Olemme kirjoittaneet blogiimme paljon tekoälyn hyödyntämisestä liiketoiminnassa. Tähän kirjoitukseen olemme keränneet useimmin meiltä kysyttyjä kysymyksiä tekoälyyn liittyen.

Lisää kysymyksiä listalle lisättäväksi voi lähettää meille esimerkiksi Twitterissä: @SalesforceFI.
 

Mistä tekoälyssä on oikeastaan kysymys?


Tekoäly tarkoittaa ei-inhimillistä järjestelmää, jolla on ihmisen tasoinen äly ja kyky älykkäisiin toimintoihin. Tekoälyllä viitataankin yksinkertaisimmillaan sellaisiin tietokoneen toimintoihin, joihin normaalisti tarvittaisiin ihmisälyä.
 

Mihin tekoälyä voi käyttää?


Yksi tapa jaotella tekoälyn käyttötarkoitusta on seuraava:

1 - Ihmisen toiminnan tehostaminen älykkäämmillä prosesseilla
2 - Ihmistyön korvaaminen automaatiolla

Tekoäly ei suinkaan tarkoita tietokoneen toimimista ihmistä vastaan vaan ihmisen kanssa. Tekoäly, Artificial Intelligence AI kääntyykin usein itse asiassa muotoon Augmented Intelligence, jossa tekoälyn tehtävänä on juurikin avustaa ihmistä. Kone pystyy lukemaan ja omaksumaan valtavan määrän tietoa, mutta useimmiten komplekseissa päätöksentekotilanteissa ihmisen kykyjä yhdistää asioita, empaattisuutta tai muuta sellaista ei ole syytä aliarvioida.

Huippuasiantuntijat ovat harvassa, mutta kun tekoäly kykenee oppimaan parhailta asiantuntijoilta ja sen avustaessa muita voidaan yleistä osaamisen tasoa nostaa valtavasti.

Ihmisten korvaaminen automaatiolla voi osaltaan tarkoittaa esimerkiksi sitä, että kauppojen inventaario tehdään valokuvan perusteella automaattisesti perinteisen manuaalisen laskemisen sijasta. Valmistavassa teollisuudessa tämä puolestaan voisi tarkoittaa varaosien automaattista tunnistamista valokuvista.

Muita hyviä esimerkkejä tekoälyn käyttötarkoituksista ovat kuva- ja puheentunnistus tai kyky pelata shakkia.

► Lisää esimerkkejä löydät artikkelistamme “Mitä tekoäly on”.


 

Miksi tekoälystä puhutaan niin paljon?


Tekoälystä puhutaan paljon nähdäksemme kolmesta syystä:

1 - Tekoäly alkaa olla oikeasti kaikkien kiinnostuneiden käytettävissä
2 - Tekoälyn mahdollisuudet innostavat ja innostus aiheuttaa hypeä
3 - Tekoäly pelottaa, ja tekoälyn mahdollisia uhkia halutaan spekuloida

Teknologisen kehityksen nopeus kasvaa eksponentiaalisesti joka askeleelta. Kiihtyvää kasvua on vaikea hahmottaa, sillä kyseessä on laskutoimitus jossa lisätään korolle korkoa. Tätä kiihtymistä kuvattiin hyvin Ylen taannoisessa Kuusi huomiota tulevaisuudesta, joiden ei pitäisi yllättää -artikkelissa:

“Kuvittele taikalaatikko, jossa on yksi yhden sentin kolikko. Rahamäärä laatikossa tuplaantuu joka minuutti. Viiden minuutin päästä laatikossa on 32 senttiä, vartin päästä 327,68 euroa, 26 minuutin päästä 671 088,64 euroa. Puolen tunnin kuluttua laatikossa on yli kymmenen miljoonaa euroa - ja se painaa 2 469 tonnia. Aluksi tuntuu kuin ei tapahtuisi juuri mitään, mutta sitten kaikki näyttää tapahtuvan kerralla.”

