Gartnerin Data Analytics Predictions -raportin mukaan tekoäly ja koneoppiminen tulevat muuttamaan liiketoimintaa radikaalisti – mutta mitä se käytännössä tarkoittaa? Maailmalta löytyy jo paljon mielenkiintoisia esimerkkitapauksia tekoälyn murroksesta. Tässä mielestäni viisi mielenkiintoisinta.
1) Tekoäly auttaa tekemään parempia päätöksiä
Jo nyt löytyy hyviä esimerkkejä siitä, että tekoäly voi auttaa ihmisiä tekemään parempia päätöksiä – tai jopa tehdä niitä ihmisten puolesta.
Yksi tällainen on SAP CoPilot -virtuaaliassistentti. Assistentti oppii asteittain empiirisen datan avulla, joten suosituksista tulee käytön myötä yhä luotettavampia. Jalostettuun dataan perustuva lähestymistapa tarjoaa käyttäjälle keskustelun lisäksi siis myös älykkäitä ehdotuksia päätöksentekoon.
Googlen AlphaGo Zero puolestaan on paljon virtuaaliassistenttia kehittyneempi tekoäly. Se opetti itsensä muutamassa päivässä pelaamaan monimutkaista Go-lautapeliä pelkkien sääntöjen perusteella ja ilman pohjadataa, ja voitti sovelluksen vanhemman version AlphaGon mennen tullen. AlphaGo rökitti aikoinaan parhaat ihmisvastustajat, mutta sillä kesti kuukausia opetella sama peli datan perusteella.
Sääntöjen pohjalta oppivaa tekoälyä voidaan tulevaisuudessa hyödyntää esimerkiksi monimutkaisissa tuotekonfiguroinneissa. Kehittynyt tekoäly pystyy esimerkiksi etsimään mahdollisimman energiatehokkaan ratkaisun kaivamalla lukemattomien komponenttien joukosta sopivimmat sille syötettyjen sääntöjen perusteella. Google on jo hyödyntänyt AlphaGota muun muassa datakeskustensa energiatehokkuuden parantamisessa.
2) Tekoäly tehostaa asiakaspalvelua ja toiminnanohjausta
Päätöksenteon lisäksi tekoäly voi avustaa ihmisiä myös vuorovaikutuksessa, asiakaspalvelussa ja toiminnanohjauksen tehostamisessa.
Facebook-messengerin välityksellä toimiva KLM:n asiakaspalvelusovellus ehdottaa asiakaspalvelijalle vastauksia asiakkaiden esittämiin kysymyksiin. Se oppii jokaisesta keskustelusta, joten myös vastaukset paranevat käytön myötä. Asiakas saa näin asiansa hoidettua nopeammin kuin pelkän ihmisen kanssa asioidessa.
Asiakaspalvelusovelluksen voi myös yhdistää tekoälyä hyödyntävään toiminnanohjausjärjestelmään, minkä ansiosta esimerkiksi huoltotöitä voidaan suunnitella ja aikatauluttaa tehokkaammin reaaliajassa. Tekoälyä hyödyntävä toiminnanohjausjärjestelmä osaa tulkita, millaisesta huoltotyöstä on kyse, tilata oikeat varaosat automaattisesti ja hoitaa aikataulutuksen, sekä kaupan päälle ehdottaa sopivaa vastausta asiakaspalvelijalle. Parhaimmillaan tekoäly tukee koko prosessia ja parantaa samalla niin asiakas- kuin työntekijäkokemustakin.
3) Lyhyemmät toimitus- ja varastointiajat tekoälyn avulla
Toisinaan on hyötyä, jos tekoäly tietää jo ennen käyttäjää itseään, mitkä tämän tarpeet ovat. Sellainen on esimerkiksi ostojen ja toimitusten ennakoiminen.
