Tekoälyn käyttöönotto yrityksessä, mistä aloittaa?

Tekoälyä on helppo kokeilla. Paljon vaikeampaa on saada aikaan muutos, joka näkyy työajassa, kustannuksissa, laadussa tai asiakaspalvelussa. Siksi yrityksen ensimmäisen tekoälyhankkeen ei tarvitse olla suuri. Sen pitää olla riittävän tärkeä, jotta onnistumisella on merkitystä, ja riittävän rajattu, jotta hyöty voidaan todistaa.

Tässä järjestyksessä yksi asia on olennainen. Lähtökohta on työ, jonka haluatte tehdä paremmin. Tekoäly on yksi tapa tehdä se.

1. Mistä ongelmasta tekoälyn käyttöönotto kannattaa aloittaa?

Aloita toistuvasta työvaiheesta, jossa on selvä kustannus, viive tai laatuongelma ja jonka parantamisen voi mitata. ”Haluamme hyödyntää tekoälyä” ei vielä ole liiketoimintatavoite.

Parempi lähtökohta voi olla esimerkiksi se, että tarjouspyyntöjen käsittely vie asiantuntijoilta useita tunteja viikossa, tilausaineistoa syötetään käsin järjestelmään, dokumenteista etsitään samoja tietoja yhä uudelleen tai raportointi vaatii tietojen kokoamista monesta lähteestä.

Arvioi ensimmäistä käyttötapausta neljällä kysymyksellä.

• Kuinka usein työvaihe toistuu?
• Kuinka paljon siihen kuluu aikaa tai asiantuntijakapasiteettia?
• Kuinka kallis virhe tai viive on?
• Pystytäänkö parempi lopputulos määrittelemään ja mittaamaan?

Jos vastauksia ei vielä ole, älä vie hanketta suoraan toteutukseen. Selvitä ensin prosessi ja sen todellinen kustannus. Oman työvaiheen sopivuutta voi arvioida myös tekoäly- ja automaatioratkaisujen työvaihetestillä.

Hyväksy samalla, että oikea ratkaisu ei aina ole tekoäly. Jos työn voi kuvata yksiselitteisillä säännöillä, tavallinen automaatio voi olla yksinkertaisempi, ennustettavampi ja edullisempi.

2. Kuinka pieneksi ensimmäinen käyttötapaus rajataan?

Rajaa käyttötapaus niin pieneksi, että siitä voi sopia aineiston, roolit ja hyväksyttävän laadun. ”Tekoäly myyntiin” tai ”AI asiakaspalveluun” ovat strategisia suuntia. Pilotoitava käyttötapaus on paljon tarkempi.

Tavoite voi olla esimerkiksi tämä. Järjestelmä tunnistaa saapuvasta tarjouspyynnöstä tuotteen kannalta olennaiset tiedot ja kokoaa ne myyjän tarkistettavaksi. Juuri tällaisia tehtäviä hoitavat tekoäly myynnissä -ratkaisut.

Tällaisesta rajauksesta pystytään jo sopimaan:

• mitä aineistoa ratkaisu käsittelee
• mitä tietoja siitä halutaan tunnistaa
• mitä tekoäly tekee ja mitä ihminen tekee
• missä tilanteessa tulos pitää tarkistaa
• mikä katsotaan hyväksyttäväksi laaduksi
• kuinka paljon aikaa tai käsityötä pilotin pitäisi säästää.

Ensimmäinen pilotti vähentää epävarmuutta. Se vastaa kysymykseen, toimiiko ajatus meidän datallamme, meidän käyttäjillämme ja meidän ympäristössämme. Koko prosessin lopullinen ratkaisu tulee myöhemmin.

3. Onko tarvittava data käyttökelpoista?

Selvitä ennen pilottia, missä käyttötapauksen tieto on, kuka sen omistaa ja saako sitä käyttää. Monessa organisaatiossa tekoälyidea törmää seuraavaksi juuri dataan.

Tietoa kyllä on, mutta se voi sijaita toiminnanohjausjärjestelmässä, asiakkuudenhallinnassa, dokumenteissa, sähköposteissa, Excelissä ja ihmisten omissa kansioissa. Sama asiakas, tuote tai tapahtuma voi lisäksi näkyä eri järjestelmissä eri tunnisteella. Tekoäly ei korjaa tätä itsestään.

