Nimeni on Dan Rose Johansen ja minulla on ilo kirjoittaa vierasblogiartikkeli Acubizille tekoälystä. Olen yrityksen toimitusjohtaja ja perustaja TodAi. Perustin TodAi:n, jotta tekoälystä tulisi arkipäiväisempää ja mahdollisimman monen tanskalaisen yrityksen ulottuville. Yritän tässä artikkelissa tuoda konseptin konkreettisesti esille ja osoittaa, miten sitä voidaan soveltaa käytännössä. Hyvää lukemista!
TL;DRTekoäly rahoitusalalla ei tarvitse olla abstraktia tai pelottavaa. Tässä TodAi:n toimitusjohtajan Dan Rose Johansenin kirjoittamassa vieraskirjoituksessa todetaan, että yritykset ymmärtävät tekoälyä väärin sekoittamalla sen automaatioon, ja että oikein rajatut tekoälyhankkeet esimerkiksi digitaalisessa kirjanpidossa voivat tuottaa konkreettista arvoa ilman suuria asiantuntijatiimejä tai mittavia investointeja.
Tekoäly, tai AI kuten minä sitä kutsun, on monille hämärä aihe. Mutta sen ei tarvitse olla niin. Käsitteestä on mahdollista tehdä sekä konkreettinen että sovellettavissa oleva, ja siten tehdä siitä paljon kiinnostavampi yrityksille ja niiden työntekijöille.
Yksi tekoälyn laajentamisen suurimmista haasteista on luonnollinen vastarinta muutosta kohtaan. Miten asiaa tahansa tarkastelee, tekoäly merkitsee paradigman muutosta monien toimialojen monissa toiminnoissa. Tekoälyn – ja samalla myös robotiikan ja koneoppimisen – tarjoamat mahdollisuudet johtavat tulevaisuudessa erilaisiin työvoimarakenteisiin. Työvoima tulee muuttumaan ja sopeutumaan. Työntekijät eivät menetä työpaikkaansa, mutta työtehtävät ja vastuualueet muuttuvat.
Siksi on tärkeää, että yritykset pyrkivät hyödyntämään tekoälyn tarjoamia lukuisia mahdollisuuksia pysyäkseen kilpailukykyisinä tulevaisuudessa – eikä se ole lainkaan niin vaarallista kuin monet luulevat.
Suurin este, jonka koen edellä mainitun tekoälyä kohtaan tuntuvan ”vastustuksen” yhteydessä, on se, että olemme kaikki hieman hämmentyneitä, kun keskustelun aiheena on tekoäly. Meillä ei ole vielä yhteistä kieltä. Uutisvirta voi olla osa tätä estettä. Jos tarkastelemme tekoälyä koskevia uutisia tarkemmin, 12 % uutisista koskee Elon Muskiä ja itseajavia autoja. Mutta tekoäly on niin paljon enemmän kuin sitä. Palaan tähän hetken kuluttua.
Meillä ei vielä ole yhteistä kieltä tai yhteisymmärrystä tekoälystä. Siksi monet yritykset väittävät käyttävänsä tekoälyä, vaikka todellisuudessa ne hyödyntävät aivan erilaista teknologiaa. Monet ihmiset olettavat automaattisesti, että kyseessä on tekoäly, jos jokin prosessi on automatisoitu. Näin ei kuitenkaan aina ole. Itse asiassa on käynyt ilmi, että vain 40 % tanskalaisista startup-yrityksistä hyödyntää tekoälyä. Olen vakuuttunut siitä, että tämä johtuu käsitteen väärinymmärryksestä. Väärinkäsityksen syynä on useimmiten se, että tekoäly sekoitetaan robotiikkaan. Ymmärrän tämän sekaannuksen, ja siksi on tärkeää korostaa, että näiden kahden käsitteen suuri ero on siinä, että robotiikka ei pysty ratkaisemaan tehtävää, jota se ei ole aiemmin nähnyt. Mutta tekoäly pystyy! Toisin sanoen tekoäly on kokeilevaa ja jäljittelee pohjimmiltaan ihmisen toimia. Robotiikka puolestaan voi toimia vain saamiensa ohjeiden mukaisesti.
