Tekoälyn hyödyntäminen johtamisessa ja päätöksenteossa
Tekoäly on ollut kuuma puheenaihe, kun OpenAI lanseerasi ChatGPT:n. Chattibottia on helppo käyttää, ja se onkin yllättänyt monet käyttäjät positiivisesti. Samaan aikaan on myös muita tekoälyä käyttäviä palveluita tullut paljon markkinoille.
Algoritmit vaikuttavat arjessamme osana erilaisia tekoälyjärjestelmiä. Esimerkiksi hakukoneet, verkkokaupat ja sosiaalinen media toimivat algoritmeilla. Tekoäly leviääkin tällä hetkellä vauhdilla laaja-alaisesti ja moninaisesti, kun datan keruuta kehitetään jatkuvasti.
Tekoälyn tuomiin mahdollisuuksiin kohdistuu tällä hetkellä paljon odotuksia. Useassa organisaatiossa pohditaankin parhaillaan, miten tekoälyä voitaisiin hyödyntää omassa toiminnassa. Tekoälyn hyödyntämisestä herää myös kysymyksiä, kuten kuka vastaa koneen tekemistä päätöksistä, järjestelmien virheistä tai ennakoimattomista seurauksista.
Kävin keskustelemassa McKinsey & Companyn Anna Katariina Wisakannon kanssa tekoälystä heidän toimistollaan Helsingissä. Wisakanto on ollut vuosia maailmalla työskentelemässä tekoälyyn liittyvissä erilaisissa tutkimus- ja kehittämistehtävissä. Nykyään hän auttaa asiakkaita hyödyntämään tekoälyä.
Tekoäly ei ole uusi keksintö
Wisakanto korostaa aluksi, että vaikka tekoälystä puhutaan nyt paljon, niin kyseessä ei ole mikään uusi keksintö. Tekoälyn kehitys kytkeytyy osaksi tietotekniikan kehitystä. Tekoälyn kehitys voidaan katsoa alkaneen neuroverkkojen tutkimuksesta 1940-luvulla. Teuvo Kohonen (1934–2021) oli yksi kansainvälisesti tunnetuimpia neuroverkkojen kehittäjiä.
Varsinaisesti tekoäly-termi syntyi Dartmouthin konferenssissa vuonna 1956. Tämän jälkeen tehtiinkin paljon erilaisia tekoälykokeiluita 1960-luvulla, joista merkittävimpiä olivat erilaiset haku- ja suunnittelumenetelmät sekä pelit. Tekoälykehitys kukoisti, vaikka tietokoneiden rajallinen muisti ja heikko teho hankaloittivat kehittämistä.
Ensimmäiset mikroprosessorit keksittiin 1970-luvulla. Tämän myötä ruvettiin kehittämään asiantuntijajärjestelmiä. Syväoppiminen alkoi kehittyä ja kasvattaa suosiotaan 1980-luvulla, mikä rakensi pohjaa koneoppimiselle. IBM:n tietokone Deep Blue voitti silloisen maailmanmestarin Garry Kasparovin shakissa vuonna 1997.
Wisakanto toteaa, että tekoälyn kehittäminen on pitänyt sisällään suvantovaiheita, joista käytetään nimitystä tekoälyn talvi. Tekoälyn kehitys ei edennyt esimerkiksi rahoituksen puutteen vuoksi, ja sitä hidasti tietokoneiden heikko kapasiteetti.
Nykyisten tietokoneiden tehokkuus ja saatavilla olevan datan määrä ovat avaintekijöitä tekoälyn nopeutuneessa kehityksessä ja käytössä viime vuosien aikana. ChatGPT:n kaltaiset tekoälysovellukset ovatkin hyvin yleiskäyttöisiä ja helposti hyödynnettävissä, kun aiemmin käyttö perustui etukäteen luokitellun aineiston tilastolliseen käsittelyyn koneoppimismenetelmin.
Tekoälyn hyödyntäminen käytännössä
Wisakanto pitää positiivisena asiana, että organisaatioissa on kehitetty viime vuosina tiedonhallintaa ja siirrytty pilvipalveluihin sekä huomioitu entistä paremmin datan hyödyntämistä osana johtamisen sekä liiketoiminnan kehittämistä. Hän toteaakin, että silloin on helppoa ryhtyä tekoälyn käyttöönotossa tuumasta toimeen, kun on valmiiksi jo käytössä esimerkiksi Microsoftin tai Googlen työkaluja.
Hän neuvoo, ettei kannata ruveta aluksi tekemään mitään suurta ja raskasta varsinaista tekoälyprojektia, koska nämä etenevät hitaasti aina kaiken muun kiireen keskellä. Hän suosittelee nopeaa tekoälyn rajattua testaamista, koska silloin muutamissa viikoissa saadaan kokemuksia ja nähdään tuloksia. Samalla lisääntyy ymmärrys hyödyistä ja mahdollisuuksista. Tällöin voidaan kustannustehokkaasti hyödyntää myös ulkopuolista asiantuntijaa.
Wisakanto kertoo, että he ovat monesti avustamassa asiakkaita juuri alkutaipaleella, koska voivat kertoa esimerkkejä ratkaisuvaihtoehdoista ja toteutuksista eri toimialoille ympäri maailmaa. Yhtenä esimerkkinä hän kertoo, kuinka kiinteistöpalveluita tarjoavalle organisaatiolle toteutettiin huoltopalveluihin liittyvä tekoälyratkaisu. Käytännössä koottiin asiakkaiden eri järjestelmien ja laitteiden käyttöoppaat, huoltokirjat ja ohjeet yhteen tietokantaan.
Näin pystytään helposti ja nopeasti hakemaan tarvittavat tiedot työtehtävissä, jolloin laatu ja kustannustehokkuus paranevat. Tekoälyn avulla pystytään ennustamaan ja ennakoimaan myös palvelutarpeita, kun dataa hyödynnetään monipuolisesti. Tämä auttaa puolestaan johtamisessa ja liiketoiminnan kehittämisessä.
Lue koko artikkeli Turvallisuus & Riskienhallinta -lehden numerosta 6/2023.
Pysy ajan tasalla turvallisuudesta ja riskienhallinnasta.