KE 3/2018, teema, Tekoäly päätöksenteon avuksi nopeasti

Teksti: Pirjo Huhtakangas

Lähde liikkeelle tekoälyn hyödyntämisessä tänään, sillä kilpailijat eivät odota, hoputtaa Finch Finlandin maajohtaja Antti Merilehto.
Hänen Tekoäly – matkaopas johtajille -kirjansa julkaistiin tänä keväänä. Merilehto kiteyttää, että kyseessä on tekoäly, kun kone tekee jotakin, mikä olisi ihmisen tekemänä älykästä. Kuulostaa yksinkertaiselta, mutta mistä pitää aloittaa?
Merilehdon viesti yrityksille on napakka: Käytä dataa päätöksentekoon ja mieti, mitä dataa on jo käytössä, mitä on käytettävissä nopeasti ja miten tekoäly (koneoppiminen) voi tukea bisneksen tavoitteita.
− Data ei ole koskaan niin hyvälaatuista kuin haluaisimme, mutta sitä voi möyhentää ja kokeilla. En ole teknologiaoptimisti, vaan realisti: tekoäly toimii ja vahvistuu, Merilehto vakuuttaa.
Tekoäly on kattotermi, joka pitää sisällään koneoppimisen ja syväoppimisen neuroverkkoineen.
− Kaikki perustuu siihen, että koneelle annetaan tarpeeksi tietoa, jotta se voisi oppia, summaa Merilehto.
Hän varoittelee, että elleivät yritykset ota koneoppimista käyttöönsä, ne eivät pysty huomenna tai vuoden päästä perustelemaan työntekijöilleen, asiakkailleen, kumppaneilleen ja omistajilleen, miksi toimeen ei tartuttu.
Spotify on hyvä esimerkki yrityksestä, joka käyttää dataa tehokkaasti. Kone oppii koko ajan kuuntelijan musiikkimieltymyksistä, tarjoaa sen perusteella uutta kuunneltavaa ja houkuttelee viipymään palvelun parissa pitempään ja useammin: koukuttaa tietoon pohjaten.

Euroja ja aikaa tekoälyn hyödyntämiseen
Merilehdon mukaan kaikkien yritysten toimitusjohtajien ja johtoryhmien pitää ymmärtää, että liike-elämä on matkalla uuteen maailmaan. Toimitusjohtajien tehtävänä on varmistaa, että yrityksellä on tekoälyn hyödyntämistä varten tarpeeksi rahaa ja työntekijöillä aikaa.
− Liiketoiminnassa puhaltavat uudet tuulet, mutta onko budjeteissa varattu tietty prosenttiosuus tekoälykokeiluihin? Tekoälyn hyödyntäminen edellyttää työssäoppimista: tutkinnot eivät ole avain jo työelämässä oleville, vaan uusia taitoja pitää opetella työn ohessa, Merilehto tähdentää.
Merilehdon oma urapolku osoittaa, että rohkeutta ja intoa opetella uusia asioita riittää. Hän on työskennellyt rauhanturvaajana Bosniassa, projektipäällikkönä Länsi-Autolla ja myynnin parissa Googlen Euroopan pääkonttorilla. Hän on opiskellut Helsingin yliopistossa kasvatuspsykologiaa ja valmistunut Helsingin kauppakorkeakoulusta, jossa teki vuodessa puolet maisterintutkinnosta.
Kauppakorkeakoulun jälkeen Merilehto aloitti työt Länsi-Autossa, jossa hän pääsi ensimmäisen kerran tekemisiin tietojärjestelmien kanssa; myynnin IT-järjestelmän piti olla kunnossa. Nykyisessä työssään Finch Finlandin maajohtajana hänen päätyönään on verkkokauppojen mainonnan optimointi.
Muun työnteon ohessa Merilehdolla on ollut 15 vuotta oma yritys. Hänet valittiin Evento Award -tapahtumassa huhtikuussa Vuoden puhujaksi. Perusteluissa todettiin, että Merilehto puhuu tekoälystä käytännönläheisesti ja kertoo, että empatia on jatkossa tärkeintä työelämäosaamista, kun koneet hoitavat tehokkuutta vaativat tehtävät.

