Toinen investointi tekoälyyn, tällä kertaa järjestelmiin, ei malleihin
Keskeiset havainnot
- Ensimmäinen tekoälyinvestointi on työkaluja ja malleja, toinen kohdistuu hyväksyntäkerroksiin, tarkistuspisteisiin, monitorointiin ja kykyyn palauttaa kontrolli ihmiselle.
- Demo peittää käyttöönoton todelliset kustannukset: tuotannossa malli kohtaa datan, poikkeukset ja reunatapaukset, joita rajatussa demossa ei ollut.
- Selkeä prosessi ja keskinkertainen malli tuottavat usein paremman tuloksen kuin huipputason malli ja hajanaiset työnkulut.
- Tekoälyn käyttöönotto on järjestelmäsuunnittelua, johon teknologia kytketään, joten kyse on yhtä lailla muutosjohtamisesta kuin tekniikasta.
Toinen investointi tekoälyyn, tällä kertaa järjestelmiin, ei malleihin
Moni organisaatio on jo tehnyt ensimmäisen tekoälyinvestointinsa: hankittu työkalut, kokeiltu malleja, nähty lupaavia demoja. Vähemmän puhutaan siitä, että useimmat joutuvat tekemään toisen.
Syy on yksinkertainen. Demovaihe peitti todelliset käyttöönoton kustannukset. Demo on rajattu tehtävä puhtaassa ympäristössä. Tuotannossa sama malli törmää dataan, poikkeuksiin ja reunatapauksiin, joita demon ei koskaan tarvinnut käsitellä.
Toinen investointi ei kohdistu kielimalliin. Se kohdistuu siihen, mitä mallin ympärille on rakennettava, jotta siitä syntyy luotettavaa työtä: hyväksyntäkerrokset, tarkistuspisteet, monitorointi, kyky palauttaa kontrolli ihmiselle silloin kun tilanne on epäselvä. Sillä tekoäly tekee virheitä, ja kysymys on siitä, havaitaanko virhe ajoissa ja osataanko se korjata.
Tämä on lähempänä järjestelmäsuunnittelua kuin mallin valintaa. Ja se on hitaampaa kuin demon kasaaminen, koska luotettavuutta ei voi ostaa valmiina.
Kiinnostavaa kyllä, tämä kääntää alkuperäisen oletuksen päälaelleen. Organisaatio jolla on selkeä prosessi ja keskinkertainen malli pärjää usein paremmin kuin se jolla on huipputason malli mutta hajanaiset työnkulut.
Tekoälyn käyttöönotto ei lopulta näytä teknologian käyttöönotolta. Se on järjestelmäsuunnittelua, johon teknologia kytketään. Ja koska järjestelmissä työskentelee aina myös ihmisiä, kyse on yhtä lailla muutoksen johtamisesta kuin tekniikasta.
Miten teidän organisaatiossanne tekoälyvalmiutta mitataan, demojen vai tuotantojärjestelmien näkökulmasta?
#TekoälyStrategia #OperatiivinenTekoäly #JärjestelmäSuunnittelu #HavuAI
Marko Paananen
Tekoälykonsultti ja -toteuttaja, jolla on yli 20 vuoden kokemus digitaalisen liiketoiminnan kehittämisestä. Auttaa yrityksiä muuttamaan tekoälyn potentiaalin mitattavaksi liiketoiminta-arvoksi.
Seuraa LinkedInissä →Aiheeseen liittyvät ajatukset
Tekoälyn arvo on siirtynyt malleista työnkulkuihin - mihin organisaatioiden kannattaa keskittyä
Tekoälyn pullonkaula ei ole enää mallien kyky vaan työnkulkujen tunnistaminen. Organisaatioiden on löydettävä kohdat, joissa toistuvat päätökset hidastavat liiketoimintaa.
Hyväksyntäkerros tekoälyagenteissa - pysyvä arkkitehtuuri
Tekoälyagenttien kehityksessä luotettavuus on ohittanut autonomian. Ihmisen valvontaan perustuva hyväksyntäkerros ei ole väliaikainen ratkaisu vaan pysyvä arkkitehtuuri.
Tekoälyagentit muuttavat työn rakennetta
Tekoälyagentit eivät ole vain tehokkuustyökaluja — ne siirtävät ihmisen roolia tavoitteiden määrittelyyn, arviointiin ja prosessien johtamiseen.
Kiinnostuitko?
Ota yhteyttä ja keskustellaan miten yrityksesi voi hyödyntää tekoälyä liiketoiminnassaan.