Tekoälyjuna meni jo
Ketterät kokeilut ovat tärkeitä, sillä niitä tekemällä oppii parhaiten uusista asioista. Yritysten ei kannatakaan jäädä liikaa miettimään, mikä on ketterien kokeilujen tavoite, tärkeintä on lähteä kokeilemaan nopeasti. Ketteriä kokeiluja ei tarvitse jättää tekemättä myöskään sen takia, että yrityksellä ei olisi omia osaajia. Päinvastoin, usein onkin parempi ostaa ketterän kokeilun tekeminen joltain ulkopuoliselta asiaan perehtyneeltä konsulttifirmalta.
Etenkin tekoälykokeiluja kannattaa tehdä nyt aikailematta. Niitä tehtiin paljon 1950−70-luvulla, niitä tehtiin taas 1980−luvulla ja nyt niitä tehdään taas. Kohta juna menee jälleen ohi, jos et toimi nopeasti.
Jos et hanki chat-botteja, järjestä tekoäly-hakathoneja, kehitä tekoälyä hyödyntäviä mobiiliapplikaatioita, jäät varmasti jälkeen kilpailijoistasi, tai ainakin naapurikunnassa on asiat paljon paremmin ja ruoho vihreämpää.
Kannattaisiko sittenkin ensin miettiä omia tavoitteita
Vai kannattaisiko ehkä sittenkin miettiä, mitkä ovat yrityksen tai organisaation tavoitteet? Mitkä ovat ne tärkeimmät käyttötapaukset, joiden hyöty on suurin ja työmäärä ja vaikeusaste kohtalaisia? Jotka kenties eivät vaadikaan tekoälyä. Mikä onkaan se ongelma, joka tarvitsisi ratkaista?
Usein tuntuu, että on tärkeämpää näyttää olevansa trendin harjalla kuin saada jotain oikeasti aikaiseksi. Yhtäkkiä se, mikä ennen oli normaalia softakehitystä, onkin nyt tekoälyä.
Tekoäly onkin hyvä termi, varsinkin konsulteille. Samaan aikaan se tarkoittaa kaikkea eikä yhtään mitään. Ja totta kai tämä ominaisuus maksaa enemmän, käytetäänhän siinä tekoälyä. Mistään ei tietysti voi mennä takuuseen ja datan pitää olla kunnossa ja helposti saatavilla. Jos lainsäädäntö jonkin hyvän idean toteutuksen estää, niin se on voi voi.
Tekoäly on yhtä tyhmää kuin data, jolla se koulutetaan
Kaikesta huolimatta yritysten olisi viimeistään nyt hyvä miettiä omia tavoitteitaan tiedolla johtamisen, datastrategian ja tekoälyn suhteen. Valitettavasti kuilu hypen ja todellisuuden välillä on tällä hetkellä leveimmillään ja investoinnit saadaan helposti kulumaan erilaisiin teknologiakokeiluihin.
Suomen yliopistoissa ja korkeakouluista on valmistunut tai on valmistumassa useita osaajia tekoälyn ja datatieteen alueilla. Heillä ei ehkä vielä ole täyttä ymmärrystä yritysten ja työelämän realiteeteista. Toisaalta: Jos on ollut työelämässä jo lähemmäs kaksi vuosikymmentä, tai pitempään, eikä ole vaivautunut perehtymään tekoälyyn sen vaatimalla tasolla, on vaikea oikeasti ymmärtää, mistä on kyse. Kannattaakin palkata tuoretta osaamista yritykseen ja istua nöyrästi takaisin pulpetin taakse ja kuunnella. Toki, voihan tähän käyttää aikaa perjantaisin kaksi tuntia oman työn ohessa ja toivoa parasta. Kyllä tämäkin hype on kohta ohi ja sitten voi taas keskittyä seuraavaan hypeen.
Tekoälyjuna meni jo, mutta niitä tulee uusia joka päivä.
Kannattaa siis miettiä ensin, mihin olet junalla menossa. Haitaksi ei olisi myöskään, että datasi olisi kunnossa, sillä tekoäly on juuri niin tyhmää, kuin data, jolla se koulutetaan. Jos tämä teksti iski, sinua saattaisi kiinnostaa myös: Lopetetaan jo automaatiotuskailu – ei se ole niin pirun hankalaa
Kirjoittaja
Jyrki Martti, Sofigate Senior Advisor, vastaa Sofigaten data-analytiikka-konseptien kehittämisestä. Jyrki on kiinnostunut erityisesti kehittyneestä data-analytiikasta (data science) sekä koneoppimisesta. Ja erityisesti siitä, miten yritykset, kunnat ja muut toimijat, voisivat kehittää toimintaansa data-analytiikan ja koneoppimisen keinoin.
Onko oman tekoälyjunasi määränpää hakusessa? Sofigaten asiantuntijat auttavat mielellään pohtimaan vaihtoehtoja. Ota yhteyttä Ari Oksaseen! ari.oksanen@sofigate.com, puh. 040 834 2238
Julkisten palvelujen digitalisoinnin tulee palvella ihmisten arkea
Johtaja, tiedätkö missä kunnossa datasi on?
