Usein tekoälyprojektin kokemukset ratkaistaan jo ennen ensimmäistäkään teknistä toteutusta. Jos lähtökohtana on epämääräinen ajatus siitä, että yritykseen tarvitaan tekoälyä, projekti jää helposti kokeiluksi. Kun taas lähtökohtana on konkreettinen työvaihe - esimerkiksi asiakaspalvelun toistuvat kysymykset, manuaalinen raportointi tai tietojen siirtely järjestelmästä toiseen - tuloksia voidaan arvioida nopeasti ja rehellisesti.

Parhaat projektit eivät yleensä näytä ulospäin mullistavilta. Ne poistavat yhden turhan välivaiheen, nopeuttavat vastausta asiakkaalle tai kokoavat hajallaan olevan tiedon käyttökelpoiseen muotoon. Juuri nämä pieneltä vaikuttavat parannukset voivat vapauttaa viikoittain merkittävän määrän aikaa ja vähentää virheitä arjen työssä.

Tekoälyprojektin kokemukset alkavat oikeasta rajauksesta

Käytännön kokemuksissa toistuu yksi havainto: liian laaja ensimmäinen tavoite hidastaa etenemistä. Yritys voi nähdä samaan aikaan kymmeniä mahdollisuuksia asiakaspalvelussa, myynnissä, markkinoinnissa, taloudessa ja operatiivisessa työssä. Kaikkea ei kuitenkaan kannata ratkaista yhdellä kertaa.

Hyvä ensimmäinen kohde on prosessi, joka toistuu usein, vie aikaa ja noudattaa riittävän selkeää kaavaa. Asiakaspalvelutiimi voi esimerkiksi käyttää paljon aikaa samanlaisiin toimitus-, varaus- tai palvelukysymyksiin. Myynti voi kopioida tietoa lomakkeilta asiakkuudenhallintaan. Asiantuntija voi koota kuukausittain raportin useasta lähteestä. Näissä tilanteissa ratkaisu voidaan rakentaa olemassa olevien työkalujen ympärille ilman, että koko järjestelmäkenttää tarvitsee uusia.

Rajaus ei tarkoita kunnianhimon pienentämistä. Se tarkoittaa, että kunnianhimo muutetaan toteutettavaksi vaiheeksi. Toimiva pilotti antaa nopeasti tietoa siitä, miten data liikkuu, missä käyttäjät tarvitsevat tukea ja millaisia poikkeuksia prosessissa todella esiintyy. Sen jälkeen ratkaisua on turvallisempaa ja järkevämpää laajentaa.

Mitä onnistunut projekti tekee eri tavalla

Onnistuminen ei riipu vain käytetystä mallista tai automaatioalustasta. Ratkaisevaa on, ymmärretäänkö työn todellinen kulku. Moni prosessi näyttää yksinkertaiselta, kun sitä kuvataan yhdellä lauseella, mutta sisältää käytännössä poikkeuksia, hyväksyntöjä, puuttuvia tietoja ja tilanteita, joissa päätös pitää jättää ihmiselle.

Siksi alkuvaiheen kartoitus on arvokkaampi kuin pitkä lista ominaisuuksia. Siinä määritellään, mistä tieto tulee, mitä sille tehdään, mihin se tallennetaan ja milloin työntekijä ottaa asian haltuunsa. Samalla sovitaan, mitä ratkaisun ei kuulu tehdä. Tämä on erityisen tärkeää asiakasviestinnässä, maksuihin liittyvissä vaiheissa ja tilanteissa, joissa virheellinen tulkinta aiheuttaisi lisätyötä.

Toinen onnistumisen tekijä on mitattava tavoite. Pelkkä tavoite "tehostaa asiakaspalvelua" on liian väljä. Parempi tavoite voi olla vastausajan lyhentäminen, manuaalisesti käsiteltävien yhteydenottojen määrän vähentäminen tai raportin kokoamiseen käytetyn ajan pienentäminen. Mittarin ei tarvitse olla monimutkainen, mutta sen pitää kertoa, muuttuiko työ käytännössä paremmaksi.

Kolmas tekijä on integraatio. Tekoälystä ei ole suurta hyötyä, jos työntekijän pitää kopioida sen tuottama tieto käsin seuraavaan järjestelmään. Arvo syntyy usein siitä, että ratkaisu hakee tarvittavat tiedot sovituista lähteistä, muodostaa ehdotuksen, ohjaa sen tarkistukseen tarvittaessa ja kirjaa lopputuloksen oikeaan paikkaan. Lisäosa, ei korvaava järjestelmä, on monessa yrityksessä nopein tie hyötyihin.

Pilotti paljastaa, mitä arjessa todella tarvitaan

Toimiva pilotti voidaan monissa tapauksissa saada käyttökelpoiseen muotoon 1-3 viikossa. Nopeus ei tarkoita huolimatonta toteutusta. Se tarkoittaa, että ensimmäisessä vaiheessa keskitytään yhteen rajattuun käyttötapaukseen ja päätetään etukäteen, millä perusteella pilotin hyötyä arvioidaan.

Pilottivaiheessa näkyy usein asioita, joita suunnittelupalaverissa ei huomata. Ehkä lähdejärjestelmän tiedot eivät ole aina samalla tavalla täytettyjä. Ehkä tietyt asiakkaat tarvitsevat palvelua ruotsiksi, englanniksi tai suomeksi. Ehkä automaation pitää pysähtyä, jos tieto on epävarmaa. Nämä eivät ole merkkejä epäonnistumisesta, vaan arvokasta tietoa siitä, miten ratkaisu rakennetaan kestämään todellista käyttöä.

