Kahdeksan syytä, miksi tekoälyä ei hyödynnetä ja yksi syy, miksi kannattaisi

Hyvää alkanutta vuotta kaikille!

Kuten tavallista, intouduin kirjoittamaan blogia asiakastoimeksiantojeni pohjalta.

Olemme mukana kouluttamassa tekoälyosaajia erääseen Suomen suurimmista yrityksistä. He ovat päättäneet panostaa tekoälyn hyödyntämiseen nyt kunnolla. Olemme kouluttaneet muutamalle kymmenelle liiketoimintajohtajalle ja -asiantuntijalle, miten tekoäly tulee muuttamaan liiketoimintaympäristöä. Olemme myös aloittaneet Deep Learning / TensorFlow -koulutukset yrityksen ensimmäisille tekoälyn syväosaajille.

Homma on vasta alusta, mutta lehdistä varmaan saadaan lukea isoja juttuja jonkin ajan päästä.

Data on äärimmäisessä tärkeässä osassa tekoälyn ja koneoppimisen hyödyntämiseen liittyvissä hankkeissa. Siksi minäkin olen siellä mukana tuomassa tätä näkökulmaa.

Tekoäly on kuin internet vuonna 90-luvun lopussa. Internet oli tuloillaan ja paljon siitä puhuttiin. Osa julisti sen kuplaksi heti alkuun. Myös 2000-luvun dotcom -buumin jälkeen oltiin sitä mieltä, ettei internetsovellukset aivan lunastaneet lupauksiaan ja niiden kaupallistaminen on todella hankalaa. Pilvipalvelut eivät toimi, koska niissä on niin suuri tietoturvariski, etteivät ne tule lyömään läpi.

Nyt kuitenkin on niin, että maailman viisi arvokkaita yritystä ovat sellaisia, jotka osasivat hyödyntää internetiä parhaiten ja ennen muita. Nämä ovat Google (virallisesti Alphabet) Apple, Amazon, Microsoft ja Facebook.

He saattavat olla lopulta olla itse liian isoja uudistumaan, mutta yhdestä asiasta olen kohtuullisen varma:

Tulevaisuuden viisi suurinta yritystä ovat ne, jotka parhaiten hyödyntävät tekoälyä!

Toinen asia josta olen aika varma: voittajayritysten pitää kehittää sitä itse, eikä tyytyä toimittajilta ostettuihin pistemäisiin ratkaisuihin. Googlesta ei tullut Google siten, että sillä oli hyvä SAP- ja Salesforce-intregraatio. Amazon ei tehnyt rakettimaista nousuaan sillä, että se ulkoisti teknologiansa IBM:lle.

Sinun pitää itse ryhtyä tekoäly-yritykseksi!

Luonnollisesti en tarkoita, ettei sinun pitäisi hyödyntää teknologiaa. Käytä SAP:ia tai IBM:ää, mutta tee se oikeassa vaiheessa.

Moni ehkä hahmottaa, että tekoäly on tulevaisuudessa erittäin tärkeä juttu. Miksi siihen ei sitten vielä sijoiteta suurempia summia?

Listasin alle eniten kuulemiani syitä, miksei tekoälyä vielä hyödynnetä. Samoja juttuja kuuli 90-luvulla, että miksei internetiin tai pilvipalveluihin kannata panostaa..

 

  1.     Hallitus ja toimitusjohtaja ei ymmärrä asian tärkeyttä: ”tässä ollaan oltu Suomalaisen viennin selkäranka jo 50 vuotta, näitä hommia ei ratkaista millään scifi-jutuilla tai roboteilla”

Vinkki: Nokian hallituksen puheenjohtaja Risto Siilasmaan tuli ulos ja julisti tekoälyn ja datan olen se tulevaisuuden juttu.  Näytä pomoille Youtubesta löytyvä Riston video. Se saattaa auttaa ylintä johtoa ja hallituksia ymmärtämään mistä on kyse.

