Comment E.ON Next jette les bases d'une stratégie alimentée par l'IA avec le Studio IA d'Asana

De nombreux ménages et entreprises sont prêts à passer à un réseau énergétique alimenté par des énergies renouvelables, mais ont besoin de conseils pour savoir par où commencer. E.ON Next, l'un des principaux fournisseurs d'énergie au Royaume-Uni, intervient pour démystifier ce nouveau paysage énergétique. L'entreprise propose des solutions accessibles qui aident les consommateurs à économiser de l'argent, notamment l'électricité renouvelable, les panneaux solaires, les batteries, les pompes à chaleur et les bornes de recharge pour véhicules électriques.

Pour maintenir le rythme de l’innovation, l’équipe de commercialisation (GTM) d’E.ON Next a reconnu la nécessité de mettre en place des processus internes aussi efficaces que les produits de l’entreprise. C’est pourquoi elle s’est tournée vers le Studio IA pour s’attaquer à ses processus les plus chargés en informations et les plus chronophages. Au lieu de s'appuyer sur des étapes manuelles et fastidieuses, les collaborateurs peuvent désormais se concentrer sur le travail stratégique, tandis que l'IA se charge de la coordination avancée.

« Il ne s'agit pas seulement de gagner du temps grâce à l'automatisation de tâches simples, mais aussi de créer un moyen évolutif et intelligent d'accéder à nos propres données », a déclaré David Hepburn, Copywriter et responsable de l'IA pour l'agence créative interne d'E.ON Next. « L'IA sur Asana permet à nos équipes de prendre des décisions plus éclairées. »

Simplifier les demandes de travail et le tri en un clin d'œil

Au sein du service de commercialisation, la gestion des nouvelles demandes de travail était un processus long et comportant de nombreuses étapes, ce qui créait d'importants freins. L'équipe recueillait les premières informations auprès des auteurs des demandes, puis les chefs de projet devaient élaborer manuellement des briefs de projet à partir de zéro. Cela entraînait souvent des allers-retours pour clarifier des informations de base avant de pouvoir commencer le travail proprement dit, ce qui rallongeait le processus de demande et retardait les délais de production. Il en résultait un retard considérable entre le moment où une demande était envoyée et celui où l'équipe pouvait commencer à travailler.

Cette collecte manuelle des données coûtait à E.ON Next environ 6 000 £ par mois en temps de travail des producteurs uniquement. Martin Fourie, consultant auprès d'E.ON Next, a expliqué que pour poursuivre leur croissance, les équipes avaient besoin d'une solution qui facilite les demandes de travail et, plus encore, le lancement des projets.

Le Studio IA Asana a permis d'automatiser les tâches de tri que les producteurs géraient auparavant, notamment les demandes de révision et la création de la première version du brief. En expérimentant, l'équipe GTM a constaté que des requêtes claires et bien structurées donnaient à l'IA la clarté dont elle avait besoin pour générer des premiers brouillons fiables, lui permettant ainsi d'automatiser en toute confiance les étapes de coordination qui ralentissaient les producteurs.

Le passage d'un tri manuel à un tri géré par l'IA a été spectaculaire. Ce premier cas d'utilisation pour le déclenchement des processus GTM a permis d'économiser environ 5 500 £ par mois. E.ON Next prévoit de réaliser des économies substantielles une fois que les équipes auront également intégré le Studio IA à d'autres processus. Voici un aperçu du fonctionnement actuel de la réception et du tri des demandes.

Étape 1 : les collègues envoient une demande de travail simple

Toutes les demandes de travail entrantes sont soumises via un formulaire de réception structuré qui recueille les informations nécessaires pour générer la première ébauche du brief. L'équipe GTM a adapté le formulaire pour qu'il recueille les informations essentielles pour chaque type de demande, tout en le gardant suffisamment simple pour que les personnes qui le remplissent puissent le faire rapidement, tout en fournissant à l'IA le contexte dont elle a besoin pour produire un brief de départ clair et précis.

Étape 2 : l'IA génère le brief 

Une fois le formulaire envoyé, un agent d'IA examine immédiatement les informations saisies et les compare à un exemple de formulaire bien rempli. Il sert de premier niveau de tri, identifiant les points pour lesquels la demande manque de détails et contactant l'auteur de la demande pour les clarifier. Il effectue cette boucle de clarification et de développement jusqu'à ce que la demande initiale, ainsi que les informations ultérieures, forment un tableau complet.

Une fois que l'IA est satisfaite de la qualité des données, elle synthétise les informations pour générer un brief initial complet. Cette étape gérée par l'IA supprime les allers-retours manuels que les producteurs devaient auparavant gérer, ce qui leur fait gagner des heures. 

Transformer les enseignements tirés en enseignements partagés

Pour toute équipe projet, la consignation des « enseignements tirés » est souvent une simple formalité : des indicateurs précieux sont notés, archivés et rarement consultés à nouveau. Les équipes d'E.ON Next souhaitaient changer cette dynamique. Leur objectif était de rationaliser la manière dont les connaissances sont consignées et, plus important encore, dont elles sont découvertes par les futures équipes à l'échelle de l'organisation.