Hallinnan menettäminen on viimeinen tärkeä tekijä, kun puhutaan tekoälyn käytön epäröinnistä. Jos yritys päättää ottaa tekoälyn käyttöön, hallinnan menettämisen tunne syntyy väistämättä, mutta se ei ole niin äärimmäistä kuin miltä se kuulostaa. Palaan tähän hetken kuluttua.
Kun aloin työskennellä tekoälyn parissa, ajattelin, että helpoin osa olisi löytää ongelma, joka sopisi ratkaistavaksi tekoälyn avulla. Tämä osoittautui kuitenkin vaikeimmaksi osaksi. Itse asiassa ne asiat, joita pidin vaikeina, ovat osoittautuneet tekoälyn helpoimmiksi osiksi. Helpointa on rakentaa tekoälymalleja, tehdä prototyyppejä ja keksiä ideoita siitä, mitä tekoälyn avulla voidaan ratkaista.
Vaikeinta on ymmärtää ratkaistavan ongelman ydin ja ratkaista se sitten kaikkia tarvittavia tietoja hyödyntäen. Tietojen kerääminen on nimittäin yleensä sekä kallista että työlästä, kun on ratkaistava tekoälytehtävä – vaikka tehtävä lähtökohtaisesti vaikuttaisikin yksinkertaiselta.
Älä pelkää – tämä ei tarkoita, että tekoäly olisi niin vaikeaa, ettei sen parissa voisi edes aloittaa. Toisin kuin muutama vuosi sitten, tekoälymallin rakentaminen on nykyään mahdollista ilman minkäänlaista koodaustyötä. Ja kun yhä useampia tekoälymalleja kehitetään ratkaisemaan yhä laajenevaa ongelmakirjoa, yhä useammat mallit muuttuvat niin sanotuiksi valmiiksi tuotteiksi, jotka voi vain valita, ostaa ja ottaa käyttöön. Helppoa ja kätevää – plug and play.
Tiedän, että monet pohtivat, miltä tulevaisuus näyttää, kun tekoälyn markkinat ovat kehittyneet. Kun tekoäly otettiin käyttöön, keskustelu keskittyi siihen, valloittavatko robotit työpaikkamme – tämä aiheutti luonnollisesti osan siitä vastustuksesta, johon viittasin alussa. Robotiikka tai tekoäly eivät vie työpaikkojamme. Olen siitä täysin vakuuttunut. Mutta työtehtävämme ovat muuttumassa.
Käytetäänpä kirjanpito-osasto esimerkkinä. Jos työntekijä käyttää nykyään 80 % ajastaan tietojen syöttämiseen ERP-järjestelmä ja vain 20 % valvonta, tilanne kääntyy päinvastaiseksi tulevaisuudessa. Pitkällä aikavälillä on mahdollista saada tekoäly hoitamaan tehtäviä, joita työntekijät nykyään tekevät manuaalisesti. Tämä voi tapahtua valmiiden tuotteiden avulla, mutta jopa valmiit tuotteet on kehitettävä ajan mittaan, jotta ne toimisivat optimaalisesti. Tässä suhteessa tekoäly eroaa merkittävästi robotiikasta. Tekoäly tekee valintansa kokemuksen perusteella. Toisin sanoen tekoälyä on ”koulutettava”, jotta se pystyy ratkaisemaan ne tehtävät, joita siltä halutaan.
Koulutat tekoälyäsi näyttämällä sille esimerkkejä siitä, miten ”oikea” työntekijä toimisi tietyssä työtilanteessa. Tekoäly rekisteröi tämän jälkeen kaikki esimerkissä esiintyneet tekijät ja muuttujat ja oppii niiden perusteella.
Esimerkiksi talousosaston työntekijä voi kouluttaa tekoälyä näyttämällä sille, miltä lasku näyttää. Tekoäly arvioi sitten ennakkokäsityksensä perusteella, onko kyseessä lasku vai ei. Jos käytetään valmista tuotetta, siinä on jo ennalta määritelty ymmärrys, ja tätä ymmärrystä on mahdollista kehittää edelleen kouluttamalla tekoälyä. Työntekijä yrittää siis syöttää tekoälyyn tietoa, joka voi olla merkityksellistä sen kannalta, voidaanko tietty tehtävä tai ongelma ratkaista.