 

  1.     Koetaan, että varmasti tulevaisuudessa tekoälyä on hyödynnettävä, mutta: ”ehkä on parempi odottaa kuin lähteä hosumaan. Jos homma toimii muilla, niin sitten panostetaan itse siihen enemmän”

Vinkki: Iso virhe. Kuten internetin kanssa tapahtui, nopeimmat menestyivät parhaiten. Ei internetkään heti tuonut lisäbisnestä, mutta aikaiset omaksujat palkittiin ruhtinaallisesti, koska olivat muita edellä silloin, kun asiat alkoivat konkretisoitua.

 

  1.     Johto ymmärtää, että tekoälyyn pitää satsata ja kokeilut aloittaa, mutta: ”on vaikea määrittää, minkä liiketoimintahaasteen sillä voi ratkaista?

Vinkki: Opettele ymmärtämään liiketoimintasi muuttujat ja niiden väliset suhteet. Ymmärryksen kautta tulee oivallus, mitkä kaikki päivittäin kohtaamasi haasteet olisi mahdollisesti ratkaistavissa datan avulla. Itse käytän toimeksiannoissani HDF-menetelmää (Hovi Data Framework) tämän ymmärryksen kasvattamiseen.

 

  1.     Tekoäly koetaan tarpeelliseksi, mutta: ”meillä aika ja resurssit menee perusbisneksen kehittämisessä ja It-infra ylläpitoon..”

Vinkki: Ok, jos ei ole budjettia ja resursseja, niin tyhjästä on paha nyhjästä. On kuitenkin valmistavia juttuja, joita voi pienemmilläkin kustannuksilla tehdä, esim vaikkapa kartoittaa omien datojen sijainnit tai opiskella perusasioita tekoälystä.

 

  1.     Ollaan päätetty, että aloitetaan hanke, mutta: ”tarjontaa on älytön määrä – pitäisikö IBM Watsonia tarkastella vai sittenkin googlata jokin ohjelmistoyritys, joka voisi koodata meille jotain?

Vinkki: Aloita johdon ja keskijohdon kouluttamisella, kevyt johdanto, jossa perusasiat käydään läpi. Sitten kokeiluja ja POC:ja (Proof of Concept). Värvää tähän tiimi tai osta startup. Tarvitset toteutukseen paljon dataa, mieti miten data-asiat on järjestetty. Tee kuitenkin mahdollisimman nopeasti ensimmäiset kokeilut.

 

  1.     Nyt ruvetaan hommiin: ”mutta hetkinen, missä meidän datat on, saako niitä operatiivisista järjestelmistä ulos..?

Vinkki: Mallinna ja kartoita nykydatat ja mieti mitä tarvitset tulevaisuudessa. Kannattaa aloittaa myös Data Platform -ratkaisun suunnittelu edellisessä kohdassa mainittujen POC:kien rinnalla. Älä missään nimessä anna kummankaan estää toista, vaan tee niitä rinnakkain.

 

  1.     Tekoäly tulee varmaan jossain vaiheessa, mutta: ”ei ole mitään järkeä tehdä näitä edistyneitä juttuja, sillä perusraportoinnissa on paljon kehitettävää..”

Vinkki: Perusraportointia pitää kehittää, mutta tässä ei ole kyse tilanteesta, jossa perusraportointi olisi jonkinlainen ”talon perusta”, joka pitää olla, jotta voi hyödyntää tekoälyä. Voit tehdä niitä rinnakkain; ne itse asiassa tukevat toinen toisiaan.

 

  1.     Halua olisi hyödyntää tekoälyä, mutta: ”ollaan yritetty löytää Data Scientistejä ja ohjelmoijia, mutta ei heitä tunnu löytyvän mistään”

Vinkki: Tehdessäsi kokeiluja sekä Data Platformia, pidä huolta että markkinointiosastonne tietää näistä ja käyttää hyväksi markkinointiviestinnässä. Kannattaa pitää isoa ääntä siitä, että panostatte Data Scienceen ja tekoälyyn. Parhaat osaajat haluavat tehdä projekteja, joihin on kohdistettu resursseja ja joissa on tunnetusti parhaat tekijät. Syntyy positiivinen kierre. Kouluta myös olemassa olevaa operatiivista henkilöstöä uusiin teknologioihin sekä metodeihin. Ota johtoryhmään teknologiaosaajia, vaikka heillä ei olisi toimialastasi kokemusta.

