Editorin huomio: Tämä blogi on päivitetty 11.8.2022. 

Tästä blogista löydät kaiken mitä sinun tulee tietää tekoälystä – ja miksei vähän enemmänkin. 🤖

Tekoälyä on tutkittu jo vuosikymmeniä, mutta vasta viime vuosina siitä on tullut arkipäivää. Nyt kaikki puhuvat tekoälystä. Miksi?

Ainakin siksi, että:

1. Tekoäly on kaikkien kiinnostuneiden käytettävissä.

2. Tekoälyn mahdollisuudet innostavat, ja innostus aiheuttaa hypeä.

3. Tekoäly pelottaa, joten sen mahdollisia uhkia halutaan spekuloida.
 

Tähän artikkeliin keräsimme kaiken sen tiedon, joka sinunkin on hyvä tietää tekoälystä.

 

👇🏼 Klikkaa alta ja pääset suoraan haluamaasi osioon. 👇🏼

Tekoäly lyhyesti

Tekoäly tositoimissa

Uhka vai mahdollisuus?

Tekoälyn haasteet x 3

Tekoälyn tulevaisuus

Tekoäly 🤍 liiketoiminta

Miten Salesforce Einstein toimii?

 

Tekoäly lyhyesti


Tekoäly juontaa juurensa – mihinkäs muuallekaan kuin – Kreikan mytologiaan. Jo Kreikan myyteissä on ollut ajattelevia koneita ja keinotekoisia olentoja, kuten pronssijättiläinen Talos, joka suojeli Kreetan rannikkoa. Filosofit ja matemaatikot ovatkin kehittäneet mekaanista päättelyä jo antiikin ajoista asti. 

Tekoäly-termi esiintyi ensimmäisiä kertoja 1950-luvulla. Yksi tekoälyn edelläkävijöistä, John McCarthy, kuvasi tuolloin tekoälyä sellaiseksi määreeksi, jossa koneet voisivat alkaa käyttäytyä älykkäästi.

Mitä tekoälyllä nykyisin sitten tarkoitetaan?

Tekoäly tarkoittaa ei-inhimillistä järjestelmää, jolla on ihmisen tasoinen äly ja kyky älykkäisiin toimintoihin. Tekoälyllä viitataan siis yksinkertaisimmillaan sellaisiin tietokoneen toimintoihin, joihin normaalisti tarvittaisiin ihmistä ja hänen älyynsä liitettäviä taitoja, kuten päättelyä ja oppimista.
 

1️⃣ Tekoälyllä voidaan korvata ihmisen tekemä työ automaatiolla. Se voisi tarkoittaa esimerkiksi sitä, että kauppojen inventaario tehdään valokuvan perusteella automaattisesti sen sijaan, että tuotteet laskettaisiin perinteiseen tyyliin käsin. 

2️⃣ Tekoälyllä voidaan lisätä älyä prosesseihin, joihin ei ihmistä kannata tai voi käyttää. Yksittäinen lääkäri ei esimerkiksi pysty lukemaan kaikkia lääketieteellisiä tutkimuksia, mutta tekoäly – ainakin teoriassa – pystyy. Niinpä tekoäly voi tehdä datan haravoinnin lääkärin puolesta, kun taas lääkäri voi keskittyä hoitotyöhön.
 

Molemmat edellä mainitut esimerkit voivat sekä tehostaa prosesseja että parantaa laatua, kun inhimillisen (eli tietenkin ihmisen tekemän) virheen mahdollisuus poistuu.

Tutustu tarkemmin aiheeseen:

➡️ Tekoäly – 10 kysymystä ja 10 vastausta

 

Tekoäly tositoimissa


Jo nyt valtaosa ihmisistä helpottaa arkeaan tekoälyratkaisuilla sen kummemmin asiaa tiedostamatta. Tällaisia arkea helpottavia ratkaisuja voivat olla esimerkiksi automaattiset lämmönsäätimet, reittioppaat, asiakkuudenhallintaohjelmistot tai myynnin ja markkinoinnin automaatio. Esimerkiksi Spotify tuottaa kuuntelijalle automaattisesti räätälöityjä soittolistoja, kun taas iPhonen käyttäjät juttelevat Sirille. 