Kun työntekijä kouluttaa tekoälyä, on tärkeää antaa sille vaikeustasoltaan vaihtelevia tehtäviä. Se voi olla mutkikas kuitti josta tiedot on tarkoitus lukea. Jos kuitin lukemiseen käytetty tekoäly ilmoittaa olevansa 90-prosenttisen varma kuitin sisällöstä, työntekijä voi yrittää kouluttaa tekoälyä edelleen syöttämällä tietoja, joiden avulla tekoäly voi olla entistä varmempi seuraavalla kerralla, kun sen on luettava kuitti. Jos tekoälyä ei voida kouluttaa edelleen, tämä voi olla yksi niistä tehtävistä, jotka tekoäly siirtää ”oikealle” työntekijälle, joka voi suorittaa tarvittavan tarkastuksen.
Jos pidät tekoälyä mielenkiintoisena, mutta et vielä tunne oloasi täysin mukavaksi ajatellessasi, että itsenäisesti ajatteleva ohjelmisto hoitaisi työtehtäviä yrityksessäsi, paras neuvoni on, että aloitat sähköpostibotista. Sähköpostibotti on tekoäly, joka voi oppia ymmärtämään, lajittelemaan, välittämään ja vastaamaan sähköposteihin. Sen avulla voit testata teknologiaa ja selvittää, toimiiko se organisaatiossasi.
Tekoäly tulee olemaan tulevaisuudessa kilpailuetu. Siksi kannattaa jo nyt alkaa miettiä, mitä työtehtäviä tekoäly voi hoitaa puolestasi. Muista, että ideoita siitä, missä tekoäly tai robotiikka voisi hoitaa osan ”tylsistä” töistä, ei ole vaikea löytää, mutta vaikeus piilee siinä, että pitää selvittää, mistä tylsät työt oikeastaan koostuvat. Yksi asia on varma: jos käytät aikaa tekoälyn integroimiseen liiketoimintaasi, voit hyötyä siitä vielä monien vuosien ajan.
Usein kysyttyjä kysymyksiä
Mikä on ero tekoälyn ja automaation välillä rahoitusprosesseissa?
Automaatio suorittaa ennalta määritellyn, sääntöihin perustuvan tehtävän ilman ihmisen panosta. Tekoäly menee pidemmälle oppimalla datasta ja tekemällä päätöksiä tai ennusteita, joita ei ole nimenomaisesti ohjelmoitu. Monet yritykset luulevat käyttävänsä tekoälyä, vaikka todellisuudessa kyseessä on automaatio. Erojen tunteminen on tärkeää, koska näiden kahden välillä on merkittäviä eroja datavaatimuksissa, käyttöönoton vaivalloisuudessa ja odotettavissa olevissa tuloksissa.
Missä tekoälyä nykyään tosiasiassa hyödynnetään kirjanpitoyksiköissä?
Rahoitusalalla käytännönläheisiä tekoälysovelluksia ovat esimerkiksi laskujen luokittelu, kulupetosten poikkeamien havaitseminen, aiempien mallien perusteella tapahtuva automaattinen tilikoodaus sekä kassavirtaennusteet. Nämä käyttötapaukset perustuvat jäsenneltyihin talousdataan, minkä ansiosta ne ovat helpommin hallittavissa kuin laajemmat tekoälyprojektit, ja ne voivat lyhentää manuaalista käsittelyaikaa merkittävästi.
Tarvitsemmeko erillistä data science -tiimiä tekoälyn käyttöönottoon taloushallinnossamme?
Ei välttämättä. Monissa nykyaikaisissa taloushallinnon ohjelmistoalustoissa tekoälyominaisuudet on integroitu suoraan työnkulkuihin, joten voit hyötyä koneoppimisesta ilman, että sinun tarvitsee perustaa data science -tiimiä. Jos kuitenkin haluat kehittää omia malleja, tarvitset data science -osaamista, joka on yksi tämän vuosikymmenen kysytyimmistä ammattialoista.
Mitkä ovat suurimmat esteet tekoälyn käyttöönotolle tanskalaisissa yrityksissä?
Vieraskirjoittaja nimeää tekoälyä koskevan yhteisen kielen puutteen suurimmaksi esteeksi. Yritykset eivät ole yhtä mieltä siitä, mitä tekoäly tarkoittaa, minkä vuoksi on vaikeaa käydä hedelmällistä keskustelua sen käyttöönotosta. Muita esteitä ovat tietojen laatu, joka on usein odotettua heikompi, sekä kulttuurinen muutosvastarinta, joka liittyy aina prosessimuutoksiin.