Tekoäly (artificial intelligence, AI) tarkoittaa koneen kykyä jäljitellä inhimillistä päättelyä. Käytännössä termiä käytetään nykyään lähes kaikista koneoppimiseen perustuvista edistyneen analytiikan ratkaisuista, joiden avulla automatisoidaan päätöksentekoa.
Tekoälyä käytetään esimerkiksi toiminnan tehostamiseen älykkäillä prosesseilla tai ihmistyön korvaamiseen kokonaan automaatiolla. Tekoäly, kun sillä tarkoitetaan koneoppimiseen perustuvaa analytiikkaa, ei varsinaisesti ole aivan uusi asia. Edistynyttä analytiikkaa on tehty datakeskeisillä toimialoilla jo pitkään, mutta nyt se on valtaamassa meidän kaikkien arkea teknologioiden kehittymisen myötä. Esimerkiksi Netflix tukeutuu koneoppimiseen tarjotessaan sinulle suosituksia tv-sarjoista ja elokuvista.
Kun puhutaan tekoälystä, viitataan yleensä ns. heikkoon tekoälyyn, eli sovellettuun tekoälyyn, joka kykenee ratkaisemaan tai tekemään yhtä tehtävää kerrallaan. Tällaisia tehtäviä voivat olla esimerkiksi syöpäkasvainten tunnistaminen kuvista tai erilaisten yhtäläisyyksien tunnistaminen isosta määrästä dataa. Kaikki nykyiset tekoälyratkaisut perustuvat heikkoon tekoälyyn.
Vahva tekoäly eli yleinen tekoäly tarkoittaa koneen kykyä jäljitellä kokonaisvaltaisesti inhimillistä älykkyyttä. Joskus sillä viitataan myös koneen kykyyn kehittää tietoisuus. Tutkimusprojekteja vahvan tekoälyn kehittämiseksi on käynnissä, mutta edistyneimmätkin tämän hetken tekoälyratkaisut ovat vielä kaukana yleisestä tekoälystä.
Tekoälytutkimuksessa puhutaan joskus myös teknologisesta singulariteetista, jonka seurauksena kehittyy superäly. Jos ihminen kehittää itseään älykkäämmän järjestelmän, pystyisi järjestelmä teoriassa edelleen kehittämään vielä älykkäämmän järjestelmän, ja nopeasti toistuvat kehityssyklit kiihdyttäisivät muutoksen niin nopeaksi, että emme mitenkään pystyisi ennakoimaan tulevaa.
Tekoälyn uhkakuvista ovat puhuneet muun muassa Stephen Hawking ja Elon Musk. Vaikka suppea tekoäly ei ole uskottava uhka, on laajan tekoälyn kehittäjien ymmärrettävä riskit.
Tekoäly on yksi 2010-luvun isoimpia ilmiöitä liiketoiminnassa - eikä sen merkitys tule lähivuosina pienenemään. Tekoälyn potentiaali on tiedetty jo pitkään, mutta nopeasti kehittyneet teknologiat ja esimerkit onnistumisista ovat herättäneet yritysten johdon siihen, että tekoäly voidaan todellakin valjastaa yritysten palvelukseen. Tekoälyyn ja edistyneeseen analytiikkaan vahvasti luottaneet yritykset ovat lähes poikkeuksetta suurimpia menestyjiä. Yhä koveneva kilpailu ja tehokkuusvaatimukset lisäävät painetta ottaa tekoäly käyttöön kaikissa yrityksissä.
Tekoälyn liiketoiminnalliseen hyödyntämiseen on lukuisia eri vaihtoehtoja. Pääsääntöisesti tekoäly on liiketoiminnan tukijärjestelmä, joka muun muassa:
- automatisoi, nopeuttaa ja tehostaa ajattelua vaativia työvaiheita
- parantaa tuotteiden ja asiakaspalvelun laatua ja osumatarkkuutta
- mahdollistaa kokonaan uudenlaisten liiketoimintamallien toteuttamisen kustannustehokkaasti
- vähentää ihmisten tekemiä virheitä
- tehostaa prosesseja ja optimoi palveluita, ja näin pienentää liiketoiminnasta koituvia kustannuksia
- kasvattaa liikevaihtoa tunnistamalla uusia myyntimahdollisuuksia
Tekoälyn avulla voidaan analysoida lähes mitä tahansa dataa, paikallistaa toistuvia ilmiöitä, kuten asiakaspoistumaa tai sairaslomien ajoituksia, ja hyödyntää tätä tietoa liiketoiminnan kehittämisessä.