Sinäkin hyödynnät tekoälyä varsin todennäköisesti, sillä tekoäly vaikuttaa elämäämme jatkuvasti niin töissä kuin kotonakin. Tässä muutama esimerkki:

 
🎤 Käännöskoneet, äänentunnistus ja digitaaliset avustajat


Tekoäly kääntää mitkä tahansa kielet keskenään, muuttaa puhutun kielen kirjoitetuksi tekstiksi ja matkii puhettakin lähes autenttisen kuuloisesti. Jälkimmäinen on johtanut muun muassa digitaalisten avustajien, kuten Sirin, Alexan ja muiden vastaavien puheavustajien kehittämiseen, joita moni meistä käyttää jo päivittäin.


👀 Hahmon- ja kuvantunnistus


Tekoälyä käytetään suurten datamäärien analysointiin, itseohjautuvien järjestelmien luomiseen ja hahmontunnistukseen. Hahmontunnistuksen (pattern recognition) tavoitteena on kehittää datasta kaavoja tai malleja tunnistavia järjestelmiä. Tätä hyödynnetään muun muassa tietotekniikassa, robotiikassa ja lääketieteessä. Käytännössä tämä voisi tarkoittaa esimerkiksi ihmisten kasvojen tunnistamista, asiakaspalvelusovellusten kehittämistä, sääennustuksia tai syöpädiagnooseja.

 

 🚗 Auto, joka ohjaa itse itseään


Vaikka itseohjautuvia autoja ei vielä kurvailekaan päivittäin vastaan, ne tulevat yleistymään väistämättä – ehkä jonakin päivänä itseohjautuvat autot ovat pääasiallisia kulkuneuvojamme. Itseohjautuvissa autoissa tekoälyä käytetään maisemakuvan hahmottamiseen sekä esteiden ja onnettomuuksien estämiseen.

 

🤖 Robotiikka ja IoT


Esineiden internet (Internet of Things, IoT) on jo arkipäiväämme, mutta miten tämä saadaan generoitua liiketoiminnaksi? Robotiikkaan liittyvien tekniikoiden kehittyminen on ollut nopeaa, ja robotit ovat tulleet ihmisille arkipäiväisemmäksi vuosi vuodelta.

Valtaosa roboteista on vielä teollisuuden tarpeisiin tehtyjä. Esimerkiksi suomalainen ZenRobotics toimittaa maailmalle rakennus- ja purkujätteiden sekä teollisten jätteiden lajitteluun optimoitua, tekoälyavusteista jätteidenkäsittelyrobotiikkaa.

 

Tutustu tarkemmin aiheeseen:

➡️ Näin pääset alkuun tekoälyn kanssa – 4 vaihetta käyttöönottoon

➡️ Mitä tarkoittavat Internet of Things ja Internet of Everything?

➡️ Ihmiset ja esineet kohtaavat API-rajapinnoissa

➡️ Tekoäly teollisuudessa – mitä puhuvat hissit kertovat tulevaisuudesta?

 

Uhka vai mahdollisuus?


Kun puhutaan tekoälystä, puhutaan yleensä myös siitä, tekeekö tekoäly ihmisestä tarpeettoman. 

Biotekniikan tutkija Lauri Reuter on muotoillut asian näin:

“Koneet ovat monessa mielessä jo nyt suorituskyvyltään ylivoimaisia verrattuna ihmisaivoihin. Ne käsittelevät informaatiota nopeasti, eivätkä ne unohda. Tekoäly pureskelee hetkessä kaiken lääketieteellisen kirjallisuuden ja diagnosoi potilaan 95% tarkkuudella oikein. Lääkärin osumatarkkuus on noin 85%. Yhdessä kone ja lääkäri osuvat kuitenkin oikeaan 98% todennäköisyydellä.”


Suurien datamäärien käsittely ja rutiinitehtävät voidaankin tulevaisuudessa automatisoida. Tästä huolimatta on syytä muistaa, että tekoälyn kehittämiseen ja järjestelmien parantamiseen tarvitaan aina myös ihmisen työtä. Tekoäly ja automaatio voivat riisua työtaakasta suurenkin määrän päivittäisiä rutiineja, mutta jäljelle jäävät silti ne tehtävät, joita tekoäly ei hallitse. Sellaisia ovat esimerkiksi työt, joissa tarvitaan tunneälyä ja ihmissuhdetaitoja.

