Itsenäisesti toimivat, monivaiheisiakin tehtäviä suorittavat tekoälyratkaisut ovat siirtyneet nopeasti kokeiluista käytännön arkeen. Osa niistä tulee käyttöön lähes huomaamatta osana suurten teknologiayritysten ekosysteemejä, osa taas rakennetaan yrityksen omiin tarpeisiin joko räätälöimällä tai kehittämällä kokonaan itse.
Parhaimmillaan nämä ratkaisut auttavat hyödyntämään ja analysoimaan dataa, vastaamaan kysymyksiin, automatisoimaan rutiineja ja jopa tekemään päätöksiä.
Tekoälytyökalujen käyttö tarvitsee yrityksessä selkeän kehittämisen mallin
Jokaisen uuden teknologia-aallon kohdalla alkuinnostusta on ennemmin tai myöhemmin seurannut yksi kysymys: miten tämä kaikki pidetään hallinnassa? Näen saman riskin nyt myös tekoälyratkaisuissa.
Jos tekoälyratkaisuja rakennetaan vauhdilla ilman yhteistä suuntaa tai sääntöjä, on vaarana, että yritykselle syntyy moderni “tekoälyspagetti”: vaikeasti hallittava kokonaisuus, joka lisää teknistä velkaa ja joka muodostuu ennen pitkää hankalasti ylläpidettäväksi. Aiemmin on käytetty termiä varjo-IT ja tällä onkin paljon yhtymäkohtia tekoälyratkaisujen käyttöön.
Jossain vaiheessa huomataan, ettei kehittämistä ohjannutkaan yhteinen malli tai governance. Silloin nousee esiin kysymys:
Miten varmistamme, että yrityksen uudet, älykkäät ratkaisut pysyvät ohjauksessa, ovat turvallisia ja tuottavat arvoa – eivät riskejä?
Vältä tekoälyspagetin rakentuminen
Nostan tässä esille kolme näkökulmaa, joiden huomioiminen auttaa välttämään pahimmat sudenkuopat.
1. Aloita strategisesta suunnasta
Yrityksen tulee luoda ja viestiä yhteisesti hyväksytyt periaatteet tekoälyn kehittämiseen ja käyttöön. Liikkeelle kannattaa lähteä kahdesta perustavanlaatuisesta kysymyksestä:
Mitä tavoittelemme tekoälyratkaisuilla?
Mitä ongelmaa olemme ratkaisemassa? Haluammeko tehostaa nykyistä toimintaa, luoda kilpailuetua, löytää uusia liiketoimintamahdollisuuksia vai tukea jotakin tiettyä strategista tavoitetta? Yhteisesti sovittu tavoitteenasetanta estää pahimpien rönsyjen muodostumisen.
Miten rajaamme tekoälyn hyödyntämisen?
Mihin prosesseihin ja käyttökohteisiin tekoälyä voidaan soveltaa ja mihin ei? Aluksi rajaukset kannattaa tehdä sekä liiketoiminnan, arkkitehtuurin että datan näkökulmista. Erityisen olennaista näissä on tietoturvan, tietosuojan ja sääntelyn huomioiminen. Asiakasrajapintaan julkaistavia tekoälyratkaisuja tulee pohtia erityisellä tarkkuudella.
Lisäksi on määriteltävä tekoälyn mandaatti: saako tekoäly tehdä päätöksiä, ja jos saa, niin millaisia ja millä reunaehdoilla?
Jos näistä kahdesta asiasta ei pystytä muodostamaan yhteistä käsitystä, näkisin että yritys ei todennäköisesti ole vielä kypsä laajamittaiseen tekoälyn hyödyntämiseen. Tällöin on usein viisaampaa hyödyntää valmiita, hallittuja ekosysteemiratkaisuja kuin rakentaa itse.
Yksi lähestymistapa on jäsentää tekoäly uutena kyvykkyytenä, joka rakentuu osaamisesta, toimintamalleista, informaatiosta ja teknologiasta. Lähtötilanteessa kyvykkyyden taso on nolla. Vasta, kun perusta on rakennettu, voidaan edetä itsenäisempään tekoälyn kehittämiseen ja hyödyntämiseen. Kyvykkyyksiin pohjautuvasta kehittämisestä olen kirjoittanut aiemmassa blogissani.
2. Noudata kehittämisen mallia
Uusien teknologioiden kohdalla kysymys ”Mitä tällä voisi tehdä?” on luonnollinen ja usein paikallaankin. Kokeilut ovat tekoälyn kohdalla välttämättömiä, sillä teknologia on uutta, monimutkaista ja muuttuu nopeasti.
Pelkkä tekninen innostus johtaa kuitenkin helposti ratkaisuihin, joista puuttuu liiketoimintahyöty. Siksi tekoälyratkaisuja tulee kehittää samalla tavalla kuin mitä tahansa muita järjestelmiä.
Tämä tarkoittaa liiketoimintatarpeen kuvaamista, kustannus–hyötyjen arviointia, riskiarviointia, arkkitehtuurin suunnittelua, tietoturvan ja tietosuojan varmistamista sekä laadunvarmistusta osana normaalia kehitysprosessia.
Tekoälyaihioiden tulee kulkea saman ‘Demand Management’ -putken ja priorisoinnin läpi kuin muidenkin kehitystarpeiden. Myös ratkaisujen omistajuus, vastuut ja elinkaaren vaiheet on määriteltävä selkeästi.
Ei ole syytä, että tekoälyratkaisut muodostaisivat oman irrallisen kehittämisen saarekkeensa.
3. Ymmärrä ratkaisun elinkaari
Kuten muitakin tietojärjestelmiä, tekoälyratkaisuja ylläpidetään ja jatkokehitetään havaintoihin ja uusiin tarpeisiin perustuen.
Tekoälyratkaisut eivät kuitenkaan ole deterministisiä, kuten perinteiset tietojärjestelmät, joissa sama syöte tuottaa aina saman tuloksen. Tämä tuo omat haasteensa elinkaaren hallintaan. Organisaation on pystyttävä seuraamaan tekoälyratkaisun (esim. agentti) suoriutumista, virhe- ja poikkeamatilanteita, mallin käyttäytymisen muutoksia sekä ratkaisun vaikutuksia asiakkaisiin ja liiketoimintaan.
Siksi niiden hallinta ei voi olla kertaluonteinen hyväksyntäprosessi eikä operointi pelkkää ‘valot päällä’ -monitorointia. Tekoälyratkaisu voi toimia teknisesti, mutta se ei välttämättä tuota haluttua tulosta.
