Hyppää sisältöön

Johtaja, tiedätkö missä kunnossa datasi on?

Tekoäly on vain yhtä älykäs kuin sen käytössä oleva data – ja siksi datan laatu on entistä tärkeämpi kilpailutekijä, Sofigaten Heidi Valleala muistuttaa.

Asiakaspalvelubotin kanssa asiointi on yksi tyypillisimmistä arkisista tilanteista, joissa tavallinen kuluttaja kohtaa tekoälyn. Kun esimerkiksi kysyt matkaa suunnitellessasi neuvoa lentoyhtiön palvelubotilta, vastauksen antaa tekoäly.

Botti prosessoi lentoyhtiön valtavaa tietopankkia, opittuja asiakaspalvelun malleja sekä valmiita best practice -vastauksia, ja tarjoaa niiden pohjalta sinulle ratkaisun ongelmaasi. Et ehkä ole tullut ajatelleeksi, että voisitkin lentää lopulliseen kohteeseesi Frankfurtin sijaan Amsterdamin kautta, mutta botti on.

Toisinaan botti ei osaa vastata kysymykseesi, ja joskus se antaa keskinkertaisia vastauksia. Jos lentolippu jää ostamatta tai asiakaspalvelun laatu turhauttaa, on helppo syyttää tekoälyä. Vika on kuitenkin lähes aina tekoälyn käsittelemässä datassa ja sen muodossa. Vaikka dataa olisikin käytössä paljon, siinä saattaa olla aukkoja tai se on saatettu luokitella ja jäsennellä tietopankissa puutteellisesti. Tällöin tekoäly ei pysty käsittelemään sitä oikealla tavalla, ja asiakaspalvelun laatu laskee radikaalisti.

Esimerkki on kuvitteellinen ja todellisuudessa lentoyhtiöiden palvelubotit saattavat parantaa palvelutehokkuutta huomattavasti. Esimerkki kuvastaa kuitenkin hyvin tekoälyhankkeiden unohdettua ongelmaa. Yritykset eivät aina ymmärrä sitä, että tekoäly on vain yhtä älykäs kuin sen käytössä oleva data.

Tekoälyhanke on datahanke

Nykyaikaiset teknologia-alustat pystyvät tuomaan tekoälyn kyvykkyyksiä asiakkaiden käytettäviksi huimaa vauhtia. Tekoälyä ei kuitenkaan aina voi ottaa suoraan käyttöön, ellei oikeaa dataa ole saatavilla.

Tekoälyn käyttöönottoa suunnittelevalle yritykselle tehdään yleensä analyysi, jonka tehtävänä on kartoittaa yrityksen valmiudet ja paikantaa korjattavat puutteet. Analyyseissä paljastuu usein kolme asiaa, jotka tulevat yritykselle yllätyksenä.

  1. Moni on jo AI-matkalla tietämättään

Jopa yli puolella yrityksistä on käytössään liiketoiminta-alustoja, joihin on mahdollista yhdistää nopeasti vähintään minimihyödyn tarjoavia AI-toimintoja. Monet eivät vain tiedosta tätä eivätkä siksi hyödynnä jo tekemiään investointeja.

Samaan aikaan kun johto pyytää kehittämään yrityksen AI-kyvykkyyksiä, samassa palaverissa saatetaan hyväksyä hanke, jossa kehitetään nykyistä ERP-järjestelmää ja kasvatetaan markkinoinnin budjettia. Todellisuudessa kaikista näistä teknologioista löytyy todennäköisesti jo AI-kyvykkyyksiä, mutta niitä ei tunneta eikä kukaan tue yritystä niiden analysoinnissa.

  1. Puutteellinen tieto tuhoaa tärkeää dataa

Vaikka AI-kyvykkyydet ymmärretäänkin, jäljellä on vielä yksi haaste: data. Puutteellisen tiedon vuoksi yritykset eivät hyödynnä tai tallenna kaikkea dataa, joka on AI:lle hyödyllistä. Esimerkiksi asiakaspalvelussa käydyt keskustelut olivat ennen yritykselle yhtä hyödyllisiä kuin vanhat post it -lappuset. Keskustelut saatettiin tallentaa laaduntarkastusta tai koulutusta varten, mutta sen jälkeen ne heitettiin menemään aivan kuin paperiroskat.

