IA en entreprise : contraintes, agents et qualité des données
9 min Machine translated Money & business
9 min Machine translated Money & business
Les gens pensent que ce sont les outils, qu'ils pensent que ce sont les modèles, ils pensent que c'est l'IA, mais en réalité, c'est la façon dont vous interprétez les informations et dont vous les hiérarchisez qui va tout changer pour vous, ou pas.
Beaucoup de gens utilisent l'IA, et ils l'utilisent mal, et ils ne progresseront pas ni ne gagneront d'argent grâce à elle.
Et l'une des premières croyances et philosophies que je dois partager avec vous, c'est que, la première sur cinq, c'est que la plupart des gens utilisent l'IA pour faire plus vite des conneries.
Et ce n'est pas comme ça qu'on gagne. On ne fait pas plus vite la mauvaise chose, on fait la bonne chose.
Et pour ça, vous devez comprendre ce qu'est une contrainte.
Et chaque entreprise, à tout moment, n'a qu'une seule contrainte principale.
Et si vous l'identifiez grâce à l'IA, Ensuite, vous pourrez mobiliser toute votre équipe pour résoudre ce problème.
Ce changement d’état d’esprit est important, car la plupart des gens, quand je leur enseigne certaines de ces puissantes technologies d’IA, continuent simplement à faire la mauvaise chose, mais plus vite, et leur entreprise ne se développe pas, pas plus que leurs marges brutes.
Le deuxième grand changement d’état d’esprit, c’est vous et l’IA, plutôt que votre équipe et l’IA.
Je sais que vous voulez que votre équipe progresse, mais l’adoption par votre équipe découle de la vôtre.
Et même si j’ai accompagné de nombreux chefs d’entreprise exceptionnels qui réalisent 10 millions, 25 millions, 50 millions sur les façons avancées d’utiliser l’IA pour générer une forte demande et automatiser les ventes, les processus et la livraison,
afin qu’ils puissent créer des profits, ils se rabattent quand même sur leur équipe.
Quand je leur dis : « Votre équipe suit votre exemple.
Vous êtes le goulot d’étranglement, pas votre équipe.
Je vous encourage donc à prévoir de l’espace dans votre agenda à consacrer à votre apprentissage, à votre évolution, à devenir cette personne pour votre équipe.
Un grand thème, un grand principe. Ne le laissez pas passer inaperçu.
Troisièmement, grand changement dans la façon de penser : l’IA repose sur l’ingénierie des rôles plutôt que sur l’ingénierie des prompts.
Je crois que le monde de l’IA a basculé, quand les agents ont commencé à être hébergés par certains de ces grands modèles, comme Grok Bot, comme ChatGPT Dots, comme Claude Duet, qui vient de sortir et n’est pas facilement accessible à la plupart des gens.
Et on le voit avec Muse et Instinct. Et quand les gens disent : « Hé, Dan, comment faire pour que mon IA fasse des choses plus intelligentes ? » Je réponds : « Qui voudriez-vous embaucher ensuite pour vous donner le plus de marge de manœuvre dans votre entreprise ? » Le rôle.
Et ensuite, je leur demande de me dire ce que ferait cette personne.
Pendant qu’ils me le décrivent, s’ils sortaient leur téléphone et parlaient à leur Grok Bot, à leur Claude Duet, à leur ChatGPT Dots, ils comprendraient vite que tout ce qu’ils font, c’est définir le rôle, et non les instructions que l’IA doit désormais exécuter et mettre en œuvre pour eux.
C’est un changement de mentalité majeur que la plupart des gens, les amateurs, ne parviendront jamais à obtenir de résultats, car ils en sont encore là.
Ils en sont encore à février 2026, ce qui ne remonte pas à si longtemps, mais les choses ont tellement changé.
Alors, quand vous réfléchissez au déploiement de l’IA et à la façon de l’aborder, veuillez considérer qu’aujourd’hui, votre responsabilité de PDG, de chef d’entreprise, est de mieux définir le rôle de vos agents.
Autrement dit, vous devez apprendre à bien le définir.
La raison pour laquelle beaucoup d’entre vous ont du mal à faire grandir leur entreprise, c’est que vous ne savez pas définir les rôles qui pourraient rejoindre votre entreprise pour vous aider à lever vos principaux blocages.