Katso videolta, mihin kaikkeen tekoäly taipuu ja mihin sitä on jo nyt hyödynnetty
Viekö tekoäly ihmisten työpaikat?
Yksi yleinen pelko liittyy siihen, että tekoälyn epäillään vievän ihmisten työpaikat. Ja totta on, että tekoälyn ansiosta tulemme tulevaisuudessa näkemään suuria yhteiskunnallisia mullistuksia.
Tekoäly ei pysty tekemään mitään muita tehtäviä kuin ne, jotka sille on opetettu. Se ei ajattele itse eikä laajenna osaamistaan muihin asioihin. Toisaalta se osaa tehdä asioita, jotka ovat ihmiselle haastavia tai ehkä jopa mahdottomia - esimerkiksi tunnistaa vakuutuspetoksia tai ennakoida asiakkaan elämäntilanteen muutoksia.
Toimialojen välillä on paljon eroja siinä, miten tekoälyä hyödynnetään. Käyttötarkoitukset vaihtelevat aina asiakaskokemuksen kehittämisestä isojen teollisuusyritysten prosessien tehostamiseen. Eri toimialat voivat hyötyä tekoälystä esimerkiksi seuraavissa asioissa:
- teollisuuden prosessien ja logistiikan ennakoiva huolto ja ylläpito
- kiinteistöjen ja talotekniikan ennakoiva huolto ja ylläpito
- rahtilaivojen turvallisuuden parantaminen
- ostokäyttäytymisen ja asiakaspoistuman ennakointi
- palvelun ja asiakaskokemuksen parantaminen
- verkkokauppojen, pankki- ja vakuutusalan petosten ennakoiminen ja tunnistaminen
- vakuutuspäätösten tekeminen sekunneissa
- diagnoosien ja hoito-ohjeiden parantaminen
- verkkokauppatuotteiden suosittelu, hinnoittelu ja hakutoimintojen personointi
- nettisivujen sisältöjen räätälöinti yksilölliseksi jokaiselle käyttäjälle
- hahmontunnistuksen eri sovellukset
- riskien ennustaminen (esim. sairastumisriski tai syrjäytymisriski)
- taloushallinnon prosessit
- markkinoinnin automaatiossa
Sovellettu tekoäly on olennaisesti tiedon analysointia ja automaatiota, joten sen käyttömahdollisuudet ovat erittäin laajat. Tietoa, dataa, voidaan kerätä yrityksen omista järjestelmistä, mutta myös julkisista lähteistä.
Suomalaiset yrityspäättäjät ovat tunnetusti melko varovaista porukkaa. Uusia teknologioita otetaan käyttöön hitaasti ja esimerkkejä onnistuneista projekteista vaaditaan lukuisia ennen kuin omaa liiketoimintaa uskalletaan lähteä muuttamaan tai kehittämään.
Totuus tekoälyn kohdalla - kuten myös kaikkien muidenkin uusien teknologioiden kohdalla - on se, että ensimmäisenä mukana olevat saavat kilpailuetua. Tekoälyn, edistyneen analytiikan, hyödyt ovat monessa tilanteessa niin ilmeiset, että tuo kilpailuetu voi olla ratkaiseva. Pian sovellettu tekoäly ei enää ole edes kilpailuetu. Siitä tulee selviytymisen edellytys.
