Näin hyödynnät tekoälyä saavuttaaksesi todellista liiketoiminnallista arvoa

Umair Ali Khan, 19.12.2024

Käännös: Martti Asikainen

Vaikka tekoäly (AI) on kehittynyt merkittävästi, monet yritykset kamppailevat edelleen muuntaakseen innovaatiot todellisiksi liiketoimintahyödyiksi. Boston Consulting Groupin (BCG) raportin mukaan yli tuhannen globaalisti tutkitun yrityksen joukosta vain 4 % on kehittänyt vahvoja tekoälykyvykkyyksiä ja saavuttaa johdonmukaisesti merkittäviä hyötyjä. Samaan aikaan 74 % ei ole saavuttanut mitään selkeitä hyötyjä tekoälystä, mikä johtuu pääosin ihmis- ja prosessiongelmista, ei teknologiasta (BCG, 2024). Vastaavasti McKinsey & Companyn tutkimus osoittaa, että vaikka tekoälyn käyttö on yleistynyt, monet organisaatiot ovat vasta alkuvaiheessa ja usein ilman selkeää strategiaa tekoälyn potentiaalin tehokkaaseen hyödyntämiseen (McKinsey & Company, 2024). Myös Mindtree (Mindtree, 2024) on todennut, että vain 85 % organisaatioista on kehittänyt datastrategian ja 77 % on investoinut tekoälyyn liittyviin teknologioihin. Samaan aikaan vain 31 % organisaatioista on saanut sijoitukselleen tuottoa.

Finnish AI Region -hankkeessa toteuttamassamme tekoälykonsultoinnissa (FAIR, n.d.) olemme havainneet, että useimmat yritykset inspiroituvat tekoälyn teoreettisista mahdollisuuksista, jotka on mainittu tieteellisissä tai teknisissä tutkimuksissa, mutta yleensä ne kohtaavat haasteita tunnistaessaan ja määrittäessään teorian ja käytännön välisen kuilun. Vaikka suurin osa tekoälymenetelmistä vaikuttaa lupaavilta akateemisissa tutkimuksissa, niin niiden käytännön soveltaminen voi olla haastavaa. Kuilu tekoälyn kehittämisen ja liiketoiminnallisen arvon saavuttamisen välillä osoittaa, että yritykset aloittavat tekoälyprojekteja harkitsematta riittävästi niiden liiketoimintahyötyjä tai strategista kohdistusta, mikä johtaa usein pettymyksiin sijoitusten tuotto-odotuksissa.

Koska tekoälystä tulee yhä keskeisempi osa liiketoiminnan operaatioita, on tärkeää, että kaikki työntekijät, mukaan lukien yrityksen hallintokoneisto ja toimitusjohtajat, ymmärtävät tekoälyn peruskäsitteitä. Monet yritykset näkevät tekoälyn käyttöönoton edelleen vain teknisenä tehtävänä, jättäen kokonaan huomiotta ei-teknisen henkilöstön osaamisen kehittämisen. Tämä kapea-alainen lähestymistapa johtaa usein projekteihin, joita ohjaavat tekoälytrendit strategisten liiketoimintatavoitteiden sijaan, jolloin yritykset keskittyvät Proof of Concept (PoC) -projekteihin ymmärtämättä täysin niiden tarkoitusta, ja sekoittavat ne virheellisesti liiketoiminnan arvon arviointiin.

Mitä tarkoittaa PoC eli Proof of Concept?

PoC on alustava toteutus, joka on suunniteltu varmentamaan ehdotetun ratkaisun tekninen toteutettavuus ja toiminnallisuus. Tekoälyn yhteydessä PoC sisältää tyypillisesti esimerkiksi prototyypin kehittämisen arvioimaan, voiko tekoälyratkaisu ratkaista riittävän tehokkaasti jonkin tietyn, ennalta määritellyn ongelman. PoC:in aloittaminen on suositeltavaa, kun tutkitaan uusia ideoita, joita ei ole aikaisemmin validoitu teknisesti.