Nyt vuorovaikutusdata voi kuitenkin tarjota AI:lle arvokasta raakamateriaalia, jota prosessoimalla se voi auttaa yritystä monin tavoin, esimerkiksi automatisoimalla vastauksia asiakkaiden kysymyksiin, analysoimalla asiakkaiden tarpeita ja tarjoamalla pohjaa markkinoinnin suunnittelulle ja tuotekehitykselle. Tämä kaikki on tärkeää AI:n raaka-ainetta, josta se oppii yrityksen toimintamalleja.

Aiemmin epäolennaisesta tiedosta onkin tullut kullan arvoista. Ikävä tosiseikka on kuitenkin se, että jos vuorovaikutusdatan keräämisessä lähdetään nollapisteestä, hyödynnettävän tietopankin keräämiseen kuluu aikaa. Jos siis yrityksen sisäinen tietopankki on suunnitteilla, sen kerääminen kannattaa aloittaa heti.

  1. Kukaan ei omista datastrategiaa

Dataa käytetään yrityksissä edelleen siiloissa. Vaikka tietoa on yhdistelty, kukin organisaation yksikkö huolehtii silti vain oman datansa laadusta ja siitä, mitä tietoa tallennetaan ja mitä ei. Myynti hyödyntää asiakasdataa omassa toiminnassaan, talousosasto talousdataa ja niin edelleen. Vähemmän tärkeältä tuntuva tieto saatetaan tallentaa epätarkasti tai se jätetään kokonaan keräämättä.

Tekoälyn voima on kuitenkin siinä, että se pystyy yhdistelemään ja analysoimaan nopeasti valtavan määrän eri lähteistä kerättyä dataa. Tämä edellyttää sitä, että yrityksellä on kokonaisvaltainen, siilorajat ylittävä datastrategia, jota johdetaan keskitetysti.

Tuhoatko päivittäin tärkeää dataa?

Kun datasta on tullut tekoälyn myötä entistä tärkeämpää, yhä useampi yritys on nyt ymmärtänyt datan laatuun liittyvät ongelmat. Ne ovat rakentaneet datatiekarttoja ja kuvanneet datan keräämiseen liittyvät vaiheet. Ne ovat myös käynnistäneet datansiivoushankkeita, joissa olemassa olevan tiedon puutteet korjataan parhaalla mahdollisella tavalla.

Ennen kaikkea ne ovat lähestyneet dataa ja sen hallinnointia kokonaisvaltaisena prosessina. Ne ymmärtävät, missä relevanttia dataa syntyy, miten se jakautuu ja missä sitä käytetään. Niin ne varmistavat, ettei liiketoiminnalle hyödyllistä tietoa enää tuhota päivittäin.

Prosessin tuloksena on se, että datansa laatuun panostaneet yritykset voittavat. Niiden kyky ottaa tekoäly käyttöön on yksinkertaisesti korkeampi kuin niiden yritysten, joiden AI-toiminnot perustuvat puutteelliseen tai virheelliseen tietoon.

Tekoäly tehostaa minimitasollakin yrityksen toimintoja, mutta silloin kun käytössä oleva data on huippuluokkaista, hyödyt voivat olla moninkertaisia. Kyse on siis ennen kaikkea kilpailuetutekijästä. Samalla laadukas data varmistaa sen, että yritys pysyy myös tekoälyteknologian tulevan kehityksen kyydissä.

Lue lisää:

Haetaan: tuottavuusloikan kolme sankaria

Tekoäly korvaa ihmisen – ja kolme muuta myyttiä, jotka murtuvat vuonna 2023

Kirjoittaja

Heidi Valleala toimii teknologiahankkeiden Senior Business Executivena Sofigaten Salesforce-liiketoiminnassa. Hän toimii asiakkaiden AI- ja datahankkeiden parissa, tavoitteenaan organisaatioiden tehokkuus sekä parempi palvelu teknologian AI-kyvykkyyksien avulla. Heidillä on vahva kokemus myynnin, asiakaspalvelun sekä markkinoinnin hankkeiden kehittämisestä.

Etsi