Tekoäly saa ihmiset usein pelkäämään työnsä ja oman asiantuntijuutensa puolesta. Siksi arvonluonti datasta ei ole helppoa. Tekoälyratkaisuja voi kuitenkin edistää erityyppisillä ja erikokoisilla toimenpiteillä, joissa liiketoiminta ja kerätty data linkittyvät keskenään.
Datan ja tekoälyn moninaiset mahdollisuudet kannattaa tehdä tutuiksi koko henkilöstölle. Jos henkilöstö sitoutuu, datasta saadaan arvoa prosesseihin ja arkiseen tekemiseen.
DIMECC ja FIIF ovat pk-yritysten tukena datan ja tekoälyn hyödyntämisessä
DIMECC on 400 teollisuusyrityksen ja 2000 henkilön muodostama innovaatioekosysteemi, joka tarjoaa tuotekehitys-, tutkimus- ja suunnittelupalveluja. DIMECC on ollut perustamassa myös FIIF (Finnish Industrial Internet Forum) -verkostoa.
Tilaisuuksia ja verkottumismahdollisuuksia tarjoavassa FIIF-verkostossa on noin 150 jäsenorganisaatiota, joiden tarpeet ohjaavat toimintaa. Tarkoituksena on taata yritysten kyvykkyys hyödyntää teollista internetiä, eli liittää tuotannossa käytettävät laitteet internetiin.
– Näemme teollisen internetin laajasti sensoreista ja konnektiviteeteista uusiin bisnesmalleihin. Keskitymme eritoten valmistavaan teollisuuteen, prosessi- ja energiateollisuuteen sekä SmartCity- ja SmartBuilding-toimialoille, kertoo johtaja Risto Lehtinen DIMECCistä.
AI-lähettiläs-hanke kartutti tekoälytietämystä 51 yrityksessä
Tampereen ammattikorkeakoulun ja Turun yliopiston vastikään päättyneessä yhteishankkeessa on ollut mukana 51 yritystä eri toimialoilta ja tekoälylähettiläitä hieman yli 80. Hankkeen verkkosivuille on koottu materiaaleja ja yritysten case-esittelyt julkaistaan siellä pikapuoliin.
– Jatkoakin on luvassa, sillä uusia hankehakemuksia on jo vireillä. Turussa hankkeen tuloksia on viety myös yliopiston opetustarjontaan, kertovat lehtorit Antti Tuomisto Turun yliopistosta ja Kari Naakka TAMKista.
Tekoäly on nivottu opetukseen
TAMKissa tekoäly on nivottu jo useampaan tutkinto-ohjelmaan. Ai-opetusta annetaan dataosaamisen ja tekoälyn ylemmässä tutkinto-ohjelmassa, tietotekniikan tutkinto-ohjelmassa ja englanninkielisessä Degree Programme in Software Engineering -tutkinto-ohjelmassa. Data- ja AI-opetusta tarjotaan myös muille TAMKin tutkinto-ohjelmille.
– Ylempään amk-tutkintoon otamme insinöörejä, sotetaustaisia henkilöitä ja tradenomeja. He tutkivat ja ratkovat data- ja tekoälyasioita yhdessä, kertoo tietotekniikan lehtori Pekka Pöyry.
YAMK-koulutuksesta on valmistunut jo 42 henkilöä.
– Aihepiiri on opiskelijoiden suosiossa ja koulutus antaa hyvät työllistymismahdollisuudet. Moniammatillisen tekoäly- ja dataosaamisen kysyntä kasvaa, joten lisäämme tarjontaa jatkossa. Tietotekniikan insinöörikoulutukseenkin sisältyy dataan ja tekoälyyn liittyviä kursseja. Tavoitteena on kasvattaa insinööripuolen tekoälyosaamista.
Miten datasta luodaan arvoa liiketoiminnalle?
Futurice Oy:n Aleksi Roiman sydäntä lähellä on yhtenäinen yritys, connected company, eli se, miten yritys kasvaessaan pysyy tehokkaana eikä siiloudu. Lopullinen tavoite ei ole automaatio vaan ketterämmin toimiminen.
– Datan hyödyntämisessä ei ole kyse hienoista teknologisista ratkaisuista ja kyvykkyyksistä. Lähestymistavan pitää olla monialainen.
Datan hyödyntämisen ja tekoälyn avulla ymmärretään se, mikä on keskeisintä liiketoiminnassa, mihin yritys haluaa suunnata, ja mihin pitää keskittää pääomaa. On tärkeää opettaa koko henkilöstö käyttämään dataa arkisissa asioissa, Roima kannustaa.
Hän kehottaa aloittamaan nykytilakartoituksesta. Sen pohjalta luodaan visio ja tiekartta, jolloin teknologia astuu syvällisemmin mukaan. Pieniä palasia on helppo rakentaa modulaarisesti, käyttötapaukset edellä.
– Data-alustat tehdään aina hyödyttämään liiketoimintaa ja parantamaan päätöksentekoa. Alkuun kannattaa tehdä kevyt kokeilu; luodaan kyvykkyydet kerätä dataa, tuodaan lisää ominaisuuksia ja sitten viedään idea tuotantoon. Johdon luottamus ansaitaan usein yksinkertaisilla ja nopeilla käyttötapauksilla.
