Uusia akronyymejä keksitään IT-alalla jatkuvalla syötöllä. Erpit, see-är-ämmät ja bee-iit ovat useimmilla jo hallussa, mutta seuraavaksi isoksi jutuksi nousseen tekoälyn kanssa on kääntäjillä vielä tekemistä.

Tarjolla on ratkaisuja, joiden pohjalla on koneoppiminen (ML), syväoppiminen (DL) ja luonnollisen kielen käsittely (NLP). Jep jep. Jos tuntuu, että perehtyminen tekoälyyn aiheuttaa käsiteähkyä, et ole siinä yksin.

Botteja, vielä robotteja

Tekoälyn käytännön sovellukset eivät ihan vielä ole tieteiselokuvien näsäviisaasti kommunikoivien robottien tasolla, mutta siihen suuntaan ollaan menossa. Tällä viikolla avattiin kotimainen tekoäly-botin kautta toteutettu autokauppa. Voit siis Messengerissä kertoa autoilutarpeistasi ja tämä aineeton jobbari yrittää etsiä netin valikoimista sopivan kulkupelin. Tai Salesforcessa Einstein tarjoaa vaikkapa autokauppialle parhaat liidit asiakkaiden yhteydenottojen ja nettiselailun perusteella.

Koneoppiminen CRM:n kaltaisissa järjestelmissä on itse asiassa varsin haastavaa. Jotta saisimme tuotettua käyttäjälle kokemuksen paremmista päätöksistä ja ohjeista, tarvitaan melkoinen määrä pohjatyötä. Oppiva tekoäly ei käytä mitään ennalta suunniteltua algoritmiä, joka osaisi huomioida kaikki vastaantulevat tilanteet. Sen sijaan se oppii pohjatiedon ja käyttäjien oman toiminnan perusteella.

Googlen arvion mukaan ehkä 10 prosenttia oppivan järjestelmän tuotteistamistyöstä koskee varsinaisen koneoppimisen kehittämistä. Sen lisäksi on infrastruktuurin rakentaminen, koodin ja datan optimoiminen, varsinaisen toiminnallisuuden rakentaminen, palvelun toiminnan monitorointi ja niin edelleen.

LUE MYÖS:

Einstein toimii pilvessä

Pilvessä tekoälyn soveltaminen on toki hieman helpompaa. Einsteinin koneoppimiseen perustuvia toiminnallisuuksia varten olemme muokanneet oppimismallit CRM-käyttöä varten. Meillähän on hyvin hallussa CRM-alueen tietorakenteet ja oma metadatamme. Salesforcen kehittäjät ovat luoneet omat Einstein-koodikirjastonsa, joita tarpeen mukaan sovelletaan ja optimoidaan palvelua rakennettaessa. Käytännössä tämä näkyy uusina CRM-toiminnallisuuksina.

Einstein tuottaa jokaiselle asiakkaalle ja jokaiseen “orgiin” oman AI-mallinsa. Käyttöönoton yhteydessä mallille opetetaan kunkin asiakkaan tapa toimia datasta otettujen esimerkkien avulla. Tässä yhteydessä malli oppii asiakkaan datan ja toiminnan erityispiirteet: esimerkiksi myyntidiilien vaiheistus on jokaisella omansa. Tuotantovaiheessa monitoroimme Einsteinin suorituskykyä ja päivitämme mallit säännöllisesti ennusteiden luotettavuuden parantamiseksi. Malli siis oppii tekemällä, ihan niin kuin me ihmisetkin.

Mutta mikä on oma tekoälyn äö:si? Käy arvioimassa oma osaamisesi “What's Your AI IQ?” -testillämme. Mukaan tarttunee myös jotain uutta, jonka hyödyntämistä voi miettiä joulunpyhien aikana. Pukki muuten ei ole botti.