Laboratoire IA : mon entreprise se corrige toute seule. Enfin… presque.
Bienvenue dans mon lab. Je construis une entreprise où je suis le seul humain et où tous les employés sont des agents IA. Suivez-moi!
LE LAB — EXPÉRIENCE 02
MON ENTREPRISE SE CORRIGE TOUTE SEULE. ENFIN… PRESQUE.
J’ai développé un environnement qui observe son travail, détecte ses problèmes et propose des améliorations.
Les agents n’apprennent rien entre deux passages.
Chaque tâche planifiée recommence sans souvenir de la précédente. Si le système semble apprendre, c’est parce que j’ai construit une mémoire autour de lui.
Il repose sur quatre éléments :
Les compétences : les manuels d’employé des agents;
Les tâches planifiées : 30 interventions par semaine;
Kate : le tableau de bord qui conserve les résultats et les décisions;
Les documents du projet : les procédures et les passations.
Les agents travaillent et inscrivent leurs résultats dans Kate. Chaque samedi, ils résument les réussites, les problèmes, les blocages et les décisions qui exigent mon intervention.
La capture montre la section Système de Kate.
C’est là que l’environnement me présente ses recommandations, documente ses optimisations et vérifie, 14 jours plus tard, si elles ont produit un meilleur résultat.
Ce qui fonctionne bien?
Le système répare de mieux en mieux les tâches qui ne partent pas, les doublons, les trous dans le CRM et les règles contradictoires.
Cette semaine, il a même retrouvé un ancien lien de rendez-vous dans une compétence, alors qu’il avait été remplacé.
Ce qui fonctionne moins bien?
Je n’ai pas encore assez de données pour déterminer quelle campagne, quelle accroche ou quelle source produit réellement des clients.
Il faut être patient : tester une seule variable, relier chaque résultat à sa source et accumuler assez de données avant de choisir une gagnante.
J’ai aussi découvert un autre risque : les règles s’accumulent plus vite qu’elles ne disparaissent.
Une de mes compétences contient environ 67 000 caractères, relus à chaque passage. Plus d’instructions peut aussi signifier plus de coûts, de contradictions et de confusion.
Je dois donc élaguer les compétences, sortir l’historique et ne conserver que les règles encore valides.
Ma plus grande leçon?
Un système d’IA ne s’améliore pas par magie.
Il lui faut une mémoire, des mesures, assez de données et un humain qui décide quelles leçons doivent devenir des règles.
L’auto-amélioration n’est pas un pilote automatique.
C’est une boucle d’apprentissage organisée.
Et vous, qu’en pensez-vous? Partagez vos réflexions ou posez-moi vos questions en commentaire. Suivez-moi pour découvrir la suite de l’expérience.
Commentaires