Tekoäly avaa uusia näkymiä bisnekseen
Houston Analytics Oy:n toimitusjohtajan Antti Syväniemen ydinosaamista ovat analytiikkaan perustuvat johtamismallit ja strategiat muun muassa vähittäiskaupassa, teollisuudessa ja mediassa. Hänen mielestään Suomen elintarviketeollisuuden pitää ottaa haltuun alueet, joihin käytetään tällä hetkellä paljon aikaa.
− Esimerkiksi myynnin analysointi ja ennustaminen tulisi ensimmäiseksi automatisoida tai edes puoliautomatisoida. Näihin alueisiin liittyvä manuaalinen työ pitää siirtää keinoälylle ja vapauttaa varsinaista analyysityötä ja visiointia ihmisille. Sirpaloituneeseen kulutukseen vastaaminen edellyttää laajaa asiakasymmärrystä. Myös tämä on alue, jossa keinoälyn hyödyntäminen mahdollistaa sellaisten näkymien avaamisen, jotka ilman sitä jäävät tekemättä, Syväniemi toteaa.
Tässä keskeinen avain on tietopohjan kokoaminen yksittäisistä siiloista yhtenäiseksi, voimakkaan ennustevoiman tietopohjaksi.
− Pilvipalveluiden ja keinoälyn aikakaudella tämän ei tarvitse olla valtava tietovarastohanke, vaan keinoälyn avulla tietokokonaisuuksista saadaan nopeasti luotua ennuste- ja optimointinäkymät eri tarkoituksiin. Elintarviketeollisuudelle on Suomessa tarjolla analytiikkaan pohjaavia tietomalleja, jotka mahdollistavat nopean etenemisen, vaikka pohjatyöt ovat jääneet tekemättä.
Syväniemen mukaan useimmissa tapauksissa elintarviketeollisuuden toimijoilla on kaikki olennaiset tiedot käsissään, mutta he eivät tiedä sitä, koska tiedot ovat hajallaan.
− Kun tietopohja saadaan käyttöön, ne kytketään ennuste- ja optimointimalleihin ja päästään kokeilemaan tulevaisuutta: päätöstentekoa ennuste- ja optimointiavusteisesti. Tämä avaa usein kokonaan uuden tavan johtaa ja osoittaa merkittäviä parannusmahdollisuuksia. Kun nämä analytiikka- ja optimointimallit kytketään analyyttisiin suunnitteluvälineisiin, saadaan tiedolla johtaminen siirrettyä kokonaan uudelle aikakaudelle. Usein ne voidaan kytkeä jo ennestään käytössä oleviin suunnittelutyökaluihin, Syväniemi tarkentaa.

Tietoa on, käsittely pitää siirtää koneille
Antti Syväniemen mukaan elintarvikeyrityksissä dataa hyödynnetään paljonkin, mutta työ on enimmäkseen manuaalista, ja keinoälyn sekä muun järeän analytiikan hyödyntäminen ”loistaa vielä poissaolollaan”. Tyypillistä on, että kuukausittain tai jopa viikoittain toistuvia tarkasteluja työstetään excelissä.
Tämäntyyppinen toiminta vie valtavasti aikaa varsinaiselta ajattelutyöltä ja sisältää merkittävän virhemahdollisuuden. Virheitä syntyy etenkin, kun exceleissä tehtäviä analyyseja työstetään kiireessä ja itse analysoinnille jää hyvin vähän aikaa.
− Tällaiset työt ovat esimerkkejä siitä, mihin puuttumalla voidaan järeällä analytiikalla vapauttaa merkittävästi aikaa. Siinä missä ihmiseltä menee pari päivää kuussa toteuttaa tietty tarkastelu manuaalisesti, analytiikkaprosessi tekee työn sekunneissa. Samalla vaivalla tekoälyohjainen prosessi lisää tarkasteluun näkymän tulevaisuuteen, Syväniemi sanoo.
Useimmissa Euroopan maissa perinteinen elintarvikearvoketjun tietolähde AC Nielsenin Scantrack on edelleen voimissaan. Suomessa sen toiminta loppui perinteisessä muodossaan noin kymmenen vuotta sitten. Monessa tapauksessa AC Nielsenin tietopohja toimii laajan analytiikkakirjon alustana Euroopassa.
Suomessa on kuitenkin laaja-alaisesti verovaroin kerättyä tietoa. Myös eri markkinoiden perustiedot ovat helposti saatavissa sekä tiedot omasta markkinasta ja suomalaisesta kulutuksesta.
− Nämä tiedot yhdessä yritysten omien tietojen kanssa tarjoavat oikein työstettynä vakaan pohjan keinoälyn hyödyntämiselle perinteistenkin prosessien ohjauksessa. Erilaisista tiedoista voidaan johtaa yhteneväinen näkymä niin markkinaan kuin tulevaisuuden trendeihin. Suomessa raskas teollisuus on suunnannäyttäjä keinoälyn hyödyntämisessä ja selkeästi edelläkävijä elintarviketeollisuuteen nähden, Syväniemi summaa.

*********************************
Esimerkkejä tekoälyn hyödyntämisestä

Näitä käytetään Suomessa yleisesti:
ABC-analyysi tuotteille
• Tuotteen suorituskyvyn analyysi
• Kampanjaseuranta
• Tuotteiden peitto- ja kiertoanalyysi
• Ympäristövaikutusten analysointi
Tällainen logistiikka- ja kannattavuustarkastelupohjainen analytiikka on monessa suomalaisissa elintarvikeyrityksissä suhteellisen hyvin resursoitu, mutta usein niissäkin painottuu jonkin verran manuaalinen työ, eikä näillä alueilla ole kovin laajasti hyödynnetty tämän päivän mahdollisuuksia täysimääräisesti.

Näitä käytetään muualla Euroopassa jonkin verran Suomea enemmän:
• TV-mainonnan optimointi
• Massamarkkinoinnin tavaroituksen optimointi
• Tuotantoprosessin ylläpidon ja huollon optimointi
• Tuotantoprosessin tehon ja laadun optimointi
• Tuotantoresurssien ennakoiva ohjaus
• Ennustepohjainen tuotannon optimointi