Seuraava tekoälyaalto ei välttämättä kirjoita mitään
Keskeiset havainnot
- TypeSafe AI:n Jev-malli ja OpenAI:n Decisions API edustavat uutta tekoälykategoriaa, joka valitsee etukäteen määritellyistä vaihtoehdoista tekstin tuottamisen sijaan.
- Kun tekoälypäätös on halpa ja syntyy lähes välittömästi, aiemmin kannattamattomien harkintavaiheiden automatisointi muuttuu mahdolliseksi.
- Tekoälyn päätösmallit saattavat olla arvokkaimpia prosessien siirtymäkohdissa, joissa työ odottaa seuraavaa ohjauspäätöstä ja pullonkaulat syntyvät.
- Generatiivinen tekoäly automatisoi tyypillisesti työn tuotoksia, kun taas päätösmallit saattavat automatisoida siirtymiä työvaiheiden välillä.
Kahden viikon sisällä julkaistiin kaksi uuden kategorian tuotetta, jotka viittaavat siihen, että tekoäly alkaa erikoistua tehtävään, jota useimmat organisaatiot eivät ole vielä ajatelleet automatisoida: pieniin, toistuviin päätöksiin, jotka siirtävät työn vaiheesta toiseen. TypeSafe AI:n Jev-malli ja OpenAI:n Decisions API valitsevat molemmat etukäteen määritellyistä vaihtoehdoista tekstin tuottamisen sijaan — ja kiinnostavampi kysymys on, miksi tämä kategoria nousee juuri nyt.
Tuotteita kiinnostavampi on kysymys niiden takana: miksi tekoälyä aletaan rakentaa nimenomaan päätöksiä varten?
Kolme havaintoa:
1. Suuri osa yritysten prosesseista on pieniä päätöksiä. Asiakasviesti ohjataan oikealle tiimille. Lasku menee läpi tai tarkastukseen. Mikään näistä ei vaadi tekstin tuottamista, mutta jokainen vaatii harkintaa.
2. Hinta ja nopeus muuttavat mittakaavan. Kun päätös on halpa ja syntyy sekunnin murto-osassa, harkintaa voi automatisoida kohdissa, joissa se ei aiemmin kannattanut.
3. Päätöksestä tulee oma rakennuspalikkansa. Uutta on se, että päätös erotetaan omaksi ohjelmiston osakseen: tässä tilanne, tässä sallitut vaihtoehdot, valitse yksi ja kerro, kuinka varma olet.
Käytännössä tämä näkyy esimerkiksi myynnissä. Uusi liidi saapuu, ja jonkun pitää arvioida, onko asiakas kiinnostunut juuri nyt ja kenelle myyjälle liidi kuuluu. Liidi saattaa odottaa tätä arviota päiviä, ja kiinnostus ehtii viilentyä. Päätösmalli voisi tehdä arvion heti, ohjata kuumat liidit suoraan myyjälle ja nostaa epävarmat ihmisen arvioitaviksi.
Huomasin saman ilmiön juuri päättyneessä konsultointiprojektissa. Kiinnostavimmat tekoälyn käyttökohteet löytyivät kohdista, joissa tehtävä siirtyy tekijältä toiselle. Samoissa kohdissa olivat myös prosessin pullonkaulat. Generatiivinen tekoäly automatisoi tyypillisesti työn tuotoksia. Päätösmallit saattavat automatisoida juuri näitä siirtymiä työvaiheiden välillä.
Missä kohdissa teidän organisaatiossanne työ jää odottamaan, että joku päättää, mihin se menee seuraavaksi? Entä mikä niistä päätöksistä olisi viimeinen, jonka antaisitte tekoälylle?
#TekoälyStrategia #TekoälyAgentit #DigitaalinenTransformaatio #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
Onko hajautettu tekoälykehitys strategia vai hallitsematon tila?
Hajautettu tekoälykehitys voi olla hyvä strategia, mutta jos kokonaiskuva puuttuu, mahdollisuuksia kilpailuedun rakentamiseen voi jäädä huomaamatta.
Toinen investointi tekoälyyn, tällä kertaa järjestelmiin, ei malleihin
Useimmat organisaatiot ovat jo tehneet ensimmäisen tekoälyinvestointinsa. Toinen investointi on luotettavien järjestelmien rakentaminen mallien ympärille.
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.
Kiinnostuitko?
Ota yhteyttä ja keskustellaan miten yrityksesi voi hyödyntää tekoälyä liiketoiminnassaan.