Scifi-elokuvissa tekoäly on totuttu näkemään paholaisena, todellisuudessa tekoäly on kuitenkin tehnyt elämästämme ainoastaan helpompaa. Tekoäly voi toki olla uhka, mutta ennen kaikkea se on mahdollisuus. Tässä muutama esimerkki töistä, joissa tekoäly on elementissään:


🤖 Työt, jotka ovat ihmisille vaarallisia tai vaikeita


Tekoäly voi tehdä työn ihmisen puolesta silloin, kun työ on vaikeaa, vaarallista tai esimerkiksi myrkyllistä. Tekoälyrobotteja voidaan käyttää laboratorioissa, kaivoksissa, syvänmeren kaivannoissa tai vaikkapa avaruudessa. Tekoäly menee siis sinnekin, minne ihmisen ei ole välttämättä mahdollista päästä.

 

 🤖 Työt, jotka vaativat tarkkuutta ja virheettömyyttä


Robotit ovat vähemmän alttiita inhimillisille virheille – eivätkä ne tarvitse edes kahvitaukoja. Jos liikenteessä käytettäisiin ainoastaan itseohjautuvia autoja, olisi liikenneonnettomuuksien riski todennäköisesti hyvin pieni. Tekoäly voi tehdä dataan pohjautuvia nopeita ja monisyisiä ratkaisuja, kun taas ihmismieleen vaikuttavat esimerkiksi inhimilliset tunnereaktiot ja muut häiriötekijät. Kiitos tekoälyn, ihmiset voivatkin tulevaisuudessa keskittyä sellaisiin työtehtäviin, joissa tarvitaan tunnekirjoa ja empatiaa.


🤖 Monotoniset (eli tylsät) työt


Tekoäly voi hoitaa monotonisia työtehtäviä, jotka ovat ihmisille tylsää, toistuvaa rutiinia. Kun tekoäly poistaa ihmisiltä vanhoja ja tylsiä työtehtäviä, se luo tilalle uusia ja mielekkäämpiä tehtäviä.

 

Sukella astetta syvemmälle ja lue seuraavaksi nämä:

➡️ Koneoppiminen: 6 esimerkkiä, jotka muuttavat työelämää

➡️ Tekoäly myynnissä: Tätä kaikkea kone tekee puolestasi 🤖

➡️ Tekoäly auttaa lentoyhtiöitä kohtaamaan asiakkaansa paremmin

 

Tekoälyn haasteet (ja muutama ratkaisu)


Tekoälyn käyttöönotossa voi tulla vastaan hankaluuksia. Yleensä ne ovat teknisiä esteitä, kulttuurillista muutosvastarintaa tai osaamisen haasteita.

 

❗️ Teknologiset kompastuskivet


Tyypillisimmät teknologiset haasteet liittyvät integraatioihin ja datan hyödyntämiseen. Jälkimmäinen on ongelma, sillä juuri data toimii tekoälyn polttoaineena. Onkin varsin tavallista, että tekoälyhanketta lykätään, koska riittävän laadukasta dataa ei ole.

Samalla kun dataa ei osata hyödyntää, kertyy sitä jatkuvasti lisää ja vieläpä valtavaa vauhtia. Paras tapa havaita ja korjata tiedon laadun ongelmia onkin sen aktiivinen hyötykäyttö ja analysointi. Puutteiden korjaamista on helpompi priorisoida silloin, kun saavutettava hyöty on konkreettinen ja lähellä. Tekoälyn hyödyntäminen on matka, ei yksittäinen projekti – ja tiedon jatkuva parantaminen on osa tätä matkaa.

 

❗️ Kulttuurilliset mutkat matkassa


Kulttuurinen haaste tekoälyn hyödyntämiseen liittyy yleensä kokemukseen. Vaikka kokemus on valtava voimavara, se saattaa ohjata etsimään ratkaisuja tuttujen ja hyviksi havaittujen mallien pohjalta sen sijaan, että huomaisi uusia tapoja toimia. Siksi “tyhmiä kysymyksiä” kysymällä syntyvät usein parhaat ratkaisutkin.

Tekoälyn hyödyntäminen vaatii totuttujen tapojen ja käytäntöjen haastamista: sitä, että kysytään entistä mielikuvituksellisempia kysymyksiä ja valjastetaan erilaisia osaajia etsimään ratkaisuja niihin.

