Tekoäly ei odota

Teknologia

Kädet käyvät. Ilme on kiihkeä. Äänenvoimakkuus nousee. Antti Merilehto alkaa päästä vauhtiin.

Puheenaihe on hänelle läheinen: tekoälyn hyödyntäminen yritystoiminnassa ja markkinoinnissa.

Merilehto työskentelee Finch Finlandin maajohtajana. Yritys optimoi toisten yritysten hakusanamainontaa Googlessa.

Aiemmin Merilehto on työskennellyt Googlen pääkonttorissa Dublinissa, ja hän on perehtynyt työssään automaatioon yli kymmenen vuotta ja tekoälyyn viimeiset vuodet. Helmikuussa Alma Talent julkaisi hänen kirjansa Tekoäly – Matkaopas johtajalle.

Teoksen pääviesti on selvä. Merilehto haluaa silti sanoa sen uudelleen. Hän nojautuu lähemmäs nauhuria ja sanoo painokkaasti:

”Suomalainen yritysjohtaja, kuuntele nyt tarkkaan! Jos ette aloita datan hyödyntämistä tänään, joku jossain bostonilaisessa autotallissa tekee sen huomenna. Silloin te olette valmiiksi perässä”, Merilehto napauttaa.

Merilehdon mukaan viivyttely voi olla kohtalokasta, koska tekoälyn käyttöön valjastaminen ei ole niin yksinkertaista kuin moni kuvittelee.

Suurin osa yritysten kehittämistä tekoälyratkaisuista pohjautuu koneoppimiseen.

Oppivan koneen toiminta perustuu sille syötettävään opetusaineistoon eli opetusdataan. Mitä enemmän dataa syötetään, sitä paremmaksi kone oppii.

Esimerkkejä opetusdatasta ovat chatbotille syötettävät asiakaskeskustelut, joiden pohjalta botti oppii tunnistamaan yleisimmät asiakkaiden kysymykset ja vastaamaan niihin. Data itsessään on hyödytöntä.

Yritysjohdon tulee Merilehdon mukaan ensin määritellä selkeät bisnestavoitteet ja oikeat mittarit niille.

Vasta sitten yritys voi selvittää, mitä dataa on käytettävissä ja minkälaisia asioita koneen etsittäväksi ja laskettavaksi kannattaa antaa.

Tekoälyn hienous on siinä, että opetettuina koneet pystyvät löytämään hetkessä datasta syy- ja seuraussuhteita, joiden löytämiseen ihmiseltä kuluisi viikkoja tai kuukausia.

Oppiva kone voi esimerkiksi tunnistaa isosta tekstimassasta yksittäisiä sanoja sekä luoda ennustemallin siitä, minkälaiset elementit tekstissä ennakoivat kyseisen sanan esiintymistä. Kone kykenee myös tunnistamaan hetkessä tuhansien valokuvien joukosta vaikkapa ne kuvat, joissa esiintyy tietyn rotuinen koira.

Tällöin kyse on koneoppimisen edistyneestä osa-alueesta syväoppimisesta, jota käytetään esimerkiksi, puheen, kuvien, ja tekstien tunnistamiseen.

”Oppiva kone on hemmetin paljon ihmistä nopeampi etsimään, tunnistamaan ja luokittelemaan erilaisia asioita isosta määrästä dataa. Siksi se kannattaa antaa koneen tehtäväksi”, Merilehto sanoo.

Tekoälyä ei voi Merilehdon mukaan irrottaa teknologisesta murroksesta. Yritysten ulottuvilla on valtavat määrät dataa eri lähteistä.

Datan säilöminen on helppoa ja kustannukset vähäisiä.

”Taskussani olevassa älypuhelimessa on monituhatkertainen teho verrattuna siihen tietokoneeseen, joka vei vuonna 1969 yhdysvaltalaisastronautit kuuhun. Koneiden laskentateho on räjähtänyt”, Merilehto toteaa.

Hän korostaa, että edes kaikkein kehittynein kone ei pysty kaikkeen. Tekoäly on apuäly, jota kannattaa hyödyntää, kun käsissä on paljon dataa useista eri lähteistä.

Sitä on hyödyntänyt esimerkiksi lemmikkieläintarvikeketju Musti ja Mirri. Se on ottanut yhtenä ensimmäisistä suomalaisyrityksistä tekoälyn käyttöön työvuorosuunnittelussa Oulun seudun myymälöissään.