Teknologian kehittyminen seuraa samanlaista eksponentiaalista käyrää, ja siksi myös tekoäly on tullut ihmisten tietoisuuteen niin kovalla rytinällä. Samasta syystä tekoäly on jo oikeasti kaikkien ulottuvilla, vaikka koko ajatusta pidettiin vain hetki sitten silkkana utopiana.

Tämä saa luonnollisesti aikaan hypeä ja innostumista, joka osaltaan vaikuttaa siihen, että tekoälystä puhutaan paljon. Toisaalta myös varjopuolet huolettavat: voiko tekoäly viedä meiltä työpaikat, tai voivatko robotit valloittaa maapallon?
 

Käytänkö tekoälyä (ehkä tietämättäni) jo nyt?


Todennäköisesti kyllä. Jo nyt valtaosa ihmisistä helpottaa arkeaan tekoälyratkaisuilla sen kummemmin tiedostamatta, että kyse edes on tekoälystä. Tällaisia voivat olla esimerkiksi automaattiset lämmönsäätimet, reittioppaat, asiakkuudenhallintaohjelmistot tai myynnin ja markkinoinnin automaatio. Spotify tuottaa kuulijalle automaattisesti räätälöityjä soittolistoja, iPhonen käyttäjät käyttävät Siriä, ja Uberit sekä pizzat voi tilata Alexalla kotiin.

Tekoäly vaikuttaa siis elämäämme jatkuvasti niin työpaikalla kuin kotonakin. Toisaalta suurin osa ihmisistä ei vielä saa yhtä pitkälle vietyä tekoälykokemusta työssään, sillä tekoäly tekee yritysmaailmassa vasta tuloaan.

Lisää esimerkkejä tekoälyn hyödyntämisestä työelämän ulkopuolella voit katsoa artikkelistamme Kuinka tekoäly voi tehdä vapaa-ajastasi helpompaa”.
 

Kuinka laajasti yritykset (oikeasti) hyödyntävät tekoälyä liiketoiminnassaan juuri nyt? Mitkä toimialat ottivat tekoälyn käyttöönsä ensimmäisenä ja millä tavoin?


Terveydenhuolto ja teollisuus ovat hyödyntäneet tekoälyä toistaiseksi kaikista laajimmin. Esimerkiksi suomalainen ZenRobotics toimittaa maailmalle rakennus- ja purkujätteiden sekä teollisten jätteiden lajitteluun optimoitua, tekoälyavusteista jätteidenkäsittelyrobotiikkaa.

KONE puolestaan ottaa parhaillaan käyttöönsä uutta älykästä kenttähuollon järjestelmää, joka parantaa huomattavasti huoltohenkilökunnan tehokkuutta sekä kykyä palvella asiakkaita entistä yksilöllisemmin ja nopeammin. Lisäksi uudistuksella pyritään minimoimaan hissien ja liukuportaiden huoltoseisokit yhdistämällä niiden anturointi tekoälypohjaiseen huollon ohjaukseen. Samalla huolehditaan, että oikeaan paikkaan oikeaan aikaan ohjatulla huoltohenkilöllä on myös oikeat varaosat mukanaan.

LUE MYÖS ► Tekoäly teollisuudessa - mitä puhuvat hissit kertovat tulevaisuudesta?

Toisaalta esimerkiksi Salesforce Einsteinin lanseeraus toi tekoälyn lähemmäs myös muita toimialoja, ja monet Salesforcen asiakkaat ovatkin ryhtyneet hyödyntämään tekoälyä myynnissä, markkinoinnissa sekä asiakaspalvelussa. Esimerkkejä teollisuuden ulkopuolelta löytyy niin Coca Colasta, American Expressistä kuin Yhdysvalloissa fanituotteita myyvästä Fanaticsistakin.

LUE MYÖS ► HappyOrNot loi puitteet asiakaskunnan ja jälleenmyyntiverkoston kasvulle Salesforcen avulla

Fanatics käyttää Salesforcen Marketing Cloudia kohdentaakseen markkinointia urheilun ystäville reaaliaikaisesti erilaisten otteluiden aikana. Myös varastotilanteen arviointi ja ennakointi tulevat samassa paketissa.

