Yli 700 yritystä kilpaili tekoälysovellusten kehittämiseen keskittyvässä Watson Build -kilpailussa, jonka finaali pidettiin loppuvuodesta 2017 New Yorkissa.

Kaikista maailman ehdokkaista kahdeksan finalistin joukkoon ja epäviralliseen kärkikolmikkoon nousi suomalainen Elinar AI Miner -sovelluksellaan.

– Pääsimme ensin Euroopan finaaliin Cannesiin noin parinkymmenen parhaan yrityksen joukkoon. Emme voittaneet Euroopan osakilpailua, mutta tie finaaliin aukesi kun meidät nostettiin mukaan maailmanlaajuisella villillä kortilla, digitaalisesta markkinoinnista ja viestinnästä Elinarilla vastaava Jani Wahlman kertoo.

IBM:n organisoima Watson Build tarjoaa mielenkiintoisen tilaisuuden uuden innovaation kehittämiselle ja laajan yleisön saavuttamiselle. Mistä Elinarin palkitussa tekoälysovelluksessa oikein on kyse?

Elinarin CTO ja tekoäly- arkkitehti Ari Juntunen esiintymässä Watson Buildissa New Yorkissa.

Lähtökohtana tietointensiivisten organisaatioiden tarpeet

Rakenteettoman datan, kuten tekstidokumenttien osuuden kaikesta datasta on arvioitu useissa lähteissä olevan jopa 80 – 90 prosenttia. Tutkimuslähteet, joihin nämä lukemat perustuvat, ovat kuitenkin osoittautuneet suurilta osin asiantuntijoiden tuntumaan perustuviksi.

Tiedossa kuitenkin on, että kaikenlaisen datan, myös yksityisyysdatan, määrä kasvaa. Erityisesti rakenteettomaan dataan on vaikeampi päästä kiinni ja saada se siten hyötykäyttöön.

”Ihmisresursseilla datan hyödyntäminen on mahdotonta tai vähintäänkin erittäin kallista”

Elinarilla keskitytään tietointensiivisiin organisaatioihin, joilla on paljon dataa ja jotka tarvitsevat hienostuneita ratkaisuja sen hyödyntämiseen.

– Rakenteettomassa datassa on hurjasti liiketoimintapotentiaalia. Ihmisresursseilla datan hyödyntäminen on kuitenkin mahdotonta tai vähintäänkin erittäin kallista, Wahlman kertoo.

Tekoäly avuksi

Kun kehitettävä prosessi on tunnistettu, lähdetään liikkeelle siitä, että datan ja informaation käsittely automatisoidaan mahdollisimman pitkälle.

– Seuraavaksi otetaan avuksi oppiva tekoäly, joka pystyy hoitamaan mitä erilaisempien sisältöjen hallintaa vähemmin virhein, määräysten mukaisesti ja erittäin tehokkaasti, Wahlman kuvaa tekoälyn etuja.

Tekoäly opetetaan datamassalla ymmärtämään, millaisia tietorakenteita ja dokumenttityyppejä liiketoimintaprosessi sisältää. Sen jälkeen älykkään järjestelmän tekemiä ratkaisuja seurataan ihmisen toimesta, jolloin työaikaa ja vaivaa säästyy merkittävästi.

– Sisältöjen maailmassa yksi malli sopii kaikille -ajattelutapa ei toimi. Tekoälypohjainen järjestelmä oppii työskentelemään juuri tietylle yritykselle ominaisten sisältöjen, prosessien ja mallien kanssa. Lisäksi tekoäly oppii jatkuvasti lisää. Näin ollen yritysten ei tarvitse tehdä yhtä valtavaa, kankeaa ratkaisua, joka jää vanhaksi, kun toiminta muuttuu.

Jani Wahlmanin mukaan oppivalla tekoälyllä voidaan hoitaa mitä erilaisimpien sisältöjen hallintaa tehokkaasti.