Ota talteen vinkit tekoälyn käyttöönottoon:
Näin tekoäly otetaan käyttöön mahdollisimman tehokkaasti
Ongelman kirkastaminen ja käyttökohteen valinta
Tekoälyn valjastaminen liiketoimintaan lähtee aivan ensimmäisenä ongelman ja tärkeimmän kysymyksen kirkastamisesta. Ei ole olennaista pohtia, mitä tekoälyllä voidaan ratkaista, vaan oikea tapa on miettiä, mitä haluamme ratkaista. Tekoäly taipuu todella moneen ja siksi oikean kysymyksen ja ongelman löytäminen on tärkeää. Hyviä kysymyksiä/ratkaistavia ongelmia voisivat olla esimerkiksi:
- Miten vähennämme asiakaspoistumaa?
- Miten tunnistamme vakuutuspetokset etukäteen?
- Miten asiakkaamme kokevat palvelumme?
- Miten tarjoamme asiakkaille heidän tilanteeseensa sopivia tuotteita sekä palveluita entistä paremmin?
- Miten ehdotamme verkkokauppa-asiakkaillemme entistä relevantimpia tuotteita ja suosituksia?
- Miten ennustamme ongelmia tuotantolinjassa ennen kuin ne toteutuvat?
- Miten diagnosoimme sairauksia entistä tehokkaammin?
On tärkeää miettiä ratkaistavan ongelman yhteyttä koko käyttötapaukseen ja liiketoimintaprosessiin kokonaisuutena. Usein yrityksen prosessit on optimoitu niin, että manuaalinen työ voidaan tehdä mahdollisimman tehokkaasti ja tarkasti. Mutta kun työ ei enää olekaan manuaalista, vaan automatisoitua, eivät vanhat, manuaaliseen työhön tehdyt prosessit, enää toimi.
1. Digital Insight -työpaja
Kun tekoälyprojekti aloitetaan, kannattaa käyttää apuna asiantuntijaa. Tärkeintä kysymystä/ongelmaa voidaan ratkoa Digital Insight -työpajassa, jonka tavoitteena on tunnistaa liiketoiminnan osa-alueet, joilla tekoälystä olisi selvää hyötyä. Kokenut asiantuntija osaa ohjata keskustelua oikeaan suuntaan, jolloin on mahdollista löytää paras tekoälyn käyttötarkoitus.
2. Proof of Value -toteutus
Kun tekoälyn käyttöönotosta on päätetty (työpajan kautta tai ilman), on kevyt Proof-of-Value -toteutus seuraava järkevä askel. Tämä on edullinen ja nopea tapa osoittaa tekoälyratkaisun tuottama arvo liiketoiminnalle. Tällaisen PoV-toteutuksen kesto on tyypillisesti muutamia viikkoja.
3. Käyttöönotto
Yleensä ratkaisun käyttöönottoa suunnitellaan alustavasti jo Proof-of-Value -toteutuksen aikana. Siinä vaiheessa, kun PoV-toteutus on tuonut kiistattomia liiketoimintahyötyjä, on aika suunnitella tekoälyn tuotantoon vieminen tarkemmin. Viimeistään tässä vaiheessa täsmennetään järjestelmän käyttäjäryhmät, integroinnin syvyys, muutokset työprosessiin, integroitavat järjestelmät ja mahdolliset tietosuoja-asiat sekä muut rajoitteet. Usein melko kevyestikin työprosessin osaksi integroitu “tukiäly” tuo merkittäviä hyötyjä.
1. Ratkaistava ongelma on epäselvä tai huonosti rajattu
Tekoälyprojektin ensimmäinen haaste on valita sillä ratkaistava ongelma. Hyvä lähtökohta on muodostaa yhdessä asiakkaan asianosaisten kanssa tarkka ja ymmärrettävä kysymys, johon tekoälyllä lähdetään hakemaan vastausta. Kysymys voi olla esimerkiksi se, millä todennäköisyydellä potilas on työkyvytön seuraavan 12 kuukauden kuluessa. Tästä voidaan vielä johtaa jatkokysymys: mitkä tekijät erityisesti vaikuttavat potilaan työkyvyttömyysriskin nousuun?
