Tout comme les méthodes Kanban japonaises ont transformé la production avec des systèmes "juste-à-temps", les entreprises utilisent désormais des principes similaires pour l'IA générative afin d'améliorer l'efficacité. Sastry Durvasula de TIAA explique l'initiative d'IA de l'entreprise, "Research Buddy", qui génère des rapports pour la gestion d'actifs Nuveen en utilisant des données en temps réel. En activant l'IA seulement lorsque nécessaire, TIAA optimise à la fois le timing et le coût, compte tenu des dépenses élevées associées à l'IA générative. L'analyste de Forrester, Mike Gualtieri, reconnaît la valeur de l'IA juste-à-temps mais note que son rapport coût-bénéfice varie selon les situations. Une dépense de millions de dollars pour l'IA est justifiée, par exemple, si elle permet des économies nettement supérieures. Les organisations évitent généralement des coûts énormes en utilisant des modèles pré-entraînés, réduisant le besoin de data scientists coûteux. Les services de génération augmentée par récupération (RAG) contribuent à minimiser les coûts de l'IA en améliorant la qualité et la pertinence sans formation personnalisée.

Des fournisseurs comme Google proposent des solutions RAG prêtes à l'emploi, permettant aux entreprises de se concentrer sur le développement logiciel plutôt que sur les complexités de l'IA. L'introduction de Tenjin GPT par SAIC illustre l'utilisation stratégique de l'IA dans toute l'entreprise. Elle améliore les flux de travail internes, soutient le service client et aide même au développement logiciel. Le CIO Nathan Rogers souligne l'objectif de démocratiser l'accès à l'IA pour des prises de décision opportunes. Max Chan d'Avnet remet en question l'étiquette "juste-à-temps", préférant une approche qui applique stratégiquement l'IA là où elle produit des résultats significatifs et une efficacité des coûts. Les exigences informatiques de l'IA dictent qu'elle soit utilisée judicieusement pour des avantages commerciaux. Bien que l'IA juste-à-temps manque parfois d'une boucle de supervision humaine, TIAA atténue ce problème en intégrant des directives de responsabilité IA, garantissant que les analystes examinent les résultats de l'IA avant leur utilisation. Durvasula souligne également l'approche "juste-au-cas-où", où des informations opportunes sont fournies aux professionnels selon le besoin, sans délais. Les implémentations de l'IA générative, comme les changements progressifs apportés par les techniques de fabrication japonaises, révolutionnent les opérations et les résultats lorsqu'elles sont exécutées avec réflexion, que ce soit à travers des applications intelligentes juste-à-temps, juste-au-cas-où ou stratégiques.