Selvitä ennen pilotointia ainakin:

• missä käyttötapauksen kannalta olennainen tieto sijaitsee
• kuka tiedon omistaa
• kuinka ajantasaista ja kattavaa data on
• saako sitä käyttää kyseiseen tarkoitukseen
• onko aineistossa henkilötietoja, liikesalaisuuksia tai muuta suojattavaa tietoa
• onko data siinä muodossa, että ratkaisua voi testata realistisesti.

Kaikkea yrityksen dataa ei tarvitse laittaa kuntoon ennen ensimmäistä pilottia. Riittää, että juuri tämän käyttötapauksen aineisto on riittävän luotettavaa. Soforin tiedolla johtamisen palveluissa työ alkaa samasta kohdasta: nykytilan, tietolähteiden, tietovirtojen ja käyttötapausten kartoituksesta ennen toteutusta.

4. Mitkä tietoturvan rajat pitää sopia ennen käytön laajentamista?

Sovi ennen laajentamista, missä data käsitellään, kuka ratkaisua käyttää ja mihin tietolähteisiin se pääsee. Turvallista yritystekoälyä ei synny pelkästä listasta asioista, joita palveluun ei saa kirjoittaa.

Organisaation pitää pystyä vastaamaan myös teknisiin ja hallinnollisiin kysymyksiin:

• missä data käsitellään ja säilytetään
• ketkä saavat käyttää ratkaisua
• miten käyttöoikeudet poistetaan, kun henkilö vaihtaa tehtävää
• mitä lokitetaan
• mitä omia tietolähteitä tekoälyyn liitetään
• miten eri käyttäjäryhmien pääsyä tietoon rajataan
• millä kielimalleilla eri tehtävät tehdään.

Esimerkiksi Sofor AI:ssa, turvallisessa yritystekoälyssä, kirjautuminen tapahtuu Microsoft Entra ID:llä, kielimallit valitaan asiakaskohtaisesti ja käyttöoikeudet hallitaan käyttäjäryhmittäin. Sisältöjä ei käytetä mallien koulutukseen.

Tekninen suojaus ei poista tarvetta omille pelisäännöille. Käyttäjien pitää tietää, mihin tekoälyä saa käyttää ja milloin ihmisen tarkistus on pakollinen. Lisää aiheesta kirjoituksessa tekoälyn tietoturvasta ja hallitusta käytöstä.

5. Mitä tekoäly saa päättää ja mitä ihminen päättää?

Päätä ihmisen vastuu ennen kuin päätät automaation laajuuden. Tekoäly voi luokitella, tiivistää, etsiä poikkeamia, tehdä ehdotuksia ja jäsentää vapaamuotoista aineistoa. Kaikkea ei silti tarvitse antaa sen päätettäväksi.

Kuvaa pilotissa kolme tasoa.

• Avustaminen. Tekoäly avustaa, ja ihminen tekee päätöksen.
• Ehdotus. Tekoäly ehdottaa, ja ihminen hyväksyy poikkeavat ja korkean riskin tapaukset.
• Automaatio. Rajattu, vähäriskinen vaihe automatisoidaan kokonaan.

Mitä suurempi päätöksen vaikutus asiakkaaseen, työntekijään, turvallisuuteen tai rahaan on, sitä tarkemmin vastuu ja tarkistus kannattaa määritellä. Ihmisen rooli ei ole merkki epäonnistuneesta automaatiosta. Se voi olla tarkoituksellinen osa hyvää ratkaisua.

6. Miten pilotti tehdään oikealla aineistolla?

Testaa pilotissa yrityksen omaa, sotkuistakin aineistoa ja ota mukaan oikeat käyttäjät. Demo näyttää, että idea on teknisesti mahdollinen. Pilotti kertoo, toimiiko se yrityksen arjessa.

Siksi ensimmäinen testijoukko ei saa koostua vain siisteistä ja helposti tulkittavista esimerkeistä. Mukaan tarvitaan epäselviä tapauksia, poikkeamia ja sellaista dataa, jota käyttäjät kohtaavat oikeassa työssään.

”Lopputuloksena saimme työkalun, joka tukee konkreettisesti myynnin arkea ja vähentää manuaalista DXF-tiedostojen käsittelyä.”

Juuri tällainen rajaus tekee pilotista päätöksenteon työkalun.

7. Millä mittareilla pilotin hyöty todennetaan?

Sovi lähtötaso ja mittarit ennen toteutusta. Jos onnistumisen kriteerit valitaan jälkikäteen, lähes jokaisesta pilotista löytyy jotain positiivista.