Esimerkiksi, jos yritys harkitsee tekoälyjärjestelmän kehittämistä, joka ennustaa potilaiden odotusajat terveydenhuollossa – konsepti, jota on tutkittu kirjallisuudessa vaihtelevilla parametreilla ja tuloksilla – PoC voi osoittaa toteutettavuuden sidosryhmille rajatussa aikataulussa. Tämä lähestymistapa on erityisen hyödyllinen, kun toteutuksen elinkelpoisuudesta ei ole varmuutta, sillä järjestelmä voi riippua useista tekijöistä, kuten datan saatavuudesta ja riittävyydestä, ennustajien yhdistelmien vaikutusten analysoinnista ja muista alueellisista erityispiirteistä.

Toisaalta PoC:n kehittäminen voi olla tarpeetonta, jos ehdotettu ratkaisu on hyvin dokumentoitu ja linjassa alan tai teollisuuden vakiintuneiden käytäntöjen kanssa. Esimerkiksi chatbotin käyttöönotto asiakaspalvelussa yrityksen sisäisillä dokumenteilla – ratkaisu, joka on laajalti käytetty ja teknisesti suoraviivainen – ei ehkä vaadi PoC:ia. Tällaisissa tapauksissa resurssit voidaan suunnata suoraan täysimittaiseen toteutukseen esivalidoinnin sijasta.

PoC:in hyödyt sisältävät mahdollisten haasteiden varhaisen tunnistamisen, jolloin niitä voidaan säätää ennen merkittävien investointien tekemistä. Tämä lähestymistapa minimoi liiketoiminnan riskit mahdollistamalla uusien ideoiden asteittaisen testaamisen sen sijaan, että sitoudutaan laajoihin projekteihin ilman ennakkovarmistusta.

Lisäksi onnistunut PoC voi houkutella sijoittajia ja saada sidosryhmien tuen osoittamalla ratkaisun potentiaalin. Se myös optimoi resurssien käyttöä paljastamalla liiketoimintaan tai prosesseihin liittyviä ongelmia varhaisessa vaiheessa, mikä tarjoaa mahdollisuuden ratkaista ne ennen täysimittaista käyttöönottoa. On kuitenkin huomattava, että PoC keskittyy teknisen toteutettavuuden osoittamiseen eikä liiketoiminta-arvon määrittämiseen.

Miksi PoC ei välttämättä riitä?

Boston Consulting Groupin (BCG, 2024) mukaan tekoälyä hyödyntävät yritykset voidaan jakaa neljään kategoriaan: passiiviset (25 %), kokeilijat (49 %), laajentajat (22 %) ja arvonluojat (4 %). Passiivisilla yrityksillä on vähän tai ei lainkaan tekoälytoimintaa. Kokeilijat keskittyvät Proof of Concept (PoC) -projekteihin tekoälyn teknisen toteutettavuuden testaamiseksi etenemättä kohti täytäntöönpanoa. Laajentajat lisäävät tekoälysovelluksia luodakseen mitattavaa liiketoiminta-arvoa, kun taas arvonluojat integroivat tekoälyn osaksi toimintaansa ja saavuttavat johdonmukaisesti merkittäviä hyötyjä, kuten parantunutta tuottavuutta, kasvaneita tuloja ja kilpailuetua.

Vaikka PoC:it ovat olennainen askel testattaessa tekoälyratkaisun teknistä toteutettavuutta, ne eivät usein käsittele avainasioita, kuten skaalautuvuutta, pitkäaikaista arvoa tai todellista vaikutusta. Tekoälymalli, joka toimii hyvin hallitussa testausympäristössä ei välttämättä tuota samoja tuloksia skaalautuessaan, mikä voi johtaa integraatiohaasteisiin ja epärealisoituneisiin odotuksiin. Tämä on myös yksi juurisyistä, miksi niin monet yritykset juuttuvat PoC-vaiheeseen, luoden vaikuttavia demoja ja esityksiä tekoälyn toiminnasta, mutta epäonnistuvat kerta toisensa jälkeen muuttamaan nämä ponnistelut todellisiksi liiketoiminnallisiksi tuloksiksi.

