Comment adapter le travail des équipes après l’automatisation des traitements de données ?
D’après Gouvernance des données
Automatiser un traitement modifie les tâches, les contrôles et parfois les responsabilités. Les processus et référentiels doivent donc être mis à jour afin que les équipes sachent surveiller le dispositif et gérer les cas qu'il ne traite pas.
Les outils d’automatisation et d’IA nécessitent en général un accès à des données massives, complètes et de bonne qualité pour fonctionner efficacement.
Ceci peut encourager un enrichissement des référentiels, une révision de la politique de collecte (pour disposer d’un volume suffisant), ou un ajustement de la rétention si certains historiques sont jugés utiles pour l’entraînement des modèles prédictifs.
On observe aussi une réévaluation permanente des processus : si le tri ou la classification des documents est dorénavant automatisé, quel est le rôle de l’utilisateur final ?
Doit-il valider les décisions prises par l’algorithme ?
Un nouveau workflow peut apparaître, qui offre au collaborateur la possibilité de corriger ou d’annuler l’action du robot.
Cette cohabitation entre homme et machine exige une clarté dans la répartition des responsabilités, ainsi que des mécanismes de pilotage pour retracer les décisions algorithmiques.