Puhujana Jukka Ala-Mutka Solnetin 10-vuotistilaisuudessa. Tämä artikkeli on yhteenveto pidetystä puheesta.
Jukka Ala-Mutkalla on laaja kokemus tekoälytiimin perustamisesta ja johtamisesta pörssilistatun yrityksen tekoälyjohtajana Admicomilla. Hän on rakentanut skaalautuvaa tekoälyinfrastruktuuria, joka tukee yrityksen kasvutavoitteita ja nopeuttaa liiketoiminnan muutosta. Puheessaan Ala-Mutka korosti, että tekoäly ei ole vain teknologiaa, vaan strateginen mahdollisuus, joka vaatii uudenlaista ajattelua ja kulttuurimuutosta niin yrityksissä kuin yhteiskunnassa. Tekoälyä tulee johtaa ihmisten ja yrityksen liiketoiminnan kautta, ei pelkästään teknologian ehdoilla.
Tekoälyn kehityksen nopeus ja demokratisaatio
Vaikka tekoälyä ja erilaisia koneoppimisen malleja on ollut jo pitkään, vasta oikeastaan ChatGPT:n kaltaiset sovellukset ovat tehneet tekoälystä tutumpaa ja helpommin saavutettavaa kaikille. Mallivaihtoehtoja on tullut lisää ja erilaiset käyttötapaukset hyödyntävät erilaisia tekoälymalleja. Esimerkiksi generatiiviset mallit, syväoppimisen verkostot ja tilastolliset mallit tarjoavat vaihtoehtoja eri tilanteisiin ja mahdollistavat räätälöidyt ratkaisut eri toimialoille.
Nykyään tekoälyn kouluttamiseen ei tarvita valtavia määriä dataa – tekoäly voi oppia pienemmilläkin aineistoilla. Aikaisemmin tekoälyprojektit saattoivat kestää 6-12 kuukautta ja niissä käytettiin miljoonia datapisteitä. Siksi tekoälyä on laajemmin otettu käyttöön verkkokaupoissa, joissa yksi yleisimmistä sovelluksista on ollut esimerkiksi suosittelualgoritmi, joka suosittelee lisää tuotteita verkkokaupan kävijälle. Kun taas tuotantolaitoksen laitteiden vikaantumista voidaan nykyään ennustaa muutaman sadan käyttötapauksen perusteella. Tämä mahdollistaa tekoälyn käytön laajemmin eri aloilla, joilla datan määrä on rajallinen, ja avaa ovia erityisesti pk-yrityksille, jotka voivat hyödyntää tekoälyä ilman suuria investointeja datan keräämiseen.
Tekoälyn mahdollisuudet kiinteistö- ja rakennusalalla
Vastuullisuus on tärkeä osa tekoälyn tuomia mahdollisuuksia rakennetussa ympäristössä. Kun dataa ja tekoälyä on käytössä, voimme tehdä parempia ja tietoisia päätöksiä. Tekoäly voi tukea näitä päätöksiä optimoimalla prosesseja ja poistamalla hukkaa. Data ja tekoäly tukevat vastuullisempaa liiketoimintaa, sillä tekoäly auttaa vähentämään ympäristövaikutuksia ja lisää energiatehokkuutta. Tekoälypohjaiset mallit voivat myös yhdistää energian tuotannon ja kulutuksen mallit, jotta saadaan aikaan kokonaisoptimi. Tämä tarkoittaa esimerkiksi energian varastointia ja siirtämistä mahdollisimman optimaalisesti.
Rakennetussa ympäristössä tekoäly tuo uusia mahdollisuuksia kiinteistöjen ja rakennusten suunnitteluun, rakentamiseen ja ylläpitoon. Ala-Mutka kertoi esimerkin rakentamisen laskennasta: tekoäly voi hoitaa kerrostalon laskennan muutamassa minuutissa, kun siihen aiemmin meni viikko. Tämä lisää tuottavuutta ja vapauttaa resursseja muihin tehtäviin. Lisäksi tekoäly voi optimoida rakennusprosessin eri vaiheita ja tarjota reaaliaikaista tietoa projektien etenemisestä, mikä vähentää viivästyksiä, virheitä, hukkaa ja kustannuksia.
