Generatiivisen tekoälyn hakutoiminnon rikastaminen RAG-menetelmällä

Tässä artikkelissa kuvataan TKI-hankkeen, yrityksen ja opintojakson yhteistyönä syntyneen tekoälyratkaisun suunnittelu ja toteutus. RAG-tekniikkaa soveltamalla ratkaistiin asiakasyrityksen tarve parantaa hakutoimintoa osana laajaa teollisuudessa käytössä olevaa oppimisympäristöä. Lopputuloksena syntyi toimiva ohjelmisto, joka samalla tarjosi oppimiskokemuksia kaikille osapuolille tekoälyn menestyksellisestä soveltamisesta.

Yritysprojektissa käytetyn teknologian kuvaus

RAG-chatbot (Retrieval Augmented Generation) on tekoälyyn perustuva keskustelubotti. Perinteinen kielimalli vastaa kysymyksiin vain sen perusteella, mitä se on oppinut koulutusvaiheessa. RAG-tekniikassa tätä täydennetään niin, että botti hakee vastauksia varten ajantasaista ja rajattua tietoa erillisestä tietolähteestä, kuten organisaation omista dokumenteista (Kauttonen & Asikainen 2025). RAG-tekniikka parantaa kielimallin luotettavuutta ja ajantasaisuutta, mutta toisaalta se lisää kielimallin prosessoinnin viivettä (Oraskari 2024).

Käytännössä RAG-chatbot toimii pääpiirteittäin siten, että sovellus analysoi käyttäjän kysymyksen ensin ja hakee sen perusteella olennaiset tekstikatkelmat tietokannasta. Nämä haetut sisällöt annetaan kielimallille taustatiedoksi, jonka pohjalta se muodostaa vastauksen. RAG-tekniikka on erityisen hyödyllinen tilanteissa, joissa halutaan varmistaa, että vastaukset perustuvat tiettyihin, ennalta määriteltyihin materiaaleihin, kuten koulutusmateriaaleihin tai sisäiseen dokumentaatioon.

RAG-pohjaiset chatbot-agentit automatisoivat ja virtaviivaistavat toistuvia hakuja, joissa tärkeää on vastausten sisällöllinen luotettavuus, laatu ja nopeus (Gaddala 2023; Zhang ym. 2025). Näin ne tuovat merkittävää lisäarvoa verrattuna yleisiin generatiiviseen tekoälyyn pohjautuviin chatbotteihin.

Yrityksen tarve

Tässä yritysprojektissa toteutimme RAG-pohjaisen chatbotin osaksi Prowledge Oy:n ylläpitämää ja paperi- ja selluteollisuuteen suunnattua koulutusjärjestelmää. Sen tavoitteena oli helpottaa oikean sisällön löytymistä hyvin laajasta sisältökokonaisuudesta. Toteutettu botti käyttää vastauksissaan ainoastaan koulutusjärjestelmän omia materiaaleja.

Ratkaisun etuna on, että chatbotin vastaukset pysyvät koulutusjärjestelmän sisällön rajoissa, mikä parantaa vastausten luotettavuutta ja soveltuvuutta opetuskäyttöön. Lisäksi materiaaleja voidaan päivittää tietokantaan ilman, että itse chatbot-logiikkaa tai kielimallia tarvitsee muuttaa.

Suunniteltu ja kehitetty tekoälyratkaisu

Projekti toteutettiin osana Haaga-Helia ammattikorkeakoulun Softala-projektikurssia. Softalassa opiskelijatiimit toteuttavat kehitysprojektit tiiviissä yhteistyössä tilaajayritysten kanssa. Opiskelijat suorittavat projektin omatoimisesti, mutta tilaajan toivomusten mukaisesti. Työn tilaajaan pidetään yhteyttä koko projektin ajan ja kehitettävä työ on aina tilaajan nähtävillä.

Toteutuksessa hyödynnettiin Microsoft Azuren pilvipalveluita tekoälymallin ajamiseen, vektoritietokantaan sekä skaalautuvuuden ja tietoturvan varmistamiseen. Toteutus on siirrettävissä helposti myös muiden palveluntarjoajan ympäristöihin. Toteutusvaihe kesti noin neljä kuukautta. Projektiryhmässä työskenteli yhteensä kuusi opiskelijaa, joista kenelläkään ei ollut aikaisempaa kokemusta RAG-tekniikasta.

RAG-pohjainen chatbot toteutettiin onnistuneesti, ja sen vasteajat olivat lyhyitä. Järjestelmä sai käyttäjiltä myönteistä palautetta ja täytti asiakkaan hyväksyntäkriteerit. RAG-pohjainen chatbot käsitteli sekä suomen- että englanninkielistä aineistoa, ja toteutus osoitti kieliriippumatonta toimivuutta testauksessa.

Chatbot:iin toteutettiin myös toiminnallisuus, jonka avulla toimeksiantaja näkee käyttäjien esittämät kysymykset, joihin chatbot ei osannut vastata. Tällöin se antaa tuotantokäytössä mahdollisuuden myös koulutusmateriaalin kehittämiseen. Järjestelmä on rajattu vastaamaan ainoastaan koulutusmateriaaleihin perustuviin kysymyksiin. Mikäli käyttäjän esittämä kysymys ei vastaa järjestelmään tallennettua sisältöä, chatbot ei muodosta vastausta.

Projektissa seurattiin myös puheen ulkoisten palveluiden käytön kustannuksia. Ne pysyivät projektin aikana kohtuullisina saavutettuun hyötyyn nähden.

Monipuolinen oppimiskokemus kaikille osapuolille

Projektin lopputuloksen oli tarkoitus olla prototyyppimäinen testi RAG-pohjaisen chatbot:in toimivuudesta koulutusmateriaalin tukena. Opiskelijat onnistuivat projektissa hyvin ja projektin lopputulos oli lähes käyttövalmis toteutus. Yrityksen aitoon tarpeeseen keskittyvä tekoälytekniikoita soveltava ohjelmistoprojekti on monipuolinen oppimiskokemus opiskelijoille, opettajalle, hankkeen asiantuntijoille ja yritykselle itselleen.

Toteutettu projekti oli osa AI Skaalaajat-hanketta, jossa autetaan pk-yrityksiä tunnistamaan ja kehittämään tekoälyä hyödyntäviä uusia ratkaisuja ja skaalaamaan niitä osaksi liiketoimintaansa. Korkeakoulujen opiskelijoille tarjotaan mahdollisuus päästä mukaan hankkeen kautta syntyvään kehitystoimintaan. Näin he oppivat samalla aitoa asiakaslähtöistä projektityötä, jossa yhdistyvät luontevasti TKI, yritysyhteistyö ja oppimistoiminta.

Tekoälypohjaisten ohjelmistokomponenttien ja -ratkaisujen soveltaminen osana tietojärjestelmän kehitystä kasvaa koko ajan. Siksi tällaisten projektien avulla kaikki osapuolet oppivat niiden mahdollisuuksista ja haasteista osana tietojärjestelmien kehitystä. Tekoäly tekee ohjelmistoista entistä automaattisempia, itsenäisempiä ja mukautuvampia, mikä samanaikaisesti tuottaa lisäarvoa loppukäyttäjille. Kehittäjille se avaa myös uusia oppimismahdollisuuksia, joissa oma osaaminen laajenee ja vahvistuu.