‹ Blogit

26.3.2021 13.23

Miten rakennetaan AI-valmis organisaatio ja miksi pian on pakko?

Jokaisen kasvuhaluisen yrityksen strategiassa on pian aikataulu, milloin organisaatio on AI-valmis – milloin yritys katsoo olevansa valmis tekoälyn laajaan käyttöön. Koska käsitteen merkitys tuntuu edelleen vaikealta hahmottaa, niin yritämme tässä kertoa, mitä AI-valmius meidän mielestämme tarkoittaa.

Meistä yritys tai organisaatio voi sanoa olevansa AI-valmis, kun sen strategia, kyvykkyydet ja prosessit tukevat laajaa tekoälyn käyttöä.

Kirkasta strategia

Tekoälyn käyttöönotto on aina iso harppaus. Se vaatii valtavasti rohkeutta ja suuria investointeja. Prosessit täytyy saada kohdalleen ja kaikki tarvittavat kyvykkyydet on hankittava. Nämä investoinnit täytyy tehdä ennen kuin tekoälyn hyödyt saadaan käyttöön.

Olisi toki helpompaa jäädä katsomaan muiden esimerkkiä. Ensimmäisenä tekoälyä hyödyntävät saavat kuitenkin muita paremman lähdön kisaan, joten hidastelu etenemisessä voi olla kohtalokasta. Jos siis hieman kärjistämme, uhkarohkeinta on olla tekemättä mitään, koska silloin oman organisaation tulevaisuus on kilpailijoiden epäonnistumisen varassa.

Hallinnoi aineistoja, hyödynnä teknologiaa ja kouluta ihmisiä

Tekoälyn käytön kannalta datan hallinta ja teknologia, tekoälylle uusia tavoitteita asettavat ihmiset ja tekoälyä opettavat ihmiset ovat kaikkein tärkeimpiä. Ilman kunnollista datan hallintaa tekoäly on tekoääliö. Ilman tavoitteita tekoäly ei luo uutta. Ilman opettajia tekoäly ei pääse määriteltyyn tavoitteeseen, vaan päätyy johonkin satunnaiseen pisteeseen. Viime päivinä sosiaalisessa mediassa puhuttanut Google Translate -käännösten sukupuolittuneisuus (gender bias) on hyvä esimerkki toimivan ja kokonaisvaltaisen tekoälyn hallintamallin tärkeydestä.

Tekoälyn suurimmat hyödyt ovat sen nopeudessa ja kyvyssä tehdä päätöksiä ja oppia uudenlaisia malleja päätöksentekoon. Mielestämme AI-valmis organisaatio kykenee opettamaan tekoälylle uudenlaisia päätöksentekomalleja mahdollisimman nopeasti.

Käytännössä tekoälyä ohjaavat henkilöt voivat silloin luottaa siihen, että heidän tekoälyn opettamiseen valitsemansa data on heidän tekemänsä valinnan mukaista, eikä vaadi erillisiä tarkastuksia. Tämä vaatii organisaatioon tiedonhallinnan mallin, joka pitää datan jatkuvasti kunnossa.

Tällä hetkellä hyvin klassinen tiedonhallintamalli (Data Governance -malli) on noussut tärkeäksi ja toistaiseksi fiksuimmaksi tavaksi hallita dataa. Se ratkoo kaikki datan hallinnan tärkeimmät haasteet, ja mallin avulla organisaation data on jatkuvasti käyttökelpoista tekoälyn ohjaamiseksi ja opettamiseksi, eikä organisaation asiantuntijoiden tarvitse hukata aikaansa datan laadun tarkasteluun.

Palveleva ja kehittyvä tiedonhallintamalli auttaa myös hallitsemaan tietoa ketterästi koko sen elinkaaren ajan.Aiemmin tämä ei ollut niin tärkeää, koska tietoa kerättiin tiettyyn tarkoitukseen ja sitä muokattiin maltillisesti. Jatkossa dataa tarvitaan, luodaan, käytetään ja muokataan huomattavasti enemmän, joten tiedon polku polveilee sen elinkaaren aikana ja näin sen hallinta mutkistuu.

Tiedonhallintamalli tuntuu joskus raskaalta, joten datan hallinta yritetään hoitaa kevyemmin erilaisten osaprosessien avulla. Tämä johtaa yleensä aina ikuisen korjaamisen kierteeseen: aina kun joku datan hallinnan ongelma saadaan korjattua, jossakin muualla joku toinen kohta pettää. Pelkästään ihmisten päätöksenteon varassa toimivassa organisaatiossa tämä ei ole niin suuri ongelma, koska ihmiset havaitsevat datan virheitä ja keksivät tapoja niiden paikkaamiseen.

Kun tekoälyä opetetaan, sille annetaan aina dataa, joka ohjaa sen tekemään tietyntyyppisiä päätöksiä. Kun data on kunnossa, organisaatio pystyy opettamaan tekoälynsä hetkessä uudelleen ja saa sen näin tekemään parempia päätöksiä ja reagoimaan muutoksiin mahdollisimman nopeasti. Useimmilla toimialoilla tämä tarkoittaa ankeita aikoja kilpailijoille.


Nino Ilveskero

Kirjoittaja on Talent Base Oy:n osakas ja myyntijohtaja. Hän on työskennellyt 20 vuotta sähköisten palveluiden ja it-järjestelmien kehityksen parissa eri toimialoilla.

Katso profiilini

Pidätkö lukemastasi? Tilaa blogitekstimme meiliisi.