Tekoäly on ollut yksi viime vuosien muotisanoista. Viimeksi tekoälystä on puhuttu näin paljon 1990-luvulla, jolloin suuri hype hiljalleen vaihtui tasaiseen ja osin suurelta yleisöltä näkymättömissä olevaan kehitykseen. Viimeisen kahdenkymmenen vuoden aikana moni asia on muuttunut. Tekoälyalgoritmit ovat parantuneet ja oppineet jopa parantamaan itse itseään eli syväoppimaan.

Myös käytettävien koneiden laskentateho on kasvanut merkittävästi. Se mihin ennen pystyi vain supertietokoneella, voidaan kohta tehdä millä tahansa kännykällä. Pienenkin yrityksen infrastruktuuri taipuu jo melkoisten datamassojen käsittelyyn. Kunhan vain on dataa mitä käsitellä, ja mielekkäitä sovelluksia dataa käsittelemässä.

Tekoäly mukaan jokapäiväisiin työtehtäviin

Varsinkin pk-yrityksissä tekoälyn hyödyntäminen on uutta. Toimijat eivät välttämättä tiedä, miten tekoälyä voisi hyödyntää heidän omassa liiketoiminnassaan tai he eivät tiedä, miten lähteä liikkeelle. Tekoälykeskustelussa on yhä paljon hypeä, ja tiedotusvälineissä esitellään tieteisfantasiaa hipovia tekoälytarinoita, jotka kaikesta hienoudesta ja hehkutuksesta huolimatta ovat vaikeasti sovitettavissa pk-yrittäjän arkeen. On riski, että tekoäly jää pk-yrityksille etäiseksi, toistaiseksi tarpeettomaksi asiaksi.

Siksi onkin tärkeää, että pk-yrityksille tarjotaan mahdollisuuksia tarkastella tekoälyratkaisuiden potentiaalia nimenomaan heidän oman liiketoimintansa näkökulmasta. Pk-yrityksille pitää pystyä osoittamaan mitä tekoäly voisi tarkoittaa arjen tasolla, miten tekoälyn avulla arkisia prosesseja voidaan tehdä mielekkäämmiksi ja tehokkaammiksi, välttää hukkatyötä ja hävikkiä, ja kohdentaa resurssit sinne, missä niitä eniten tarvitaan. Järjestelmätoimittajien, sekä koulutus- ja tutkimusorganisaatioiden pitää myös kuunnella mitä kysymyksiä tämänkaltaiset ajatukset herättävät, ja olla yhdessä muodostamassa tekoälyvisioita yrityksille.

Tietojärjestelmät ovat käyttäjiä, ei dataa varten

Vähintäänkin yhtä tärkeää kuin realististen visioiden suunnittelu on myös valmiuksien kehittäminen. Tekoälyratkaisut eivät toimi itsekseen, ne tarvitsevat toimiakseen riittävän määrän tarpeeksi luotettavaa dataa. Tästä nousee heti esiin kolme kysymystä: 1) mikä on riittävä määrä, 2) mikä on tarpeeksi luotettavaa ja 3) mistä dataa saadaan?

Vastataan ensimmäisenä tuohon kolmanteen kysymykseen: dataa saadaan erilaisista tietojärjestelmistä. Siksi onkin oleellista kartoittaa olemassa olevat tietojärjestelmät ja niiden tuottama data, sekä arvioida minkälaisia tietojärjestelmiä pitää rakentaa, jotta saadaan tarvittava data. Ja tässä kohtaa piilee myös ansa, joka liittyy nimenomaan datan riittävyyteen ja luotettavuuteen: saattaa unohtua, että tietojärjestelmistä saadaan huomattavasti luotettavampaa dataa ulos, jos ihmiset ovat halukkaita käyttämään tietojärjestelmiä.

Yhtäkään sovellusta ei pitäisi rakentaa vain tiedonkeruuta varten, vaan sovelluksien pitäisi olla aitoja työkaluja, jotka helpottavat käyttäjän suoriutumista työssään. Toki autoritäärisessä organisaatiossa ihmiset voidaan määrätä käyttämään järjestelmään, pidetään siitä tai ei. Pakko ei kuitenkaan ole kovin kiva kannustin. Käytännössä pakotettu järjestelmän käyttö jää helposti muiden töiden jalkoihin, tai järjestelmään syötetään mahdollisimman nopeasti juuri sellaista dataa mitä oletetaan haluttavan. Saatu data ei ole riittävää eikä luotettavaa. Sellaisen datan päälle rakennetun tekoälyratkaisun liiketoimintahyödyt jäävät vaatimattomiksi, elleivät suorastaan negatiivisiksi.

Digitaalisia valmiuksia täytyy kasvattaa

Onkin siis tärkeää, että samalla kun yrityksille visioidaan erilaisia tekoälyn tuomia ratkaisuvaihtoehtoja, yrityksien digitaalisia valmiuksia kasvatetaan. Tavoitteena on lisätä ymmärrystä siitä, miten toimintaa kannattaa digitalisoida toimintaa tehostaen ja siten, että työntekijät saavat kehitetyistä tietojärjestelmäratkaisuista itselleen työtä helpottavia työkaluja, joita myös aidosti haluavat käyttää. Tällöin varmistetaan, että kehitettävillä tekoälyratkaisuilla on käytössä riittävästi luotettavaa dataa, ja että yritykset itse ymmärtävät koko kehityskaaren vanhasta toimintamallista tekoälyratkaisuja hyödyntävään malliin.

Tämän kokonaisuuden muodostaminen on yksi Haaga-Helian koordinoiman AI-TIE -hankkeen keskeisiä tavoitteita.

Lue lisää: AI-TIE – Tekoälyinnovaatioekosysteemillä kilpailukykyä PK-yrityksille