ARTIKKELI

5 konkreettista käyttötapausta tekoälyn ja automaation hyödyntämiseen, joista syntyy liiketoiminnalle todellista arvoa

21.10.2024 | noin 3 minuutin lukuaika

Kirjoittajat

JARNO TOIVONEN

PAIJU KOIVULA

Jaa

Tekoäly on pitkään ollut tapetilla yksittäisen työntekijän tehokkuuden parantamisessa, mutta miten tekoälyä voidaan hyödyntää niin, että se luo todellista arvoa liiketoiminnalle? Tekoäly yhdistettynä automaatioon tuo mahdollisuuksia tehokkuuden parantamiseen koko organisaatiotasolla. Tekoäly toimii automaation aivoina, kun taas robotiikka toimii sen käsinä – yhdessä ne täydentävät toisiaan ja mahdollistavat laajempia liiketoiminnan kehityshankkeita.

OP-ryhmän teettämän kyselyn mukaan jo puolet suomalaisista suuryrityksistä suunnittelee työtehtävien korvaamista tekoälyllä. Tässä artikkelissa käymme läpi 5 konkreettista käyttökohdetta, miten suuryritykset voivat hyödyntää tekoälyä sekä automaatiota tehostaakseen liiketoimintaansa.

Käyttökohde 1: Dokumenttien tulkinta

Tekoälyä on jo pitkään käytetty prosesseissa, joissa kone on luonnollisesti tehokkaampi kuin ihminen ja joissa käsitellään strukturoituja dokumentteja kuten lomakkeita, todistuksia tai passeja, tai semi-strukturoituja dokumentteja kuten laskuja, kuitteja tai tilaustoimituksia. Tekoälyn avulla aineistosta voidaan automaattisesti tunnistaa tietoja ja tallentaa niitä jatkokäsittelyyn sekä validoida puuttuvia kenttiä. Viimeaikainen kehitys tekoälytuotteissa mahdollistaa luotettavamman ja nopeamman mallin opetuksen pienemmällä määrällä opetusaineistoa, yhdistäen ihmisen annotoinnin eri dokumenttityypeille ja AI-tunnistuksen (nk. Active Learning). Lisäksi generatiivinen AI mahdollistaa ihmisen kyselyt aineistoon, mikä tuottaa uutta tietoa ja edelleen parantaa dokumenttien käsittelyn luotettavuutta.

Tyypillisiä käyttökohteita yrityksissä ovat AI tiliöinti, tilausvahvistusten käsittely ja tuntikirjanpito. Sisua on valinnut dokumenttien käsittelyyn ympäristöstä ja tarpeesta riippuen Microsoft Azure ML -ratkaisun, mikä soveltuu luontevasti MS Office ympäristöön ja Microsoft ekosysteemiin tai vaativimmissa automaatiotapauksissa Uipath Intelligent Document Processing (IDP) -ratkaisun. Konkreettisista tuloksista Sisuan toteutuksissa voit lukea enemmän asiakastarinoista Postin ostolaskujen käsittelystä ja Kekäleen taloushallinnon automaatiosta.

Käyttökohde 2: Strukturoimattoman datan (kuten sähköpostien) analysointi ja automaatio

Tekoälyä voidaan hyödyntää myös strukturoimattoman datan käsittelyssä ja analysoinnissa, kuten sähköpostiviestien, palautteiden tai tikettien tulkitsemisessa. Asiakaspalvelu on erinomainen käyttökohde liiketoimintahyötyjen kannalta, sillä se vastaanottaa suuren määrän asiakasviestejä eri muodoissa, kuten vapaamuotoisia tekstejä (mahdollisesti eri kielillä), sähköposteja liitteineen ja skannattuja asiakirjoja, joiden käsittely on aiemmin vaatinut manuaalista työtä. Tekoälyllä ja automaatiolla pyritään parantamaan asiakaskokemusta, löytämään vastaus tai ratkaisu nopeammin, ja samalla keventämään asiakaspalvelijoiden työkuormaa. Työkaluja tähän tarjoaa mm. Microsoft Power Platform sekä UiPathin Communications Mining. Sisua on toteuttanut asiakkailleen tällaisia automaatioita jo useampia, kuten esimerkiksi Starkille.

Lisäksi UiPathin Communications Mining tulkitsee palautteista niiden sävyä, minkä pohjalta pystytään generoimaan asiakastyytyväisyysmittareita sekä automaattisia vastauksia asiakasviesteihin, jotka työntekijä tarkastaa ennen lähetystä. Tällaisessa automaatiossa hyödynnetään generatiivisen tekoälyä.

Käyttökohde 3: Kuvien tunnistaminen ja luokittelu

Tekoälyä hyödynnetään myös prosesseissa, jotka edellyttävät kuvien tunnistamista ja luokittelua. Tekoälyä voidaan kouluttaa luokittelemaan ajoneuvoja vakuutusalalla, esimerkiksi kolaritapauksissa, jossa tekoäly automaattisesti tunnistaa ja luokittelee ajoneuvot oikeaan kategoriaan, kuten moottoripyöriksi, autoiksi tai muiksi ajoneuvotyypeiksi. Myös hoito- ja terveysalalla käytetään laajalti kuvien luokittelua esikäsittelynä lyhentämään asiantuntijalta vaadittavaa aikaa.

