Rippling surveille l'efficacité des dépenses liées à l'IA

Le fondateur de Rippling, Parker Conrad, lance une nouvelle tendance dans le monde des affaires : les entreprises pourront désormais suivre en temps réel l'efficacité avec laquelle leurs employés utilisent les outils d'intelligence artificielle (AI). La nouvelle plateforme Rippling Data Cloud vise non seulement à gérer les ressources humaines, mais aussi à révolutionner le domaine de l'analyse de données (data analytics). C'est ce qu'indique Techcrunch.com dans son article.

Actuellement, de nombreuses entreprises utilisent un ensemble de services variés tels que Snowflake, Tableau ou dbt Labs pour stocker et analyser les données. Selon Conrad, il est temps de fusionner cette chaîne complexe en un seul système. Il présente sa plateforme comme un écosystème unique capable de comprendre la hiérarchie et la structure interne de l'entreprise. C'est ce que rapporte la publication ixbt.com, en s'appuyant sur des informations fournies par Parker Conrad depuis son bureau de San Francisco.

Coûts de l'AI et résultats inattendus

Conrad a cité un cas intéressant en prenant l'exemple de sa propre entreprise. Il s'est avéré que certains employés utilisaient tellement d'outils AI comme Claude pour leur planification personnelle que leurs coûts annuels ont atteint 30 000 dollars. Bien que les employés l'aient fait pour accroître leur productivité, un coût aussi élevé n'était pas justifié pour l'entreprise. Rippling Data Cloud aide précisément à identifier ces coûts cachés.

L'analyse de l'activité des ingénieurs logiciels a également révélé des faits inattendus. En comparant les journaux d'utilisation d'Anthropic et les données de GitHub, il est devenu clair quel développeur utilise les outils AI de manière productive et qui gaspille simplement des « tokens ». Les employés les plus performants consomment généralement beaucoup de ressources AI, mais dans certains cas, on a observé une combinaison de coûts élevés et de faible qualité.

Une nouvelle étape dans le contrôle de l'efficacité

Le système prend également en compte les erreurs dans le processus d'écriture du code et les travaux rejetés par les collègues. Si un développeur génère énormément de code via l'AI, mais que son équipe doit constamment le retravailler, cela signifie que l'outil AI produit un résultat de mauvaise qualité. Parker Conrad appelle cela du « slop » (déchets) et suggère de réduire immédiatement la limite des dépenses AI pour ces employés.

Les capacités de Rippling Data Cloud ne se limitent pas à l'AI. Il lie les données de Salesforce aux horaires de travail des employés pour montrer quelles équipes éprouvent des difficultés avec les clients. Par exemple, les analyses ont révélé que les employés du département voyage ont deux fois plus de tickets non résolus que les autres départements, ce qui témoigne d'un manque de personnel.

Alors que la transformation numérique s'accélère également sur le marché ouzbek, de tels outils d'analyse sont cruciaux pour les grandes corporations. Les dirigeants d'entreprise pourront désormais non seulement investir dans l'AI, mais aussi voir précisément quel résultat chaque dollar dépensé produit. Le système Rippling dispose également d'une fonction d'alerte automatique du manager ou de suspension du service lorsque les dépenses dépassent la limite fixée.