❗️Osaamisen haasteet


Yksi merkittävimmistä esteistä tekoälyn hyödyntämiselle on se, että tekoälyn kouluttaminen vie aikaa. Valmiiksi juuri omalle liiketoimintamallille sopivaa, koulutettua mallia voi olla hankala tai jopa mahdoton löytää. Asiaa ei helpota se, että data-analyytikoista, eli ihmisistä jotka osaavat luoda näitä malleja, on huutava pula.

Osa tekoälyistä on kuitenkin suunniteltu toimimaan suoraan jonkin toisen järjestelmän, kuten markkinoinnin automaation tai asiakaspalvelun hallintaohjelmiston, kanssa. Tällöin erillistä integraatiota ei tarvitse tehdä, ja järjestelmätoimittaja vastaa mallin kehityksestä. Tämä helpottaa käyttöönottoa radikaalisti, eikä omia data-analyytikoita tai data scientisteja välttämättä tarvita.

Salesforcen yksi asiakaslupauksista on tuoda tekoäly kaikkien saataville: tekoäly ei ole vain koodareille, vaan sitä voivat hyödyntää erilaisissa rooleissa ja erilaisilla taustoilla työskentelevät ihmiset. Kun tekoäly on otettu käyttöön esimerkiksi CRM-järjestelmässä, siirtyy tekoälyn arkikäyttö kaikkien niiden työpöydälle, jotka muutenkin käyttävät kyseistä järjestelmää.

 

Tekoälyn tulevaisuus


Tekoälyä on kahdenlaista: heikkoa ja vahvaa.

Heikolla tekoälyllä tarkoitetaan yksittäisissä tehtävissä taitaviin suorituksiin kykeneviä algoritmeja, kuten hakukoneita, roskapostisuodattimia tai vaikkapa robotti-imureita.

Vahvalla tekoälyllä tarkoitetaan tulevaisuuden tekoälyä, joka tulee toimimaan irrallaan ihmisälystä ja päihittämään meidät ihmiset superälykkyydellään.

Vaikka superälykäs tekoäly odottaa vielä ensi-iltaansa, tekoälyn lähitulevaisuuskin näyttää lupaavalta.

Tekoäly talouskasvun kiihdyttäjänä


Tekoälyn mahdollisuudet tulevaisuudessa ovat rajattomat. Tekoälyyn kohdistuu yhä suurempia odotuksia myös talouskasvun kiihdyttäjänä. Hallitusta myöten Suomen päättävät elimet ovat kiinnostuneita tekoälyn mahdollisuuksista vientituotteena. Tavoitteena on saada Suomesta tekoälyn kehityksen kärkimaa. Kansallinen tekoälyohjelma AuroraAI on yksi osa tätä tavoitetta – se luo pohjaa palvelujen ja ihmisten paremmalle kohtaamiselle tekoälyn avulla. 

 

Tekoäly arjen helpottajana


Tekoäly tulee olemaan yhä vahvemmin läsnä jokapäiväisessä elämässämme. Roboteille voi delegoida kaikki suorittavia tehtävät, kun taas tekoälyllä ohjautuvat autot ajavat pian itsekseen.

 

Tekoäly liiketoiminnassa


Tekoäly tulee olemaan yhä kiinteämmin mukana työtehtävissämme ja bisneksissämme – jopa korkeaa osaamista vaativa työ tulee automatisoitumaan jollain tasolla. Tekoäly ei silti tee ihmisiä tarpeettomiksi, vaan auttaa heitä keskittymään vielä korkeamman vaatimustason töihin. Tekoäly ei siis korvaa asiantuntijoita, mutta auttaa heitä esimerkiksi datamassojen käsittelyssä tai tiedon tehokkaassa seulonnassa. 

 

Lisää artikkeleita:

➡️ Tekoäly teollisuusyrityksen kilpailuetuna

➡️ 5 tapaa, joilla tekoäly nostaa finanssialan asiakaspalvelun uudelle tasolle

 

Tekoäly 🤍 liiketoiminta


Menestyvä liiketoiminta vaatii tulevaisuudessa tekoälyn ammattilaisia, jotka hyödyntävät tekoälyn mahdollisuuksia ja luovat niistä uusia, innovatiivisia ratkaisuja. 