Urheilufaneille suunnattu viestintä mukautuu ottelun edetessä mm. sen mukaan, miten oma joukkue sillä hetkellä pärjää: fanituotteitta kannattaa tarjota voittajajoukkueen kannattajille erilaisella kulmalla kuin häviäjäjoukkueen faneille.

Näiden esimerkkien ohella tekoälyteknologiaa on otettu käyttöön mm. kiinteistönhuoltoalalla, jossa tekoäly voidaan valjastaa kertomaan siivoojalle mitkä roskikset ovat täynnä ja mitkä huonekasveista vaativat kastelua.
 

Mitkä ovat suurimmat/tyypillisimmät haasteet, joita tekoälyä hyödynnettäessä tulee vastaan?


Tekoälyn käyttöönotossa voi tulla vastaan kahdenlaisia hankaluuksia: kulttuurillista muutosvastarintaa, sekä teknisiä haasteita:

1 - Teknologia


Tyypillisimmät teknologiset haasteet liittyvät integraatioihin sekä datan hyödyntämiseen. Jälkimmäisenä mainittu nousee ongelmaksi, sillä juuri data toimii tekoälyn polttoaineena. Onkin varsin tavallista ,että tekoälyhanketta lykätään "laadukkaan" datan puutteessa.

Toisaalta on varsin harvinaista tavata yritys, joka ylpeilisi datansa laadulla. Nämä ongelmat ovat osa kaikkien arkipäivää, ja niiden itsestään ratkeamisen odottaminen on kuin menisi Kirkkonummelle seisomaan ja toivoisi, että metrolinja laajenee Hankoon.

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 kun saavutettava hyöty on konkreettinen ja lähellä. Tekoälyn hyödyntäminen on matka, ei projekti - ja tiedon jatkuva parantaminen on osa tätä matkaa.

TWIITTAA: Teknologiahaasteiden itsestään ratkeamisen odottaminen on kuin menisi Kirkkonummelle seisomaan ja toivoisi, että metrolinja laajenee Hankoon. 🤖
 

2 - Kulttuuri


Kulttuurisesti haaste tekoälyn hyödyntämiseen puolestaan on sama kuin monessa muussakin transformatiivisessa toiminnassa: (elämän)kokemuksemme. Vaikka kokemus onkin valtava voimavara ja arvokas asia, ohjaa se meitä usein etsimään ratkaisuja jo hyviksi havaitsemiemme mallien perusteella, emmekä siten usein tule huomanneeksi uusia tapoja toimia.

Tekoäly mahdollistaa aivan uudenlaisten kysymysten esittämisen, ja parhaat ratkaisut syntyvätkin usein näennäisesti “tyhmien” tai “mahdottomien” kysymysten kautta. Meidän tulisikin haastaa itseämme organisaatioissa kysymään toisiltamme entistä mielikuvituksellisempia kysymyksiä ja valjastaa ratkaisujen etsimiseen resursseja laajalta kokemus- ja osaamispohjalta.  

Kulttuurillista muutosvastarintaa olemme käsitelleet laajemmin artikkelissamme “84 % digitaalisista transformaatioista epäonnistuu. Miksi?
 

Täytyykö minun palkata data scientisteja, jos haluan hyödyntää tekoälyä liiketoiminnassani?


Tähän asti yksi merkittävimmistä esteistä tekoälyn laajamittaiselle hyödyntämiselle yritysmaailmassa on ollut se, että tekoälyn kouluttaminen on aikaa vievää puuhaa, ja useimmiten myös hankalaa. Valmiiksi juuri omalle liiketoimintamallille sopivaa, koulutettua mallia on ollut hankala tai jopa mahdoton löytää. Tämän lisäksi data-analyytikoista, eli ihmisistä jotka osaavat luoda näitä malleja, on huutava pula.