 

Keskityin yllä tilanteisiin, joissa ei olla juurikaan tehty tekoälyhankkeita. Hyvin moni on nyt tässä tilanteessa. Osa on toisaalta siinä tilanteessa, että ensimmäisiä POC:ja on tehty. Silloin tullaan seuraavan haasteen äärelle:

Miten luon modernin tiedonhallinnan infrastruktuurin, joka mahdollistaa tekoälyn hyödyntämisen siten, etteivät ne jää vain yksikkökohtaisiksi kokeiluiksi. Kirjoitan tästä tulevissa blogeissa.

Uskon Suomalaisiin yrityksiin ja heidän mahdollisuuksiin pärjätä kansainvälisessä kilpailussa. Niin lahjakkaita data-asiantuntijoita tapaan jatkuvasti asiakkaillani.

Yllä mainitut 8 syytä miksi tekoälyyn ei satsata, ovat ylimmän johdon tai jopa hallituksen ongelmia, ei yksittäisen asiantuntijan.

Ja mikä oli se yksi syy, miksi tekoälyyn kannattaa panostaa? Se on juuri se, että miksi viisi maailman arvokkainta yritystä ovat päässeet siihen asemaan, jossa ovat. Panostamalla kehittyviin teknologioihin ennen muita ja silloin, kun ne eivät heti luo mitään viivan alle.

Tähän aiheeseen antaa erittäin hyvän syväluotauksen Yhdysvaltalaisen Stephen Brobstin valmennus:

Data Science, Big Data Analytics and Advanced practices in Data Visualization, 24.01.2018 – 25.01.2018.

Valmennus soveltuu kaikille, joita kiinnostaa datan hyödyntäminen, tekoäly sekä organisaation kehittyminen datavetoiseksi. Lisätiedot valmennuksesta tästä. 

 

Toinen erittäin mielenkiintoinen ja Suomessa täysin uusi valmennus on:

Enterprise Data Governance & Master Data Management, 22.03.2018 – 23.03.2018

Vetäjänä alan huippu Mike Ferguson, joka kiertää ympäri maailmaa konsultoimassa ja kouluttamassa yrityksiä aiheesta. Data Governance on nyt kysytty aihe ja valmennus järjestetään yleisön pyynnöstä nyt ensi kertaa Suomessa. Lisätiedot valmennukseen tästä.

 

Jaa:

Kommentoi:

Kirjoittaja:

Ari Hovi

FM Ari Hovi toimii päätoimisesti konsulttina erikoisalueenaan Data Warehouse / Business Intelligence, käsitemallinnukset, tietoarkkitehtuurimallinnukset ja -määritykset sekä Business Intelligence / tietovarastoratkaisujen auditointi. Ari on Suomen kokeneimpia käsite- ja tiedonmallintajia (Data Modeling).

Ari on vetänyt uransa aikana yli sata käsitemallinnusworkshoppia ja ollut osallisena yli kuudessakymmenessä tietovarastohankkeessa. Tyypillisiä konsultointihankkeita ovat tietovarastojen arkkitehtuuri- ja strategiaselvitykset ja tietovarastojen tietosisällön mallinnus sekä yritystason tietoarkkitehtuurien ja Master Data -mallien laadinta.

Ari on myös tietokirjailija, teoksia aiheista Tietovarastointi, Tietokannan suunnittelu ja SQL. Hänen artikkeleitaan on julkaistu mm. TIVI-lehdessä, Kauppalehdessä ja Tietoasiantuntijat -lehdessä.

 

Haluatko uusimmat uutiset ja kurssitiedot Arihovista?

Tilaa uutiskirje

Tyrehdytä tiedonjanosi!

Uutiskirjeen tilaajana saat ajankohtaista tietoa datan hyödyntämisestä, tekoälystä sekä muista ajankohtaisista aiheista tiedohallinnan maailmasta. Olemme data-alan johtava kouluttaja ja konsultti, joten saat tietoa suoraan kentältä. Saat samalla myös parhaat tarjoukset kansainvälisten huppuasiantuntijoiden valmennustilaisuuksiin.