Miten hyödyntää generatiivista tekoälyä yritysmaailmassa? Asiantuntija listaa neljä tärkeää oppia

GenAI eli generatiivinen tekoäly on synnyttänyt hypeaallon, jonka myötä monipuolisten tekstien, grafiikoiden ja videoiden luonti onnistuu käden käänteessä.

Edelleen on kuitenkin epäselvää, miten yritykset voivat parhaiten hyödyntää GenAI:ta. Jonas Pomoell, HiQ:n AI Lead Consultant jakaa näkemyksensä GenAI:n potentiaalista liiketoiminnan kehityksessä. 

Viiden dollarin kuukausihinnalla GenAI saattaa kuulostaa enemmänkin leikkisältä työkalulta, jolla kuluttajat voivat luoda kätevästi kauppalistoja kuin teknologialta, joka tuottaa todellista lisäarvoa liiketoiminnalle. Vaikka GenAI:ta ei olekaan välttämättä kaupallisiin käyttötarkoituksiin, on HiQ löytänyt merkittäviä käyttökohteita liiketoiminnan kehitykseen. Mitä hankkeista on opittu?

1 - GenAI on epädeterministinen voima – Määritä laatumittarit

Jonas Pomoell, HiQ:n AI Lead Consultant, on innoissaan generatiivisen tekoälyn mahdollisuuksista – ja sen kuulee. Samaan aikaan hän korostaa, kuinka ennaltamäärittelemätön se on luonteeltaan. “GenAI-malli on perustavanlaatuisesti virheellinen ja jopa kaoottinen. Tilastollisesti oikean vastauksen sijaan se antaa satunnaisen vastauksen”, hän kiteyttää.

Generatiiviset mallit pyrkivät oppimaan niiden koulutusdatan todennäköisyysjakauman ja generoivat sitten uusia, koulutusdataa muistuttavia tuotoksia. Kun GenAI:lle esitetään tietty kysymys, se antaa johdonmukaisesti vastauksen. Olennaista on kuitenkin se, että tämä vastaus ei ole välttämättä täsmällinen tai optimaalinen – vaan yksi mahdollisista tuloksista.

HiQ:n AI Lead Consultant Jonas Pomoell.
HiQ:n AI Lead Consultant Jonas Pomoell.

Riskienhallinta onkin keskeinen osa generatiivisen tekoälyn soveltamista. Yritysten tulee määrittää tarkat laatumittarit ja prosessin etenemistapa silloin, kun vastaukset ovat virheellisiä. GenAI:ta voidaan täydentää esimerkiksi ihmisen tekemällä varmennuksella tai jos tietyt kriteerit eivät täyty, voidaan vastaukset automaattisesti hylätä.

"Riskien arviointi on kriittistä, ja se korostuu myös HiQ:n sisäisissä tekoälykäytännöissä. Meidän tulee ymmärtää, mitä tapahtuu, kun mallit eivät suoriudu tarkoituksenmukaisella tavalla. Generatiivinen tekoäly voi olla kätevä työkalu esimerkiks silloin,, kun halutaan luoda nopeasti metakuvaukset verkkokaupalle. Jos tekstit eivät ole täydellisiä, voidaan niitä parantaa manuaalisesti. Riski on verrattain matala ja GenAI on todennäköisesti säästänyt merkittävästi aikaa ja vaivaa”, Pomoell selittää.

2 - Hallitse odotuksia

GenAI:n menestyksekäs hyödyntäminen riippuu paljolti odotustenhallinnasta. Liian optimistiset odotukset voivat kaivaa maata GenAI:n todellisten kyvykkyyksien alta.

“Kuvitellaan tilanne, jossa GenAI optimoi 90 % tilausten käsittelyyn liittyvistä tehtävistä ja 10 % työstä jää ihmisen paranneltavaksi. Vaikka ei voidakaan puhua täydellisestä automaatiosta, on generatiivinen tekoäly onnistunut luomaan merkittävää hyötyä. Tätä tulisi pitää onnistumisena”, Pomoell painottaa.

Pomoellin mukaan yksi yleisistä kompastuskivistä on riittämätön suunnittelu. Generatiivista tekoälyä soveltavat yritykset saattavat jättää huomiotta, miten se suhteutuu nykyiseen IT-arkkitehtuuriin, mitä sillä loppupeleissä tavoitellaan ja millaisia prosesseja se vaatii tuekseen.

Datan käsittelyä kannattaa pitää oppimisprosessina, joka vaatii kokeilunhalua, keskustelua ja mahdollisia suunnanmuutoksia.

AI Lead Consultant

Jonas Pomoell

Lisäksi GenAI:n hyödyntäminen vaatii työntekijöiden koulutusta ja mahdollisesti palveluiden uudelleenmuotoilua. Vaikka generatiivista tekoälyä voidaankin pitää mullistavana, ei se tarjoa ratkaisuja yhdessä yössä, vaan synnyttää myös uusia kehitystarpeita.

Toinen kriittinen osa-alue on ajanhallinta. Pomoellin mukaan datan käsittelyyn ja hallintaan on varattava riittävästi tunteja, sillä se saattaa viedä jopa puolet kehitysajasta.

"Siinä missä tekoälymallin rakentaminen saattaa olla suoraviivaista, datan käsittely taas on yllättävän hidasta: se ylittääkin usein annetut aika-arviot. Datan käsittelyä kannattaa pitää oppimisprosessina, joka vaatii kokeilunhalua, keskustelua ja mahdollisia suunnanmuutoksia.”

