Tekoälystä pyritään tekemään aidosti hyödyllinen työkaveri, mikä vaatii sekä vankat dataperustukset että ihmisten sitoutumisen.
Agentti vai myyntipuhe?
Tekoälyagentilla tarkoitetaan ohjelmistoa, joka hyödyntää tekoälyä itsenäisesti jonkin tavoitteen saavuttamiseksi tai tehtävän suorittamiseksi käyttäjän tai toisen järjestelmän puolesta. Kuitenkin koska hype on kovaa, tekoälyn kehitys nopeaa ja aihe monimutkainen, lähes mitä vain tekoälyratkaisua saatetaan kutsua agentiksi. Tämä ei ole aina tarkalleen ottaen oikein, mutta on hyvä pitää mielessä, että joskus yksinkertaistaminen on hyvästä. Jokaisen ei kannata perehtyä agenttejen nyansseihin, mutta jokaisen kannattaa kuitenkin opetella käyttämään tekoälyä. Kun yleisön tekoälytaidot vaihtelevat, tärkeintä on saada käytännön osaamista kehitettyä.
Tarvitaan tietoa ja muutosta
Organisaatioiden tiedot ovat usein hajallaan, vaihtelevan laatuisia ja alun perin luotu ihan muuhun tarkoitukseen kuin tekoälyn syötteeksi. Tämä ei tarkoita, etteikö tekoälyä kannata alkaa hyödyntämään, mutta on hyvä pitää mielessä, että kyse on maratonista, ei pikajuoksusta. Tekoäly on vain yksi uusi syy pitää huolta yrityksen datasta. Tärkeintä oli saada ihmiset liikkeelle ja oppimaan matkan varrella, sillä uusi teknologia vakiintuu organisaatioon vaiheittain. Henkilöstön on totuteltava ajatukseen tekoälystä osana työtä – työkaverina, jonka kanssa kasvetaan yhdessä. Osaaminen rakentuu kerros kerrokselta: ensin passiivinen kokemus tekoälyn luomista ehdotuksista, sitten aktiivisempi valmiiden tekoäyltyökalujen käyttö ja lopulta proaktiivinen kehittäminen omien agenttien parissa.
Vähintään yhtä suuri painopiste on muutosjohtamisessa. Uuden työkalun tuominen taloon ei hyödytä, elleivät ihmiset ota sitä omakseen. Ensin luodaan tietoisuus mahdollisuuksista ja yhtenäinen ymmärrys suunnasta, sitten herätetään halu kokeilla uutta, rakennetaan tarvittava ymmärrys ja kyky käyttää työkaluja, ja lopulta vakiinnutetaan muutokset arkeen. Esimerkiksi sisäiset “tekoälysanansaattajat” eli aiheesta innostuneet edelläkävijät on valjastettu jakamaan onnistumistarinoita ja pitämään matalan kynnyksen opastustuokioita kollegoille.
Tarjonta luo kysyntää: kun innokkaimmille annetaan tilaisuus kehittää ja kokeilla agentteja, he oppivat lisää tekoälyn mahdollisuuksista ja datan laadun merkityksestä sekä saavat nopeita hyötyjä. Näin he sitoutuvat entistä vahvemmin viemään asiaa eteenpäin yhdessä IT-osaston kanssa. Pienetkin onnistumiset ruokkivat lisää ideoita.
Agentit apuna arjessa – konkreettisia esimerkkejä
Entä millaisia tekoälyagentteja YIT on käytännössä kehittänyt? YIT:llä on kokeiltu satoja agentteja, joista osa on käytössä tai kehityksessä muun muassa seuraavien kaltaisissa käyttökohteissa:
- Asiakaspalautteiden analysointi: Asiakkaiden antama palaute käydään läpi tekoälyn voimin. Agentti lukee vapaan tekstin palautteet, luokittelee ne teemoittain ja nostaa esiin toistuvat kehityskohteet, jotta johto ja tiimit voivat reagoida nopeasti.
- Hankinnan tuki: Hankinta-agentti avustaa tiedonhaussa.
- Riskienhallinta: Agentti ennakoi projektien riskejä, jotta ne voidaan mitigoida tehokkaasti hyvissä ajoin etukäteen. Näin saamme toteutettua yhä laadukkaampia ja turvallisempia hankkeita.
