Que se passe-t-il maintenant que l’IA est le premier analyste de votre équipe ?

pourrait être l’une des phases les plus importantes de notre carrière.

Je ne dis pas cela pour être dramatique ou clickbaity mais parce que quelque chose de subtil et d’irréversible se produit dans ma façon de travailler. Chaque jour qui passe, je me retrouve à utiliser davantage l’IA. Je fais moins d’allers-retours avec. Je le remets moins en question car avec l’augmentation des échanges, il est devenu direction assez juste le plus souvent.

Mon rôle évolue lentement de générateur à validation.

Ces jours-ci, je m’habitue à regarder l’IA gérer les choses avant de travailler sur des choses qui, à mon avis, nécessitaient mon expertise.

Je plaisante souvent en disant que je n’utiliserais jamais ChatGPT pour planifier mes voyages. La planification de voyages est mon terrain de jeu. J’aime ouvrir vingt onglets, comparer les quartiers, lire des critiques et créer un itinéraire qui me convient. Et pourtant, il y a une semaine, j’ai demandé à ChatGPT de m’expliquer tout ce qu’un débutant dans les parcs Disney devrait savoir. En quelques secondes, j’avais des notes de tout ce que je devais savoir et faire, sans ouvrir aucun autre onglet.

Cela m’a fait réfléchir.

Si l’IA peut gérer quelque chose que j’apprécie vraiment et dont je suis fier… qu’est-ce que cela signifie pour le reste de mon travail ?

Mon flux de travail avant l’IA

Il n’y a pas si longtemps, mon travail en tant que consultant analytique était long, nuancé et profondément tangible.

Je voudrais:

• Définir le problème métier
• Identifiez les bonnes sources de données
• Écrivez du code à partir de zéro pour nettoyer les ensembles de données désordonnés
• Manipuler et analyser les données
• Erreurs rencontrées, débogage pendant des heures
• Rechercher Stack Overflow, réécrire les requêtes
• Explorer les cas extrêmes
• Construire des présentations de parties prenantes
• Traduire les résultats techniques en récits commerciaux

Une grande partie de ma valeur résidait dans l’exécution de ce flux de travail.

Au fil du temps, j’ai travaillé pour me créer une niche afin de pouvoir traduire des données pour l’entreprise et vice versa.

À quoi ça ressemble maintenant

Cependant, aujourd’hui, l’IA est souvent la première chose qui touche à l’énoncé de mon problème.

Au départ, je voulais surtout expérimenter les invites. Je décrivais le contexte métier, le schéma, les limites et le résultat attendu, et j’explorais ce que l’IA pouvait faire pour moi. Maintenant que j’ai constaté l’augmentation de la productivité et l’articulation de certaines de mes pensées, je m’appuie désormais fortement sur l’IA pour :

• Écrivez du code de bout en bout pour le nettoyage, l’analyse et la visualisation des données
• Suggérer des fonctionnalités et améliorer les performances du modèle
• Des informations sur la surface auxquelles je n’avais pas pensé
• Documenter l’ensemble du processus
• Générer des résumés exécutifs pour différents publics

Avec cela, l’IA est effectivement devenue mon premier analyste.

Et cela ne s’est pas produit du jour au lendemain, ni même en une semaine. Le changement subtil s’est produit au fil des mois et maintenant, si j’ai quelque chose à faire, je suis naturellement enclin à me tourner d’abord vers l’IA, avant même d’y avoir pleinement réfléchi par moi-même et je trouve cela à la fois excitant et profondément troublant.

Parce que ce changement n’est pas progressif. C’est exponentiel.

Je crains que nous ne soyons sur le point de voir l’IA remplacer plus d’une compétence : codage, analyse, rédaction, etc. Il ne s’agit pas seulement de s’améliorer dans un domaine, mais de s’améliorer dans un domaine touttout à la fois.

Ce que cela signifie vraiment

L’IA devient une couche générale du travail cognitif.

Je ne sais pas si l’IA reproduira un jour la profonde empathie humaine ou si la confiance construite au fil des années pourra être automatisée. Et honnêtement, je ne sais plus où est le plafond.

Mais j’ai le sentiment que les gens qui sauront bien gérer ce changement ne sont pas ceux qui l’éviteront mais ceux qui s’y pencheront avec curiosité.

Alors, où pouvons-nous créer un avantage ?

J’y ai beaucoup réfléchi ces derniers temps : lorsque l’intelligence humaine est normalisée par l’intelligence artificielle, comment puis-je rester pertinent ? Je ne veux pas finir par voir mon rôle se transformer lentement sans que je remodèle également mes compétences et ma boîte à outils.

