Tekoälymahdollisuuksista toimivaksi tiekartaksi: Vendre kehitti tekoälystrategiansa Finnish AI Regionin kanssa
Suomalainen Vendre halusi selvittää, missä tekoäly voisi tuottaa aitoa liiketoiminta-arvoa. Yhtiö muutti hajanaiset ideansa priorisoiduksi tekoälystrategiaksi ja vaiheistetuksi tiekartaksi yhdessä Finnish AI Regionin ja Haaga-Helia ammattikorkeakoulun asiantuntijoiden kanssa.
Dmitry Kudryavtsev | 20.10.2026 | Kuva: Vendre
Suomalaisella Vendrellä oli ideoita tekoälyn hyödyntämiseen, mutta selkeä suunta puuttui. Keväällä 2026 yhtiö, joka tunnettiin tuolloin vielä nimellä Bookers Group Oy, aloitti yhteistyön Finnish AI Regionin (FAIR) ja Haaga-Helia ammattikorkeakoulun kanssa. Yhteistyön tuloksena syntyi priorisoitu tekoälystrategia ja vaiheistettu tiekartta. Ne ohjaavat nyt yhtiön uuden asiakkuudenhallintajärjestelmän (CRM) suunnittelua.
Työ alkoi tekoälyn kypsyysarviolla ja diagnostisella neuvonnalla. Niiden avulla muodostettiin yhteinen näkemys kolmesta asiasta: missä tekoäly voisi tuoda eniten lisäarvoa, millaisia perustoja sen käyttöönotto edellyttää ja miten tulevat hankkeet kannattaa asettaa tärkeysjärjestykseen.
Vendre sai yhteisen tekoälyvision, joka on sidottu sen liiketoimintatavoitteisiin. Tunnistetut mahdollisuudet arvioitiin kahdella perusteella: odotetulla vaikutuksella ja toteutuksen vaativuudella. Arvion pohjalta koottiin vaiheistettu toteutussuunnitelma. Samalla yhtiölle selkeni aiempaa paremmin, mitä on oltava kunnossa ennen toteutukseen ryhtymistä.
Tiekartta on sovitettu yhteen CRM-uudistuksen kanssa. Tekoälyä kehitetään siis osana laajempaa kehitysohjelmaa eikä erillisenä hankkeena. Vendren IT-johtajan Juha Tikkasen mukaan yhteistyö antoi juuri sen suunnan ja jäsennellyn lähestymistavan, jota yhtiö oli hakenut toiminnalleen. Seuraavaksi Vendre arvioi, toteutetaanko konseptitodistus (proof of concept). Arvio tehdään, kun CRM-hankkeen vaatimukset on määritelty.
Yhteinen suunta tekoälylle
Vendre on suomalainen yhtiö, joka on erikoistunut ulkoistettuun B2B-myyntiin, tapaamisten sopimiseen ja asiakashankintaan. Huhtikuussa 2026 FAIRin asiantuntijat tekivät Vendrelle tekoälyn kypsyysarvion ja diagnostisen neuvonnan. Niissä käytiin yhdessä läpi, miten yhtiö käyttää tekoälyä nyt, mitkä ovat sen kehitystavoitteet ja missä tekoäly voisi tukea liiketoimintaa.
Tiimit eivät hypänneet suoraan tiettyyn teknologiaan tai konseptitodistukseen. Ne totesivat, että yhtiö hyötyisi ensin johdonmukaisesta tekoälystrategiasta. Siitä tuli yhteistyön seuraavan vaiheen keskeinen tavoite.
Ajoitus oli tärkeä, sillä Vendre valmistautui uudistamaan CRM-järjestelmänsä. Strategiatyön avulla tulevat tekoälyominaisuudet, prosessit, datavaatimukset ja alustaratkaisut voitiin sovittaa yhteen tämän laajemman kehitysohjelman kanssa. Koska tekoälyn suunta määriteltiin ennen CRM-vaatimusten lukitsemista, kokonaisuuksia voitiin suunnitella rinnakkain eikä peräkkäin.
Prosessilähtöinen ja monialainen lähestymistapa
Strategiatyön teki FAIRin toimeksiannosta Haaga-Helia ammattikorkeakoulun asiantuntijatiimi. Työ koostui valmistelusta, kahdesta lähityöpajasta ja asiantuntijoiden omasta analyysista. Ennen ensimmäistä työpajaa Vendre kuvasi keskeiset liiketoimintaprosessinsa. Näin tekoälyn mahdollisuuksia voitiin tarkastella yhtiön todellisen toiminnan pohjalta eikä vain yleisellä tasolla.
