L’essor du consultant McKinsey contrefait en IA

Pendant des décennies, les sociétés de conseil ont gagné leur argent en vendant des conseils, présentés sous forme de diapositives et facturés à l’heure.

Désormais, les développeurs utilisent l’IA pour imiter ce processus, rendant ainsi les faux consultants McKinsey disponibles directement dans votre navigateur.

Prenez par exemple la nouvelle bibliothèque « compétences » de Vercel, un référentiel open source de près de 90 000 compétences réutilisables pour les agents IA. Ils vont de la rédaction et de la révision de code à la résolution de problèmes de type consultant. Vercel, une startup d’IA évaluée à plus de 9 milliards de dollars, gère une plate-forme d’IA basée sur le cloud pour les développeurs.

Les « compétences », au sens IA du terme, sont des capacités que les développeurs peuvent créer ou télécharger et donner à un modèle ou un agent IA afin qu’il puisse effectuer une tâche spécifique sans avoir à former le modèle à partir de zéro.

L’idée a gagné du terrain après qu’Anthropic ait introduit des « compétences » pour son chatbot Claude en octobre. Depuis lors, les développeurs ont développé et partagé des milliers de compétences pouvant être intégrées à divers systèmes d’IA.

Trading Insider a examiné la bibliothèque de compétences de Vercel et a trouvé au moins quatre compétences étiquetées avec le terme « Mckinsey » et 26 compétences étiquetées avec le terme « consultant ».

La compétence liée au conseil la plus populaire chez Vercel est appelée « consultant Mckinsey ». Il a été mis en ligne pour la première fois le 25 janvier et compte jusqu’à présent en moyenne 445 installations par semaine. C’est un nombre respectable, mais qui reste à des rangs des agents les plus populaires de la bibliothèque de Vercel, qui peut avoir des centaines de milliers d’installations.

Il a également 200 étoiles sur GitHub, ce qui signifie qu’il est assez populaire et a passé plusieurs audits de sécurité, signe qu’il est à la fois viable et qu’il gagne du terrain parmi les développeurs. Bref, les utilisateurs le trouvent utile.

La bibliothèque de Vercel décrit la compétence comme un cadre rapide — initialement conçu pour Claude — qui guide l’IA dans la définition des problèmes, la génération d’hypothèses, la réalisation d’analyses structurées et la création de diapositives, reproduisant ainsi le flux de travail classique d’un consultant McKinsey typique.

Trading Insider a demandé à Arvind Vasudevan, un ancien membre du personnel de McKinsey, d’examiner l’agent de style McKinsey téléchargé dans la bibliothèque de Vercel et de voir comment il se comportait par rapport à la réalité. Il a déclaré qu’il lui manquait une capacité clé qui définit un consultant McKinsey.

« Cela ne comprend pas comment MBB et les consultants en stratégie ajoutent de la valeur », a déclaré Vasudevan dans un message texte, faisant référence au groupe de grandes sociétés de conseil qui comprennent McKinsey, BCG et Bain. « Une grande partie de la valeur réside dans les questions posées par les consultants et dans les conversations qu’ils ont qui aident à clarifier la pensée, à découvrir des hypothèses non formulées et à garantir une réflexion approfondie. Rien de tout cela ne se produit chez cet agent, qui effectue un ensemble d’analyses standard sans ce questionnement et cette réflexion socratiques. « 

Ce ne sont peut-être pas les vrais, mais les agents d’IA qui imitent le travail des consultants génèrent déjà des millions de revenus pour des entreprises comme PromptQL, une plateforme d’entreprise d’IA lancée par la licorne open source Hasura.

La plateforme aide les clients à créer des analystes IA personnalisés en intégrant leurs données internes aux modèles de base qu’ils utilisent déjà. Une fois déployés, ces analystes IA peuvent effectuer des tâches généralement gérées par des data scientists ou des ingénieurs, et apprendre et s’adapter en permanence à leur environnement au fil du temps.

Le cofondateur et PDG de PromptQL, Tanmai Gopal, a déclaré à Trading Insider que le plus grand obstacle – ou fossé – à la vente d’analyses est la compréhension des relations entre les personnes, les données et les revenus.

« Les équipes de McKinsey passent des semaines au sein d’une entreprise à assimiler son fonctionnement réel : les exceptions, les connaissances tribales, les définitions qui diffèrent entre les départements. Ce contexte spécifique à l’entreprise est ce qui fait que leurs conseils valent des millions », a déclaré Gopal à Trading Insider.

Gopal a déclaré que les outils d’IA d’entreprise échouent souvent parce qu’ils manquent de bases adéquates, ayant tendance à deviner plutôt qu’à poser des questions, à apprendre des commentaires ou à maintenir une compréhension commune entre les équipes.

PromptQL, a-t-il déclaré, vise à résoudre ces problèmes grâce à une couche de compréhension partagée qui s’adapte à chaque nouvelle entrée.

« Lorsqu’un membre de l’équipe corrige l’IA, lui apprend une définition ou résout une ambiguïté, cette connaissance devient permanente et accessible à tous. Ce n’est pas une couche sémantique entretenue par les ingénieurs de données. Elle émerge des conversations », a-t-il déclaré.

Les modèles ne connaissent pas automatiquement les nuances internes, comme les changements de prix, la terminologie spécifique à l’équipe ou les définitions contradictoires des revenus. Le vrai problème n’est pas la capacité, mais le manque de contexte, a ajouté Gopal.

En d’autres termes, le diaporama du consultant n’a jamais vraiment été le produit. C’est leur jugement – ​​et c’est la partie que l’IA est encore en train d’apprendre.

Quelque chose à partager sur la façon dont les consultants utilisent l’IA ? Trading Insider aimerait avoir de vos nouvelles. Envoyez un e-mail à Lakshmi Varanasi à lvaranasi@businessinsider.com ou contactez-la sur Signal à lvaranasi.70.