Tekoäly on yksi tämän hetken kuumimpia teemoja. Se näyttäytyy paikoin tulevaisuuden kilpailukyvyn tärkeimpänä tekijänä ja paikoin ihmistä uhkaavana sekä vaikeasti hahmotettavana ylivertaisten robottien tunteettomana armeijana. Jotkut kertovat ChatGPT:n kanssa keskustelun olevan ihmisen kanssa keskustelua tyydyttävämpää. On vaikea sanoa, onko se tekoälyn hienoutta vai pitääkö tarkastella myös henkilökohtaista sosiaalista elämää.
Yhtä kaikki, vaikka uusi ystävämme ei ruisleipää tarvitsekaan, energiankäytön ennusteet tekniikan ympärillä ylittävät yksittäisten maiden energiakulutuksen lähivuosina. Jokin on todella muuttumassa.
Sinä tulet istumaan tekoälyn kyydissä – halusit tai et.
Tekoälyn hyödyntäminen on pitkäjänteinen ja askel kerrallaan etenevä matka. Organisaation liiketoiminta koostuu useista eri tyyppisistä prosesseista sekä näiden sisällöstä ja kypsyydestä riippuen, tekoälyn hyödyntämisen mahdollisuudet ja painotukset vaihtelevat. Tekoälyn ottaminen työkaluksi ei siis ole kvanttiloikka vaan pitkäjänteinen ja askel kerrallaan etenevä polku.
Tekoäly ei muuta digitalisaatiojohtamisen peruskiviä tai vaatimuksia. Se on työkalu ja kaikki lähtee tarpeen ymmärtämisestä. Jos et ole tähän asti käyttänyt kuvankäsittelytyökaluja, sinulle tuskin on jatkossakaan hyötyä siitä, että Photoshopissa pystyt tekoälyn avulla luomaan yksisarvisen metsämaisemaasi.
Joskus vahvoja teknologiatrendejä lähestytään teknologian mahdollisuuksien kautta, ilman todellista liiketoiminnan tarvetta. Siitä saadaan waut johtoryhmässä ja henkilöstöesittelyssä, mutta työkaluksi ne eivät jalkaudu. Sinänsä nämäkin ovat arvokkaita retkiä ja voivat johtaa innovaatiopolulla jatkotuloksiin, joista ei osattu edes unelmoida. Näissä mitataan myös digitalisaatiokyvykkyyttä ja näkemyksellisyyttä. Todellisiin läpimurtoihin liittyy aina rohkeutta ja joskus voi olla hyväksi taustassa, että uskonnosta on kiitettävä ja matematiikasta ehdot.
Kaikki tekoälyssä lähtee datasta.
Toinen trendien metsästäjien haaste syntyy tilanteista, joissa organisaation digielementtien kypsyys ei vastaa uuden teknologian lähtötasovaatimusta. Me haluamme kaivaa asiakasmassasta todennäköisimmät uuden palvelun tarvitsijat, kunnes ymmärrämme, että asiakkaat eivät anna lähtötietoja oikein. Tekoälyn hyödyntämiseen liittyvät seikkailut kannattaakin aloittaa, hakemalla ymmärrys tekoälyn hyödyntämän datan sisällöstä ja laadusta sekä erityisesti tätä tuottavasta prosessista ihmisten käyttötapoineen.
Käyttötapauksesta riippuen data voi olla dokumentti tai ohjetyyppistä ns. pisteittäistä dataa, joka voidaan kerralla antaa vaikkapa Chatbotin käyttöön ja antaa sille näin data vaikkapa asiakaspalvelun tarpeisiin.
Tämä on hyvin toteutettuna yksi kaikkien potentiaalisimmista tekoälyn käyttötapauksista, jonka kautta useimmat organisaatiot voivat lähteä liikkeelle.