Arvonluonti datasta ei ole helppoa. Roima muistuttaa, että datan hyödyntäminen alkaa yrityksissä olla kuitenkin jo pakko.
– Tekoäly helpottaa työn tekemistä ja keskittymistä tärkeämpiin asioihin. Tekoälyn integroiminen ihmisten työhön vie aikaa ja rahaa, joten se vaatii vahvan sisäisen sponsorin. Koko organisaatio pitää saada ymmärtämään dataa ja tekoälyä sekä sitoutumaan niiden hyödyntämiseen.
Mallikeskeisestä tekoälystä datakeskeiseen tekoälyyn
Datakeskeinen tekoäly, data-centric AI, on uusi termi maailmalta.
Hyviin tuloksiin voi päästä ennalta sovituilla datan koulutusmalleilla, jotka oppivat ja tekevät päätöksiä. Kaikilla organisaatioilla ei kuitenkaan ole miljoonia rivejä dataa tai kuvia. Mallien sijaan muokataankin dataa, jotta tekoälyjärjestelmät saadaan toimimaan paremmin. Sekä malli- että datakeskeistä tekoälyä tarvitaan, toteaa Sami Laine Siili Solutions Oyj:stä.
Hän muistuttaa, että datan iso määrä ei aina paranna mallin laatua tai ennustettavuutta.
– Datamäärän kasvaessa virheiden osuus kasvaa, joten tarvitaan laatua. Parempi datakaan ei riitä vaan tarvitaan yritykselle hyödyllistä dataa juuri siihen tarkoitukseen, mitä halutaan tehdä. Tavoitteet on syytä määritellä täsmällisesti, ja ymmärtää myös niiden seuraukset.
Laine vinkkaa, että käyttötapauksiin ei kannata jämähtää. Tekoälyn arvoa voi lisätä optimoimalla järjestelmää systeemiajattelun keinoin. Jotta käyttötapauksista saadaan pätevä tulos, dataa pitää todennäköisesti parannella. Algoritmeja ei myöskään kannata loputtomasti työstää itse vaan panostaa datan keräämiseen. Maailmalla on paljon valmiita malleja, joista voi valita parhaat lisäkouluttamiseen ja toimivuuden testaamiseen.
Dataa pitää osata mitata, standardoida ja monitoroida laadun ja luotettavuuden kannalta. Oleellista on tunnistaa muuttujia, puuttuva data ja se, miten data on kerätty. Laine painottaa, että dataa pitää yhdistää ja linkittää keskenään, jotta saadaan tuloksia, joilla on arvoa ja joilla saadaan aikaa muutosta. Näin voidaan rakentaa bisneslähtöinen datakeskeinen tekoäly.
Älykkäästi kohti ihmisten Tamperetta
Tampereen kaupungilla on pitkä historia älykaupunkikehityksessä ja siihen johdon vahva tuki. Kaupunki aloitti jo vuonna 2011 eTampere-hankkeella. Välissä oli kaksi muuta hanketta ja nyt käynnissä on Älykaupunki kaupunkilaisille 2022–2025 -kehitysohjelma.
Toinen toistensa päälle rakentuvista hankkeista on saatu hyödyllistä tietoa uuteen ohjelmaan, jossa on keskeistä tekoälyn ja datan hyödyntäminen kaupungin toiminnoissa. Markku Niemi Business Tampereesta kertoo, että Tampereelle on hankittu esineiden internet- eli IoT-pohjainen kehitysalusta.
– Teemme kokeiluja ja saamme dataa, joiden avulla pyrimme pääsemään kohti ennakoivaa päätöksentekoa ja toiminnan ohjausta. Halumme olla kuntalaisten pulssilla sekä kehittää sisäistä toimintaa ja osaamistamme yritysten ja tutkimuslaitosten kanssa, jotta tekoäly ei herätä pelkoja.
Tampereen kaupungilla on käynnissä myös Tampere AI -datastrategian määrittely. Osana tätä työtä kehitetään työkaluja eettisen ja kestävän koneoppimisen sekä tekoälyn hyödyntämiseen.
AI-lähettiläs-hanke oli Tampereen ammattikorkeakoulun ja Turun yliopiston toteuttama kaksivuotinen ESR-rahoitteinen hanke, joka oli käynnissä 1.3.2021–28.2.2023. Helmikuiseen FIIF-hybriditapahtumaan ja AI-hankkeen loppuseminaariin osallistui reilut 70 datasta ja liiketoiminnan kehittämisestä kiinnostunutta henkilöä. Tapahtuman järjestivät FIIF Finnish Industrial Internet Forum, AI-lähettiläs-hanke ja Tampere AI-ekosysteemi. Myötävaikuttajina olivat mukana myös Tampereen kaupunki ja Business Tampere.
Seminaarissa kuultiin myös kahden AI-lähettiläs-hankkeessa mukana olleen yrityksen case-esimerkit. Jaakko Niukkala TT Gaskets Oy:Stä ja Samu Raunela Hotelway Oy:stä kertoivat omat tekoälylähettilästarinansa ja kehitystehtävänsä. Yritystarinoihin voi tutustua hankkeen verkkosivuilla.
Lisätietoa
Kari Naakka
Projektipäällikkö (Pirkanmaa)
Tampereen ammattikorkeakoulu
kari.naakka@tuni.fi, 040 7294 269
Teksti: Hanna Ylli
Kuva: Shutterstock