Data on keinoälyn polttoainetta. Algoritmi pystyy eheyttämään ja uudelleenluokittelemaan dataa muun muassa koneoppimisen ja luonnollisten kielten tunnistamisen avulla. Tieto saadaan muunnettua käytettävään muotoon myös legacy-järjestelmien epämääräisestä datasta.
– Keinoäly puhuttaa paljon, siihen liittyy sekä liian optimistisia lupauksia että aiheettomia uhkakuvia. Pelätään, että organisaatiolla ei ole tarpeeksi kyvykkyyttä, toiminta on liian siiloutunutta tai data ei ole kunnossa. Nämä ovat myyttejä, asiat eivät ole niin monimutkaisia. Paras tapa oppia uutta tekniikkaa on lähteä mukaan matalan kynnyksen pilotteihin. Dataa voidaan luokitella ja jalostaa keinoälyllä huomattavasti nopeammin ja kustannustehokkaammin kuin ihmisvoimin, kertoo Ai4Value Oy:n toimitusjohtaja Katriina Valli.
Ulostuloja tarvitaan
Julkishallinto, kuten Espoon kaupunki ja HUS Helsingin yliopistollinen sairaala, on kertonut isoista tekoälyhankkeistaan. Yritykset ovat pitäneet matalampaa profiilia.
– Jos keinoälyn hyödyntämisestä ja projekteista ei kerrota julkisuudessa, on riski, että käy kuten big datan kanssa. Siitä puhuttiin paljon, mutta isoja markkinoita ei koskaan syntynyt. Jos yritykset eivät kerro omista hankkeistaan, potentiaaliset alihankkijat tai alalle kouluttautuvat eivät uskalla panostaa asiaan eivätkä kasvavat markkinat pääse syntymään vaan kilpailu kapenee ja yrityksen omalle kasvulle ei löydykään resursseja. Yritykset pelkäävät turhaan kilpailuedun menettämistä. Vaikka kilpailija saa tietää mitä teette, heillä menee puolesta vuodesta vuoteen ennen kuin he pääsevät läheskään samalle tasolle. Ensimmäinen voittaa aina, Valli muistuttaa.
Silmät auki maailmalle
Ei riitä, että yritys seuraa omaa toimialaansa. Yrityksen täytyy seurata mitä tapahtuu oman reviirin ulkopuolella ja mitä ihmiset ajattelevat maailman menosta. Kilpailu ei ole vain saman alan yritysten välistä, myös rinnakkaisten toimialojen markkinatrendit vaikuttavat muun muassa raaka-aineiden saatavuuteen ja alihankinnan hintaan.
Ennen ennakointi vaati kalliita it-hankkeita. Keinoäly ja IoT tekevät ennakoivista analyyseistä nopeita ja kustannustehokkaita. Ennakoivaa huoltoa voi tehdä myös ihmisille. Espoon kaupunki selvitti 280 eri indikaattoria, jotka vaikuttavat mahdolliseen lastensuojelun tarpeeseen. HUS tutkii miten ulkoisilla lähteillä, kuten erilaisilla tutkimustuloksilla, rikastettua potilaan tautihistoriaa voidaan hyödyntää uusien tautien puhkeamisen ehkäisyssä.
– Teknologiayrityksissä on tyypillisesti tuotedata hyvässä kunnossa, mutta asiakasdata on kaikille iso haaste, samoin asiakaskannattavuus. Se on paitsi laatuongelma myös seurausta siitä, että järjestelmät ovat hajanaisia ja asiakaskannattavuutta ei voida ihmisvoimin seurata. Tämä voidaan ratkaista keinoälyn avulla, Katriina Valli sanoo.
