Tekoäly nopeuttaa tekemistä valtavasti. Nopeus ei kuitenkaan muutu itsestään vaikuttavuudeksi.
Todellinen vaikuttavuus syntyy, kun liiketoiminnan tarpeet tuodaan näkyvästi mukaan tekoälytoteutuksen suunnitteluun. Jos käsitteet, rajaukset ja datan laatua koskevat odotukset jäävät epäselviksi, ratkaisu ontuu viimeistään siinä vaiheessa, kun se pitäisi skaalata laajemmaksi osaksi liiketoiminnan arkea.
Teknologia ei ratkaise epäselvyyttä itsestään. Sen ratkaisevat ihmiset.
Datan laatu ratkeaa liiketoiminnan ja toteutuksen rajapinnassa
Työskentelen paljon liiketoiminnan ja teknisen toteutuksen välissä. Siinä näkee hyvin, kuinka helposti datan laatu mielletään teknisen tiimin tehtäväksi.
Data engineer voi toteuttaa säännön ja rakentaa sille automaattisen tarkistuksen. Hän ei kuitenkaan voi päättää liiketoiminnan puolesta, mikä sääntö on oikea.
Tähän on olemassa varsin käytännöllinen työkalu: data contract. Nimestään huolimatta se ei ole juridinen sopimus, vaan rakenteellinen määritystapa datan laadulle. Se yhdistää liiketoiminnan ja teknisen toteutuksen vaatimukset.
Datan merkitys, käyttötarkoitus ja hyväksyttävät rajat sovitaan ennen kuin ne lukitaan koodiin.
Lyhyesti: määrittely ensin. Koodi vasta sitten. Kun luet seuraavan kappaleen, ymmärrät paremmin, miten se toimii.
Yksinkertainen datapyyntö vaatii yhteisiä päätöksiä
Kuvitellaan, että myynti esittää seuraavan toiveen:
Haluamme joka aamu listan asiakkaista, joiden ostaminen on selvästi vähentynyt.
Pyyntö kuulostaa selvältä. Mutta mitä asiakkaan päätymisestä listalle seuraa ja kuka listalle nostetaan?
Tarkistaako myyjä tilanteen? Syntyykö hänelle automaattisesti tehtävä? Vai lähettääkö järjestelmä asiakkaalle viestin ilman ihmisen tekemää tarkistusta?
Mitä automaattisempi seuraus on, sitä enemmän datalta pitää vaatia.
Myös asiakas pitää määritellä. Tarkoitetaanko organisaatiota, jolla on voimassa oleva sopimus, kaikkia viimeisen vuoden aikana ostaneita vai yksittäisiä palvelun käyttäjiä?
Entä mitä ”selvästi vähentynyt” tarkoittaa? Puhutaanko 20 vai 50 prosentista? Mihin ajanjaksoon ostamista verrataan? Saako listalle päätyä uusi asiakas, jolla ei ole vielä vertailuhistoriaa, tai asiakas, jonka reklamaatiota käsitellään parhaillaan?
Kaikki nämä päätökset vaikuttavat tekniseen toteutukseen. Yksikään niistä ei kuitenkaan ole ensisijaisesti tekninen päätös.
Epäselvä määrittely leviää päätöksentekoon
Määrittelemätön käsite ei yleensä jää pistemäiseksi ongelmaksi.
Sama asiakasmääritelmä siirtyy integraatiosta tietovarastoon, raportille, automaatioon ja edelleen AI-agentin taustatiedoksi. Jokainen uusi käyttökohde vahvistaa oletusta, että määritelmä on oikea.
Samalla korjaamisesta tulee vaikeampaa. Ihmiset tarkistavat lukuja käsin, rakentavat omia Excel-versioitaan ja selvittävät poikkeamia ja luovat yksittäisiä sääntöjä vaikkapa omille henkilökohtaisille agenteilleen.
Teknisen tiimin aikaa kuluu siihen, että se yrittää päätellä jälkikäteen, mitä liiketoiminta alun perin tarkoitti. Aika on pois siitä työstä, jossa liiketoimintaa ja ratkaisuja voitaisiin kehittää yhdessä.
Liiketoiminnan tehtävä ei ole tuottaa teknisiä määrityksiä
Liiketoiminnan ei tarvitse osata kirjoittaa teknistä data contractia. Sen pitää pystyä vastaamaan kysymyksiin, joiden perusteella sopimus voidaan rakentaa.
- Mihin dataa käytetään?
Mikä päätös tai toiminta sen perusteella syntyy? Tarkistaako ihminen tuloksen vai käynnistyykö toiminta automaattisesti? - Mitä data tarkoittaa?
Mitkä käsitteet, laskentasäännöt ja rajaukset pitää sopia? Mitä otetaan mukaan ja mitä jätetään pois? - Milloin dataan voidaan luottaa?
Kuinka tuoretta tiedon pitää olla? Mitä ei saa puuttua? Kuinka paljon virheitä voidaan hyväksyä? Mitä tehdään, jos sovittu ehto ei täyty?
Liiketoiminnan omalla kielellä tehdyt päätökset voidaan muuttaa teknisesti testattaviksi ehdoiksi. Näin tekninen tiimi pystyy automatisoimaan tarkistukset ja erilaiset AI-ratkaisut saa käyttöönsä luotettavaa ja toistettavaa polttoainetta.
Kyseessä ei ole hopealuoti. Pikemminkin lapio: käytännöllinen työväline, jolla epäselvyydet kaivetaan esiin ennen kuin niiden päälle rakennetaan.
Tuuli Aalto toimii Ambientialla Data & AI johtajana. Hänellä on yli 25 vuoden tausta digitaalisten palveluiden, teknologian ja liiketoiminnan kehittämisestä . Tuulin vahvuus on yhdistää ihmiset, prosessit, data ja teknologia toimivaksi ja arvoa tuottavaksi kokonaisuudeksi.