Uudet dataan perustuvat liiketoiminnot
Tekoäly mahdollistaa myös uusia liiketoimintoja energian tuottamisen ja kuluttamisen ympärillä. Ennustemallit auttavat optimoimaan energian tuotantoa ja ennakoimaan kulutusta, mikä avaa mahdollisuuksia esimerkiksi sähköautojen latauspalvelujen kehittämiseen ja hinnoitteluun tai hajautetun sähköverkon kapasiteettivarastojen luomiseen. Hajautetut kapasiteettivarastot voivat tasapainottaa sähköverkon kuormitusta ja varastoida ylimääräistä energiaa silloin kun sen tuottaminen ja varastointi on edullista, mikä tekee energiainfrastruktuurista kestävämmän kysynnän ja tarjonnan vaihteluille.
Käyttöliittymien muutos
Ala-Mutka korosti myös, kuinka ohjelmistojen käyttöliittymät ovat muuttumassa radikaalisti. Perinteisten graafisten käyttöliittymien aika on osin väistymässä, ja niiden tilalle tulevat chat-pohjaiset sovellukset, joita voidaan käyttää kukin omalla äidinkielellään. Monia sovelluksia voidaan käyttää esimerkiksi vain puhumalla. Esimerkiksi pelimaailmassa tekoäly on jo luonut 3D-näkymiä, jotka mahdollistavat pelin pelaamisen ilman varsinaista koodausta. Tämä muutos ei koske vain pelialaa vaan myös yritysohjelmistoja ja toiminnanohjausjärjestelmiä. Tietoa voidaan visualisoida tekoälyllä suoraan tietokannasta käyttäjien tarpeisiin ilman raportointijärjestelmiä. Pyydetään tekoälyä vain tuottaa haluttu datan visualisointi.
Kehityksen haasteet ja osaajapula
Vaikka tekoäly kehittyy nopeasti, siihen liittyy myös haasteita. Ala-Mutka korosti, että osaajapula on yksi suurimmista esteistä tekoälyn laajalle ja nopealle kehittymiselle. Erityisesti datapuolen osaajia tarvitaan, mutta heitä on vähän saatavilla. Erityisesti tekoälyn onnistunut haltuunotto vaatii yritysstrategian ja tekoälystrategian yhteensovittamista sekä poikkitieteellistä tiimiä, joka ymmärtää asiakkaiden tarpeet ja osaa kehittää skaalautuvia teknologioita. Lisäksi tekoälyn hyödyntäminen edellyttää investointeja infrastruktuuriin, kuten datan keräämiseen ja hallintaan, sekä henkilöstön jatkuvaa kouluttamista.
Tekoälyn hyödyntäminen vaatii yrityksiltä nyt rohkeutta tehdä strategisia päätöksiä ja resursoida kehitystä pitkällä aikavälillä. Ala-Mutka korosti, että teknisen osaamisen lisäksi yrityksissä tarvitaan kykyä nähdä tekoäly osana yrityksen strategiaa. Poikkitieteellinen yhteistyö, jossa yhdistyvät liiketoimintaosaaminen, tekninen ymmärrys ja asiakasnäkökulma, on avain menestyksekkääseen tekoälyn käyttöön. Yritysten, jotka haluavat hyödyntää tekoälyä tehokkaasti, on rakennettava infrastruktuuri, joka mahdollistaa tekoälyratkaisujen laajentamisen prototyypeistä useisiin käyttötapauksiin.
Onko data uusi öljy vai ei?
Monet sanovat, että data on uusi öljy, mutta Ala-Mutka on eri mieltä. Hän vertasi dataa siemeneen: pelkkä siemen ei ole arvokas, mutta oikeassa ympäristössä se voi kasvaa ja tuottaa moninkertaisen hyödyn. Data on uusiutuva resurssi, ja sen arvo kasvaa, kun sitä analysoidaan ja yhdistetään muuhun tietoon. Data ei ole hyödyllistä sellaisenaan, vaan sen arvo syntyy, kun sitä käytetään ja jalostetaan. Sitä voidaan hyödyntää esimerkiksi ennakoivassa kunnossapidossa tai älykkäissä toimitusketjuissa, jotka mukautuvat reaaliajassa muuttuviin tilanteisiin.