Le point suivant, c’est ce concept que j’appelle l’équité des données.
Voyez, dans le monde de l’IA, l’équité dépend de la qualité de vos données.
Avoir accès aux mêmes modèles et aux mêmes outils que tout le monde ne vous donne pas d’avantage.
Alors, où est l’occasion ? Elle réside dans le nettoyage et la vérification de vos données pour pouvoir les fournir à ces modèles, afin qu’ils puissent mener une idée jusqu’à son aboutissement, sans intervention humaine.
D’accord ? L’autre jour, mon ami m’a demandé comment il gérait l’ensemble de son processus de vente, car pour l’instant, avant même qu’ils passent un appel, il y a un formulaire de prise de renseignements, Ensuite, ils ont un entretien commercial,
puis ils doivent signer un accord, euh… un contrat, puis ils doivent les intégrer, puis les ajouter au système.
Je lui dis : « Vous avez des exemples de ces étapes ? » Et il me répond : « Non. » Je dis : « Le problème, c’est que si vous n’avez pas défini les données et qu’elles sont nettoyées, avec des exemples que vous pouvez lui fournir pour qu’il s’en serve comme d’un missile à tête chercheuse dans l’exécution,
alors vous n’avez pas de valeur, qui est la composante patrimoniale. » Chaque entreprise doit commencer à se demander : « Comment créer un patrimoine de données dans mon entreprise ? » C’est ce qui vous rendra précieux aux yeux d’un acheteur potentiel.
C’est ce qui permettra à l’IA de faire réellement le travail pour vous.
Le dernier point, et certainement pas le moindre, ce sont les boucles d’apprentissage.
On me dit tout le temps : « Dan, j’ai des bots.
J’ai des bots. » Je réponds : « Non, pas du tout.
Vous avez de l’automatisation. Vous n’avez pas de bot et vous n’avez pas d’agent à moins d’avoir une boucle d’apprentissage.
Une boucle d’apprentissage est un processus où vous définissez un résultat, il génère les résultats, et, à un moment donné, il y a un retour.
Ce retour est réinjecté dans le prompt initial, puis il, il exécute les étapes du processus avec ces nouvelles connaissances pour s’améliorer, et s’améliorer encore et encore.
Donc, si vous avez des agents ou des bots actuellement dans votre entreprise, et que votre équipe ne leur fait pas de retour sur leur travail, alors vous n’avez pas vraiment la capacité de vous améliorer au fil du temps.
Et c’est ainsi que les meilleures entreprises se développent grâce à l’IA, en comprenant qu’ un agent n’est pas un agent sans boucle d’apprentissage et en créant le processus.
Un exemple simple, c’est que votre agent fasse une sorte d’analyse, la publie sur Slack, demande à votre équipe son avis sur l’analyse, puis demandez à votre agent de surveiller quand il publie ces messages sur Slack, de prendre les commentaires et de les considérer comme des occasions d’améliorer son cerveau,
ses règles, ses étapes, son processus, sa qualité.
Et si votre équipe examine le résultat et lui fait part de ses commentaires, et que vous les transmettez à l’agent chaque semaine, 52 fois par an, il peut s’améliorer encore et encore.
Cela contribue aussi à votre équité des données.
Vous voyez comme tout cela s’imbrique ? Quand on sait qu’aujourd’hui, l’IA ne fait encore que permettre à la plupart des chefs d’entreprise de faire plus vite la mauvaise chose ou la chose stupide, et que nous devons développer nos compétences et notre compréhension de tout cela au sein de l'équipe,
et que notre équipe ne peut jamais nous dépasser car nous sommes les leaders ou les freins, et que nous devons nous améliorer dans la définition des rôles de nos agents, et que nous devons comprendre les données liées aux agents qui vont, qui vont utiliser ces données, et savoir si elles sont bonnes,
et si nous avons de bons exemples, et si nous savons à quoi ressemble une victoire, et si nous savons à quoi ressemble la réussite, puis intégrer ces boucles d’apprentissage à nos processus, c’est ainsi que nous gagnons beaucoup d’argent.
