Tekoäly syö dataa toimiakseen - onko organisaationne data siihen valmis?

Kun generatiivinen tekoälytyökalu ChatGPT julkaistiin tavallisenkin kansan käyttöön marraskuun lopussa 2022, kiihtyi tekoälyn ympärillä pyörivä loputtomien mahdollisuuksien hehkuttaminen. Lähes vuosi sen käyttöä takana on näyttänyt mahdollisuuksien lisäksi sen, että tekoälykään ei ole aina oikeassa. Jos se ei saa käsiinsä uusinta tietoa, tai “tieto” on internetissä värittynyttä, voi tuloksen laatu olla kyseenalainen tekoälyn joskus lähtiessä jopa hallusinoimaan eli keksimään omiaan.  

Kohta meidän kaikkien tietokoneen äärellä töitään tekevän, erityisesti "työmarkkinoiden eliittiin" (kuten Etla ilmaisee) kuuluvien avuksi on tulossa Copilotin kaltaisia tekoälytyökaluja, joka hakee internetin sijaan vastauksia yrityksen sisäisestä datasta. Nyt onkin äärimmäisen tärkeää kiinnittää huomio siihen, mitä yrityksen data pitääkään sisällään ja vaikuttaa näin tekoälyn tuottaman tuloksen laadukkuuteen.  

Kaikki alkaa datasta ja sen ylläpidosta

Tekoälyn menestyksekkään käytön kannalta yksi tärkeimmistä yksittäisistä asioista on data. Data on tekoälyn polttoaine, joka mahdollistaa sen oppimisen ja toiminnan. Data on myös tekoälyn heikko kohta, joka määrittää sen rajat ja riskit.      

Yritysmaailmassa dataa syntyy lähes jokaisen meistä kautta dokumenttien, esitysten, viestien, palaveritallenteiden ja numeeristen taulukoiden muodossa. Generatiiviseen tekoälymalliin, eli luonnolliseen kieleen, perustuvan Microsoft 365 Copilotin yksi tehtävistä tuleekin olemaan se, mikä jatkuvan muutoksen, informaatiotulvan ja moneen paikkaan hajaantuneen tiedon digitalisoituneen työelämän keskellä on käynyt työlääksi -auttaa etsimään tarvitsemasi tieto kiireisen arjen keskellä. Tuloksissaan se yhdistää sisältöjä tietystä kontekstista, esimerkiksi kaikkialta, mihin sitä käyttävällä työntekijällä on vain pääsy. Tarkkasilmäisenä se penkoo siis kontekstissaan joka ikisen Wordin, Teamsin chatin ja kanavan, intran sisältösivun ja sähköpostin löytääkseen sinulle haluamasi vastauksen.  

Mutta entäs jos tekotyökalun läpikäymä data on jäänyt siivoamatta, ja versionhallintakin on edelleen ajatuksen asteella? Taustalla skaalautuvat pilvipalvelut ovat mahdollistaneet rajattoman kapasiteetin säilyttää kaikki dokumentit ja esitykset. Ilman kunnollista dokumentinhallintaa tästä tiedostojoukosta on muodostunut vuosien varrella sopulilaumoja, jotka ovat kasvaneet hallitsemattomasti ja eksponentiaalisesti.  Näin myös tulokseen eksyy se vanhentunut tai vääristynyt tieto – tai jopa molemmat.

Tekoälyn käyttäjä ei välttämättä osaa kritisoida taustalla olevaa dataa (tai käyttämiään kehotteita eli prompteja), vaan kehnon tuloksen kohdalla sitä joko uskotaan kyseenalaistamatta, tai osoittava sormi kohdistuu “älyttömään” tekoälyyn.

Jotta tekoälyn käyttöönotto ja erityisesti sen hyödyntäminen näyttäytyy työntekijöille ja asiakkaille positiivisena kokemuksena, pitää datan käyttöönotossa ottaa huomioon datan hallintaan, suojaamiseen ja jakamiseen sekä sisäisesti että ulkoisesti liittyvät säännöt ja käytänteet. Oman dokumentinhallinnan päälle pitää huomioida datan käsittelyyn liittyvät lait ja asetukset, huomioida datan käsittelyssä eettiset periaatteet ja arvot sekä luoda selkeä strategia, politiikka ja prosessit datan hallinnalle ja hyödyntämiselle ja ylipäänsä tekoälyn käytölle työelämässä.

Hyvä uutinen on se, että siinä missä koko internetin läpikäyvien tekotyökalujen tulokseen on vaikea vaikuttaa, organisaation sisäiseen voi - kunhan siiihen laitetaan vähän ajatusta ja aikaa!