- Palvelupyyntöjen tehostaminen: IT-tuen apuna toimii useampia agentteja. Yksi näistä mm. ehdottaa palvelupyyntöjen kuvauksiin parannuksia, jotka nopeuttavat pyynnön käsittelyä.
Nämä esimerkit konkretisoivat, mitä “tekoäly työkaverina” tarkoittaa: agentti voi auttaa ihmistä monissa tietotyön tehtävissä tekemällä alustavan rutiinityön tai tuottamalla koosteita, joista ihmisen on hyvä jatkaa. Kaikissa tapauksissa ihmiskollega on yhä mukana prosessissa varmistamassa laatua ja tekemässä lopulliset päätökset – tekoäly vain nopeuttaa ja helpottaa taustatyötä.
Yleiset työkalut kuten ChatGPT tai Microsoftin Copilot ovat tänä päivänä kenelle tahansa saatavilla ja ne ylläpitävät kilpailukykyä – jos kilpailijasi käyttää niitä, sinunkin on hyvä käyttää pysyäksesi vauhdissa. Todellista kilpailuetua tekoälystä saa kuitenkin vasta, kun ratkaisuja räätälöidään omaan toimintaan: esimerkiksi integroimalla tekoäly osaksi keskeisiä prosesseja ja hyödyntämällä omaa dataa poikkeuksellisen hyvin.
Uusi työntekijä – tekoälytyökaverin perehdytys ja työkalut
Kun tekoälyagentti otetaan taloon, sitä voi verrata uuden työntekijän rekrytointiin. Mitä tarvitaan, että uudesta työkaverista tulee tuottava osa tiimiä?
- Selkeä tehtävänkuva: Agentille pitää määritellä rajattu tehtävä. Mitä tarkemmin tehtävä on rajattu, sitä todennäköisemmin agentti onnistuu. Parhaita kohteita ovat toistuvat rutiinityöt tai prosessin tarkkaan määritellyt vaiheet, joissa tarvitaan paljon tiedon penkomista tai perusselvittelyä. Jos tehtävä on liian monimutkainen tai epämääräinen, toteutus vaikeutuu. Silloin on mietittävä, kenellä ihmisistä on osaaminen hoitaa kyseinen tehtävä – ja miten tuo osaaminen voitaisiin opettaa agentille vaiheittain.
- Oikeat ohjeet ja osaaminen: Pelkkä tekoälymalli ei tiedä organisaatiosi erityispiirteitä. Siksi agentille annetaan tehtävänanto ja tarpeellisia lisätietoja. Esimerkiksi YIT:llä agentille voidaan antaa ohjeita roolista (“Toimi projektipäällikön assistenttina”) ja antaa lähteeksi toimialan sanastoa ja käsitteitä, jotta se ymmärtää kysymykset oikein. Taustalle voidaan myös kovakoodata tiettyjä työvaiheita: esim. kun tarjousagentti saa uuden projektin tiedot, se käy aina ensin hakemassa hintatiedot kustannusrekisteristä ennen ehdotuksen tekemistä. Kun agentti alkaa toimia käytännössä, siltä kerätään palautetta – esimerkiksi käyttäjät voivat merkitä chatbot-vastauksia hyödyllisiksi tai hyödyttömiksi – jonka perusteella agenttia hiotaan paremmaksi.
- Tiedon saanti ja tietopohja: Jotta agentti voisi palvella, sillä täytyy olla pääsy tarpeelliseen tietoon. Usein agentti hakee itse suurimman osan käyttämästään tiedosta organisaation tietovarannoista. Tämä on mahdollista, kun taustalle rakennetaan kunnon tietopohja. YIT:llä on hyödynnetty pääasiassa niin sanottua RAG-mallia (Retrieval-Augmented Generation): agentti kaivaa vastauksensa tukena olevaa tietoa esimerkiksi yrityksen tietokannasta, dokumenteista tai intranetistä haun avulla sen sijaan, että kaikki tieto olisi kovakoodattu sen malliin. Tämän vuoksi dataa pitää esikäsitellä: siivota, pilkkoa sopiviksi paloiksi, indeksoida hakua varten ja luoda tekstinpätkistä numeerisia embedding-vektoreita, joilla tekoälymalli löytää relevantit sisältökohdat nopeasti. Käytännössä siis organisaation dokumentit on valmisteltu niin, että agentti osaa lukea ja ymmärtää niitä tehokkaasti. Esimerkiksi Microsoft 365 Copilot tekee tämän automaattisesti OneDriveen tallennetuille tiedostoille, mutta joissain tapauksissa IT-osaston pitää tehdä tämä.