Syötetyn kuittidatan ja työvuorotuntien perusteella tekoäly laskee, mitä myymälässä milloinkin tapahtuu. Se voi laatia työvuorojen pohjat siten, että asiakastarpeet ja työvoiman määrä vastaavat toisiaan optimoi­- dusti.

Lopulliset työvuorot tekee edelleen ihminen. Kone ei pysty ottamaan huomioon datan ulkopuolelle jääviä asioita, kuten työntekijöiden vapaatoiveita.

”Käytännössä tekoäly auttaa ihmistä päätöksenteossa. Tästä on kysymys”, Merilehto sanoo.

Markkinoinnissa tekoäly mah- dollistaa tehokkaamman kohdentamisen.

Esimerkiksi teleoperaattori voi jakaa asiakkaansa eri kohderyhmiin. Oppiva kone pystyy eri lähteistä löytämänsä datan perusteella laskemaan ennustemallin, jossa asiakkaat on jaettu eri kategorioihin kannattavuuden mukaan.

Yritys voi kategorioiden perusteella erottaa toisistaan esimerkiksi kaksi asiakasta, joille yritys myy saman verran. Toinen kuluttaa asiakaspalvelun tunteja kolminkertaisen määrän, jolloin hänen kannattavuutensa on huomattavasti matalampi.

”Näin yksityiskohtaisen tiedon ansiosta kohdentaminen on tehokasta. Operaattori pystyy esittämään asiakkaalle tarjouksen tai mainoksen, joka tekoälyn ennusteen perusteella soveltuu hänelle esimerkiksi Facebookissa juuri kello seitsemältä illalla”, Merilehto selvittää.

Tekoälyn luomia ennustemalleja markkinoinnissa on hyödyntänyt muun muassa teleoperaattori DNA.

Online-liiketoiminnan johtaja Kati Sulin kertoo, että ennustemalleilla tuotettujen kohderyhmien konversio on ollut 2–3 kertaa parempi kuin perinteisen kohderyhmäpoiminnan pohjalta tehdyissä kampanjoissa.

”Kone osaa yhdistellä valtavan määrän dataa paremmalla osumatarkkuudella kuin ihminen. Kun koneen avulla on luotu ennustemallit, jotka ulottuvat läpi koko valtavan datamassan, ennustamisen astetta ja sitä kautta osumatarkkuutta pystyään nostamaan”, Sulin kertoo.

Tekoälyllä voi tehdä myös rahaa. Merilehto nostaa esille helsinkiläisen Facebook-mainosteknologiayhtiön Smartly.io:n. Sen liikevaihto oli ensimmäisen toimintavuoden 2014 lopussa 0,61 miljoonaa euroa. Vuonna 2017 liikevaihto oli yli 30 miljoonaa euroa ja työntekijöitä on lähes 200. Tulos oli noin 10 miljoonaa euroa.

”He tekevät Facebook-mainontaa ja optimoivat sitä hyödyntäen koneoppimista. Kasvuluvut ovat täysin poskettomat. Tämä on yksi erittäin onnistunut esimerkki meiltä”, sanoo Merilehto.

Moni yritys on ottanut ensiaskeleitaan tekoälyn käyttämisessä chatboteilla. Suomessa muun muassa lentoyhtiö Finnair ja vakuutusyhtiö If ovat tuoneet markkinoille omat bottinsa.

Startupyritys GetJennyn Ifille kehittämä Emma-botti osaa vastata kahteen kolmasosaan kaikista asiakaspalvelun kysymyksistä.

Finnairin englanninkielinen Finn-botti puolestaan osaa varata lennon, vastata useimmin esitettyihin kysymyksiin sekä auttaa matkustajaa laskemaan lisämatkatavaran määrän.

Chatbotit ovat Merilehdon mukaan loistava esimerkki siitä, kuinka tekoäly on nimenomaan apuäly. Se helpottaa asiakaspalvelutyötä ja tekee siitä mielekkäämpää.

”Kun asiakaspalvelijan ei tarvitse vastata samaan kysymykseen kymmeniä kertoja päivässä, säästyy aikaa ja työvoimaresursseja. Myös palvelun laatu paranee, kun ihminen voi keskittyä haastavampiin ongelmiin. Työn mielekkyys kasvaa.”