Mittari voi olla esimerkiksi:

• yhden tapauksen käsittelyaika
• asiantuntijan työaika viikossa
• manuaalisten työvaiheiden määrä
• virheiden tai uudelleenkäsittelyn määrä
• läpimenoaika
• kuinka suuri osa tapauksista käsitellään hyväksyttävällä laadulla
• kuinka paljon ihmisen tarkistustyötä tarvitaan
• käyttäjän kokema hyöty, jos se on tavoitteen kannalta olennainen.

Kirjautumisten tai tuotettujen vastausten määrä ei kerro liiketoimintahyödystä. Mittaa, muuttuiko työ. Miksi hyöty syntyy juuri prosesseista, siitä kerromme kirjoituksessa tekoälyn ROI syntyy prosesseista.

Miten ensimmäiset 90 päivää etenevät?

Ensimmäisen tekoälyhankkeen voi jäsentää kolmeksi 30 päivän jaksoksi. Jokainen jakso päättyy asiaan, joka on valmis ennen kuin seuraava alkaa.

Jakso	Mitä tehdään	Valmis, kun
Päivät 1–30Ongelma, data ja rajat	Valitse yksi liiketoimintaongelma. Kuvaa nykyinen työvaihe ja lähtötaso. Rajaa käyttötapaus. Selvitä data, käyttöoikeudet sekä tietoturva- ja vastuurajat.	Käyttötapaus, data ja mittarit on sovittu
Päivät 31–60Pilotti	Toteuta pienin toimiva ratkaisu. Käytä oikeaa aineistoa ja todellisia käyttäjiä. Testaa myös poikkeustapaukset. Kerää tekniset tulokset ja käyttäjien havainnot.	Pilotti on ajettu ja tulokset kerätty
Päivät 61–90Päätös	Vertaa tuloksia lähtötasoon. Laske säästö tai muu liiketoimintavaikutus. Selvitä, mitä tuotantokäyttö vaatii tietoturvalta, integraatioilta ja ylläpidolta.	Päätös skaalata, muuttaa tai lopettaa on tehty

Myös päätös lopettaa on onnistunut lopputulos, jos se syntyy ennen suurta investointia.

Milloin tekoälyä ei kannata käyttää?

Tekoäly on väärä valinta, kun sääntöpohjainen automaatio riittää, prosessi on epäselvä tai dataa ei ole. Tekoälyn hyödyntäminen ei ole itseisarvo.

Tekoäly voi olla väärä ratkaisu, jos:

• ongelman voi ratkaista yksinkertaisella sääntöpohjaisella automaatiolla
• prosessi itsessään on vielä epäselvä
• tarvittavaa dataa ei ole tai sitä ei saa käyttää
• virheen seuraukset ovat niin suuret, ettei ratkaisulle voi rakentaa riittävää kontrollia
• työvaihe toistuu niin harvoin, ettei investointi todennäköisesti maksa itseään takaisin
• tekoäly tuo nykyisen prosessin päälle uuden ylläpidettävän työkalun muuttamatta itse työtä.

Hyvä tekoälykumppani osaa sanoa myös, milloin tekoälyä ei tarvita.

Voiko tekoälystrategia alkaa yhdestä käyttötapauksesta?

Voi. Ensimmäinen tekoälystrategia voi olla yhden sivun periaatteet, jotka syntyvät ensimmäisen käyttötapauksen ympärille. Erillistä strategiadokumenttia ei tarvita ennen pilottia.

Ensimmäinen käytännöllinen versio vastaa viiteen kysymykseen.

1. Mihin tekoälyä haluamme käyttää ja mihin emme?
2. Mitä dataa ratkaisuissa voidaan hyödyntää?
3. Millaiset tietoturva- ja vastuurajat ovat voimassa?
4. Millä perusteella uusi käyttötapaus pääsee pilottiin?
5. Millä mittareilla jatkosta päätetään?

Kun ensimmäisestä pilotista saadaan todellista tietoa, seuraavan käyttötapauksen voi valita viisaammin. Näin tekoälystä tulee hallittu tapa kehittää liiketoimintaa. Esimerkki tällaisesta etenemisestä on Salon seudun koulutuskuntayhtymän tekoälystrategia omalla datalla.

Soforilla tekoäly- ja automaatioratkaisut toteuttaa Jarno Kojolan vetämä Software and Data Solutions -tiimi. Sama tiimi kartoittaa käyttötapauksen, rakentaa pilotin ja ylläpitää ratkaisua tuotannossa.