3 askelta älykkäämpään tekoälyyn

Datan laadun lisäksi pitää määrittää ja ymmärtää mistä ja miten data kerätään. Datan merkitystä ja potentiaalia sen käyttötarkoitukseen on arvioitava ja priorisoitava, sekä varmistettava sen tarkkuus, puhtaus ja monimuotoisuus.  

Aloita siis miettimällä isossa kuvassa ainakin näitä kolmea teemaa:

Puhtaus: Pidä siivoustalkoot ja poista organisaatiosi sisäisestä datasta kylmänviileästi kaikki tiedostot ja sivut, jotka sisältävät vanhentunutta tai väärää tietoa, ettei roskadata ja virheet pääse vääristämään tuloksia. Esimerkiksi SharePointissa olevalla dokumentaatiolla ja siihen kytketyillä dokumentinhallinnan käytänteillä pääsee alkuun. Siitä pitää juurruttaa myös tapa, jottei roskadataa jätetä jatkossakaan tekoälyn (tai kenenkään muunkaan) luettavaksi. Tätä voidaan sitten laajentaa hallitusti ja harkiten aina vaan isompiin ja isompiin datamassoihin.  

Tarkkuus: Mitä paremmat ja juurtuneemmat tavat tiedostojen nimeämiseen, tagäykseen, metatietojen lisäämisen ja muuhun tunnistamiseen on, sen parempi! Tietojen tarkkuus ja validointi ovat välttämättömiä, sillä epätarkka data voi johtaa virheellisiin ennusteisiin ja päätöksiin. Jos datalähteistä puuttuu oleellisia tietoja, kuten vaikka päivämäärä, geologinen data tai data on jäänyt indeksoimatta, ei tarvittavaa dataa välttämättä löydy. Myös tiedostojen jakokäytänteet pitää tarkastaa – onko koko organisaatiolle annettu pääsy sellaisiin tiedostoihin, jotka oikeasti olisivat parempi pitää vain pienen ryhmän saatavilla?  

Monimuotoisuus: Mitä monipuolisempi ja laajempi datavaranto, sitä monipuolisempia sovelluksia ja syvempää liiketoiminnan ymmärrystä tekoälyllä voi saavuttaa. Vasta kun tekoälyprojekti on saatu maaliin niin, että oma data on tarkkaa ja puhdasta ja siitä saadaan varmasti luotettavia tuloksia, voidaan datalähteitä lisätä myös organisaation ulkopuolelta. Ulkopuolisen datan avulla voidaan vaikka etsiä trendejä ja korrelaatioita oman datan ja julkisen datan välillä suoraan Internetistä.  

Panosta pohjatyöhön tekoälyn käyttöönotossa

Tekoäly tarjoaa valtavasti mahdollisuuksia automatisoida tehtäviä, jotka vaativat aikaa ja resursseja. Se tulee mullistamaan (jälleen kerran) tapamme tehdä töitä niin yksilö- kuin organisaatiotasolla. Se tulee vapauttamaan arvokasta aikaa ja Microsoftin tutkimuskin kertoo, että valtaosa työntekijöistä ei malta odottaa työtehtävien delegointia tekoälylle. Se auttaa organisaatioita tekemään parempia päätöksiä perustuen datan analysointiin ja korrelaatioiden löytämiseen, ja yritysten johto näkeekin tekoälyn ennemmin työntekijöitä voimaannuttava työkaluna kuin heidän korvaajinaan. Myös tuore Etlan tutkimus näkee, että tekoäly pikemminkin täydentää, kuin korvaa ihmistyötä.

Tekoälyn ottaminen osaksi liiketoimintaa voi parantaa liiketoiminnan tehokkuutta ja tuoda aitoa kilpailuetua. Se myös parantaa työntekijäkokemusta, kun kaikenlaisen sälän voi vastuuttaa väsymättömästi ja (datan ollessa mintissä) virheettömästi työskentelevälle tekoälylle.

Käyttöönotto vaatii datan lisäksi paljon muutakin valmistelua, suunnittelua ja ajatusta, mikä voi tuntua työläältä, monimutkaiselta ja harmillisen tylsältä. Silti siihen kannattaa panostaa, sillä hyötyjen varjopuolena myös haitat voivat olla vakavia, jos mennään sieltä missä aita on matalin.  

Kurkkaa suraavaksi kolme vaihetta jotka ovat tärkeitä tekoälyn hallittuun käyttöönottoon.