Nähdäkseni jotta tekoälyä voidaan hyödyntää menestyksekkäästi, yritysten on mentävä PoC:in ohitse ja keskityttävä enemmän Proof of Value (PoV) -vaiheeseen, jossa arvioidaan sekä tekninen toteutettavuus että konkreettiset liiketoimintahyödyt. PoV varmistaa, että tekoälyprojektit ovat linjassa strategisten tavoitteiden kanssa ja vastaavat todellisiin haasteisiin. Tämä lähestymistapa siirtää painopisteen tekoälyn toimivuuden todistamisesta siihen, miten se voi luoda mitattavaa arvoa, auttaen yrityksiä saavuttamaan merkittäviä ja kestäviä tuloksia.

Mikä on Proof of Value?

PoV on prosessi, joka ulottuu teknisen toteutettavuuden osoittamista pidemmälle arvioimalla ehdotetun ratkaisun konkreettisia liiketoimintahyötyjä ja sijoitetun pääoman tuottoa (ROI). Toisin kuin PoC, joka keskittyy lähinnä siihen, voidaanko ratkaisu toteuttaa, PoV painottaa ratkaisun tuottaman mitattavan arvon arviointia organisaatiolle. Tämä lähestymistapa sisältää yksityiskohtaisia liiketoimintatapauksia, joiden yhteydessä selvitetään, miksi organisaation tulisi ottaa PoC-ratkaisu käyttöön. Samalla lähestymistapa auttaa myös perustelemaan ratkaisun käyttöönottoa ja mittaamaan menestystä. Monissa tapauksissa PoV seuraa onnistunutta PoC:ia.

Esimerkiksi terveydenhuollon teknologiayritys, joka kehittää tekoälytyökalua Alzheimerin taudin varhaisen vaiheen havaitsemiseksi analysoimalla silmän liikkeitä, voi hyötyä merkittävästi PoV:sta. Useat tutkimukset osoittavat, että tekoälymallit, jotka analysoivat silmän liikkeitä, voivat erottaa Alzheimer-potilaat terveistä kontrolleista (Liu et al., 2024), mutta tästä huolimatta sen todellinen käyttöönotto terveydenhuollon ympäristössä on haastavaa. Kirjallisuuskatsaukseen perustuen yrityksen tulisi ensin kehittää alkuperäinen PoC, joka hyödyntää tekoälyä epätavallisten silmän liikeratojen tunnistamiseen sekä testata tämä prototyyppi hallitussa ympäristössä varmistaakseen sen tarkkuuden ja yhteensopivuuden nykyisten lääketieteellisten kuvantamisjärjestelmien kanssa.

Teknisen toteutettavuuden varmistamisen jälkeen yrityksen tulisi siirtyä PoV-vaiheeseen, jossa keskitytään ratkaisun todellisiin hyötyihin. Yrityksen kannalta voi olla hyödyllistä toteuttaa pilottitutkimuksia terveydenhuollon tarjoajien kanssa arvioidakseen työkalun tehokkuutta kliinisessä ympäristössä. Keskeisiä mittareita ovat esimerkiksi diagnostinen tarkkuus, diagnoosiin käytetyn ajan säästö ja kustannusten aleneminen perinteisiin menetelmiin verrattuna. Lisäksi yritys voi arvioida potilastuloksia ja -tyytyväisyyttä varmistaakseen, että työkalu parantaa hoidon laatua. Näiden tekijöiden analysointi auttaa yritystä määrittämään työkalun ROI:n ja sen soveltuvuuden laajamittaiseen kliiniseen käyttöön.

Mitkä tekijät on huomioitava PoV-vaiheessa?

Tekoälykonsultoinnista tulleiden kokemuksiemme mukaan olemme havainneet, että tekoälymatkaansa aloittavat yritykset jättävät usein PoV-vaiheen huomioimatta. Monet olettavat jo ymmärtävänsä tekoälyprojektiensa liiketoiminnallisen arvon ja keskittyvät liiaksi PoC-vaiheeseen. Liiketoimintahyödyn määrittäminen ei kuitenkaan perustu oletuksiin, vaan se vaatii huolellista suunnittelua ja selkeää lähestymistapaa. Tässä ovat PoV:n keskeiset osa-alueet:

Määrittele ja arvioi käyttötapaus: PoV:n luominen alkaa selkeän ja tarkasti rajatun käyttötapauksen tunnistamisella tekoälyratkaisulle. Monilla yrityksillä on useita käyttötapauksia ilman selkeitä tavoitteita. Määritä mitattavat onnistumisen mittarit, jotka auttavat arvioimaan ratkaisun vaikutusta. Näitä mittareita voivat olla esimerkiksi kustannusten väheneminen, nopeammat vasteajat, lyhyemmät käsittelyajat, parantunut asiakaskokemus tai kasvaneet tulot. Selkeästi määritellyt lopputulokset varmistavat, että projektin päätavoitteena säilyy mitattavissa oleva arvo.

Oikeiden käyttötapausten valitseminen on kriittistä PoV:n onnistumiselle. Yrityksen päättäjien tulee välttää etenkin varhaisessa vaiheessa liiallista tuotto-odotusten korostamista, sillä tämä voi rajoittaa innovaatiota ja hidastaa tehokkaiden ratkaisujen kehittämistä. Ongelma korostuu etenkin PoC-vaiheen aikana. Toisaalta samaan aikaan arvon mittaamisen laiminlyönti voi johtaa tilanteeseen, jossa resursseja hukataan epäolennaisiin käyttötapauksiin sekä tekoälyn käyttöönottoon ilman selkeää tarkoitusta (Applied AI, 2021).

Käyttötapauksen valinnan jälkeen on tärkeää arvioida sen toteutettavuus ja mahdollinen vaikutus. Tämä onnistuu kysymällä keskeisiä kysymyksiä. Ensinnäkin pitää tietää, onko ongelma selkeästi määriteltävissä. Jos kyseessä olisi esimerkiksi tekoälyjärjestelmä, joka luo automaattisesti tarjouspyyntöjä, niin ensimmäisenä pitää varmistaa, että sen kouluttamista ja testaamista varten on riittävästi dataa, kuten esimerkiksi tekstimuotoisia tai kuvapohjaisia tarjouspyyntöjä. Lisäksi on hyvä pohtia, mikä on odotettu ROI, kuten esimerkiksi ajan säästö, virheiden vähentäminen tai tehokkuuden lisääminen. Kysymyksiin vastaaminen helpottaa keskittymistä käyttötapauksiin, jotka tuovat suurimman arvon liiketoiminnalle.
Mittaa sisäinen ja ulkoinen arvo: Tunnista ja laske käyttötapauksen tuottamat hyödyt erottelemalla sisäinen ja ulkoinen arvo. Sisäinen arvo syntyy ydinliiketoimintaprosessien ja toimintojen parantamisesta, kuten tuotteen laadun kehittämisestä, työnkulkujen nopeuttamisesta, ajan säästämisestä tai parempien päätösten tekemisestä datan avulla. Ulkoinen arvo puolestaan syntyy markkinasuuntautuneista toiminnoista, kuten esimerkiksi uusien tuotteiden tai palveluiden lanseeraamisesta, innovatiivisten liiketoimintamallien kehittämisestä, olemassa olevien tarjontojen päivittämisestä tai asiakasuskollisuuden ja -tyytyväisyyden parantamisesta.
Tee projektista liiketoimintatavoitteiden mukainen: Varmista, että tekoälyprojekti on tiiviisti linjassa yrityksen liiketoimintatarpeiden ja tavoitteiden kanssa. Esimerkiksi tuotantoon keskittyvä yritys, joka suunnittelee tekoälyratkaisua tehtaalla olevien laitteiden ja etikettien tunnistamiseksi virtuaalikierroksen aikana, tulisi varmistaa, että projekti ratkaisee tiettyjä operatiivisia haasteita, kuten varastonhallinnan tehostamista, huoltomenetelmien parantamista tai turvallisuustarkastusten kehittämistä.
Arvon osoittaminen sidosryhmille ja käyttäjille: Näytä ja osoita, kuinka tekoälyratkaisu tuottaa todellista arvoa sidosryhmille, asiakkaille ja käyttäjille. Tämä voidaan toteuttaa hyödyntämällä esimerkiksi kirjallisuuskatsauksia, tapaustutkimuksia tai kyselyjä ratkaisun potentiaalisten hyötyjen osoittamiseksi. Esimerkiksi vähittäiskauppa, joka kehittää tekoälypohjaista suosittelujärjestelmää asiakaspalvelun parantamiseksi, voisi hyödyntää vastaavanlaisten yritysten tutkimuksia osoittaakseen, kuinka tällainen järjestelmä on parantanut asiakastyytyväisyyttä ja kasvattanut myyntiä.
Varmista integraatio ja kestävyys: Arvioi, miten tekoälyratkaisu integroidaan olemassa oleviin järjestelmiin ja prosesseihin. Varmista, että se säilyttää tehokkuutensa myös liiketoimintatarpeiden, markkinaolosuhteiden ja organisaation tavoitteiden muuttuessa.
Määritä tekoälyratkaisun laajuus: Selvitä, voidaanko suunniteltu tekoälyprojekti mukauttaa monikäyttöiseksi tai laajentaa sitä myös alkuperäisen käyttötapauksen ulkopuolelle.
Kyvykkyyksien puutteiden korjaaminen: Arvioi yrityksesi kriittisten kyvykkyyksien puutteet suhteessa alan johtajiin ja investoi näiden kyvykkyyksien kehittämiseen.
Laskelmoi tekoälyratkaisun elinkaaren investointikustannukset: Arvioi tekoälyratkaisun kehittämiseen ja ylläpitoon liittyvät kokonaiskustannukset sen elinkaaren aikana.
Ota huomioon eettiset ja juridiset näkökohdat: Ymmärrä tekoälyratkaisun kehittämiseen liittyvät eettiset ja juridiset vaikutukset, kuten GDPR:n mukaiset tietosuoja-asetukset ja tekoälyä koskevat säädökset.
Yhteiskehittämisen lähestymistapa: Oleta, että tekoälyn kehittäminen on monialainen prosessi, joka vaatii teknisten asiantuntijoiden lisäksi päätöksentekijöiden ja johtoryhmien osallistumista