C’est comme ça qu’on gagne, et ce n’est désormais plus une option.
2027 fera la différence entre les entreprises qui décident de passer au niveau professionnel et les amateurs qui iniront par faire faillite.
Et quand on pense à toutes les entreprises qui, désormais, deviennent des entreprises de logiciels d’IA, Ce n’est pas du SaaS, ce n’est pas un logiciel en tant que service.
C’est votre service sous forme de logiciel.
C’est le problème que vous résolvez pour le marché, maîtrisez parfaitement ce discours, puis, en coulisses, servez-vous-en pour fournir vos services plus vite, avec une meilleure qualité, et ainsi augmenter votre marge brute,
car vous n’avez pas besoin d’embaucher toute une équipe.
Gardez les gens pour les tâches humaines, et utilisez l’IA pour les tâches informatiques, et soudain, vous gagnez beaucoup d’argent.
Au fait, vous êtes arrivé au bout. Laissez-moi vous dire ce que je sais de vous.
Vous n’êtes pas du genre à chercher une aide en rayon.
Vous n’êtes pas du genre à faire défiler les réseaux sociaux en broyant du noir.
Vous êtes là parce que vous voulez bâtir, bâtir une vraie entreprise, et que vous en avez assez de ne pas obtenir les véritables conseils pour développer votre entreprise.
Alors, je veux vous éviter toute la douleur qu'il y a à comprendre tout ça à la dure, comme je l'ai fait.
C'est pour ça que j'ai rassemblé tout ce que j'ai appris dans le Scale Workbook.
C'est le document interne que j'utilise avec chaque fondateur avec qui je travaille, et qui transforme une entreprise chaotique en machine à générer de l'argent.
Et je vous enseigne tout ça sans vous faire perdre plus de temps. C'est totalement gratuit.
Le lien est dans la description, ou vous pouvez simplement scanner le QR code à l'écran, car je suis là pour vous aider à bâtir votre empire.
End of transcript · 1,614 words · machine translated
People think it's the tools, they think it's the models, they think it's the AI, but it's actually the way you're interpretating the information and prioritizing that's going to make it a game changer for you or not.
There's a lot of people out there that use AI, and they use it the wrong way, and they will not grow or make money because of it.
And one of the first beliefs and philosophies that I have to share with you is that, number one out of five, is that most people use AI to do dumb shit faster.
And that is not the way we win. We don't do the wrong thing faster, we do the right thing.
And to do that, you need to understand what is a constraint.
And every business, at any point in time, only has one primary constraint.
And if you identify it using AI, then you can surge your whole team on solving that problem.
That mindset is a shift, because most people, I teach them some of these powerful AI technologies, and they just keep doing the wrong thing faster, and their business doesn't grow and their gross margins don't grow.
The second big mindset shift is you plus AI over your team plus AI.
I know you want your team to grow, but your team adoption is a byproduct of your adoption.
And even though I've coached many incredible business owners that are doing 10 million, 25 million, 50 million on the advanced ways to use AI to extract large amounts of demand and automate sales and processes and delivery so they can create profit,
they still default to their team. When I tell them, "Your team is following your lead.
You are the bottleneck, not your team." So I encourage you to create space in your calendar to dedicate to your learning, to your growth, to you becoming that person for your team.
Big theme, big principle. Don't let it go unnoticed.
Number three, big shift in the mindset of AI is its role engineering over prompt engineering.
The whole world of AI shifted, I believe, when the agents started getting hosted by some of these large models like Grok Bot, like ChatGPT Dots, like Claude Duet that just came out and is not readily available for most people.
And we're seeing this with Muse and Instinct.
And what happens when people go like, "Hey, Dan, how do I get my AI to do smarter things?"
I go, "Who would you want to hire next to give you the most bandwidth in your business?"
Role. And then I ask them to define what that person would do.
As they're defining it to me, if they pulled out their phone and they would talk to their Grok Bot, to their Claude Duet, to their ChatGPT Dots, they would learn quickly that all they're doing is defining the role, not the prompts for the AI to now do and execute on their behalf.
That is a massive mind shift that most people out there, the amateurs, will never get results because they're still stuck here.