Hyvä pilotti ei myöskään pyri automatisoimaan kaikkea. Se voi esimerkiksi valmistella asiakaspalvelijalle vastausluonnoksen, luokitella saapuvat yhteydenotot tai nostaa kiireelliset tapaukset esiin. Ihminen voi hyväksyä, korjata tai ohittaa ehdotuksen. Tällainen toteutus pienentää riskiä ja auttaa henkilöstöä luottamaan uuteen toimintatapaan.

Missä tekoälyprojektit tavallisesti kompastuvat

Yleinen ongelma on odotus täysin itsenäisestä ratkaisusta liian aikaisin. Tekoäly pystyy käsittelemään kieltä, jäsentämään tietoa ja tuottamaan ehdotuksia tehokkaasti, mutta sen toimintaa pitää ohjata liiketoiminnan säännöillä, ajantasaisilla lähteillä ja selkeillä rajoilla. Kun prosessiin sisältyy poikkeuksia, tarvitaan myös selkeä toimintamalli niiden käsittelyyn.

Toinen haaste on omistajuuden puute. Jos kenelläkään ei ole vastuuta päättää, miten prosessi toimii, mitä tietoa ratkaisu saa käyttää ja miten tuloksia seurataan, kehitys pysähtyy helposti palautekierroksiin. Teknologiakumppani voi rakentaa ratkaisun, mutta yrityksestä tarvitaan henkilö, joka tuntee työn käytännön ja pystyy tekemään päätöksiä.

Kolmas haaste liittyy tiedon laatuun. Jos hinnastot, tuotetiedot, ohjeet tai asiakastiedot ovat hajallaan ja ristiriidassa keskenään, tekoäly ei voi tehdä niistä luotettavaa kokonaisuutta ilman yhteisiä pelisääntöjä. Ratkaisu ei edellytä täydellistä dataa, mutta olennaiselle tiedolle on sovittava selkeä ensisijainen lähde.

Tietoturva ja käsittely-ympäristö on huomioitava jo suunnittelussa, ei vasta käyttöönoton jälkeen. Suomalaisille ja pohjoismaisille yrityksille EU-pohjainen infrastruktuuri, hallitut käyttöoikeudet ja tarkoituksenmukainen tietojen käsittely ovat usein keskeinen osa hankintapäätöstä. Käytännöllinen toteutus yhdistää hyödyllisen automaation ja hallittavan toimintamallin.

Miten hyöty tehdään näkyväksi

Tekoälyprojektin arvo kannattaa arvioida ennen kaikkea työn muutoksena. Kuinka monta vaihetta poistui? Kuinka nopeasti asiakas saa vastauksen? Kuinka paljon aikaa asiantuntijalta vapautuu tarkistamiseen, myyntiin tai ongelmanratkaisuun? Kuinka paljon vähemmän tietoa tarvitsee siirtää käsin?

Kaikkea ei tarvitse mitata euromääräisesti ensimmäisestä päivästä alkaen. Aluksi voi seurata käsittelyaikaa, automatisoitujen tapausten määrää, virheiden määrää ja henkilöstön palautetta. Kun käyttö vakiintuu, luvut kertovat, kannattaako ratkaisua laajentaa uusiin prosesseihin tai asiakasryhmiin.

On myös hyvä tunnistaa, että hyöty vaihtelee prosessin mukaan. Asiakaspalvelussa suurin vaikutus voi näkyä nopeampana vasteena ja tasalaatuisempina vastauksina. Tiedonkeruussa hyöty voi olla ajantasaisempi näkymä markkinaan. Varausten käsittelyssä taas arvo voi syntyä siitä, että asiakkaan pyyntö siirtyy oikeaan paikkaan ilman viivettä. Samaa teknologiaa ei kannata mitata yhdellä yleismittarilla.

Käytännönläheinen eteneminen vähentää riskiä

AI Powered Solutionsin kaltaisessa toteutuksessa tarkoitus ei ole tuoda yritykseen tekoälyä näyttävänä erillisratkaisuna. Tarkoitus on rakentaa olemassa olevien järjestelmien rinnalle toiminto, joka vähentää toistuvaa työtä ja sopii henkilöstön arkeen. Tämä voi tarkoittaa asiakaspalveluagenttia, tiedonkeruun automaatiota, raportointityökalua tai usean järjestelmän välille rakennettua työnkulkua.

Parhaat kokemukset syntyvät, kun projekti etenee näkyvissä vaiheissa: ensin määritellään ongelma, sitten toteutetaan rajattu ratkaisu, seurataan käyttöä ja tehdään tarvittavat tarkennukset. Näin yritys ei joudu sitoutumaan suuriin oletuksiin, vaan voi tehdä päätöksiä todellisen käytön perusteella.

Jos tekoälyhanketta harkitaan juuri nyt, hyödyllisin ensimmäinen kysymys ei ole "mihin kaikkeen tekoäly pystyy?". Parempi kysymys on: mikä toistuva työvaihe olisi ensi kuussa helpompi, nopeampi tai vähemmän virhealtis, jos se toimisi älykkäämmin?