire des résultats biaisés.

Halusine de données: Les modèles génératifs d’IA sont très précis, mais restent sûr à 100% même lorsqu’ils ne sont pas en train de se tromper. Cela nécessite un processus d’engagement humain pour continuer à vérifier les résultats du modèle.

Les coûts gonflants : avec le volume croissant de données stockées par les plateformes d’IA, les coûts de collecte, de stockage et de traitement augmentent également.

Dépendances et fiabilité : Des inquiétudes concernant la dépendance à l’IA et sa fiabilité.