They're still stuck in February 2026, which is not long ago, but that's how much it's changed.
So as you think about your rollout around the mindset of AI, please consider that your responsibility today as a CEO, a business owner, is to get better at role definition of your agents.
That is, you got to get good at defining it.
The reason why a lot of you guys struggle with scaling your company is you can't define the roles that would come into your business to help you unblock your number one constraints.
The next one is this concept I call data equity.
See, equity in the world of AI comes down to the quality of your data.
Having access to the same models and the same tools that everybody else has doesn't give you an advantage.
So where is the opportunity? The opportunity is in you cleaning up and verifying the data so that you can feed these models so they can take an idea all the way to a completed goal without a person involved.
Okay? When my friend the other day asked me about how he manages his whole sales process, where right now before they even get on a call, there's an intake form, then they have a sales conversation, then they have to sign a, uh, an agreement,
then they got to onboard them, then they got to put them in the system.
I'm like, "Well, do you have examples of those steps?"
And he's like, "No." I go, "Well, the problem is, is that if you don't have the data defined and it's cleaned up and you have examples you can give it so that it can use its heat-seeking missile of execution, then you don't have value, which is the equity part."
Every business needs to start asking themselves, "How do I create data equity inside my business?"
Because that's what's going to make you valuable to a potential buyer.
That's what's going to make the AI actually get the work done for you.
The last one, and definitely not the least, is learning loops.
People tell me all the time, "Dan, I got bots.
I got bots." I said, "No, you don't. You have automation."
You don't have a bot and you don't have an agent unless you have a learning loop.
A learning loop is a process where you define an outcome, it generates the results, and at one point there is feedback.
That feedback is fed back into the initial prompt, and then it, it executes with that new knowledge the steps in the process so that it gets better, and it gets better, and it gets better.
So if you have any agents or bots currently in your company and your team is not giving it feedback on its work, then you don't truly have an ability to get better over time.
And that is how the best companies are scaling with AI, by understanding that an agent's not an agent without a learning loop and creating the process.
A simple example of this is having your agent do some kind of analysis, post it into Slack, ask your team for feedback on the analysis, and then tell your agent to monitor when it's doing those posts in Slack, take the feedback and consider that as opportunities to upgrade its brain,
its rules, its steps, its process, its quality.
And then if your team's looking at the output and giving it the feedback and you're feeding that to the agent every week, 52 times a year, it can get better and better and better.
That also informs your data equity. Do you see how these all stack on top of each other?
When we know that AI today is just still allowing most business owners to do the wrong thing or the dumb thing faster, and that we have to develop our skills and understanding this over our team, and our team can never outgrow our ability because we are the leaders or the lids,
and that we need to get better at defining the roles of our agents, and we have to understand the data side of the agents that are, they're going to use that data, and is it good, and do we have great examples of it, and do we know what a win looks like,
and do we know what success looks like, and then build those learning loops into our processes, that is how we make a lot of money.
That's how you win, and it is no longer optional.
2027 will be the separator between the companies that decide to go pro and the amateurs that eventually go out of business.
And when we think about every company now becoming an AI software company, it's not SaaS, it's not software as a service.
It's your service as a software. It's the problem you solve to the market, get really good at that messaging, and then on the back end, use this to deliver at a higher rate, at a higher quality, so that you increase your gross margin because you don't have to hire a bunch of people.
You keep the people doing the people stuff, you use the AI to do the computer stuff, and all of a sudden you make a lot of money.
Real quick, you've made it to the end. Let me tell you what I know about you.
You're not somebody that's looking to do shelf help.
You're not somebody just doom scrolling on social media.
You're here because you want to build, build a real business, and you're sick and tired of not getting the real insights to grow inside your business.
So I want to help you avoid all the pain trying to figure this out the hard way like I did it.
That's why I put together everything I've ever learned into the Scale Workbook.
It's the internal document that I use with every founder I work with that turns a chaotic business into a money-making machine.
And teaching you all of this without burning more hours. It's totally free.
The link is in the description, or you can just scan the QR code on the screen because I'm here to help you build your empire.
TranslateMom transcribes and translates videos from X, TikTok, YouTube and Instagram. Paste a link and you get a page like this one, in your language.