Tekoälyagentit julkishallintoa tehostamaan

Vasta hetki sitten opettelimme tekemään oikeanlaisia prompteja generatiiviselle tekoälylle kuten CoPilotille tai ChatGPT:lle. Tekoälyn tulo työpaikoille muovasi lähes kaikkien organisaatioiden työtä jossain määrin uuteen uskoon, vaikka tutkimuksissa ei vielä ole kyetty osoittamaan sen tuomia hyötyjä kuten tehokkuuden lisääntymistä. Nyt kohistaan kuitenkin jo tekoälyagenteista, joiden ennustetaan olevan generatiivista tekoälyä tehokkaampia, älykkäämpiä ja oppivia.

Haaga-Helian Tekoälytoimijuus – taitoa, tuottavuutta ja hyvinvointia tekoälyä hyödyntäen -hankkeessa selvitämme yhteistyössä kuntien, kaupunkien ja hyvinvointialueiden kanssa tekoälyn hyödyntämistä julkishallinnossa. Siksi on tarpeen tarkastella mitä nämä agentit ovat, niiden toimintaperiaatteita ja käyttötapoja sekä pohtia niiden hyötyjä ja haasteita erityisesti julkishallinnon näkökulmasta.

Agenttityyppejä on eri käyttötarkoituksiin

Tekoälyagentti eroaa esimerkiksi generatiivisen kielimallin CoPilotin tekoälystä. CoPilotillehan syötämme kysymyksiä ja tehtäviä ja CoPilot vastaa väsymättömästi. Se ei kuitenkaan opi tai päätä puolestani asioita. Tekoälyagentti sen sijaan ei ole pelkkä chatbot, automatisoitu prosessi tai promptaukseen perustuva kielimalli, vaan se on kontekstitietoinen, oppiva ja vuorovaikutteinen järjestelmä, joka voi hoitaa itsenäisesti erilaisia tehtäviä, tehdä ehdotuksia, analysoida, yhdistellä tietoa, ennakoida tarpeita ja jopa tehdä päätöksiä.

Tekoälyagentti voi olla niin sanottu yksittäinen agentti eli itsenäinen tekoälyjärjestelmä, joka toimii yksin ja suorittaa tehtävänsä ilman muiden agenttien apua. Asiakasagentti voi esimerkiksi vastata asiakkaiden kysymyksiin käyttäen luonnollista kieltä. Työntekijäagentti vai olisiko parempi nimitys HR-agentti puolestaan järjestelee sujuvasti henkilöstön kesälomat ja koodariagentti tuo apua ohjelmointityöhön. Organisaation ulkoisia uhkia voidaan torjua turva-agentilla ja data-agentti huolehtii nopeasti laajojen aineistojen analyyseistä. Yksittäisiä agenttityyppejä on siten useita eri käyttötarkoituksiin. Yksittäiset agentit ovat tutkijoiden mukaan helppoja kehittää, testata ja ylläpitää. Jos agenttien teko kiinnostaa, niin Microsoftin CoPilot studiosta löytyy ohjeita niiden tekemiselle.

Deep Research on agentin erikoistapaus, joka keskittyy laajojen tietomassojen monivaiheeseen läpikäyntiin ja analyysiin. Tuloksena voi syntyä lähteytetty dokumentti, vaikka markkina-analyysi, arvio liiketoimintamahdollisuuksista tai kilpailutilanteesta. Deep Research on, kuten nimikin antaa ymmärtää, varmasti tutkijoille oiva apuväline.

Agentit voidaan nivoa työskentelemään yhdessä. Tällöin puhutaan moniagenttijärjestelmistä (Multi-Agent-Systems MAS). Agentit tekevät yhteistyötä, kilpailevat tai koordinoivat asioita keskenään saavuttaakseen yhteisiä tai yksilöllisiä tavoitteita. Vaikka yksi agentti jumittuisi, muut voivat jatkaa työtä. Kun agentit toimivat järjestelmässä, jokaisella on oma erikoistunut tehtävänsä. Useiden agenttien järjestelmiä käytetään esimeriksi älyliikennejärjestelmissä ja vaativissa logistiikkatehtävissä.

Agenttien automaation tasoja on useita. Täysautomaatiossa koko prosessi hoidetaan ilman ihmisen osallistumista. Osittaisessa automaatiossa tekoälylle annetaan hoidettavaksi osa prosessista, mutta ihminen on vastuussa lopullisista päätöksistä. Avustavissa järjestelmissä tekoälyt tukee viranomaisia tarjoamalla erilaisia työkaluja ja avustamalla päätöksenteossa vaikkapa tekemällä tiivistyksiä kuntalaisen valituksista.

