Tekoäly on trendikäs puheenaihe, ja siitä odotetaan koko bisnesmaailman mullistajaa. Tämän vuoden World Economic Forumin yksi tärkeimmistä puheenaiheista oli käsitellä, miten tekoäly ja automaatio muuttavat yhteiskuntaa, ja miten maailman johtajien tulisi vastata haasteeseen.

Tulevaisuuden odotukset tekoälyn osalta ovat siis taivaissa samalla, kun monen yrityksen prosesseja saisi parannettua “tyhmemmälläkin” logiikalla. Ja kuitenkin tulisi pitää huolta, ettei putoa kehityksen kelkasta.

Tekoälyvallankumousta odotellessa yksittäisen yrityksen on siis mietittävä, mitä konkreettista liiketoimintahyötyä tästä voisi omalle toiminnalle olla, ja miten sen saa valjastettua osaksi olemassa olevia prosesseja.

Tekoälyllä tarkoitetaan yleisesti tietojärjestelmää, joka kykenee ratkaisemaan ongelmia, joihin on perinteisesti tarvittu ihminen. Esimerkkejä tästä ovat kuva- ja puheentunnistus tai kyky pelata shakkia. Vaikka tekoälyä on tutkittu jo vuosikymmeniä, vasta viime vuodet ovat tuoneet sen jokaisen yrityksen ulottuville. Tarkat käyttökohteet ovat tosin vielä osittain pohdinnan alla.

Yksi tapa jaotella tekoälyn käyttötarkoitusta on seuraava:

  1. Automaation ja laadun lisääminen (ihmistyön korvaaminen)

  2. Älyn lisääminen prosesseihin, joihin ei ihmistä kannata tai voi käyttää

Automaation lisääminen tekoälyn avulla voi tarkoittaa esimerkiksi sitä, että kauppojen inventaario tehdään valokuvan perusteella automaattisesti sen sijaan, että tuotteet laskettaisiin perinteiseen tyyliin käsin. Valmistavassa teollisuudessa varaosia voisi vastaavasti tunnistaa automaattisesti valokuvien perusteella. Molemmat edellä mainitut esimerkit voivat sekä tehostaa prosesseja, että parantaa laatua inhimillisen virheen mahdollisuuden poistuttua.

Omasta mielestäni mielenkiintoisemmat käyttötarkoitukset kuuluvat jälkimmäiseen kategoriaan, jossa usein hyödynnetään tekoälyä asiakaskokemuksen parantamiseksi.

Esimerkkinä tästä voisi ajatella kaupan historiaa:
 

Tekoäly tuo kyläkauppakokemuksen takaisin


70-luvulla ihmiset asioivat hypermarkettien sijasta pienissä kulma- ja kyläkaupoissa, joissa kauppias usein tunsi jokaisen asiakkaan koko perheen nimineen ja mieltymyksineen, ja osasi ehdottaa sopivia tuotteita ostettavaksi. Asiakas oppi luottamaan kauppiaaseen, ja kysyi tältä neuvoja ja mielipiteitä pohtiessaan mitä pitäisi hankkia.

Massaketjujen myötä kyläkaupat kuitenkin katosivat, ja kilpailuvaltiksi tulivat halvemmat hinnat. Asiakkaita käsiteltiin yhtenä harmaana massana ja mainokset tulivat TV:stä ja lehdistä samalla tavalla jokaiselle asiakkaalle.

Tekoäly kuitenkin voi tuoda, ja on jo tuonutkin kyläkauppakokemusta takaisin. Tarjoukset ja suositukset saadaan personoitua, kaupan työntekijöillä on näkyvyys asiakasprofiileihin ja asiakaskokemusta saadaan näin roimasti parannettua.

Tämä on mullistavaa varsinkin myynnin ja markkinoinnin näkökulmasta. Dataa on saatavilla lähes rajattomasti, ja tätä järkevästi käsittelemällä pystytään jälleen tarjoamaan personoidusti asiakkaalle juuri sitä mitä hän sillä hetkellä tarvitsee.
 

