Tekoälyä rakennettaessa tärkeintä on ihminen


Tekoälyä pidetään valtavirtamediassa mystisenä, tulevaisuuden ongelmia ratkovana eminenssinä, joka syrjäyttää vanhat yritykset uusien, dataa hyödyntävien haastajien tieltä. Parhaat tekoälyprosessit rakentuvat kuitenkin läheiselle ihmisen ja koneen väliselle yhteistyölle – tavoitteena on ihmisen tehokkuuden nostaminen oppivan koneen avulla. Ajatusta kutsutaan Human-in-the-loop-lähestymistavaksi – ihminen osana prosessia.

Tänä päivänä esimerkiksi sijoituspäätösten arviointi pohjautuu vahvasti lakisääteisten tekstien läpikäyntiin sijoittajan toimesta, valtavasta tekstimassasta sijoitusta puoltavaa tai vastustavaa tietoa etsien. Kun sijoittajan avuksi tuodaan kone, voi sijoittaja työnsä ohessa opettaa konetta tunnistamaan raa’asta tekstistä kohtia, joilla on suora vaikutus sijoituspäätökseen. Näin kone oppii etsimään itsenäisesti uusista teksteistä suosituksia sijoittajalle, jonka työ puolestaan muuttuu asiakirjojen läpikäynnistä koosteiden arvioimiseen, ja samalla koneen jatko-opettamiseen. Näin luodaan hyveellinen kierre, jossa ihminen ja kone työskentelevät yhdessä toistensa kanssa tehokkuuden parantamiseksi.

TEKOÄLYPALVELUA EI TULE MAALATA IHMISTYÖN KORVAAJAKSI, SILLÄ SE EI OLE TÄNÄ PÄIVÄNÄ REALISTISTA.

Taloushallinnon sektorilla vastaavia hyötyjä voidaan koneellisesti saavuttaa myös hyvin jokapäiväisistä prosesseista. Tiliöinti tuottaa suuryrityksissä päivittäistä päänvaivaa monimutkaisine järjestelmineen sekä tietovarantoineen. Luonnollisen Kielen Prosessointi (Natural Language Processing, NLP) auttaa konetta tulkitsemaan laskuja sekä kustannuspaikkakertomuksia, ja tekemään suosituksia tapahtumien oikeasta kategoriasta. Onnistuessaan kone vahvistaa käyttäytymistään, epäonnistuessaan puolestaan korjaa suuntaansa.

Tekoälystä puhuttaessa on olennaista nähdä kone osana yrityksen luonnollista kehityspolkua ja ihmisen saumattomana taisteluparina. Tekoälypalvelua ei tule maalata ihmistyön korvaajaksi, sillä se ei ole realistista. Ihminen voidaan korvata tämän päivän huippualgoritmeilla vain murto-osassa tapauksista valtavien datamassojen analysointia vaativista prosesseista. Muualla ihmisen osaamista voidaan vahvistaa opettamalla konetta avustamaan päivittäisissä rutiinitoimituksissa, esimerkiksi asiakaspalvelupyyntöjen vastausehdotusten luomisessa.

Koneelle soveltuvimpien avainprosessien löytäminen on kuitenkin haaste, johon harva yritys kykenee itse vastaamaan, ja näin ollen tekoälyä on valitettavan helppoa ryhtyä rakentamaan huonosti soveltuviin prosesseihin. Esimerkiksi tekoälyn soveltaminen rekrytoinnissa vaatii myös ns. pehmeiden taitojen opettamista koneelle.  Hieno, mutta epäolennainen järjestelmä on yritykselle riski. Se rikkoo paitsi kokeilukulttuuria, myös hukkaa arvokasta aikaa ja näin ollen rahaa. Siksi tekoälyn käyttöönotossa on syytä perehtyä aiheeseen pintaa syvemmältä, ja valita polku joka johtaa hyvin selkeästi mitattaviin lopputuloksiin, ja sitä kautta yrityksen kilpailukyvyn parantamiseen.

Kiinnostuitko? Webinarissa kerromme, kuinka tekoälykokeiluista päästään pitkäaikaiseen muutokseen. Katso webinar: https://silo.ai/webinar-concrete-ai-cases-for-transformative-change/.


Lisätietoa: https://silo.ai/contact.

Ville Hulkko

CCO Silo.AI