Suomessa BusinessFinland käynnisti alkuvuodesta AI Business -rahoitusohjelman, jonka kautta pienille ja keskisuurille suomalaisyrityksille jaetaan 160 miljoonaa euroa tekoäly- ja alustatalouden kehityshankkeisiin seuraavina neljänä vuonna.

Merilehdon mielestä vastaavia avauksia ja tietoa tarvitaan lisää. Hänen mielestään tekoälyyn liittyy harhakäsityksiä. Yritykset voivat esimerkiksi pitää tekoälyn käyttöönottamista helppona, kalliina tai lähes mahdottomana aloittaa.

Alkuun pääsee vaikkapa ohelmistojättien kehittämillä ilmaisilla koneoppimisen työkaluilla.

”On edullisinta aloittaa itse, jos löytyy osaamista. Konsultin kanssa aloituskustannukset alkavat muutamasta kymmenestä tuhannesta eurosta. Se voi olla järkevin vaihtoehto, jos liiketoiminnalla on selkeä tarve”, toteaa Merilehto.

Pelkkä datan käyttöönottaminen ei kuitenkaan riitä. Merilehdon mukaan yrityksen käyttämien mittareiden täytyy sallia kokeileminen.

”Jos mitataan vain onnistumista, mikään ei koskaan muutu eikä kehity”, Merilehto korostaa.

Tekoäly

Mikä: Tekoälyllä tarkoitetaan tietokonetta tai tietokoneohjelmaa, joka kykenee toimintoihin, joiden on perinteisesti ajateltu vaativan älykkyyttä.

Miten: Suurin osa tämän päivän tekoälystä perustuu koneoppimiseen. Kone oppii sille syötetyn opetusmateriaalin eli datan pohjalta suoriutumaan määritetyistä tehtävistä. Mitä enemmän dataa syötetään, sitä paremmaksi kone oppii.

Haavoittuvainen apuäly

Voiko tekoäly syödä työpaikkoja markkinointiviestinnästä? Kyllä voi, toteaa datavetoiseen markkinointiin ja palvelumuotoiluun erikoistuneen Nordic Morning Finlandin toimitusjohtaja Jukka Sundquist.

Sundquistin arvion mukaan manuaalisen optimoinnin määrä vähenee tekoälyn ansiosta merkittävästi.

Hyviä esimerkkejä manuaalisesta optimoinnista ovat manuaalisesti säädettävät mainosbudjettien ja ostohintojen vaihtelut Facebookissa tai Google -mainoksissa.

Ostotoiminta näissä palveluissa on reaaliaikaista ja esimerkiksi ostohinnat perustuvat kysynnän ja tarjonnan lakiin. Kaikkia näitä elementtejä on perinteisesti säädelty manuaalisesti, mutta nyt yhä useammin tekoälyn avulla.

”Manuaalinen optimointi on vielä melko yleistä. Jatkossa kaiken tämän tekee kone. Mainonnan suunnittelu jää kuitenkin edelleen ihmisille”, toteaa Sundquist.

Ihmisten onneksi tekoäly ei pelkästään poista työtehtäviä vaan muokkaa niitä, usein mielekkäämpään suuntaan.

Ohjelmistojätti Adobe julkisti reilu vuosi sitten demon, jossa yhtiön kehittämä sovellus muunsi tekoälyä käyttäen editoidun äänidatan suoraan tekstimuotoon. Asiantuntijat käsittelivät tekstiä kuin olisivat editoineet juttua.

Vapa Median tekoälystä ja datasta vastaavan johtajan Timo Nurmen mielestä demossa hienoa oli, että Adoben työntekijät pystyivät palauttamaan editoidun tekstin takaisin puheeksi.

”Tekoäly voi jatkossa nopeuttaa tuotantoprosessia merkittävästi. Ihmisen ei välttämättä tarvitse tulla studioon äänittämään pieleen mennyttä repliikkiä, kun kirjoitettu teksti on muunnettavissa puheeksi, jota voi käyttää sellaisenaan”, Nurmi sanoo.

Vaikka Adoben demo avaa huimia näkymiä, edistyksellisinkin tekoäly on haavoittuvainen. Sundquistilla on tästä osuva esimerkki.

Hän vieraili maaliskuussa Austinissa Yhdysvalloissa järjestetyssä teknologiateollisuuden vuosittaisessa South by Southwest -tapahtumassa.