Jos ongelmaa ei valita huolella tai se on epätarkka, lähdetään hakemaan vsatausta väärään kysymykseen. Tällöin oikeakaan vastaus ei ole välttämättä arvokas.
2. Tietoa ei osata hyödyntää
Vaikka tekoälysovellys tuottaisi todistettavasti luotettavia vastauksia oikeisiin kysymyksiin, eivät vastaukset välttämättä johda mihinkään toimenpiteisiin. Syynä tähän voi olla esimerkiksi se, että tieto ei välity oikeille henkilöille tai sitä ei yksinkertaisesti osata hyödyntää.
Tekoälyprojekti - myös pilotti - pitää aina kytkeä osaksi yrityksen muita prosesseja. Jos näin ei tehdä, on iso riski, että tekoäly jää "pöytälaatikkoanalytiikaksi", jolla ei oikeastaan tarvita mihinkään. Eikä siitä täten ei ole mitään hyötyä liiketoiminnalle.
3. Data ei ole laadukasta
Vaikka kysymys olisi hyvin aseteltu ja oikeat sidosryhmät kytketty mukaan, ei tekoälyprojekti sittenkään aina onnistu. Joskus käy niin, että data on huonolaatuista. Jos data on huonoa, ovat sitä myös tulokset.
Yleensä projektin alussa tehdään selvitystyö, jossa käydään myös data läpi. Projekti kannattaa puhaltaa poikki heti selvitysvaiheen jälkeen, jos on selvää, että järkeviä löydöksiä ei ole mahdollista saada. Toisaalta, joskus voidaan löytää heikostakin datasta arvokasta informaatiota. Vähintään pystytään arvioimaan, mitä dataa tarvitaan lisää tai mitä asioita pitäisi raportoida tarkemmin.
4. Kulttuurin muutos vie aikaa
Tekoälyn laajamittainen ja kannattava käyttöönotto tarkoittaa aina muutosta. Isoimmat - ja monesti kannattavimmat - innovaatiot vaativat toteutuakseen yhteistyötä yli osastojen, työprosessien muuttamista, tuttujen työtehtävien vaihtumista toiseen ja jopa yrityskulttuurin muutosta. On selvää, että yrityksen kulttuuri ei muutu hetkessä.
Lue lisää blogista: Tekoälyn käyttöönotto ja sen 5 sudenkuoppaa
Tekoälyn hyödyntäminen liiketoiminnassa on kovassa nosteessa ja se vyöryy ylitsemme parasta aikaa. Jos haluat saada tekoälystä parhaat tehot irti liiketoimintaanne, on aika toimia!
Asiantuntijamme ovat valmiita auttamaan, jos sinulla on mielessäsi pulma tai ongelma, jota haluaisit sparrata ammattilaisen kanssa. Ota rohkeasti yhteyttä!
Jos haluat ottaa harppauksen kohti tekoälyä nopeasti, voimme järjestää sinulle AI Design Sprint -työpajan. Siinä tutkimme, suunnittelemme ja esittelemme organisaatiollesi parhaimman ratkaisun. Lopputuotoksena sinulla on roadmap, joka sisältää alustavan teknisen kuvauksen, budjetin ja jatkostepit - kaikki onnistumisen edellytykset.
Tutustu myös:
- Data Hub Design Sprint - Modernia ja ketterää datan hallintaa
- Rapid Automation as a Service - Nopeita, älykkäitä ratkaisuja ohjelmistorobotiikalla
Ihminen + data + teknologia
Data on uusi sähkö, jonka hyödyntäminen kiinnostaa nyt kaikkia toimialoja. Se edellyttää entistä ammattimaisempaa uuden teknologian hyödyntämistä. Mutta se yksin ei riitä.
Ilman ihmistä, osaavaa asiantuntijaa, ovat ohjelmistot, sensorit, tekoälyt ja pilvipalvelut vain dataa käsittelevää teknologiaa.
Me CGI:llä yhdistämme ihmiset, datan ja teknologian tuottamaan tietoa, jolla on arvoa – yksilöille, yrityksille ja yhteiskunnalle.