Tech • IA • Crypto
Telus : AI Boost Bites : Créez votre assistant de recherche IA
5/10INTRO
Telus a intégré des « gems » d’IA personnalisées dans ses workflows UXR, réduisant le temps d’analyse et transformant des retours clients massifs en insights exploitables.
POINTS CLÉS
Surcharge de données en UXR
L’équipe de recherche en expérience utilisateur de Telus faisait face à un excès de retours clients, avec des dizaines de milliers de commentaires disponibles mais une capacité limitée à en extraire des insights pertinents à grande échelle. Si les métriques quantitatives étaient claires, les raisons sous-jacentes des comportements utilisateurs restaient enfouies dans des textes non structurés.
Passage de la gestion des données à la génération d’insights
L’équipe a constaté qu’une trop grande partie des efforts était consacrée à gérer et trier les données plutôt qu’à agir. Cela créait un goulot d’étranglement, retardant les insights et réduisant la capacité à répondre efficacement aux besoins des clients.
Approche d’intégration de l’IA embarquée
Plutôt que de déployer l’IA comme un outil autonome, une équipe d’intégration a travaillé directement au sein des workflows existants. Cela a conduit à la création d’assistants IA personnalisés, appelés « Gemini gems », adaptés aux գործընթաց de recherche et d’analyse de l’équipe.
Personas IA personnalisés pour plus de précision
Chaque gem IA a été conçu avec un persona clairement défini, comme un assistant de recherche UXR chargé de fournir des analyses approfondies, des recommandations concrètes et des preuves issues de verbatims clients. Cette spécificité a amélioré la pertinence et l’utilisabilité des résultats.
Données structurées pour une analyse fiable
Une bonne préparation des données a été essentielle. Un format cohérent, des en-têtes clairs et des jeux de données organisés ont garanti des insights générés par l’IA précis et non biaisés par des incohérences d’entrée.
Génération d’insights exploitables
Les outils d’IA ont permis aux chercheurs d’identifier rapidement les principaux points de friction des produits, puis d’approfondir en générant des citations clients et en suggérant des actions concrètes pour les équipes produit. Cela a comblé l’écart entre analyse et prise de décision.
Gains d’efficacité significatifs
La mise en œuvre a permis d’économiser environ 450 heures par an, libérant les chercheurs des tâches d’analyse manuelle et leur permettant de se concentrer sur le plaidoyer et le travail stratégique.
Démocratisation des insights
En rendant ces outils d’IA accessibles à toute l’organisation, Telus a permis aux non-spécialistes d’explorer et de valider les insights clients de manière autonome. Cela a réduit la dépendance à une seule équipe de recherche et élargi la prise de décision basée sur les données.
Évolution culturelle vers l’adoption de l’IA
L’initiative a favorisé le passage d’une simple curiosité pour l’IA à une utilisation quotidienne et confiante. Les équipes ont commencé à intégrer l’IA dans leurs workflows et à promouvoir sa valeur en interne.
CONCLUSION
Telus montre que l’adoption efficace de l’IA dépend moins de nouveaux outils que de leur intégration dans les workflows existants pour produire des insights plus rapides, scalables et exploitables.