Kun keskustelu tekoälystä ja algoritmeista vilkastui muutama vuosi sitten, aiheen ympärille luotiin tahallaan paljon mystiikkaa. Tosi on, että esimerkiksi itseohjautuvat autot tai Googlen hakukone vaativat valtavan määrän algoritmeja taustalle pyörimään. Mutta paljon yksinkertaisemmillakin tekoälyratkaisuilla voidaan saada suuria hyötyjä aikaan. Näin on esimerkiksi yritysmaailmassa, missä tekoälyä hyödynnetään yhä hyvin vähän sen tarjoamaan potentiaalin nähden.

Menestyneen ohjelmisto- ja konsultointiyritys Futuricen perustajajäsen Tuomas Syrjänen on ollut kiinnostunut tekoälystä ja algoritmeista jo parikymppisestä. Kun hän opiskeli aihetta Teknillisessä korkeakoulussa, aika ei vielä ollut kypsä algoritmeille datan ja laskentatehon puutteen takia. Käyttötapoja on alettu kehittää toden teolla vasta myöhemmin.Syrjästä kiinnostaa tekoälyn hyödyntäminen erityisesti yritystoiminnassa. Data on silloin tärkeässä roolissa.

"Bisneshyödyt lähtevät yksinkertaisimmillaan siitä, että data visualisoidaan ja tehdään näkyväksi uudella tavalla, mikä mahdollistaa toimimisen eri tavalla."

Syrjäsen päätyönä on tätä nykyä tekoälyyn liittyvän sisäisen muutoksen ja kehittämisen johtaminen Futuricessa.

Hän antaa arkisen esimerkin Futuricen tavasta hyödyntää tekoälyä: Toisinaan yrityksellä on tarvetta litteroida videoita tai haastatteluja. Sitä ei tehdä itse käsityönä, vaan prosessin tietyt osat, kuten puheentunnistuksen ja tarvittaessa myös käännöksen, hoitaa tekoäly. Kun litteraatti on valmis, seuraa luonnollisen kielen analyysi (NLP), jonka ideana on saada selville keskustelussa käsitellyt teemat. Kaikkea ei ulkoisteta koneelle, vaan ihminen ja koneen tekemä analyysi tukeva toisiaan. Monesti myös ihmiskorvat kuuntelevat tallenteet läpi. Näin muodostuu monipuolisempi kuva sisällöstä. Prosessia hyödynnetään muun muassa asiakashaastattelujen purkamisessa – ja lopulta siis asiakasymmärryksen kasvattamisessa.

Oheinen esimerkki osoittaa, että tieto on tekoälyn polttoainetta. Yrityksissä on kymmenittäin tiedonlähteitä, joista tätä polttoainetta on saatavilla: sopimuskantoja, hankintajärjestelmiä, asiakaspalvelujärjestelmiä, dokumenttijärjestelmiä, talousjärjestelmiä, toiminnanohjausjärjestelmiä ja keskustelualustoja.

Osa datasta on vaikeammin käytettävissä kuten potilas- tai pankkitiedot, mutta hyödynnettäviä lähteitä jää Syrjäsen mukaan silti hämmästyttävän paljon.

"Datan hyödyntämisessä pitää huomioida julkisuus- ja luottamusseikat. Ei riitä, että data on julkista."

Syrjäsen mukaan on tyypillistä, että yrityksissä havahdutaan harmittelemaan, miksi siitä tai tuosta asiasta ei ole dokumentoitu ja tallennettu paremmin tietoja, jotka voisivat olla tekoälyn käsitteleminä hyödyllisiä. Tyypillinen esimerkki: projektien onnistumistiedot. Projektien tuntimerkinnöistä on kyllä paljon dataa, mutta projektien onnistumisesta ei niinkään. Tieto onnistuneiden projektien ominaisuuksista olisi arvokasta. Ensi alkuun pitäisi määritellä, mikä on onnistunut projekti: onko se sellainen, jossa asiakas tai tiimi on tyytyväinen tai kassaan on kilahtanut mukavasti rahaa. Vai kaikkea tätä?

"Tekoälylle hyvin houkuttava sovellus olisi sellainen, joka ennustaisi, mitkä projektit onnistuvat ja mitkä eivät. Tällaiseen sovellukseen tarvittaisiin paljon materiaalia menneistä projekteista."

Jos materiaalia ei entuudestaan ole, Syrjänen kannustaa etsimään käyttötapauksen, jonka avulla päästäisiin alkuun ja kerrytettäisiin lisää dataa myöhemmin.

