Tekoäly on pysynyt viime vuodet tiukasti bisnesjohtajien huulilla. Joulukuun alussa järjestetyn Business Data Forumin lavalla tekoälyn mahdollisuuksista keskustelivat Elinarin teknologiajohtaja Ari Juntunen ja Telia Suomen Head of Data and Analytics Business Tapio Levä. Paneelia juonsi Sofigaten Jani Rahja, joka alkuun tiedusteli syväoppivan tekoälyn määritelmää.
– Syväoppiva tekoälymalli opetetaan ymmärtämään ihmisen käyttämää kieltä samalla tavalla kuin ihminen sen ymmärtää. Sen avulla ihminen voidaan korvata prosessista, mutta päätöksentekoa ja datan tulkintaa tehdään silti samalla tavalla, Juntunen kertoi.
Tekstianalytiikassa syväoppiva tekoäly täytyy aina esiopettaa, sillä ilman kontekstia sanat voivat tarkoittaa yhtä jos toista. Juntusella olikin asiasta oivallinen esimerkki, ja hän tiedusteli Rahjalta, mitä tälle tulee mieleen sanasta kuningas. Rahjan luetellessa vallan ja valtiaan Juntunen nyökytteli vieressä, mutta paljasti heti perään, etteivät kaikki suinkaan vastaa kysymykseen samalla tavoin. Moni tapahtumaan osallistunut oli kertonut, että kuninkaasta tulee mieleen Jari Litmanen. Joku oli yhdistänyt sen Burger Kingiin ja toinen korttipelien herttakuninkaaseen.
Kuvassa vasemmalta alkaen Telian Tapio Levä, Elinarin Ari Juntunen ja paneelia juontanut Sofigaten Jani Rahja.
– Käytännössä esiopetuksessa tehdään kielimalli, joka opetetaan suomen- tai ruotsinkielisellä internetillä. Mallille esitellään uusia esimerkkejä siihen asti, kunnes se ei opi enempää. Tämän jälkeen tarvitaan paljon pienempi määrä automatisoitavaan liiketoimintaprosessiin liittyviä esimerkkejä, joilla esiopetettu malli varsinaisesti opetetaan, Juntunen jatkoi.
Levän mukaan tekoäly sopii erinomaisesti suorittamaan sellaisia tehtäviä, joita ihminen ei pidä mielekkäänä.
– Ihminen siirtyy tekemään enemmän lisäarvoa tuottavaa työtä. Hyvänä esimerkkinä on tekoälypohjainen ostolaskujen tiliöinti, jossa vain vaikeiden tapausten käsittely jää ihmisten tehtäväksi, hän sanoi.
Tehokkuutta ostolaskujen käsittelyyn
Ostolaskujen tiliöinti on myös Juntusen mielestä erinomainen esimerkki tekoälyn käyttökohteesta, sillä mallin opettamiseen tarvittavaa dataa on yrityksen toiminnanohjausjärjestelmissä riittämiin. Lisäksi ihmistyönä tehtävä ostolaskujen käsittely maksaa noin viisi euroa per lasku, joidenkin tutkimusten mukaan enemmänkin.
– Säästö on iso sekä ajallisesti että rahallisesti, kun ihmisen ainoaksi tehtäväksi jää laskun hyväksyminen.
Levän tavoin Juntunenkin painotti, ettei ihmiseltä poistu rooli vaikeiden laskutustapausten käsittelijänä. Hänen mukaansa niin sanottu sweet spot eli tekoälymallin virheettömyysaste löytyy yleensä nopeasti. Se nousee tyypillisesti 90-95 prosentin väliin. Jos automaatiota yritetään viedä tästä pidemmälle, kohoaa hintalappu yleensä huomattavasti.
– Tekoälylle haastavampia ovat harvoin, kerran tai pari vuodessa, tulevat laskut, hän kertoi.
”Tekoäly katsoo peruutuspeiliin, sillä se opetetaan historiatiedolla”
Aihe selvästi kiinnosti yleisöä, sillä moni halusi esittää panelisteille omia kysymyksiä. Yhdessä niistä pohdittiin, onko tekoälymallista hyötyä organisaatiomuutoksen yhteydessä, jos esimerkiksi tilikartat menevät uusiksi.