3 - Minimoi kuluja tallentamalla dataa

Generatiivisella tekoälyllä on upeita kyvykkyyksiä, jotka auttavat esimerkiksi sanoittamaan tilastoja ymmärrettävään muotoon, poimimaan tietoa ja käsittelemään asiakirjoja tehokkaasti. Pomoell painottaa kulujen hallinnan tärkeyttä jokaisessa hankkeessa.

"GenAI-hankkeessa on tärkeää pitää mielessä alusta alkaen, että kulut ovat käyttöpohjaisia. Mitä enemmän hankkeessa generoidaan, sitä enemmän rahaa palaa”, Pomoell kertoo.

Generatiivisessa tekoälyssä kustannukset perustuvat “tokeneihin”, jotka ovat suurten kielimallien (LLM, Large Language Models) käsittelemiä pieniä tekstiyksiköitä. Tokenit voivat olla erimuotoisia – edustaen merkkejä, sanoja tai jopa lauseita, riippuen mallista. Kustannukset voivat kasautua, kun hinnat ovat 0,15 sentin luokkaa per tuhat tokenia. Summa on merkittävä esimerkiksi teollisuuden toimijalle, joka käsittelee massiivisia datavolyymeja.

Strateginen suunnittelu edellyttääkin järjestelmän suunnittelua siten, että se kerää dataa samanaikaisesti, kun prosessi etenee. Näin eliminoidaan uudelleengeneroinnin tarve.

“Koko prosessin ajan kannattaa muistaa, että generointi on kallista ja hidasta. Järkevintä on tallentaa tulokset yhdessä kattavan metadatan kanssa. Tällöin tuloksia voidaan uudelleenanalysoida ja -prosessoida, mikä säästää lopulta aikaa ja rahaa. On tärkeää muistaa, että mitä enemmän generoidaan, sitä enemmän synnytetään kuluja”, sanoo Pomoell.

4 - Aloita kaupallisilla palveluilla 

GenAI-hankkeeseen tulisi edetä järkevästi suunnitelma edellä. Näin voidaan alentaa kustannuksia merkittävästi. Pomoellin mukaan hypoteesi kannattaa validoida käyttäen kaupallisia palveluita, ilman mittavia investointeja.

"Kokeiluvaiheessa on hyvä valita halvin ja nopein tapa testata ideoita, joiden toimivuudesta ei ole varmuutta. Kun projekti on käynnissä ja luo todellista arvoa, myös GenAI-kustannukset tyypillisesti konkretisoituvat. Silloin onkin viisasta alkaa optimoida kuluja.”

Usein oma malli, jolla on erottuva arvolupaus, osoittautuu kannattavaksi kehityssuunnaksi. Jos yritys rakentaa oman mallin ja hienosäätää sen omalla datallaan tiettyä käyttötarkoitusta varten, muodostuu kokonaisuus erittäin hankalaksi kopioida. Joillekin yrityksille oman mallin omistaminen immateriaalioikeuksineen voikin muodostua liiketoimintakriittiseksi tai jopa luoda niille merkittävää kilpailuetua.

Generatiivinen tekoäly onkin erinomainen valinta yrityksille, jotka haluavat ja uskaltavat ottaa edelläkävijän aseman markkinassa.

AI Lead Consultant

Jonas Pomoell

“Oman mallin rakentaminen voi luoda yritykselle ns. epäreilun kilpailuedun, joka sisältää sellaisia ominaisuuksia, joita kilpailijoiden on lähes mahdotonta kopioida. Generatiivinen tekoäly onkin erinomainen valinta yrityksille, jotka haluavat ja uskaltavat ottaa edelläkävijän aseman markkinassa”, Pomoell päättää.

Keskeiset opit generatiivisen tekoälyn hyödyntämiseen: 

  • GenAI on ennaltamäärittelemätön. Määrittele ratkaisulle tarkat laatukriteerit, joilla voidaan arvioida hankkeen onnistumista. Korkean riskin tapauksia ei voida automatisoida, vaan niitä täydennetään manuaalisella varmennuksella.

  • Datan käsittely on työlästä. Huomioi, miten generatiivinen tekoäly suhteutuu IT-arkkitehtuuriin ja muista kouluttaa työntekijät. Varaa riittävästi aikaa datan käsittelyyn ja ylläpitoon, sillä se voi viedä jopa puolet kehitysajasta.

  • Pienistä puroista kasvaa suuria jokia. Generointi on hidasta ja kallista, joten tallenna tulokset ja mahdollisimman paljon metadataa sen mukana – näin voit uudelleenanalysoida tuloksia ja säästää aikaa sekä rahaa.

  • Aloita kaupallisella palvelulla ja investoi omaan malliisi vasta, kun projekti on toiminnassa ja luo todellista arvoa.

Mielipide & näkemys

Mielipide & näkemys

Data & AI
Tekoälyllä datasta liiketoimintapäätöksiä
Generatiivinen AI
Mullistavatko koodausavustajat ohjelmistokehityksen?
Generatiivinen AI
Tekoäly – revoluutio vai evoluutio?
Näkemys
Tuokaa suunnittelupöytään “wicked problem” valmiiksi määritellyn tarpeen sijaan
Kiinnostuitko?

Ota yhteyttä!

Jonas Pomoell
AI Lead Consultantjonas.pomoell@hiq.fi+358 45 6700 620