Tekoälyä hyödynnettäessä väärintulkintojen vaara on olemassa. Entä jos huomattaisiin, että projektit näyttävät sujuvan kehnommin, kun niissä on mukana tietyt työntekijät kuten vaikkapa Antero ja Paula? Tämä ei välttämättä tarkoita, että Antero ja Paula olisivat huonoja työssään. Yhtä lailla kyse voi olla siitä, että he ovat yrityksen parhaat työntekijät, joille annetaan vaikeimmat projektit. "Se ei siis tosiaankaan mene niin, että heitetään dataa koneelle ja saadaan fiksuja tuloksia."

Sen sijaan kerätty data antaa kimmokkeen pohtia, onko tietyissä asiakkuuksissa haasteita, millaisiin projekteihin jatkossa kannattaa osallistua tai onko työskentelytavoissa jotain kummaa.

Kun tekoäly on raksuttanut sille syötetyn datan läpi ja sen tarjoamia tuloksia on tulkittu ja analysoitu taiten, mitä tapahtuu seuraavaksi?

"Jonkun täytyy muuttaa käyttäytymistään, jotta hyötyjä syntyisi. Yritysmaailmassa tehdään paljon kivan näköisiä dashboardeja, mutta ei kukaan välttämättä muuta niiden pohjalta käytöstään."

Syrjänen antaa esimerkin onnistuneesta muutoksesta: Kun työmaalla saatiin data virtaamaan, työmaajohtamisen kellotaajuus nostettiin 20-kertaiseksi. Koska tilannekuvan kokoaminen oli aiemmin ollut vaivalloista, se tehtiin vain kerran kuukaudessa. Kun dataa sitten olikin paremmin tarjolla, tilannekuva laadittiin päivittäin. Tämä mahdollisti asioihin reagoimisen huomattavasti nopeammin ja tehosti työskentelyä, kun tilannekuva syntyi automaattisesti ja nopeutti oppimista.

Toinen esimerkki on lakialalta, joskin ilmiö on tunnistettavissa monella muullakin alalla. Tekoälyn avulla voitaisiin huomata jo ennakkoon, millaiset yritysten väliset sopimukset, tarjoukset tai vastaavat voivat aiheuttaa lakiteknisiä ongelmia. Näin toimittaisiin ennakoivasti ja vältyttäisiin myöhemmältä ongelmien ratkomiselta. "Eli johdettaisiin onnistumista, ei ongelmien ratkaisemista."

Ja näin päästään kaiken ytimeen. "Tekoälyn avulla voidaan haastaa olemassa olevia konventioita, kuten vaikkapa sitä, miten logistiikkayhtiöt, rakennusyhtiöt tai tietotyöntekijät toimivat." Tarkastelun kohteena on koko toimintaketju: työntekijöiden käytöksestä teknologioihin ja liiketoimintaprosesseihin. "Vaikka onhan se haastavaa joutua miettimään uusiksi yrityksen fundamentteja."

Konventiot ohjaavat tekemistä alalla kuin alalla. "Tekoäly auttaa rikkomaan konventioita”, sanoo Tuomas Syrjänen.

Teknologinen kehitys on ollut niin huimaa, että Syrjänen arvioi töitä riittävän ainakin seuraavaksi 50 vuodeksi ennen kuin algoritmeja osataan hyödyntää täydessä potentiaalissaan. "Liiketoiminnassa on vasta raaputettu pintaa. Toimialalla kuin toimialalla on kiinnostavia mahdollisuuksia."

Syrjästä kiinnostaa tekoälyn valjastaminen vastuullisuuden kasvattajaksi. "Ilman systeemistä muutosta eri toimialoja ei saada vastuullisemmiksi. Ajatellaan vaikkapa rakennusteollisuutta. Siellä on ongelmia saastuttavuuden ja työntekijöiden kohtelun kanssa. Ei toimialasta saa vastuullista nykyisen toimintalogiikan puitteissa. Data ja tekoäly mahdollistaisivat toimintalogiikan miettimisen uusiksi." Parhaassa tapauksessa vastuullisuuden lisäksi paranisivat kilpailukyky, tuottavuus ja tehokkuus.

Tietotyö itsessään on jäänyt hyvin vähälle huomiolle tekoälyn näkökulmasta. "Tietotyössä data on yleensä paljon sotkuisempaa kuin vaikkapa tuotantolinja, jolta syntyy anturidataa." Joitain esimerkkejä meillä jo on, kuten ohjelmistokehittäjien käyttämä GitHub Copilot, jossa ennakoiva koodinsyöttö tarjoaa valmiita vaihtoehtoja, kun koodista on kirjoittanut vasta pienen pätkän. 
 

Millä yritystoiminnan osa-alueilla tekoälyä voi hyödyntää?

Työhyvinvointiin ja työkykyyn liittyvään dataan kohdistuu paljon vaatimuksia yksityisyydensuojasta. Silti anonymisoidun tiedon avulla voitaisiin tunnistaa, mitkä tekijät vaikuttavat myönteisesti ja mitkä kielteisesti työkykyyn. "Näin voitaisiin kenties saada ennakkovaroituksia ennen kuin vaikutukset työkykyyn iskisivät oikeasti. Yksilöille voitaisiin myös tarjota juuri heille räätälöityjä vinkkejä työkyvystä huolehtimiseen."

