Tekoälyn hyödyntäminen ei ole niin vaikeaa kuin kuvitellaan. Liikkeelle pääsee melko raa´allakin datalla. Vaadittavat työmäärätkin ovat kohtuullisia. Totutusta poikkeavaa asennetta se kyllä vaatii.
Tekoäly on oppiva organismi. Teknologia, joka yhdistelee tietoja ja mukauttaa toimintaansa oppimansa mukaisesti. Sellaista ei voi vetää pakasta. Toisen, samojenkin haasteiden kanssa painivan, organisaation datasta oppinut tekoäly ei todennäköisesti sovi sinun organisaatiosi järjestelmäympäristöön sellaisenaan.
Tekoälyn oppiva luonne on meille uutta. Olemme tottuneet määrittelemään tavoitteet ennalta. Varmistelemaan. Tekoälyä hyödyntäessäsi huomaat pian, että ennalta määrättyjen tuotosten sijaan arvokkaimmat löydökset syntyvät ikään kuin sivutuotteina.
Oppiva teknologia kertoo kehittäjilleen asioita, joita emme tienneet.
Tekoälyn kolme perusperiaatetta
Tekoälyn onnistunut soveltaminen kiteytyy kokemukseni mukaan seuraaviin periaatteisiin.
- Lopputulosta ei voi määritellä etukäteen. Tekoälyprojekteissa ratkotaan eri lähteistä kootun datan avulla ongelmia, joita ei vielä koskaan aiemmin ole ratkottu – ja usein jopa ennennäkemättömillä tavoilla. Tästä syystä projektin alkaessa kukaan ei voi olla varma siitä, millainen lopputulos on, milloin se on valmis (tai tuleeko se koskaan valmiiksi) ja mitä se maksaa. Vanhat hankkimistavat ennalta määrättyjen suunnitelmien, business casejen ja kiinteiden tarjousten pohjalta joutavat romukoppaan. Olen itsekin ollut ratkomassa tekoälyn avulla ongelmia, joita ei projektin alkaessa edes tiedetty olevan olemassa.
- Teknologian sijaan on kyse halukkuudesta ja kyvykkyydestä luoda uutta. Tekoälyprojektin voi aloittaa olemassa olevan prosessin tehostamisesta, mutta huomattavasti suurempi potentiaali on kokonaan uusissa innovaatioissa. Eivät LED-valaisimetkaan syntyneet tuunaamalla kynttilää!
- Tekoäly on yhteinen asia. Tekoälyn keskeisin potentiaali on yhdistellä eri organisaation osista tulevaa dataa, jota ei aikaisemmin ole voitu hyödyntää. Siksi sitä ei missään tapauksessa kannata hyödyntää ainoastaan perinteiseen pistemäiseen, tulosyksikkökohtaiseen kehittämiseen. Arvokkaimmat löydökset ovat usein sellaisia, joita kukaan ei osannut ennakoida.
Kokeiluilla matkaan, tekoäly opettaa
Liikkeelle kannattaa lähteä mieluummin pienin kokeiluin kuin panostamalla yhteen megaluokan hankkeeseen. Näin ensimmäiset tulokset saadaan jopa parissa viikossa, riippuen datan valmisteluun kuluvasta ajasta.
Tekemistä arvioidaan koko ajan. Päivän tai viikon löydökset vaikuttavat seuraaviin töihin. Ne voivat muuttaa koko projektin suunnan. Etenemisessä luotetaan tekemisen kautta karttuvan ymmärryksen voimaan. Ensin tehdään ja sitten arvioidaan: mikä onnistui tai epäonnistui ja miksi, mitä tehdä seuraavaksi?
Oppiminen on kokeilemista. Ilman kokeiluja on täysin mahdotonta arvioida tekoälyn tuottamaa potentiaalista hyötyä.
Tekoälyn hyödyntämistä pelätään minusta suotta. Tietosuojaan ja juridiikkaan liittyvät asiat tai pelko oman datan laadun riittämättömyydestä saattavat estää aloittamista. Tekoälyn hyödyntäminen ei ole ollenkaan niin kallista ja hankalaa kuin kuvitellaan. Melko raakakin data riittää aloittamiseen. Jos olette jo digitalisoineet perusprosesseja, estettä tekoälykokeilujen tekemiselle ei ole.
Aloita jo tänään, odottamalla et voita mitään!
Uskotko sinä muutokseen? Siihen, että voit muuttaa maailmaa paremmaksi ihmisille ja ympäristölle?
Tutustu uuteen julkaisuumme ja asiantuntijoidemme näkemyksiin: Recoding change