Tapahtumassa Fordin suunnitteluryhmä esitteli hanketta, jossa selvitettiin, kuinka tekoälyä voi hyödyntää tuotekehityk- sessä.

Insinöörit antoivat sekä koneen että ihmisen tehtäväksi suunnitella uuden keskikonsolin autoon. Molemmille annettiin täsmälleen samat tiedot ja ohjeet.

Koneen suunnittelema kokonaisuus ei olisi toiminut käytännössä mitenkään.

”Ihminen ei osannut antaa kaikkia tarvittavia parametreja koneen käyttöön, koska meillä on paljon sellaista hiljaista tietoa elämästä, jota koneella ei ole.”

Sundquistin mukaan yritysten on tästä syystä jätettävä bisnestavoitteiden määritteleminen, prototyyppien suunnittelu ja oikeiden mittareiden valinta ihmisen käsiin.

”Sekä ihmisen että koneen tulee tehdä asioita, joissa ne ovat hyviä. Strategia, luova suunnittelu ja tavoitteiden asettaminen on ihmisen tehtävä, kun taas kone on usein meitä parempi ja nopeampi toteuttamaan suunnitelmia”, Sundquist sanoo.

Asiakaspalvelu paranee

Yritykset käyttävät asiakaspalvelun parantamiseen ja kehittämiseen chatboteja. Lentoyhtiö Finnair otti viime syksynä käyttöön englanninkielisen Finn-nimeä kantavan chatbotin, joka on rakennettu yhdessä lentoyhtiöille teknologiaratkaisuja kehittävän Caravelon kanssa.

Finn osaa muun muassa varata lennon, kertoa asiakkaalle, onko lento ajoissa sekä vastata yleisimpiin asiakkaiden kysymyksiin. Jos Finn ei osaa auttaa, se ohjaa keskustelun asiakaspalvelijalle.

Toistaiseksi palvelu on vain englanniksi, mutta Finnairin myyntijakelusta, kaupallisista kehitysprojekteista ja analytiikasta vastaavan johtajan Rogier van Enkin mukaan tulossa on myös suomen- ja kiinankieliset versiot.

”Chatbotia käyttää kuukausittain 12 000 asiakasta. Noin 30 prosenttia asiakkaista on kertonut löytäneensä ratkaisun ongelmaansa Finnin kautta. Kehitämme palvelua jatkuvasti yhteistyössä asiakkaiden kanssa”, van Enk kertoo.

Tekoäly on yrityksille oiva apuri asiakaspalautteen käsittelemisessä. Kone tunnistaa ja luokittelee tekstimuodossa annettua palautetta nopeammin ja tarkemmin kuin ihminen.

DNA:n online-liiketoiminnan johtaja Kati Sulinin mukaan tekoäly voi tunnistaa tuhansien sähköpostipalautteiden joukosta erilaisia teemoja, vaikkapa alueellisia haasteita tai asumistyyppiin liittyviä haasteita. Se voi esimerkiksi huomata, että Tampereella verkkoyhteyksissä ongelmat ovat olleet samankaltaisia.

”Tarkan, laadullisen palautteen ansiosta voimme keskittyä liiketoiminnan kehittämisessä asioihin, jotka oikeasti juuri tällä hetkellä harmittavat suomalaisia. Sillä on valtava strateginen merkitys kilpailun kannalta”, Sulin sanoo.

Mustin ja Mirrin maajohtajan Juhana Lambergin mukaan tekoälyn hyödyntäminen työvuorojen suunnittelussa voi tuottaa yritykselle noin 50 000 euron säästöt. Säästöjä olennaisempaa on asiakaspalvelun laadun ja myynnin paraneminen.

”Työtunnit osuvat paremmin niihin kohtiin, joihin tekoäly on ennustanut asiakasvirtaa. Odotamme, että saamme asiakaspalautteesta jatkossa parempia pisteitä. Myös myynti kasvaa jonkin verran, kun työvoiman määrä vastaa paremmin asiakasmäärää”, Lamberg kertoo.

Antti Merilehto, 39

Työ: Finch Finlandin maajohtaja

Ura: Seitsemän vuotta portsarina, Länsi-Auto, Google

Koulutus: Kauppatieteiden maisteri, Helsingin kauppakorkeakoulu (Aalto-yliopisto)

Perhe: Vaimo Maikki

Kotipaikka: Helsinki

Harrastukset: Lukeminen, voimailu, valokuvaus