À l'aide du Studio IA, E.ON Next a créé un hub centralisé qui non seulement stocke les informations, mais aide également les chefs de projet à les trouver. En automatisant le processus de marquage et de résumé, les collaborateurs ont transformé des archives statiques en une ressource dynamique pour l'ensemble de l'entreprise.

Découvrez le nouveau centre de connaissances.

Étape 1 : les contributeurs partagent de nouveaux indicateurs ou effectuent une recherche dans la base de données via un processus simple

Le processus commence par un formulaire de réception intelligent qui offre deux options : Soumettre un nouvel enseignement issu d'un projet récemment terminé ou Rechercher des indicateurs existants. Étant donné que ce processus gère à la fois les contributions et les recherches en un seul et même endroit, les utilisateurs n'ont plus besoin de passer d'un outil ou d'un projet à l'autre pour trouver ce qu'ils cherchent.

Étape 2 : l'IA ajoute instantanément des tags et résume chaque contribution

Une fois qu'un nouvel enseignement est envoyé, l'IA se met instantanément au travail. Elle analyse le contenu et génère un résumé concis de l’enseignment, afin qu’il soit facile à consulter ultérieurement. Dans le même temps, l'IA ajoute automatiquement des tags et filtre la contribution en fonction du type de projet ou de mots-clés spécifiques. Cette étape garantit que la contribution est classée dans la bonne catégorie, sans tri manuel.

Étape 3 : les collaborateurs trouvent des indicateurs en quelques secondes

Les collaborateurs peuvent utiliser la base de connaissances pour trouver rapidement des indicateurs pertinents pour leur travail actuel ou pour apporter de nouvelles leçons. Au lieu de devoir parcourir d'anciens dossiers et fichiers, la structure organisée par l'IA permet à l'ensemble de l'entreprise de demander l'accès et de mettre en évidence des enseignements essentiels en quelques secondes.

Rationalisation de la gouvernance et de la hiérarchisation

Pour le bureau de gestion de projet (PMO), il est tout aussi important de prioriser les bonnes tâches que de les accomplir. Les équipes du PMO suivent actuellement entre 40 et 50 initiatives stratégiques. Avant d'adopter le Studio IA, les équipes s'appuyaient sur des feuilles Excel complexes pour calculer la valeur et aligner les projets sur les piliers de l'entreprise. Bien que ces données aient finalement été transférées vers Microsoft Power BI pour plus de visibilité, leur compilation dans des documents de « prélecture » destinés aux parties prenantes était manuelle et chronophage.

Avec le Studio IA, E.ON Next transfère cette charge de l'équipe du PMO au Studio IA. Voici comment les équipes utilisent l’IA pour simplifier leur processus de gouvernance.

Étape 1 : l'IA rédige des résumés destinés aux parties prenantes, prêts à être présentés au conseil d'administration 

Auparavant, la préparation des documents à lire en amont nécessitait de résumer manuellement le statut de dizaines d'initiatives. Désormais, l'IA génère instantanément des résumés concis de chaque initiative. L'IA extrait les dernières mises à jour de statut et les indicateurs clés, y compris les calculs de valeur et l'alignement sur les piliers stratégiques, pour créer un résumé cohérent, prêt à être présenté au conseil d'administration et à être examiné.

Étape 2 : l'IA analyse l'alignement sur les objectifs stratégiques 

Au lieu de s'appuyer sur des formules de feuilles de calcul pour vérifier si un projet correspond aux priorités de l'entreprise, l'IA analyse les données de l'initiative pour fournir une vue d'ensemble claire de sa valeur stratégique. Cette étape garantit que chaque projet actuellement en cours est directement aligné sur les objectifs globaux de l'entreprise.

Étape 3 : les parties prenantes prennent des décisions éclairées basées sur des données concrètes  

En automatisant la collecte et la synthèse des données, le processus de gouvernance devient nettement plus rapide. Les parties prenantes participent aux réunions de priorisation en disposant déjà d'indicateurs clairs générés par l'IA, ce qui permet de concentrer la discussion sur la prise de décision plutôt que sur la clarification du statut.

Ce qui me semble particulièrement positif, c'est que le Studio IA peut se contenter d'un minimum d'instructions et d'orientations pour extrapoler efficacement. Il ne faut pas beaucoup de travail ni de temps en amont pour commencer à obtenir des résultats utiles.”

Se doter d'une main-d'œuvre numérique tournée vers l'avenir

À l’avenir, le Forum IA et le Centre d’excellence d’E.ON Next étudieront comment aller au-delà de la simple automatisation pour constituer une véritable main-d’œuvre numérique. L’objectif ultime n’est pas seulement l’efficacité interne : il s’agit de donner à l’organisation les moyens de mieux servir le réseau énergétique alimenté par des énergies renouvelables. En confiant à l'IA la coordination et la création de rapports, E.ON Next permet à ses équipes de se consacrer à la mise en œuvre de solutions accessibles et durables qui aident ses clients à réaliser des économies.