J’ai réalisé que le bord devient moins visible.

Au cours des dernières années, lorsque j’ai rejoint le marché du travail en tant qu’analyste, je pensais que parce que je connais SQL, que je peux créer des modèles et nettoyer des données désordonnées, j’ai un avantage. Il s’agissait de compétences tangibles que l’on pouvait mesurer, améliorer et mettre en valeur. Cependant, une grande partie de cela s’efface peu à peu. L’IA peut réaliser la plupart de ces tâches rapidement et de plus en plus efficacement.

Le bord doit donc se déplacer ailleurs.

Pour moi, cela commence à donner l’impression que l’avantage réside dans la façon dont vous réfléchissez avant même d’ouvrir un outil.

Et voici comment je me prépare à développer cet avantage pour les prochaines années en tant qu’analyste senior :

• Familiarisez-vous avec l’IA dans votre réel flux de travail :
  Je recommande fortement de commencer à utiliser l’IA sérieusement (pas seulement rechercher des itinéraires et nettoyer vos e-mails). L’avantage vient de l’exploitation de l’IA pour exemples pratiquespas d’utilisation passive.
  • Ne vous arrêtez pas à « écrivez-moi une requête » ou à un moteur de recherche. Utilisez-le pour des cycles de problèmes complets, du nettoyage des données à l’analyse en passant par la narration avec ces données.
  • Comparez sa sortie avec la vôtre et remarquez les lacunes.
• Comprenez où l’IA fonctionne pour vous et, plus important encore, où elle ne fonctionne pas :
  Le véritable avantage ne réside pas seulement dans l’utilisation de l’IA. C’est savoir quand pas compter sur lui. L’IA peut générer des réponses, mais vous devez savoir quand elles se trompent.
  • Demandez toujours si la tendance/le modèle/les idées suggérées par l’IA ont du sens ? Qu’est-ce qui manque ? Qu’est-ce qui est biaisé ?
  • Sorties de tests de pression avec des contrôles d’intégrité simples.
• Soyez intentionnel dans ce que vous déléguez
  Laissez l’IA gérer la vitesse, la structure et les premières ébauches pour le moment pendant que je m’installe dans cet espace, si ce n’est déjà fait. Ensuite, laissez l’IA gérer la formulation des problèmes, le jugement, l’éthique et la responsabilité. Mais n’oubliez pas de valider.
  • Vérifiez les résultats avec de petits échantillons, des cas extrêmes ou des requêtes alternatives.
  • Ne faites pas aveuglément confiance aux résultats propres. Vérifiez toujours ces sorties.
• Préparez-vous à l’évolution de votre rôle.
  Nous sommes déjà en train de passer du statut de rédacteurs de requêtes à celui de penseurs, de validateurs de données et de conteurs.
  • Allez au-delà de « voici ce que disent les données » → « voici ce que nous devrions faire ensuite ».
  • Liez l’analyse à l’impact commercial, et pas seulement à l’exactitude.
    C’est là que les analystes commencent à devenir des partenaires décisionnels
  • Prenez l’habitude de vous adapter et d’affiner votre capacité à perfectionner continuellement vos compétences au-delà de n’importe quelle compétence technique (le meilleur tuteur au monde est désormais accessible à tous, 24h/24 et 7j/7, à faible coût)
• Restez proche de l’entreprise, pas seulement des données
  Plus vous êtes proche du problème, plus il est difficile de le remplacer.
  • Participez à davantage de conversations avec les parties prenantes, comprenez les objectifs et les contraintes.
  • Le contexte rendra votre analyse plus précise que tout ce que l’IA peut déduire.
• Ne vous sentez pas bizarre à l’idée d’utiliser l’IA
  Vous ne « trichez » pas si vous utilisez un outil qui améliore votre travail. Nous avons toujours utilisé des outils pour étendre les capacités humaines. Celui-ci se trouve être exponentiel.

Pensée finale

L’IA n’est plus simplement un outil supplémentaire dans notre flux de travail.

À bien des égards, cela devient le point de départ. Je crois que même si nous ne sommes plus les premiers analystes du problème, nous, les humains, sommes toujours responsables de poser les bonnes questions, de donner un sens aux réponses et de décider quoi faire ensuite. Et cette partie compte toujours plus que jamais.

…………

C’est tout de mon côté sur ce billet de blog. Merci d’avoir lu! J’espère que vous avez trouvé cette lecture intéressante.

Rashi est un expert des données de Chicago qui aime analyser les données et créer des histoires de données pour communiquer des informations. Elle est consultante senior en analyse de soins de santé à temps plein et aime écrire des blogs sur les données le week-end avec une tasse de café.