Jos taas agentille haluttaan antaa tieto suoraan itse kielimalliin, se vaatii mallin hienosäätöä (fine-tuning) tai kokonaan uuden mallin kouluttamista, mikä on kallista ja voi vanhentua nopeasti.
- Työkalut ja oikeudet: Tehokas agentti tarvitsee joskus muutakin kuin lukutaitoa. YIT:llä on pohdittu, mitä työkaluja agentille voidaan antaa käteen turvallisesti. Voiko se esimerkiksi luoda uusia dokumentteja tai kirjoittaa tietokantaan? Voiko se lähettää viestin jollekin? Näitä mahdollisuuksia on ryhdytty avaamaan askelittain. Tietoturva ja vastuukysymykset ovat keskiössä: ei anneta firman luottokorttia tai kriittisiä järjestelmäoikeuksia ilman perusteltua tarvetta ja riskiarviota.
- Seuranta ja jatkuva oppiminen: Kuten ihmiskollegan kanssa, myös tekoälytyökaverin suorituskykyä on mitattava ja seurattava. Agentille on hyvä määritellä tavoitteet: esimerkiksi kuinka paljon nopeutusta tai työajan säästöä sen odotetaan tuovan, tai millä tarkkuudella sen tekemät luokittelut osuvat oikeaan. Näitä seurataan ja tuloksia käydään läpi tiimeissä. Jos agentti ei tuota toivottua hyötyä, sitä joko parannetaan tai sen käytöstä voidaan luopua. Tärkeää on myös varmistaa, ettei ihmisten osaaminen passivoidu liikaa agentin myötä – tehostuksen sijaan ei saa tulla “tyhmennystä”, jossa kukaan ei enää itse muista miten asiat tehdään.
Matka jatkuu – tekoälystä arkipäivää
Tekoälyagenttien käyttöönotto on matka, joka on globaalistikin vasta alussa. Tarvitaan sekä teknistä työtä (datan ja prosessien ymmärrystä, integraatioita, turvallisia työkaluja) että inhimillistä työtä (koulutusta, kokeiluja, kulttuurin muutosta). Organisaatio on kuin ekosysteemi, johon uusi “laji” – tekoälyagentti – on istutettava sopivasti. Parhaimmillaan tekoälyagentit voivat vapauttaa ihmisiltä aikaa rutineista tuottavampaan työhön, parantaa päätöksenteon laatua tuomalla oikeat tiedot nopeasti esiin ja jopa lisätä työn mielekkyyttä, kun ikävät tiedonhaku-urakat vähenevät. Samalla on huolehdittava, että ihmiset kehittyvät tekoälyn rinnalla: organisaation osaaminen syvenee ja roolit muuttuvat. Esimerkiksi asiantuntija voi keskittyä enemmän tulkintaan ja päätöksentekoon, kun tekoäly valmistelee taustamateriaalit.
Tekoäly työkaverina on jo totta monessa yrityksessä, mutta suurimmat hyödyt vaativat pitkäjänteistä remonttia yritysten toimintaan ja ihmisten työskentelytapoihin. Teknologia kehittyy nyt paljon nopeammin kuin yritykset, joten kyky uusiutua nousee yhä suurempaan arvoon. Niinpä kannattaa nauttia matkasta ja ottaa tekoäly innolla mukaan tiimiin – oppivana, kehittyvänä työkaverina. Vaikka teknologinen muutos ottaa nopeita harppauksia, inhimillinen muutos on hitaampaa ja tasaisempaa. Sen tukeminen tulee aloittaa ajoissa ja sitä täytyy jatkaa pitkäjänteisesti. Jossain vaiheessa huomaamme, että agentit työkavereina ovat hiipineet hiljaa joka puolelle osaksi arkea lukemattomien pienten helpotusten muodossa.
Visa Linkiö vastaa YIT:llä tekoälyn muutosjohtamisesta, kehityksestä ja strategiasta. Vapaa-ajallaan hän suunnittelee lautapelejä ja harrastaa korealaista miekkailua.