Sisua on toteuttanut kuvantunnistukseen perustuvia automaatioita asiakaspalvelun ja HR:n tueksi, muun muassa Administerille. Lisäksi Sisua on rakentanut kuvantunnistusta hyödyntävän automaation, joka tehostaa varastonhallintaa. Käyttötapauksessa kuvantunnistusta käytetään sähköyhtiön varastosaldojen laskemisessa. Yrityksen työntekijät ottavat kuvat varastosta, minkä jälkeen tekoälymalli analysoi kuvat ja laskee varastossa olevat tuotteet. Kun laskenta on suoritettu, automaatio yhdistyy yrityksen ERP-järjestelmään, SAP:iin, ja päivittää saldot.

Käyttökohde 4: ChatGPT sensitiivisen datan käsittelyssä

GenAI kuluttajasovellukset kuten ChatGPT tai yrityskäyttöön MS Copilot muuttavat työtapoja jo usealla alalla mm. sisältöjen tuottamisessa, ohjelmointiapuna ja henkilökohtaisena assistenttina. Yritysten käyttöön ja erityisesti herkkäluontoisen tiedon käsittelyyn tarvitaan ratkaisuja, joissa tietosuoja on taattu ja lähteet (konteksti) rajattu yrityksen omaan dataan, jotta kielimallin antamat tulokset ovat tarkkoja asiayhteyteen. Sisualla on meneillään projekteja, joissa toteutetaan on-premise ratkaisuja generatiivisen AI:n avulla käsittelemään salassapidettäviä aineistoja kuten esimerkiksi sopimuksia, työpaikkahakemuksia tai terveystietoja.

Käyttökohde 5: Yritysten sisäiset chatbotit

Tekoälyä voidaan hyödyntää myös rakentamalla yrityksille sisäisiä chatbotteja, jotka tehostavat ja valvovat toistuvia rutiineja. Sisua on kehittänyt esimerkiksi asiakkaalleen sisäisen chatbotin, joka operoi IT-osaston tikettien käsittelyä. Kun työntekijä pyytää salasanan vaihtamista tai muuta vastaavaa toimintoa, chatbot tallentaa tarvittavat tiedot muutokseen sekä generoi strukturoidun tuloksen RPA automaatiolle tai API prosessille järjestelmässä, jolloin automaatio vie muutoksen kuten salasanan vaihdon tuotantoon. Chatbot validoi ja hoitaa muutospyynnöt, parantaen tehokkuutta ja tarkkuutta tikettien käsittelyssä.

Mitkä toimialat tai funktiot ovat erityisen kannattavia tekoälyn hyödyntämiselle?

Vakuutusala: Vakuutusalla hyödytään erityisen paljon tekoälyn kyvykkyydestä käsitellä ja tulkita dokumentteja sekä kuvia.
Palveluala sekä asiakaspalvelu -funktio: Palvelualoilla käsitellään usein suuria määriä asiakaspalautteita tai -viestejä, missä tekoäly voi tuoda merkittävää tehokkuutta.
Pankki ja rahoitusala: Finanssialalla on yhtä lailla paljon käyttöä tekoälylle, niin asiakaspalvelun puolella kuin erilaisten dokumenttien tai lomakkeiden käsittelyssä. Tekoäly pystyy mm. hoitamaan asuntolainahakemusten esikäsittelyn päättelemällä onko hakemus suoraan hylättävä vai sellainen, joka laitetaan työntekijän tarkastukseen eteenpäin.
Taloushallinto: Tekoäly tuo taloushallinnossa laskujen käsittelyyn paljon tehokkuutta. Se on etenkin hyödyllinen kansainvälisessä kontekstissa, jossa laskujen vaihtelevuudessa tai ulkoasussa on paljon eroja. Näissä tapauksissa tekoäly on erityisen hyvä, kun taas älykäs automaatio hoitaa yksinkertaisemmat vaihtelevuudet.
Help deskit ja muut tukitoiminnot: Yritysten tukitoimintoihin kuten Help deskeihin tulee usein asiakasviestejä hyvin erilaisissa muodoissa, joiden käsittelyä tekoäly tehostaa. Tekoäly voi esimerkiksi kategorisoida viestejä sekä laittaa niitä eteenpäin oikeille henkilöille.
HR: Tekoälyä voidaan hyödyntää rekrytointiprosesseissa analysoimalla CV-tiedostoja. Tekoälylle opetetaan halutut mittarit, joilla se analysoi hakemukset, minkä jälkeen se luo taulukon, jossa hakijat esitetään haluttujen mittareiden mukaisesti järjestyksessä.

Mitä hyötyjä tekoälyn ja automaation käyttämisestä syntyy?

Tekoälyn suurin mitattava hyöty syntyy useimmiten tehokkuuden ja tuottavuuden parantumisen kautta. Muuten tekoälyn hyödyt mukailevat pitkälti prosessiautomaation hyötyjä, kuten vähemmän virheitä ja parempi tarkkuus prosesseissa, skaalautuvuuden lisääntyminen, dataan perustuva päätöksenteko ja ennakoiva analytiikka. Lisäksi tekoäly laajentaa automaatiomahdollisuuksia ja käyttökohteita – yhdessä ne täydentävät toisiaan ja luovat mahdollisuuksia monipuolisempiin liiketoiminnan kehitysprojekteihin.