Principes des systèmes de contrôle de gestion, machines d'apprentissage et IA

Comment une entreprise doit-elle adapter ses systèmes de contrôle de gestion à l'arrivée des machines apprenantes ? Le système de contrôle continuera-t-il à se concentrer sur les aspects humains et à considérer le machine learning comme un outil d'automatisation au même titre que tout autre ordinateur historiquement programmé ? Le machine learning introduit des capacités de productivité qui permettent d'atteindre des niveaux très élevés d'efficacité et de qualité. Un machine learning peut trier de grandes quantités de données et tirer des conclusions difficiles pour un esprit humain. Cependant, à mesure que le machine learning devient un système encore plus complexe, il introduit une incertitude qui n'était pas prise en compte auparavant par les outils d'automatisation. Les algorithmes peuvent faire leurs propres associations, et l'ingénieur en automatisation ne saura plus exactement comment un machine learning produit son résultat. Quel est le motif de la décision d'un machine learning ? Dans ce contexte, le machine learning devient plus proche de l'humain par rapport à l'ancienne génération d'ordinateurs d'automatisation. Cette recherche conclut que la plupart des principes contemporains du système de contrôle de gestion sont pertinents lors du déploiement de l'apprentissage automatique, mais que certains ne le sont pas. Ces conclusions sont basées sur des données empiriques provenant de sources contemporaines.

Johansson, MartinMartin est titulaire d'un M.Sc. et d'un MBA. Il est un gestionnaire axé sur les résultats et possède une vaste expérience de la gestion de la qualité, de l'ingénierie durable des opérations, de la R&D et de la gestion de projets.