Johtopäätös

Onnistunut tekoälyn käyttöönotto vaatii PoC-vaiheen ylittämistä ja PoV-vaiheeseen keskittymistä, jotta voidaan arvioida ratkaisun tuottamat konkreettiset hyödyt. Strateginen lähestymistapa, joka yhdistää PoC:n ja PoV:n, on välttämätön tekoälyn täyden potentiaalin hyödyntämiseksi ja merkittävän liiketoimintavaikutuksen luomiseksi.

Lähteet:

Applied AI. (2021). Value assessment of AI products and applications. Saatavilla osoitteessa: https://aai.frb.io/assets/files/appliedAI_Value-Assessment-of-AI-Products-and-Applications.pdf. Luettu 27/11/2024.

BCG. (2024). Where’s the value in AI? Saatavilla osoitteessa https://www.bcg.com/publications/2024/wheres-value-in-ai. Luettu 27/11/2024.

European Parliament and Council. (2024). Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence and amending certain Union legislative acts (Artificial Intelligence Act). Official Journal of the European Union, L 1689, 1–144. Saatavilla osoitteessa https://eur-lex.europa.eu/eli/reg/2024/1689/oj. Luettu 27/11/2024.

Finnish AI Region (FAIR). (n.d.). Saatavilla osoitteessa https://www.fairedih.fi/en/frontpage/. Luettu 27/11/2024.

Liu, Y., Zhang, W., Wang, S., Zuo, F., Jing, P., & Ji, Y. (2024). Depth-induced saliency comparison network for diagnosis of Alzheimer’s disease via jointly analysis of visual stimuli and eye movements. arXiv. Saatavilla osoitteessa https://arxiv.org/abs/2403.10124. Luettu 27/11/2024.

McKinsey & Company. (2024). The state of AI in early 2024: Gen AI adoption spikes and starts to generate value. Saatavilla osoitteessa https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai. Luettu 27/11/2024.

Mindtree. (2024). Gen AI adoption report: Unlock the power of generative AI platforms. Saatavilla osoitteessa https://www.ltimindtree.info/gen-ai. Luettu 27/11/2024.

Finnish AI Region
2022-2025.
Media contacts