Haaga-Helia kokosi monialaisen tiimin, jossa oli osaamista tekoälystä, liiketoiminnan kehittämisestä ja myynnistä. Koska tarkastelun keskiössä oli myyntiprosessi, myyntiasiantuntijan näkemys parhaista käytännöistä ja alan trendeistä oli erityisen arvokas. Sen avulla tekoälyn mahdollisuudet voitiin kytkeä sekä myyntityön nykytilaan että sen tulevaan kehitykseen. Tiimi sopi myös yhteisestä menetelmästä, jolla arvioitiin, missä tekoäly voisi tukea tai muuttaa valittuja prosesseja.
Huolellisen valmistelun ansiosta työ pysyi kiinni liiketoiminnan tarpeissa eikä yksittäisissä teknologioissa. Lähtökohtana ei ollut kysymys siitä, mitä tekoälytyökalua yrityksen pitäisi käyttää. Sen sijaan tiimit kysyivät, missä tekoäly voisi tuottaa arvoa, kuka siitä hyötyisi ja mitä tarvitaan, jotta eteneminen olisi vastuullista.
Mahdollisuuksien kartoitus ja vaikutusarvio
Ensimmäisessä työpajassa 12. toukokuuta 2026 yhdistyivät Vendren tuntemus omista asiakkaistaan, palveluistaan ja toiminnastaan sekä Haaga-Helian osaaminen tekoälystä, liiketoiminnan kehittämisestä ja myynnistä.
Työpaja alkoi Vendren tekoälyvisiolla, tavoitteilla ja odotuksilla. Sen jälkeen osallistujat kävivät läpi, miten yhtiön palvelut, asiakkaat ja liiketoimintaprosessit liittyvät toisiinsa. Tätä taustaa vasten he kartoittivat tekoälyn sovelluskohteita valituissa prosesseissa ja tunnistivat tarvittaessa uusia mahdollisuuksia. Nykyisten myyntikäytäntöjen ja trendien pohjalta he pohtivat sekä sitä, miten tekoäly voisi parantaa nykyistä toimintaa, että sitä, miten myyntityö ja asiakkaiden odotukset ovat muuttumassa. Ideat koottiin kolmesta lähteestä: yhtiön omasta ideoinnista, alan parhaista käytännöistä ja tekoälyavustajan tuottamista ehdotuksista.
Seuraavaksi osallistujat asettivat mahdollisuudet tärkeysjärjestykseen odotetun liiketoimintavaikutuksen mukaan. Näin syntyi yhteinen näkemys siitä, mitkä mahdollisuudet olivat merkityksellisimpiä ja arvokkaimpia. Lopuksi tarkasteltiin alustavasti vaatimuksia, edellytyksiä ja seuraavia askelia. Lopullista toteutusjärjestystä ei tarkoituksella päätetty vielä tässä vaiheessa. Työpajan tehtävä oli määrittää liiketoiminnan prioriteetit, joita voitaisiin sen jälkeen arvioida teknisestä ja organisatorisesta näkökulmasta.
Työpajasta tiekartaksi
Työpajan jälkeen Haaga-Helian tiimi arvioi, millaista toteutustyötä kukin mahdollisuus vaatisi. Se tarkasteli teknistä toteutettavuutta, mahdollisuuksien keskinäisiä riippuvuuksia ja toteutuksen monimutkaisuutta. Lisäksi tiimi arvioi organisaation valmiutta, tarvittavia integraatioita ja sitä, mitä vastuullinen ja kestävä käyttö kussakin tapauksessa edellyttäisi.
Tämä kaksivaiheinen priorisointi oli menetelmän ydin. Työpajassa arvioitiin mahdollisuuksien odotettu liiketoimintavaikutus, asiantuntija-analyysissa puolestaan tarvittava työmäärä ja valmius. Yhdistämällä nämä kaksi näkökulmaa mahdollista arvoa voitiin verrata vaadittavaan työhön. Näin kehitystyölle saatiin realistinen järjestys jo ennen kuin yksittäisiä sovelluksia oli suunniteltu yksityiskohtaisesti.
Tulokset koottiin tekoälystrategiaraportiksi ja tiekartaksi. Raportissa kuvattiin tekoälyn hyödyntämisen tavoitteet ja tunnistetut mahdollisuudet. Siinä osoitettiin, miten kukin mahdollisuus liittyy yhtiön liiketoimintatavoitteisiin ja miten se voi kehittää myyntiprosesseja. Mahdollisuudet asetettiin tärkeysjärjestykseen odotetun vaikutuksen ja toteutettavuuden perusteella. Lisäksi raportissa hahmoteltiin mahdollisia toteutustapoja, ja ne koottiin vaiheistetuksi toteutustiekartaksi.
