Le pari de 63 millions de dollars de Skan AI : Les agents d’entreprise échouent sans le graphique de contexte du travail.

Pourquoi l’IA d’entreprise a-t-elle encore du mal après la phase pilote

C’est la configuration de base.95 % des projets de pilotage de l’IA générative ne produisent pas de résultats commerciaux mesurables.MIT NANDA a trouvéEnviron 5 % des programmes pilotes d’IA permettent une accélération rapide des revenus.Le schéma est familier : beaucoup d’enthousiasme des modèles, mais une conversion limitée en impacts commerciaux réels. Le marché n’a pas besoin d’une autre démonstration ; il a besoin de cette couche de contexte qui indique aux agents comment les tâches sont réellement exécutées.

Skan a simplement rendu cette mise en jeu plus visible. L’entreprise a conclu une…63 millions de dollars pour la série CCela représente un financement total d’environ 120 millions de dollars. Parallèlement à cette série de investissements, Skan a lancé Skan AI Blueprint et Skan AI Agents. Selon l’entreprise, ces outils permettent de compléter le processus allant de la découverte et de la modélisation à l’automatisation, en utilisant son graphe de contexte du travail.

Cela laisse donc la question centrale pour les acheteurs et les investisseurs : s’agit-il d’une couche de contrôle manquante pour l’intelligence artificielle des entreprises, ou simplement un outil qui semble utile jusqu’à ce que la production révèle les lacunes ?

La principale affirmation de Skan AI : le contexte d'exécution est plus important que l’interface de chat.

Pourquoi les agents se brisent-ils aux bords

L’argument de base de Skan est simple : le travail réel ne correspond rarement aux procédures standard parfaites. Le cadre proposé indique que les agents entraînés uniquement sur des documents et des journaux d’événements peuvent gérer les tâches simples, mais ils ont du mal avec les cas complexes.Exceptions, cycles à la fin du trimestre, variations réglementaires régionalesEt les solutions informelles qui permettent de maintenir les opérations en marche.

C’est pour cette raison que Skan accorde autant d’importance à la couverture observatoire. Son cadre de travail indique qu’une différence de 1 % dans la couverture observatoire peut se transformer en un taux de échec de près de 40 % lorsque les agents mettent en œuvre ces données. En d’autres termes, si le système ne comprend pas comment le travail se déroule réellement, un agent peut tout de même échouer dans la production, même s’il semble fiable lors des démonstrations.

De l’insight sur le processus à la contrôle des agents

Skan ne vend pas une interface de conversation. Il cherche plutôt à s’intégrer dans les systèmes d’automatisation, afin de fournir aux agents le contexte nécessaire pour agir au sein des processus réels. L’intelligence des processus est déjà suffisamment dominante pour que ce ne soit plus une catégorie d’analyse spécialisée.51 % des grandes entreprises utilisent aujourd’hui des solutions de intelligence des processus.L’objectif de Skan est de dépasser les outils de découverte et les tableaux de bord.Gérer et améliorer constamment les agents d’IA.En utilisant ces connaissances liées au processus.

L’entreprise considère ce changement comme un passage de la documentation à la logique d’exécution. Sa plateforme est conçue pour…Capture les connaissances institutionnellesIl permet de cartographier les chemins d’exception et les évolutions de niveau à grande échelle, et fournit aux agents le contexte opérationnel dont ils ont besoin au sein des flux de travail complexes.

Que cela fasse de Skan un nouveau leader de catégorie, ou simplement une évolution supplémentaire au sein d’une stack existante, dépendra d’une chose : si elle peut transformer les insights sur les processus en comportements plus sûrs et fiables des agents en environnement de production.

Le cas du taureau et le cas du ours liés aux financements et aux initiatives de plateforme de Skan

Les Bulls disposent d’un véritable catalyseur. La pression pour mettre en place l’IA ne diminue pas, et…91 % des dirigeants du service client se sentent sous pression à mettre en œuvre l’IA.Les acheteurs sous pression adoptent les solutions plus rapidement, mais ils annulent aussi plus rapidement lorsque les projets ne donnent pas de résultats mesurables. Skan dispose désormais d’une plateforme plus large pour…Découverte, modélisation, et finalement automatisation des processus d’entreprise., avec la promesse deFaire passer le pilote à côté..

Cependant, les ours font valoir des objections sérieuses. La même pression qui crée une demande peut également entraîner une mauvaise adoption du produit. Si Skan ne permet pas aux entreprises de modéliser leurs processus de travail de manière plus claire, sans améliorer les résultats de production, les acheteurs pourraient le considérer comme un simple élément supplémentaire coûteux, plutôt que comme une infrastructure de contrôle essentielle.

Ce qui prouera que Skan est une infrastructure, et non simplement un autre tableau de bord.

Le test le plus simple est : quels changements se produisent au cours des 90 premiers jours d’implémentation ?

• Si c’est principalement des analyses, les clients reçoivent des cartes de processus et des informations pertinentes.
• Si il s’agit d’infrastructures, les clients devraient constater moins de erreurs exceptionnelles, moins de retours en arrière, et des preuves plus claires que l’IA peut fonctionner en toute sécurité en dehors d’un environnement virtuel.

C’est pourquoi le prochain signal n’est pas simplement davantage de pilotes. C’est de savoir si Skan deviendra le layer qui permettra aux agents de fonctionner de manière contrôlable au sein des processus réels. L’intelligence de processus est déjà largement adoptée.51 % des grandes entreprises utilisent aujourd’hui des solutions d’intelligence de processus.Les acheteurs ont peu de chances de payer uniquement pour la théorie. Skan doit donc relier l’inspiration à l’action.

Si les preuves fournies par les clients montrent que cette tendance se produit réellement, alors le financement de cette initiative ressemblera à une tentative de mettre en place un système de contrôle efficace dès le début. Sinon, l’opération risque de ne pas être qu’une autre expérience coûteuse liée à l’IA, dans un marché où les dirigeants financent toujours des projets avant que les bases nécessaires ne soient prêtes.