Usein prosessit nähdään helminauhamaisena ketjuna, joilla on selkeä alku- ja loppupiste, ja joissa osatehtävät suoritetaan muista liiketoiminnoista erillisinä. Prosessien väliset riippuvuudet ja prosessien vaikutus ympäristöönsä on kuitenkin merkittävä asia. Joskus riippuvuudet voivat aiheuttaa ei-toivottuja yllätyksiä tai rajoituksia ja joskus ne tarjoavat uudenlaisia liiketoimintamahdollisuuksia, joita ei ehkä perusprosessissa ole aiemmin osattu hahmottaa.

Jos prosesseja hallitaan ilman tietojärjestelmiä, voidaan erilaisten riippuvuuksien vaikutus huomioida ad-hoc -periaatteella. Haasteet ratkaistaan sitä mukaa kun niitä ilmenee, eikä niitä välttämättä edes koeta suuriksi. Tilanne mutkistuu nopeasti, jos prosessi digitalisoidaan huonosti, ja prosessia tukemaan tarkoitettu tietojärjestelmä sementoi käytännöt joustamattomiksi, eikä huomioi muita prosesseja ja ulkopuolisia riippuvuuksia.

Miten löytää malli, jossa kaikki voittavat?

Ratkaisu voi tuottaa osaoptimointia, jolloin yksi prosessi tehostuu, mutta toiset kärsivät. Pahimmillaan haittaa koituu kaikille. Digitalisoitu prosessi muuttuu liian jäykäksi, ja samanaikaisesti muut prosessit hankaloituvat.

Erityisen suureksi riski nousee, kun automatisoidaan työtehtäviä. Ihmistyön korvaava algoritmi tai tekoäly ei pysty huomioimaan prosessin ulkopuolista ympäristöä ja luomaan kokonaiskuvaa samalla tavalla kuin ihminen.

Digitalisointi voi kuitenkin mennä myös hyvin. Parhaassa tapauksessa prosessien keskinäiset riippuvuudet ja kytkennät ympäristöönsä ovat kaikille toimijoille valmiiksi selkeitä, ja prosessimuutosten kokonaisvaikutusta tarkastellaan jo varhaisessa vaiheessa. Tällöin on mahdollista päästä win-win -ajatteluun.

Mietinnässä ei ole pelkästään yhden prosessin tehostaminen, eikä vain yrityksen sisäinen kehittäminen, vaan myös se, mitkä ovat vaikutukset yrityksen asiakkaisiin ja heidän prosesseihinsa. Pohditaan, miten prosessiparannuksilla voidaan tukea vihreää siirtymää sekä omassa että asiakkaan toiminnassa.

Case SA-TU Logistics

Näitä kysymyksiä pohdittiin myös SA-TU Logistics Oy:ssä, kun he osallistuivat AI-TIE -hankkeessa toteutettuun Suomen ensimmäiseen puhtaan teollisuuden tekoälykiihdyttämöön syksyllä 2021. Tavoitteena oli löytää keinoja kehittää toimintaa tekoälyn avulla. Alkuvaiheessa ideoimme ja analysoimme useita potentiaalisia käyttötapauksia. Loppuvaiheessa monien keskustelujen jälkeen valitsimme niistä yhden, tullauksen valmistumisaikaennusteen. Valinta oli selkeä siksi, että käyttötapaus tarjosi keinoja optimoida useita prosesseja ja laskea toiminnasta syntyviä päästöjä.

SA-TU Logistics on kotimaan logistiikkapalveluita tarjoava yritys, joka on ollut joulukuusta 2021 alkaen osa yhdessätoista Euroopan maassa toimivaa yli tuhannen tullausammattilaisen Customs Support Groupia. Yritys on ollut jo pitkään suurin yksityisessä omistuksessa oleva tulli-ilmoitusten tuottaja Suomessa noin 150 000 vuosittaisella tulli-ilmoituksella. Tullaus on vaativaa asiantuntijatyötä, jota tehdään tietoteknisten ratkaisujen avulla ja tulevaisuudessa yhä enemmän myös tekoälyratkaisujen tukemana.