– Tekoäly katsoo peruutuspeiliin, sillä se opetetaan historiatiedolla. Muutoskohdassa automaatioaste laskee hetkeksi. Jos tarkkuustaso on ollut 90 prosenttia, se saattaa tipahtaa kuukauden ajaksi 70 prosenttiin. Tämän jälkeen saadaan taas ihmisen tekemä tiliöintitieto mukaan datasettiin, ja malli oppii uuden tilikartan, Juntunen vastasi.
Huomioi työntekijät
Prosessien automatisointi vaatii aina hyvää muutosjohtamista. Levä arveli, että työntekijöiden huomioiminen on yksi keskeisimmistä muutosprojektin onnistumiseen vaikuttavista tekijöistä.
– Työntekijät voivat pelätä sitä, että oma työnkuva muuttuu, mutta osa voi ajatella muutosta myös positiivisena. Kaikille pitää pystyä osoittamaan, että he pääsevät tekemään korvaavia töitä, hän sanoi.
Juntusen mielestä bulkkityön korvaaminen tekoälyllä kannattaa, sillä ihminen ei ikinä saavuta samanlaista virheettömyyttä kuin laadukkaalla datalla koulutettu tekoälymalli. Jos tekoäly sattuukin tekemään virheen, toistuu se systemaattisesti ja on siksi helppo huomata toisin kuin ihmisen satunnaisesti tekemät kömmähdykset.
– Aiemmin sanottiin, että bulkkityötä ei kannata tehdä länsimaissa. Mutta minä sanon, että ihmisen ei kannata tehdä bulkkityötä missään päin maailmaa, Juntunen täräytti.
Tekoäly tuo uusia mahdollisuuksia
Ostolaskujen käsittely on vain yksi esimerkki älykkään automaation käyttökohteista. Levä muistutti, että monessa automatisoitavaksi sopivassa prosessissa tapahtumien määrä ei välttämättä nouse suureksi, mutta päätöksen tekeminen vaatii tietyn aihealueen syvällistä tuntemista.
– Yksi esimerkki tekoälyn käyttökohteesta voisi olla vakuutuspäätösten tekemiseen liittyvän terveystiedon käsittely. Prosessin aikana rautainen ammattilainen joutuu käymään isoa dokumenttimäärää läpi, joten tekoälyn avulla hänen aikaansa saadaan kohdistettua oikeanlaiseen tekemiseen, hän pohti.
Tässäkään tapauksessa lopputulos ei olisi se, että tekoäly tekee vakuutuspäätöksen. Se vain tuottaisi ihmiselle ehdotuksia, esimerkiksi kaikista selkeimmistä tapauksista. Lopullinen päätös olisi aina ihmisen tekemä, mutta tekoälyä hyödyntämällä ihmisen aika vapautuisi jälleen kerran kaikista haastavimpien tapausten käsittelyyn.
Jos automatisointi on omassa yrityksessä ajankohtaista, voi ratkaisun sopivuutta pohtia prosessin vaiheiden kautta.
– Kun lähdetään prosessikohtaiseen automatisointiin, voidaan ottaa mikä tahansa toistuvaa työtä sisältävä prosessi, Juntunen sanoi.
– Toinen kategoria ovat kokonaan uudet mahdollisuudet, työt, joita ihmisvoimin ei ole voitu tehokkaasti tehdä. Telialla on iso asiakaspalvelu ja palautetta tulee paljon eri kanavissa ja muodoissa. Puheentunnistuksen ja tekstianalytiikan avulla on pystytty löytämään tähän uusia mahdollisuuksia, Levä paljasti keskustelun päätteeksi.
Teksti: Suvi Lindström & Johannes Puro
ite wikin yrityshaku »
Kaikki it-alan työpaikat »
Kaikki it-alan tapahtumat »
ite wikin referenssihaku »
ite wikin julkaisuhaku »
