AI on yksi tämän hetken kuumista ”buzzwordeista”. Tekoälyltä odotetaan isoja asioita jo lähitulevaisuudessa. Yhdessä AI:n kanssa mainitaan usein myös ohjelmistorobotiikka (RPA ks. https://www.solidabis.com/rakennatko-tyottomia-robotteja/). Kun nämä kaksi yhdistetään, puhutaan älykkäistä ohjelmistoroboteista.

Ajatus tekoälystä ja älykkäistä roboteista on kiehtova ja samalla jopa vähän pelottava. Mihin kaikki tämä voikaan johtaa? Futurististen visioiden ja uhkakuvien rakentelun sijaan me Solidabiksella lähestymme asiaa puhtaan pragmaattisesti: Mitä tekoälyllä ja robotiikalla voidaan LIIKETOIMINNASSA saavuttaa nyt ja tulevaisuudessa.

Perehdytään tähän seuraavaksi vähän syvemmin:

Heti alkuun yksi tärkeä pointti. Jotta voidaan lisätä tekoälyä pitää käyttää ensin ihmisälyä; mitä ollaan tavoittelemassa ja miksi. Vasta tämän jälkeen voi luovuttaa hommat tekoälylle (tai älykkäälle robotille). Tekoäly on myös tällä hetkellä yhtä laadukasta kuin se data millä sitä koulutetaan. Eli ihmisen tuottaman datan täytyy olla älykästä, jotta keinoälystäkin saataisiin älykäs. Tilanne voi olla toinen 10 vuoden päästä, mutta palataan tähän sitten uudelleen. Ehkä nämä jututkin kirjoittaa silloin jo robotti.

Monet tahot maailmalla ja myös Suomessa rakentelevat tällä hetkellä omia tekoälyratkaisujaan. Me Solidabiksella olemme hypänneet IBM:n Watsonin kelkkaan (https://www.ibm.com/watson/index.html). Tämä siksi, että varsinaisen tekoälyn rakentaminen ei oikeasti ole helppoa, saatikka halpaa. IBM:ltäkin on palanut kehitystyöhön yli 10 vuotta ja vino pino dollareita.

Watson on meille vankka alusta, jonka kehitystyöstä ei tarvitse huolehtia. ”Tekoälymoottorin” rakentamisen sijaan me huolehdimme siitä, miten tekoälyn ja siihen kiinteästi liittyvän prosessikehityksen avulla saavutetaan liiketoimintahyötyjä. Toimimme vahvasti b-to-b kentässä ja Watsonin vahvuudet juuri siellä ovat kiistattomat. IBM on rakentanut tekoälyalustaansa juuri liiketoimintaa ja sen prosesseja silmällä pitäen. Watson esimerkiksi oppii pienemmästä määrästä liiketoimintaspesifiä dataa ja integroituu nätisti erilaisiin yrityksessä jo käytössä oleviin ratkaisuihin (esim. Salesforce, WorkDay jne). Universaalin ”one size fits all” ratkaisun https://www.ibm.com/watson/products-services/) lisäksi IBM tarjoaa valmiita toimia-alakohtaisia ratkaisuja (esim. terveys: https://www.ibm.com/watson/health/). Myös Watsonin ”geneeriset” ratkaisut voidaan opettaa omalla tiedolla tekemään juuri sitä, mikä on omalle liiketoiminnalle tärkeää. Tämä taas mahdollistaa älykkäämpää ja ylipäätään uudenlaista automaatiota.

Helposta teknisestä integraatiosta huolimatta pelkkä tekoälyn liimaaminen kiinni liiketoimintaprosessiin ei ole kovin pitkäaikainen ratkaisu (sama pätee ohjelmistorobotteihin). Tässä kohdassa tarvitaan toistaiseksi vielä ihmisälyä. Pitää tunnistaa ne prosessit, joissa tekoälystä on hyötyä ja opettaa tekoäly alkuun. Palvelumuotoilu- ja prosessikehitystekniikoiden sekä puhtaan ihmisten tuoman ammattitaidon avulla voidaan varmistaa, että tekoälylle on varmasti älykästä käyttöä. Itse implementointiprosessissa voidaan myös hyödyntää valmiita ratkaisuja, kuten Business Process Management (BPM) työkaluja tai Sääntöpalveluita (ODM).

Otetaan tähän esimerkki:

Yrityksellä on ”töissä” botti, joka purkaa asiakaspalautesähköposteja. Purkamisen jälkeen botti hyödyntää tekoälyä ymmärtääkseen viestin vapaasta tekstistä aiheen ja sentimentin. Botti voi tämän jälkeen jatkokäsitellä viestin itse tai käynnistää automatisoituja käsittelyprosesseja (BPM). Se mitä tehdään ja mikä prosessi ylipäätään halutaan käynnistää, voidaan määrittää sääntöpalvelussa (ODM).

Helpoin tapa tehdä botista älykkäämpi onkin yhdistää siihen automatisoitua päätöksentekoa ja liiketoimintasääntöjä. Näiden rakentaminen erikseen botin toimintalogiikkaan on usein hankalaa ja myös turhaa. Suuri potentiaali piileekin erilaisten automaatioratkaisujen yhdistämisessä ja integroimisessa keskenään. Näin voidaan automatisoida hyvinkin erilaisia tehtäviä ja pidempiä tehtäväketjuja, eli niitä varsinaisia liiketoiminnan prosesseja.

Hyvin suunnitellun AI:n hyödyntäminen on ennen kaikkea mahdollisuus. Edelläkävijät AI:ssa voivat saavuttaa etua suhteessa kilpailijoihinsa toiminnan tehostumisen myötä. Tämä edellyttää kuitenkin, että AI on implementoitu oikein ja oikeaan paikkaan. Älyvapaassa tekoälyssä kun ei ole järkeä.