Yritysten myyntiyksiköissä on tapana ennustaa myyntiä. Siinä voi hyödyntää myös tekoälyä. "Voidaan käyttää vaikkapa vaihtoehtoisia datalähteitä ennustamiseen kuten anonymisoituja, tietyt kriteerit täyttäviä kalenterimerkintöjä tai luottokorttimaksuja. Tai kun taloon tulisi uusi liidi, voitaisiin arvioida, millä prioriteetilla juuri tämä diili kannattaa hoitaa ja kuka sen tekee." Myyntikonfiguraattori (CPQ = Configure, Price, Quote) saisi sekin lisäpotkua tekoälystä. Kun konepajan asiakas tilaa uutta laitetta, konepaja laatii laitteelle hinnan asiakkaan toivomien tehojen ja muiden ominaisuuksien mukaan. Prosessi voi kestää päiviä tai viikkoja. Tilatun laitteen suunnittelutyö voitaisiin tehdä nopeammin, kun tekoälylle annettaisiin tietoja aiemmista tilauksista. Jos huippuasiantuntijoiden niukkuus suunnittelutyössä on aiemmin hidastanut tilausprosessia, tekoäly poistaisi tämän pullonkaulan myynnistä.

Toimitusketjujen hallinnassa tekoäly osaisi ennustaa asiakkaiden tarpeita ja näin saataisiin huolehdittua, että varastoissa on tavaraa oikea määrä oikeaan aikaan. Parhaimmillaan asiakkaat saavat juuri sitä, mitä haluavat, hävikki vähenee ja toimittajan kannattavuus kasvaa ja varastot pienenevät. Esimerkiksi Keskolla on otettu käyttöön tämänkaltaisia työkaluja.

Tekoälystä rekrytoinnin apuna Syrjänen puhuu varovaisesti ja kuvaa aihepiiriä miinakentäksi. "Se on osa-alue, jolla on paljon haasteita. Algoritmeja on saatettu kouluttaa väärin. Jos firmaan on ennen palkattu nuoria miehiä teknisen alan tutkinnolla ja tämä tieto syötetään algoritmille, poimii se lisää juuri samanlaisia. Tekoäly ei automaattisesti ole kaikessa paras."

Osaamisen tunnistamisessa ja hallinnassa tekoälyä on hyödynnetty Futuricellä rakentamalla työntekijöiden osaamista haarukoiva tietokanta nimeltä FutuCortex. Siellä voi hakea hakusanoilla tietyn teknologian tai aihepiirin osaajia. Tiedot perustuvat avoimesti tarjolla olevaan dataan työntekijöiden projekteista, tuntimerkinnöistä, Slack-keskusteluista, Miro-valkotaulun muistiinpanoista, dokumenteista ja asiakastarjouksista. Kun yrityksessä nykyisin on useita satoja työntekijöitä, kunkin työntekijän osaamista ei enää tiedetä yhtä tarkasti. Osaamisen tietokannasta onkin apua heille, jotka kasaavat tiimejä asiakasprojekteihin. Työtyytyväisyyteen tietokannalla on myös vaikutusta, kun tiiminkokoajille välittyy tieto, minkä tyyppisten projektien ja teknologioiden parissa kukin konsultti mieluiten tekisi töitä.

Organisaation yksittäisen osan kehittämisen lisäksi datan ja tekoälyn keskeinen hyödyntämisalue on organisaation eri osa-aluiden kytkeytyneisyyden parantaminen.

Johtamisessa voidaan luoda datan ja tekoälyn avulla tilannekuvaa ja näkyvyyttä läpi organisaation ja markkinan. Tekoäly auttaa ennakoimaan, simuloimaan ja ennustamaan päätöksiä ja niiden vaikuttavuutta niin liiketoimintaan kuin vaikkapa vastuullisuuteen.

Tekoälyn hyödyntämismahdollisuudet ovat moninaiset. Lukuisten vaihtoehtojen keskellä oleellisinta on lopulta ymmärtää, mikä on firman kilpailuetu.

"Hakekaa tekoälystä ratkaisuja tilanteisiin, joista syntyy kilpailuetua. Esimerkiksi Futuricen kilpailukyky ei nouse laskuja automatisoimalla, koska me emme käsittele valtavaa määrää laskuja. Paljon laskuja käsittelevälle yritykselle tällaisesta taasen voisi syntyä kilpailuetua."

 

teksti: Iida Ylinen, kuvat: Jani Laukkanen ja Adobe Stock
Artikkeli on julkaistu YTY-lehdessä 1/2023.

Lue lisää

Työelämän tietopankki