Yrityksen asiakkaille on erittäin tärkeää saada luotettava ennuste tullaukseen kuluvasta ajasta, jotta tullattujen tuotteiden jatkokuljetusten tilaus tullivarastosta voidaan ajoittaa täsmällisesti. Näin voidaan välttää turhia ajokilometrejä ja tarpeetonta odottelua, ja näistä seuraavia päästöjä ja kustannuksia.

SA-TU Logisticsin tavoitteena on siis löytää keinoja henkilötyötuntien käytön optimointiin ja prosessin ajalliseen tehostamiseen. Mahdollisilla ratkaisuilla on myös suora vaikutus ympäröiviin prosesseihin.

Tällä hetkellä kuljetusyhtiöt eivät tiedä milloin tullatut tavaraerät voi noutaa. Siksi rekka saattaa saapua liian aikaisin vain lähteäkseen tekemään toisen ajon ennen noutoa. Rekka saattaa myös odottaa tyhjän panttina tullauksen valmistumista. Tästä koituu kuljetusyhtiöille turhia henkilöstökuluja, koska kuljettajille on maksettava myös odotusajasta. Lisäksi syntyy turhia polttoainekuluja. Koska volyymit ovat valtavia, myös turhilla päästöillä on suuri merkitys.

Sopiva ja toteuttamiskelpoinen kehittämisen kohde

Ratkaisuksi kehitetään SA-TU Logisticsin asiakkaiden tällä hetkellä käytössä olevaan tullausten tilausportaaliin uusi ominaisuus, ennuste tullaustoimeksiannon kestolle. Ennusteen avulla asiakas voi seurata tullaustoimeksiannon kestoa ja arvioitua valmistumisaikaa, ja järjestellä esim. kuljetuskapasiteetin sen mukaiseksi. Samalla järjestelmä tuottaa tietoa SA-TU Logisticsin sisäiseen käyttöön ja mahdollistaa entistä tarkemman henkilöstöresurssien ja ajankäytön suunnittelun.

Tekoälykiihdyttämössä haettiin toteuttamiskelpoisia, sopivan pienehköjä kehittämiskohteita. Sellaisia, joista yritysten on helppo lähteä liikkeelle, vaikkei aikaisempaa tekoälyosaamista olisikaan. Tekoälyn avulla tuotettava tullauksen valmistumisaikaennuste osoittautui sopivaksi haasteeksi. Valintaa ohjasi myös se, että SA-TU Logisticsillä oli käytettävissään riittävä määrä luotettavaa dataa.

Valitsimme tämän kehityskohteen (tullaustoimeksiannon valmistumisennuste), koska sen datat ovat verrattain helposti saatavissa ja tiedämme, että se voidaan toteuttaa paitsi tekoälyratkaisuna niin myös tarvittaessa ihan perinteisin menetelmin, joten missään tapauksessa työ ei mene hukkaan.

IT-johtaja Jyrki Messo, SA-TU Logistics Oy

Mitä seuraavaksi?

Kiihdyttämössä käytetty lähestymistapa siis osoittautui toimivaksi SA-TU Logisticsille. Tästä ja muista AI-TIE -hankkeen yritystapauksista kerätään jatkossa lisää kokemuksia ja oppeja jaettavaksi. Ne tiivistetään osaksi syksyllä 2022 julkaistavaa verkkokurssia.

Parhaimmillaan suunnitteilla oleva kurssi ohjaa yritystä valitsemaan lupaavimmat tekoälyn avulla kehitettävät kohteet ja käyttötapaukset. Tästä yritysten on helppo jatkaa vaikkapa Proof-of Concept (PoC) -vaiheeseen, tekoälyprojektin tarkempaan suunnitteluun ja sopivan kehittämiskumppanin valintaan. Tuodaan yhdessä tekoäly töihin!

Kuva: www.shutterstock.com