Tekoäly voi esimerkiksi optimoida tuotteen varastotilanteen, saatavuuden ja hyllyjärjestyksen saapuvien tilausten ja keräilyyn kuluvan ajan perusteella. Kehittyneempi versio tästä on Amazonin lanseeraama anticipatory shipping -menetelmä, joka ennakoi ostajan toimintaa ja kuljettaa tuotteen lähistölle ennen kuin osto on edes tapahtunut.
Ennakoiva tekoäly voi tulevaisuudessa tehostaa ketjuja ja vapauttaa valtavasti pääomaa varastoista, kun jokainen arvoketjun toimija pystyy arvioimaan lähitulevaisuuden resurssien tarpeet entistä tarkemmin. Ennakointi ei ainoastaan tehosta liiketoimintaa, vaan siitä on iloa myös ympäristölle, sillä se vähentää luonnonresurssien käyttöä ja samalla jätteen määrää.
4) Tekoäly helpottaa ja nopeuttaa ihmisten liikkumista
Tekoäly voi logistiikan lisäksi ennakoida ja tehostaa myös ihmisten liikkeitä ja nopeuttaa liikkumista paikasta toiseen.
KONE People Flow -konseptissa liukuportaat, hissit ja muut laitteet yhdistetään rakennuksen kulunvalvontajärjestelmään ja ne keskustelevat keskenään tekoälyn välityksellä. Järjestelmän avulla pystyy ohjaamaan sekä huoltoa että ihmisiä. (Katso tästä, miten KONEen PeopleFlow -teknologia toimii.)
Tekoälyn ansiosta yksittäisten henkilöiden kulkua pystytään seuraamaan ja kulkureittejä optimoimaan. Näin esimerkiksi hissi voi saapua paikalle juuri oikeaan aikaan, mikä säästää paitsi käyttäjän hermoja, myös aikaa, resursseja ja energiaa. Järjestelmän ansiosta liikkuminen nopeutuu varsinkin suurissa rakennuksissa.
5) Analytiikka maksimoi turvallisuuden ja kuljetuskapasiteetin
Prediktiivistä analytiikkaa voidaan hyödyntää myös parantamaan turvallisuutta. Siinä missä ihmisen tarkkaavaisuus laskee väistämättä ajan kanssa, jaksaa tekoäly väsymättä pureskella ympäristöstä kerättyä dataa.
MacGregorille toteutettu sovellus hyödyntää prediktiivista analytiikka parantamaan rahtilaivojen turvallisuutta ja maksimoimaan niiden kuljetuskapasiteettia sensoreilla kerätyn datan perusteella. Tekoäly optimoi kapasiteettia lastausvaiheessa ja ennakoi konttien käyttäytymistä erilaisissa merenkäynnin olosuhteissa. Prediktiivisen analytiikan avulla voidaankin parantaa työturvallisuutta huomattavasti samalla kun maksimoidaan kapasiteettia.
Kilpailuetua liiketoimintaan tekoälystä?
Tekoälyn yleistyminen tuo mukanaan suuria muutoksia jo lähivuosina. Toimialojen ja työnkuvien rajat hämärtyvät, koneet ja laitteet muuttuvat itseohjautuvammiksi ja asiakaspalvelu yhä virtuaalisemmaksi. Päätöksenteosta ja prosessien optimoinnista tulee entistä nopeampaa, tehokkaampaa ja turvallisempaa.
Myös nämä aiheeseen liittyvät sisällöt voisivat kiinnostaa sinua:
Kirjoittajasta
Tommi Gynther
johtava digitalisaatiokonsultti, valtionhallinto
Olen Tommi Gynther ja työskentelen CGI:llä valtionhallinnon yksikössä johtavana digitalisaatiokonsulttina. Taustani ovat sovelluskehityksen ja arkkitehtuurin puolelta mutta tänä päivänä katson asioita enemmänkin pehmeämpien arvojen näkökulmasta vahvalla tulevaisuusorientoitumisella.