Osa tekoälyistä on kuitenkin suunniteltu toimimaan suoraan jonkin toisen järjestelmän kanssa (esim. markkinoinnin automaatio tai asiakaspalvelun hallintaohjelmisto). Tällöin erillistä integraatiota ei tarvita ja järjestelmätoimittaja vastaa mallin kehityksestä. Tämä helpottaa käyttöönottoa radikaalisti eikä omia data-analyytikoita tai data scientisteja välttämättä tarvita.

Toisaalta useissa tapauksissa käytössä ovat molemmat vaihtoehdot: järjestelmäarkkitehtuurin mukanaan tuoma tekoäly ratkaisee sen piirissä olevat käyttötapuksesta ja vapauttavat kriittiset analyytikkoreservit pitkälle kustomoitujen mallien pariin.

LUE MYÖS ► Tekoäly ei ole enää utopiaa, vaan jo nyt kaikkien saatavilla



 

Kenen tehtävä yrityksessä on olla “tekoälyn käyttäjä”?


Salesforcen yksi asiakaslupauksista on ollut tuoda tekoäly kaikkien saataville siten, että se ei ole vain koodareiden käytössä, vaan sitä voivat hyödyntää luovasti ja vaivattomasti erilaisissa rooleissa erilaisilla taustoilla työskentelevät ihmiset. Kun tekoäly on otettu käyttöön esimerkiksi CRM-järjestelmässä, siirtyy tekoälyn arkikäyttö kaikkien niiden työpöydälle, jotka muutenkin käyttäisivät kyseistä järjestelmää.
 

Viekö tekoäly minulta työpaikan?


On arvioitu, että digitalisaation myötä maailmasta tulee häviämään yli 7 miljoonaa työpaikkaa vuoteen 2020 mennessä. Tämä on aiheuttanut huolta myös Suomessa, ja meilläkin on uutisoitu robottien vievän työt jopa lakimiehiltä ja lääkäreiltä.

“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.” - Biotekniikan tutkija Lauri Reuter

Suurien datamäärien käsittely ja ennalta arvattavat suorittavat tehtävät voidaankin epäilemättä tulevaisuudessa yhä useammin automatisoida. Tästä huolimatta on syytä muistaa, että tekoälyn kehittämiseen ja järjestelmien parantamiseen tarvitaan yhä enemmän myös ihmisen työtä. Tekoäly ja automaatio voivat riisua työtaakasta suurenkin määrän päivittäisistä rutiineista, mutta jäljelle jäävät silti ne tehtävät, joita tekoäly ei vielä hallitse - näitä ovat mm. tunneäly sekä ihmissuhdetaidot.

Myös Salesforcen tilaaman selvityksen mukaan tekoäly tuo CRM-palveluihin uutta tehokkuutta ja lisää bruttokansantuotetta maailmanlaajuisesti 1,1 miljardilla dollarilla vuoteen 2021 mennessä. Tekoälyn odotetaankin luovan tänä aikana noin 800 000 uutta työpaikkaa. Tämä on enemmän kuin töitä em. arvion mukaan katoaa automaation vuoksi.

Lue myös aiempi bloggauksemme Viekö tekoäly työt seuraavaksi markkinoinnilta?.
 

Mitä koneoppiminen on ja miten se eroaa tekoälystä?


Vaikka koneoppiminen ja tekoäly kulkevatkin käsi kädessä, on koneoppiminen paljon muuta kuin pelkkä synonyymi tekoälylle. Tekoälyn voikin ajatella olevan laaja kattokäsite, jonka alle kuuluvat kaikki koneiden älykkäät toiminnot. Tekoälyratkaisuissa hyödynnetään useimmiten juuri koneoppimista.

Koneelle voidaan esimerkiksi opettaa ilmiöiden tunnistamista matemaattisten ja tilastollisten menetelmien avulla. Opettaminen tarkoittaa käytännössä lukuisten opetettavaa ilmiötä edustavien lukuarvojen, kuvien tai tekstin lataamista algoritmille. Hyvä havainnollistava esimerkki tästä on tämä Googlen Quick Drawta esittelevä video, joka avaa erittäin hyvin sen miten tekoäly toimii ajatuksena ja miten sitä voidaan kehittää:

Toinen tuore esimerkki koneoppimisesta on niin ikään Googlen omistaman DeepMind-tutkimusyhtiön uusi tekoäly, joka oppi Go-lautapelin mestariksi pelaamalla itseään vastaan.

