Tekoäly vai tekoääliö?
Vankka data foundation on perusta tekoälyn hyödyntämiselle ja sen rakentaminen kuin endurance-kilpailu. Sirpa Korhonen TietoEvry Tech Servicelta kertoo blogissa miksi.
Väitän, että data foundationin kuntoonlaitto on kuin endurance -kilpailu, jota monet ovat jo starttailleet, sillä tekoäly vaatii laadukasta dataa. Ilman sitä jopa kehittyneimmät algoritmit ja mallit voivat tuottaa harhaanjohtavia tuloksia. Data foundation on ratkaisevan tärkeä tekoälyn hyödyntämisessä, riskien hallitsemisessa ja innovaatioiden edistämisessä, sillä data on tekoälyn polttoainetta.
Dataomaisuuden hallinnalla on kriittinen rooli tekoälyn luotettavuuden varmistamisessa, liiketoiminta-arvon luomisessa ja operatiivisen tehokkuuden parantamisessa. Data foundation on kuin hyvin rakennettu kilparata. Sen rakentaminen tarkoittaa hajanaisen datan muuttamista liiketoimintaa tukevaksi ja yhdistäväksi voimavaraksi.
Tekoäly- ja datastrategiat taas voi ajatella kuin häikäisevinä urheiluautoina. Sellaisen ajaminen kivisellä tiellä havainnollistaa hyvin haasteita, kun strategiat kohtaavat todellisuuden. Ilman hyvää data foundationia eivät edes parhaat tekoälysovellukset toimi kunnolla. Vaikka tekoäly ja kehittyneet työkalut ovat jännittäviä, ne tuottavat arvoa vain, jos ne rakennetaan vakaalle pohjalle. Syöttämällä jäsentämätöntä dataa suureen kielimalliin (LLM) saadaan kyllä tuloksia, mutta ne jäävät pelkiksi arvauksiksi.
Tekoälyvalmiin data foundationin rakentaminen sisältää kriittisiä elementtejä, kuten konteksti, datan tarkoituksenmukaisuus ja sen saatavuus. Avaan niitä seuraavassa hieman lisää.
Data foundationin rakentaminen ja kuntoonlaitto eivät ole mikään nopea ralli, vaan vaatii pitkäaikaista panostusta ja asiantuntijaosaamista. Sen sijaan tekoälyllä innovointi suosii ketteryyttä. Keskeisiä tekijöitä ovat strateginen visio, vahva johtajuus, datan hallinta, tekoälylukutaito, ketterät työkalut, asiakaskeskeisyys, sekä eettisten standardien noudattaminen. Innovointimahdollisuuksia tasapainotetaan tietosuojan kanssa. Relevantin datan riittävyys tulee varmistaa ennakkoon tekoälyn kouluttamiseen jokaisen painopistealueen ja käyttötapauksen osalta erikseen. Innovoida kannattaa todelliset tarpeet mielessä ja välttää epäkäytännöllisiä ratkaisuja legacyjen päälle. Autoa oikeaan suuntaan kiihtyvässä innovaationopeudessa ohjaava GPS on dokumentointi.
Data yksinään ei tuota liiketoiminta-arvoa, vaan sen potentiaali piilee siinä, mitä datalla voidaan saavuttaa. Tämä prosessi vaatii merkittäviä ponnisteluja ja kustannuksia, jotta raakadata muuntuu arvokkaaksi liiketoiminnalle. Ylimmän johdon tulisi kannustaa keskijohtoa investoimaan alueisiin, jotka palvelevat yhteistä hyvää, jollaisia merkittävä osa data-alueen investoinneista on. Käsi ylös, kuinka moni miettii ERP -projekteissa datan hyödyllisyyttä koko organisaation kannalta?
Poisoppiminen on oleellista arvoketjun uudelleensuunnittelussa, kun on kyse radikaaleista innovaatioista kuten esimerkiksi sähköautoista. Organisaation KPI:t voi tällöin asettaa mittaamaan sitä, mitä toimintatavoista on poistettu. Kun yksi vaihe kerrallaan poistetaan ja korvataan tekoälyllä, löytyy uusi tekemisen rytmi. Monet tekoälykokeilut epäonnistuvat, joten varikkopysähdykset ja välitarkistukset ovat paikoillaan.
Data- ja tekoälykyvykkyydet sisältävät kaiken datasta, prosesseista ja arkkitehtuureista työkaluihin, malleihin, johtajuuteen ja muihin olennaisiin taitoihin. Nämä elementit muodostavat kulmakivet data- ja tekoälyhankkeiden menestykselle. Turbovaihdetta voi hakea strategisista kumppanuuksista ja tehokkaasta ekosysteemihallinnasta.
Mitä mieltä olet, tuleeko data foundation entistä kuumempaan polttopisteeseen, kun tekoäly tulee konvergoitumaan kvanttilaskennan, langattoman 6G verkon ja aivokäyttöliittymien kanssa? Ilman laadukasta dataa ei ole tekoälyä, vaan jotain ihan muuta. Eri tekoälysovellukset palvelevat eri tarkoituksia, mutta ne kaikki vaativat rotevan data foundationin, joka mahdollistaa organisaatioiden kyvyn maksimoida dataomaisuudesta saadun hyödyn.
Sirpa Korhonen on erikoistunut strategiseen neuvonantoon liiketoimintajohtajille ja vastaa Tietoevry Tech Servicen data- ja tekoälypalveluista. Hänen osaamisalueitaan ovat yritysrahoituksen lisäksi liiketoiminnan ansaintalogiikat, transformaatiot ja digitalisaatio. Sirpa auttaa asiakkaita suunnittelemaan data-ohjautuvia ja tekoälyä hyödyntäviä organisaatioita.
Koulutukseltaan Sirpa on rahoitusekonomi ja omaa Pohjoismaisen pankkitaustan. Hän on vastannut laajoista digitalisaatiohankkeista. Kiinnostuksen kohteena hänellä on radikaali luovuus ja sen soveltaminen yritysmaailmaan sekä ihmislähtöiset toimintatavat.
TUTUSTU