Tekoälyn hyödyntämisen potentiaali, mutta myös kompleksisuus muuttuu aivan erilaiseksi sillä hetkellä, kun edelliseen halutaan liittää myös asiakkaan henkilökohtaiset tiedot. Tietoturvan ja tietosuojan vaatimukset iskevät kovat rajat käyttötapauksen ympärille. Mikäli nämä ovat hallittavissa ja asiakasdata on kunnossa asiakkaalle muodostuvan kokemuksen edellytyksetkin ovat aivan uudella tasolla. Tämä on myös niitä paljon pelättyjä ihmisten korvaamiseen liittyviä käyttötapauksia, mutta oikeasti: kyllä meille ihmisille on parempaakin käyttöä kuin vastata tunnista toiseen samoihin kysymyksiin.
Tekoälyn hyödyntämisen toinen dataan liittyvä tulokulma on jatkuvasti muuttuva ja rikastuva tai aina uusi data, mikä vaatii erilaista lähestymistä. Tiivistelmien tekeminen isoista tekstimassoista on yleistyvä ja moneen tarpeeseen soveltuva käyttötapaus.
Copilot toimii tässä loistavasti ja kykenee tiivistämään laajoja kokonaisuuksia kompaktisi paketiksi. Näissä tiivistelmissä on toki omat riskinsä ja aina ne eivät ihan kohdilleen mene. Syystä tai toisesta niissä voi olla jokin selkeä virhe. Jos tunnet aineiston hyvin, todennäköisesti tiedät myös mistä virhe juontaa juurensa. Jos et niin vakuuttavan esityksen sisältä sitä on vaikeaa tunnistaa.
Tässäkin tapauksessa kyse on datavirheestä, joka jossakin lähtöaineistossa on. Isossa kuvassa tähän liittyy luonnollisesti tekoälyn kauhuskenaariosta juontuva riski, jossa tekoälyn luoma virheellinen kooste vahvistaa seuraavaa tekoälyn hyödyntämistä ja alun perin yksittäinen virhe muuttuu vallalla olevaksi käsitykseksi. Todennäköisesti meille syntyy tulevaisuudessa hyvin vakuuttavia aineistoja asiasta, joka on ihan puuta heinää, kun tekoäly opettaa tekoälyä.
Seuraavaksi me tarvitsemme jonkinlaisia tekoälyn terapeutteja, korjaamaan algoritmien vinksahtamista ja saattamaan sekoilevat botit takaisin järkiinsä.
Tekoälyn hyödyntämisessä liikkeelle kannattaa lähteä liikkeelle liiketoimintaprosessien läpikäynnistä ja tunnistaa sieltä toistovolyymiltaan sekä kuormitukseltaan merkittäviä kokonaisuuksia. Näissä tekoälylle, mutta myös automaatiolle on yleensä eniten tilausta, kunhan datasisällöt prosessin ympärillä ovat kunnossa. Ne edustavat usein myös ns. kypsynyttä tekoälyn pelikenttää.
Toinen hyvä lähtökohta on ymmärryksen hakeminen isosta muuttuvasta aineistosta ja sieltä poikkeamien, trendien ja korrelaatioiden tunnistaminen. Tekoälyn ja analytiikan rajanveto on tässä joskus pulmallista ja alkuun voi olla mielekästä lähteä ihan analytiikka kulmalla liikkeelle ja, kun kokonaisuuden data on hallussa, voidaan lisätä työkaluvalikoimaan tekoälyn kyvykkyyksiä. Monissa järjestelmissä näitä mahdollisuuksia on alettu tukea ihan valmisominaisuuksina.
Tämäkin digitalisaation kulma tulee ihmisten hallita ja sinun on oltava kuljettajan paikalla asiassa. Takapenkille voit siirtyä, kun datalla käyvä ystäväsi on sinulle tuttu. Jos kaipaat lisäkeskusteluja aiheesta, niin klikkaa kalenterista sparraushetki ihan tavallisen voileipää syövän ihmisen kanssa. Voimme molemmat oppia uusia asioita.