Tulevaisuudessa ohjelmistorobotiikka ja koneälyn muodot tulevat sulautumaan toisiinsa entistä enemmän. Erilaisia teknologioita voidaan käyttää rinnakkain saman tehtävän hoitamiseen, sillä ne täydentävät hyvin toisiaan.
 

Mikä on Salesforce Einstein ja mitä tekoäly voi tehdä CRM-järjestelmässä?


Syyskuussa tuli kuluneeksi yksi vuosi siitä, kun Salesforce lanseerasi Einstein-tekoälyn. Tänä päivänä Einstein luo jo yli 475 miljoonaa ennustetta joka päivä.

Esimerkiksi Einstein Forecasting eli myyntiennusteet auttaa talous- ja myyntijohtajia ennustamaan liiketoiminnan kehitystä entistä paremmin. Kun algoritmit yhdistetään keskeiseen CRM-dataan esimerkiksi liideistä ja potentiaalisista asiakkaista, pystyy tekoäly tekemään paljon aiempaa tarkempia ennusteita myynnin liikevaihdosta ja siten parantaa liiketoiminnan ennustettavuutta.

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

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

Einstein sisältää myös paljon muita tekoäly palveluita kuten konenäkö (Einstein Vision) ja luonnollisen kielen prosessointi. Näitä voi käyttää rajapintojen kautta ja hyödyntää joko valmiiksi opetettuja malleja tai opettaa vaikka näkö tunnistamaan oman brändin kannalta keskeiset elementit valokuvista ja hyödyntämään tietoa osana vaikka asiakaspalvelua tai markkinointia.

Keskeistä Salesforce Einsteinille on sen skaalautuminen kaikille  yrityksille: Kuka tahansa voi välittömästi hyödyntää sisäänrakennettuja tekoälyominaisuuksia lukuisten käyttötapausten ja prosessien tehostamiseen omassa Salesforce -ratkaisussaan.

Toisaalta pidemmällä AI-polulla olevat tai sinne halajavat voivat yhdistää muita palveluita Einstein-alustalta osaksi omaa tekoälyratkaisuaan  ja tarvittaessa kytkeä niitä muihin tekoälyalustoihin - esimerkkinä tällaisesta IBM Watson.
 

Miksi tekoälyn pitäisi kiinnostaa minun yritystäni?


Tekoäly ei ole tulevaisuutta, vaan nyt jo täällä. Se tulee vaikuttamaan kaikkiin toimialoihin ja työtehtäviin, halusimme tai emme. Kuilu tekoälyä hyödyntävien ja sen huomiotta jättävien välillä on jo alkanut syventyä, ja kasvaa kovaa vauhtia.

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 tänä päivänä merkittävästi tehostaa ja transformoida liiketoimintaa. Tekoälyyn tutustumisen voi aloittaa pienin askelin, esimerkiksi hyödyntämällä tekoälypohjaisia palveluja joita esimerkiksi CRM-alusta tarjoaa.

Ihminen tulee elämään tekoälyn kanssa pitkään ja tämän rinnakkaiselon opettelu kannattaa aloittaa hyvissä ajoin. Meidän täytyy oppia esittämään uudenlaisia kysymyksiä ja etsimään uudenlaisia vastauksia alati muuttuviin liiketoiminnan haasteisiin.

Mitä pikemmin alamme tämän opettelun sitä paremmaksi kykymme näiden kysymysten ja vastausten löytämiseen kasvaa. Tekoäly voi olla uhka, mutta aivan varmasti se on ennen kaikkea mahdollisuus - ja mielestäni jokaisen kannattaisi aloittaa tutustuminen tähän mahdollisuuteen jo tänään.

LUE LISÄÄ TEKOÄLYSTÄ: