Viisi neuvontapalvelua, jotka nopeuttavat tekoälymatkaasi

Tekoälyn käyttöönotto ei ole tekninen suorite, vaan kokonaisvaltainen liiketoimintamuutos. Valtaosa Cloud1:n työpanoksesta kuluu teknologian haasteiden parissa, mutta teknisen työn vaikuttavuus moninkertaistuu, kun ongelmiin tartutaan myös liiketoiminnallisella tasolla. 

Tässä kirjoituksessa esittelemme viisi konsultointipalveluamme, joiden avulla tuemme asiakkaitamme tekoälymurroksessa. Palveluiden tarvekin on selvä: Kun länsieurooppalaisilta yritysjohtajilta kysyttiin, mitkä tekijät estivät heidän organisaatioitaan ottamasta tekoälyä käyttöön, vastaukset olivat selkeitä. (Datalähde: IDC:n tutkimusraportti 2024 Business Opportunity of AI)

Myös yritysten keskeisimmät huolet ja pelot tekoälyn käyttöönotossa liittyvät dataan ja AI-hallintaan: Datan hallintakäytännöt (40 %), vaatimustenmukaisuus (38 %), datan turvaaminen (38 %) ja yksityisyydensuoja (37 %) ovat saman IDC:n tutkimuksen mukaan neljä tärkeintä tekoälyn käyttöönottoon liittyvää huolta.

Jotta piloteista päästään oikeasti tuloksellisiin tuotantoratkaisuihin, perusteiden pitää olla kunnossa. Konsultointitiimimme voi auttaa monella tavalla, joista tässä muutama konkreettinen esimerkki.

1. Data hallintaan

Data governance -työmme tavoitteena on varmistaa, että asiakkaidemme data on jäsennelty tavalla, joka kestää aikaa. Datatuotteet, selkeät omistajuudet, dokumentoidut vastuut ja käyttötavat ovat muutamia esimerkkejä siitä, mitä tyypillisesti jätämme jälkeemme. Valtaosa työstä on liiketoimintakäsitteiden selkeyttämistä, prosessien dokumentointia ja näistä viestintää.

Työn laajuus vaihtelee. Yksinkertaisimmillaan riittää selkeyttää ja kuvata tiedonhallinnan vastuut ja prosessit. Monimutkaisimmillaan tietovaraston taulujen, rivien ja sarakkeiden omistajuuden selkeyttäminen on prosessi, jota tehdään muun työn ohessa vuosia, ja datatuotteet jäsentyvät sitä mukaa, kun organisaation matka kohti dataohjautuvuutta ja tekoälyn hyödyntämistä etenee.

2. Tekoälyperustan valaminen

Yksittäisen pilottiprojektin tekee miten vain, mutta laajamittainen AI:n hyödyntäminen tuotannossa vaatii tiettyjä perusasioita. Teknisessä mielessä kannattaa yleensä pystyttää AI-alusta – käytännössä riittävät tekniset elementit, joiden avulla kaikki projektit voivat toimia samoilla perussäännöillä. Prosessimielessä suosittelemme tekoälykeskuksen organisointia, aluksi yleensä hyvin osa-aikaisin voimin.

Teknisesti valmis AI-alusta ja tekoälykeskuksen tuoma osaaminen mahdollistaa sen, että jokaisen projektiryhmän ei tarvitse osata ottaa kantaa kaikkiin kysymyksiin. Tekoälysovellusten kehittäjät ovat tyypillisesti yksittäisen liiketoiminta-alueen tai -ongelman asiantuntijoita, ja heidän tulisi voida keskittyä tähän. Alusta tuo mukanaan jaettuja palveluita: Ratkaisujen valvonnan, vakioidun tavan mallipäivityksiin, testauskäytännöt ja -välineet, vaatimustenmukaisuuden hallinnan.

AI-alustan pystyttämiseen tarvitaan Azuren teknisiä rakennusosasia, mutta suuri osa tästäkin työstä on konsultatiivista: henkilöstön kouluttaminen, prosessien kehittäminen ja monet muut tehtävät ovat luonteeltaan neuvontatyötä. Kertaluontoisen pystytyksen jälkeen asiakas voi hyvin ylläpitää omaa AI-alustaansa, jos tehtävään sopiva henkilö löytyy valmiiksi palkkalistoilta – tai nojata meihin jatkossakin.

3. Sovellusideoiden priorisointi

GenAI-aalto synnyttää ideoita. Monissa asiakasorganisaatioissamme potentiaalisia tekoälyn käyttökohteita on tunnistettu kymmeniä tai jopa satoja. Kaikkiin näihin investoiminen ei ole mitenkään realistista. Esiseulonnassa on oltava sekä tekninen että liiketoiminnallinen kynnys: Mitkä ratkaisut on todellisuudessa mahdollista toteuttaa, ja missä riskit ovat liian suuret? Entä missä caseissa ratkaisu tuottaa onnistuessaan tarpeeksi hyötyä, että takaisinmaksuaika on tarpeeksi lyhyt?