 

Useita toimialoja koskettava esimerkki tekoälyn soveltamisesta löytyy tilausten prosessoinnista. Yritykseen voi tulla tilauksia sisään hyvin erilaisissa muodoissa, esimerkiksi osa sähköpostina, osa verkkolomakkeella ja osa chatissa. Yleensä välissä työskentelee ihminen tulkitsemassa, mistä on kyse ja laittamassa asiaa eteenpäin käsityönä esimerkiksi toiminnanohjausjärjestelmään. Toimintatapa on kallis ja aikaavievä.

Tekoälyn avulla rakenteettomasta datamassasta tunnistetaan tilaukset, jotka lähtevät eteenpäin automaattisesti.

”Pankilla voi olla hallussa 200 miljardia dokumenttia”

– Tekoälyn vahvuuksiin päästään kiinni, kun mietitään esimerkiksi datamassoja, joita yritykset joutuvat käsittelemään. Vaikkapa pankilla voi olla hallussa 200 miljardia dokumenttia. Kun dokumenttien volyymi nousee, toiminta menee nopeasti tehottomaksi – tai mahdottomaksi – ilman oppivaa tekoälyä, Wahlman pohtii.

Esimerkkinä EU:n tietosuoja-asetuksenmukaisuudesta huolehtiva GDPR AI Miner

Ei tarvitse kuin avata LinkedIn tai Tietoviikko huomatakseen, että tekoälyhypeä riittää niin verkossa kuin printissäkin. Watson Build -kilpailun finaalipaikka kertoo kuitenkin siitä, että Elinarilla myös tiedetään mistä puhutaan.

Palkittu tekoälysovellus GDPR AI Miner tunnistaa datamassasta, sisältävätkö yrityksen hallussa olevat tiedot tietosuoja-asetuksen alaisia henkilötietoja.

– Organisaatiolla voi olla samasta henkilöstä tietoja useassa lähteessä. Nämä tiedonmurut voivat muodostaa henkilötietotallenteen, jollaisia AI Miner muun muassa tunnistaa. Sovellus koulutetaan ensin 200 – 2000 dokumentilla siihen, missä muodossa yrityksen tiedot ovat.  Sen jälkeen sovelluksen läpi ajetaan sisältöjä, josta tietosuoja-asetuksen alainen tieto tunnistetaan.

Finalistien kelpaa hymyillä! Elinarin Tiina Ikala ja Ari Juntunen New Yorkin palkintogaalassa.

 

EU GDPR eli EU:n tietosuoja-asetus on hyvä esimerkki ja kannustin liikkeelle lähtöön tekoälyn kanssa, mutta periaatteessa sovellusta voidaan käyttää minkä tahansa datamallin katsomiseen.

– Perusratkaisumme on AI Miner, ja sitä voidaan soveltaa laajalti monenlaisen datan käsittelyyn. Esimerkiksi kilpailussa ja sen jälkeen AI Mineria on sovellettu GDPR:n alaisen datan käsittelyyn, joten selvyydeksi puhumme GDPR AI Minerista, Wahlman kertoo.

Tuoko AI Miner jo liiketoimintaa?

– Palvelu on kerännyt kovasti kiinnostusta ja meillä on tällä hetkellä proof of concept -projekteja käynnissä. Haemme suoria asiakkaita, mutta rakennamme AI Minerin ympärille myös kumppaniverkostoa. Kokemuksemme mukaan markkinassa on varsin vähän ratkaisuja rakenteettoman datan haasteeseen ja tämä voi hyvin olla puuttuva pala joltain tulevalta partnereilta. Jos kiinnostus heräsi, sopii olla yhteydessä!, Wahlman heittää kutsun ilmoille haastattelun loppuun.

 

Elinarin kotisivut

Elinarin ite wiki-profiili

 

Onko yrityksellänne mielenkiintoinen juttu kerrottavaksi, ohjelmisto esiteltäväksi tai osaava digitalisaation asiantuntija haastateltavaksi? Ole yhteydessä ite wikin toimitukseen johannes.puro@itewiki.fi, tai elina.koskipahta@itewiki.fi niin tehdään artikkeli!