Tekoälyagenttien hyöty kunta- ja hyvinvointialueiden kontekstissa

Asiakaspalvelussa agentti voi tunnistaa asiakkaan ongelman automaattisesti ja etsiä ratkaisun kunnan tai hyvinvointialueen tietokannoista. Agentti kommunikoi asiakkaan kanssa luonnollisella kielellä. Se oppii jokaisesta vuorovaikutuksesta ja parantaa vastauksiaan saamansa palautteen esimerkiksi asiakkaan lisäkysymysten perusteella.

Hallinnossa agentti voi auttaa kokousten valmistelussa, dokumenttien luonnissa ja tiedon haussa eri järjestelmistä. Se voi valmistella päätöksiä ja vastauksia valituksiin. Agentti voi kerätä kokemuksia, tallentaa tietoa ja hyödyntää sitä tulevissa päätöksissä. Automatisointi voi yksinkertaistaa oikeudellisia prosesseja ja vähentää inhimillisiä virheitä.

Sote-palveluissa agentti voi tukea ammattilaisia esimerkiksi muistuttamalla hoitosuunnitelmista, seuraamalla potilastietoja tai ehdottamalla toimenpiteitä perustuen aiempiin tapauksiin. Diagnostiikka-agentit avustavat nimensäkin mukaisesti diagnoosien tekemisessä. Robottikirurgia voi puolestaan tehostaa hoitoprosesseja.

Keskustelu tekoälyagenteista on ajankohtainen sillä kunta- ja hyvinvointialueiden resurssit ovat tiukoilla, ja työn kuormittavuus kasvaa. Tekoälyagentti ei korvaa ihmistä, mutta voi toimia digitaalisena työparina, joka voi keventää arkea, vapauttaa aikaa vaativimmille tehtäville ja parantaa palveluiden laatua. Kun agentti on suunniteltu eettisesti ja käyttäjälähtöisesti, se voi lisätä työn mielekkyyttä ja tuoda uudenlaista tehokkuutta.

Tekoälyagenttien käyttöönotossa huomioitavaa

Tekoälyagentin käyttöönotto ei vaadi suuria investointeja heti. Työyhteisön omat osallistavat pilottihankkeet, rajatut käyttötapaukset ja yhteistyö tutkimus- ja kehitystoimijoiden kanssa ovat hyvä tapa aloittaa. Kokemuksemme perusteella tärkeintä on tunnistaa, missä kohtaa työprosessia agentti voisi tuoda eniten hyötyä ja lähteä liikkeelle siitä – askel kerrallaan.

Ensin on valittava, missä prosessissa agenttia voisi olla helpointa testailla. Voisiko peräti jokin innokas työntekijä tehdä agentin itse ja testailla sitä oman tiiminsä kanssa. Kuntalaiset antaisivat hyvin todennäköisesti nopeasti palautetta asiakasagentista ja sen toimijuudesta.

Vaikka tekoälyn käyttöä sanotaan helpoksi, sen integroiminen osaksi palvelujärjestelmää ei ole hankkeessa sujunut ihan kivuttomasti. Haasteita riittää, sillä usein kunta- ja hyvinvointialueilla noudatetaan tiukkoja tietosuojavaatimuksia ja lainsäädäntöä.

Lakitekstit ovat yleensä varsin monitulkintaisia ja siten hankalia tekoälyn ymmärtää. Suomi pienenä kielialueena ei sekään ole kovin kiinnostava kehittämiskohde tekoälyjättien näkökulmasta. Näin ollen Suomen kieltä käytettäessä kielestä ja sen tulkinnasta johtuvat virheet voivat olla varsin merkittäviä. Kunta- ja hyvinvointialueilla on myös paljon päätösasioita, jotka vaativat inhimillisiä näkökulmia. Siten on tarkkaan harkittava, kuinka paljon päätäntävaltaa tekoälyagenteille voi luovuttaa. Agenttien käyttöönottoa voivat hankaloittaa myös vaatimukset suuresta laskentatehosta, eli on pohdittava kustannus-hyöty-suhdetta.

Tekoäly tarvitsee paljon dataa päätöstensä taustalle, joten datan on oltava laadukasta, yhdenvertaista, syrjimätöntä ja puolueetonta. Tekoälyn toiminnassa läpinäkyvyys on kaiken a ja o.

Kuva: Shutterstock