Osaavien ihmisten lisäksi tekoäly tarvitsee toimiakseen huomattavan määrän esimerkkidataa. Kone ei opi tuntemaan sairauksia keuhkoröntgenistä ennen kuin sille on syötetty riittävän suuri määrä luokiteltuja kuvia.

Tekoäly tulee vaikuttamaan kaikkiin toimialoihin ja työtehtäviin, halusimme tai emme. Kuilu tekoälyä hyödyntävien ja sen huomiotta jättävien välillä kasvaa jo kovaa vauhtia. Tekoälyvallankumousta odotellessa yrityksen kannattaakin mietittiä, mitä konkreettista liiketoimintahyötyä tekoälystä voisi omalle toiminnalle olla, ja miten tekoälyn saa valjastettua osaksi toimintaa jo nyt.

Tekoälyyn voi ja kannattaakin suhtautua varsin pragmaattisesti: se on ennen kaikkea ihmisten ja yritysten palvelija. Lisäämällä älyä ja automaatiota ihmisen tueksi olemassa oleviin prosesseihin voidaan jo nyt tehostaa ja transformoida liiketoimintaa.

Tekoälyn käyttöönoton voi aloittaa pienin askelin, esimerkiksi hyödyntämällä tekoälyyn pohjautuvia palveluja, joita esimerkiksi CRM-alusta tarjoaa.

 

Kun haluat pureutua tarkemmin siihen, miten tekoälyllä bustataan liiketoimintaa, lue nämä:

➡️ Tekoäly tuo asiakaskokemuksen myyntityön ytimeen

➡️ Näin tekoäly lisää asiakastyytyväisyyttä ja palvelutiimin tuottavuutta

➡️ Tehosta asiakaspalvelua tekoälyllä: 4 tapaa kiilata kilpailijoiden edelle 🏆

 

 

Miten Salesforcen Einstein-tekoäly toimii?


Salesforcen Einstein-tekoäly lanseerattiin vuonna 2016. Nykyään Einstein luo jo yli 475 miljoonaa ennustetta joka päivä.

Esimerkiksi Einsteinin myyntiennusteet auttavat talous- ja myyntijohtajia ennustamaan liiketoiminnan kehitystä entistä paremmin. Kun algoritmit yhdistetään keskeiseen CRM-dataan, kuten esimerkiksi liideihin ja potentiaalisiin asiakkaisiin, tekoäly voi tehdä paljon aiempaa tarkempia ennusteita myynnin liikevaihdosta.

Einstein kykenee esimerkiksi ennakoimaan, miten kunkin myyntijakson tavoite täyttyy nykyisellä aktiviteettimäärällä. Jos näyttää siltä, ettei tavoitteeseen päästä, Einstein antaa toimintaohjeita ja suosituksia: mistä voisivat löytyä ne kaupat, jotka täyttäisivät kiintiön.

Kehittyneen tekoälyn vahvuus on myös kyky käydä läpi suuria tietomassoja, joista se osaa tunnistaa kaavoja, joiden avulla voi ennustaa asiakkaiden käyttäytymistä ja auttaa näin rakentamaan markkinointia jamyyntiä. Einstein Opportunity Scoring eli potentiaalisten asiakkaiden pisteytys auttaa pitämään myyjät kaikkein hedelmällisimpien kauppojen äärellä. Tekoäly poistaa myös mutun, kun se pisteyttää mahdollisia kauppoja rahallisen arvon ja yhteydenpitojen määrän perusteella. Tekoäly siis pisteyttää liidit sen mukaan, kuinka todennäköisesti ne johtavat kauppaan.

Einstein sisältää myös paljon muita tekoälyyn perustuvia palveluita. Tällaisia ovat esimerkiksi konenäkö (Einstein Vision) ja luonnollisen kielen prosessointi. Esimerkiksi konenäön voi opettaa tunnistamaan oman brändin kannalta keskeisiä elementtejä valokuvista, minkä jälkeen tietoa voi hyödyntää osana asiakaspalvelua tai markkinointia.

 

Kurkkaa tarkemmin Einsteinin saloihin:

➡️ Demo: Salesforce Einstein

➡️ Miten kuvantunnistus toimii Einstein Visionilla, ja mitä yhteistä sillä on kristallipallon kanssa? 🔮