Teemme asiakkaillemme myös tekoälyideoiden suodattamista. Kokemuksemme mukaan karkeasti ottaen puolet ideoista voi olla pilottihankkeen arvoisia, mutta vain 10–20 % voidaan viedä järkevästi tuotantoon. Priorisointityön ideana on ohjata resursseja sinne, missä tekoälystä on maksimaalinen hyöty, ja siirtää odotuslistalle sellaiset kohteet, joissa teknologia tai organisaation datamassa ei ole vielä riittävän kypsä.

Priorisointityö voidaan pitkässä ja läheisessä asiakassuhteessa jopa ulkoistaa kokonaan. Useimmiten osallistumme tähän työhön asiakkaan omaa tekoälyorganisaatiota täydentäen. Käytännössä aina kyse on jatkuvasta yhteistyöstä, jossa kaikkien osapuolten käsitys mahdollisuuksista ja tuottavuudesta paranee ajan kuluessa.

4. Tekoälyratkaisujen palvelumuotoilu

Valtaosa tekoälyratkaisuista toimii – ainakin elinkaarensa alkuvaiheessa – vuorovaikutuksessa ihmisen kanssa. Minimissään ns. human in the loop -suunnitteluperiaatteella rakennetaan järjestelmiä, joissa tekoälyn tekemät toimet jätetään aina ihmisen hyväksyttäviksi.

Tuottava tekoälyratkaisu vaatii laadukkaan käyttökokemuksen. Prosessien on tehtävä ihmisen ja tekoälyn interaktio luontevaksi, tai vähintäänkin ratkaisut on muotoiltava siten, että tekoäly saa kerättyä tarvitsemansa datan riittävän selkeänä.

Teemme palvelumuotoilua ja käyttöliittymäsuunnittelua varmistaaksemme, että tekoälyratkaisut tuottavat sen arvon, jota niiltä odotetaan, ja että niiden käyttö on niin turvallista ja vastuullista kuin olosuhteet edellyttävät. Työtä tehdään yleensä projektiluontoisesti kunkin tekoälyhankkeen yhteydessä.

5. Tekoälyseuranta

Kerran tuotantoon otetut tekoälyratkaisut vaativat seurantaa – vielä enemmän kuin IT-ratkaisut yleensä, sekä teknologian tuoreuden että tekoälyyn kuuluvan epädeterministisyyden vuoksi. Kun ratkaisu toimii hieman eri tavalla eri suorituskerroilla, seurannan automatisointi vaatii enemmän tilastollista analyysia kuin perinteisten IT-järjestelmien sääntöpohjaisessa valvonnassa.

Seuranta on tärkeää ensinnäkin operatiivis-teknisesti: Miten voimme varmistaa, että ratkaisu toimii oikein ainakin valtaosan ajasta? Miten tunnistamme tilanteet, joissa laatu tai oikeellisuus on heikentynyt? Entä väärinkäyttöyritykset?

Toisaalta seurantaa tarvitaan myös elinkaarimielessä: Mitä riskejä liittyy siihen, jos päivitämme vaikkapa käytössä olevan kielimallin uudempaan versioon? Miten varmistamme, että asiakaspalvelu-chatbotimme pärjää alan uusiutuvan terminologian tai päivittyvien lähdeformaattien kanssa? Miten mittaamme, tuoko ratkaisu oikeasti sen liiketoimintahyödyn, jota sen arvioitiin tuovan?

Tuemme asiakkaidemme tekoälykeskuksia ja muuta organisaatiota tekoälyratkaisujen koko elinkaaren ajan – myös silloin, kun ratkaisu on jo ylläpidossa, ja toivottavasti ns. pyörii itsekseen.

Onnistuminen rakentuu teknologian ja liiketoiminnan yhdistelmästä

Julmimpien tilastojen mukaan n. 80 % tekoälypiloteista epäonnistuu. Epärealistiset odotukset, riittämätön valmistautuminen, puutteellinen data, heikosti suunniteltu käyttökokemus ja monet muut perinteisen IT:n piiriin kuuluvat ongelmat ovat tyypillisimpiä syitä – vika on vain harvoin varsinaisessa tekoälyteknologiassa.

Emme voi luvata, että jokainen tekoälyidea voidaan muuntaa toimivaksi tuotantoratkaisuksi. Sen voimme kuitenkin luvata, että katsomme asiakkaidemme tekoälymatkaa kokonaisuutena, ja tuomme asiantuntemustamme prosessin kaikkiin eri vaiheisiin – aina teknologiasta työtapoihin ja käyttöliittymästä kannattavuuslaskentaan.