Tekoälyn hyödyntämiseen tarvitaan koulutettu malli ja integraatio liiketoimintaprosesseihin


Yksi suurimmista esteistä tekoälyn laajamittaiseen hyödyntämiseen eri yrityksissä on ollut se, että tekoälyn kouluttaminen on hankalaa ja aikaa vievää puuhaa, eikä valmiiksi koulutettuja malleja omaan liiketoimintaan ole ollut tarjolla. Tämän lisäksi data-analyytikoista, eli ihmisistä jotka osaavat luoda näitä malleja, on huutava pula.

Analyytikkojen lisäksi tarvitaan vielä huomattava määrä esimerkkidataa, jolla mallin saa koulutettua. Jotta kone oppii tunnistamaan sairaudet keuhkoröntgenistä, on sille syötettävä suuri joukko luokiteltuja kuvia. Vasta tämän jälkeen koneelle voi antaa uuden kuvan, josta se kertoo onko keuhko terve vai ei, ja mikä sairaus on mahdollisesti kyseessä.

Lopuksi, varsinkin jos tarkoitus on automatisoida toimintoja, on luotu malli vielä integroitava osaksi liiketoimintaprosesseja.
 

Kokeilusta tuotantoon


Valmiiksi koulutettuja malleja alkaa kuitenkin pikkuhiljaa tulla markkinoille, ja tämä tietysti olennaisesti helpottaa ja nopeuttaa tekoälyn käyttöönottoa ja hyödyntämistä.

Esimerkiksi edustamani yhtiö Salesforce on pilvipalvelu, jonka avulla yritykset luovat prosesseja omien asiakkaidensa palvelemiseen, oli sitten kyseessä myynti, asiakaspalvelu, markkinointi tai muu asiakkaaseen liittyvä prosessi. Salesforcen omassa Einstein-tekoälyssä on kolme eri ulottuvuutta:

  1. Kun perustietomalli on kaikilla asiakkailla sama, saadaan Einstein helposti käyttöön kaikkiin Salesforcen alustalla toimiviin prosesseihin. Einstein on siis ensisijaisesti rakennettu tuomaan lisä-älyä Salesforcen omiin ohjelmistoihin. Laajennusosista Einstein Vision helpottaa esimerkiksi juuri varaosien kuvatunnistuksen tuomista osaksi asiakaspalvelua.

  2. Kaikkia malleja ei kuitenkaan voi kehittää jonkun muun puolesta. Esimerkiksi vikatilanteiden ennustamisesta omissa tuotteissaan haaveileva laitevalmistaja joutuu ainakin toistaiseksi kouluttamaan itse oman mallinsa. Mallin saa kuitenkin tallennettua Salesforce alustalle, jolloin prosessi-integraatio vaikka kenttähuoltoon helpottuu.

  3. On myös osa-alueita joihin emme itse ole panostaneet, mutta jotka silti voisivat tuoda merkittävää hyötyä prosesseihin. Näissä tapauksissa näemme, että on järkevää kumppanoitua. Pari viikkoa sitten julkaistu integraatio IBM:n Watsonin ja Salesforcen Einsteinin välillä on esimerkki tästä.

Yhteenvetona voisi todeta, että tekoäly on alue joka tällä hetkellä kehittyy vauhdilla, ja uskon, että vuosi 2017 tullaan muistamaan vuotena, jolloin yritykset siirtyivät kokeiluista tuotantoon.

LUE MYÖS:

Tekoälyyn liittyvät kysymykset asettuvat useimmissa yrityksissä CDO:n tontille, mutta tiedätkö kuinka monesta suomalaisesta TOP-50-yrityksestä tällainen titteli löytyy? Se selviää tekemästämme tutkimuksesta.

Tämä kirjoitus on julkaistu myös TiVissä 7. huhtikuuta 2017.