Toisessa työpajassa FAIRin asiantuntijat esittelivät tiekartan Vendrelle. Osapuolet keskustelivat sen vaikutuksista, painopisteistä ja mahdollisista seuraavista askelista.
Tiekartassa ehdotetaan etenemistä kolmessa vaiheessa:
- Ensin luodaan tarvittavat perustat.
- Sen jälkeen kehitetään tekoälypohjainen analytiikkakerros, joka tuottaa tietoa päätöksenteon tueksi.
- Lopuksi tarkastellaan edistyneempää tekoälytukea myyntityöhön.
Tiekartta on laadittu strategisella tasolla. Tässä artikkelissa ei julkaista yksityiskohtaisia prioriteetteja, dataa, teknisiä tietoja eikä toteutussuunnitelmia.
Tulokset ja hyödyt Vendrelle
Konsultoinnin tärkein tulos on jäsennelty pohja päätöksenteolle. Irrallisten ideoiden sijaan Vendrellä on nyt priorisoitu näkemys tekoälyn mahdollisuuksista, niiden keskinäisistä riippuvuuksista ja mahdollisesta toteutusjärjestyksestä. Yhtiö voi arvioida tulevia tekoälyinvestointeja yhdessä sovittujen liiketoimintaprioriteettien valossa ja vertailla mahdollisuuksia odotetun vaikutuksen ja vaadittavan työn perusteella. Lisäksi se tietää, mitkä organisatoriset ja tekniset edellytykset on täytettävä ennen toteutuksen aloittamista.
Strategiatyössä tunnistettiin useita liiketoimintamahdollisuuksia. Niitä ovat esimerkiksi asiakasvuorovaikutuksesta syntyvän datan parempi hyödyntäminen, myynnin johtamisen tukeminen syvemmällä tiedolla, asiakasraportoinnin kehittäminen sekä nykyisten myyntiprosessien arvon kasvattaminen. Koska mahdollisuudet kytkettiin Vendren tavoitteisiin ja liiketoimintaprosesseihin, tulevien tekoälyhankkeiden yhteys liiketoiminta-arvoon on tiekartassa selvä.
Vendren tuntemus omasta toiminnastaan, asiakkaistaan ja tavoitteistaan yhdistyi Haaga-Helian tekoäly-, liiketoimintakehitys- ja myyntiosaamiseen. Tämän ansiosta tiekartta ei ole pelkästään tekninen, eikä se nojaa vain yleisiin liiketoimintatavoitteisiin.
Kyseessä oli strategianeuvonta eikä tekninen toteutushanke. Siksi tuloksena ei ollut käyttöön otettua tekoälysovellusta eikä mitattuja tuottavuushyötyjä. Neuvonnan arvo on siinä, että se auttaa Vendreä tekemään perusteltuja investointi- ja kehityspäätöksiä. Yhtiö tietää nyt, mihin mahdollisuuksiin kannattaa tarttua ensin, mistä ne riippuvat ja mitä on oltava valmiina ennen toteutusta. Tämä vähentää epävarmuutta konseptitodistuksen valinnassa ja auttaa kohdistamaan tekoälyinvestoinnit sinne, missä niistä on eniten hyötyä.
Asiakkaan näkökulma: oikea suunta ja rakenne
Juha Tikkasen mukaan FAIR-hanke on ollut Vendrelle erittäin onnistunut. Yhtiö saavutti tavoitteensa: se sai arvokkaita havaintoja, selkeän käsityksen tekoälyn mahdollisuuksista ja käytännöllisen tiekartan tulevan kehitystyön tueksi.
Havainnot vaikuttavat jo yhtiön uuden CRM-hankkeen suunnitteluun.
– Strategiavaiheessa tunnistetut tekoälyyn liittyvät mahdollisuudet ja prioriteetit otetaan huomioon suunnittelu- ja kehitystyössämme, Tikkanen kertoo.
Näin tekoälyn vaatimuksia voidaan tarkastella yhdessä yhtiön tulevien prosessien, tietotarpeiden ja järjestelmäympäristön kanssa. Tiekartta tukee samalla yhtiön laajempaa digitaalista kehitystä.
Kokonaisvaltainen lähestymistapa on linjassa tutkimustiedon kanssa. Sen mukaan tekoälyä hyödyntävän CRM:n onnistuminen edellyttää teknologian lisäksi hyvää tiedonhallintaa, toimivia järjestelmäintegraatioita ja organisaation yhteistä suuntaa (Alnofeli ym., 2025).
Opit muille pk-yrityksille
Yhteistyön opit voivat auttaa muitakin pk-yrityksiä, jotka selvittävät tekoälyn mahdollisuuksia.
Näin kannattaa toimia
- Aloita liiketoimintatavoitteista ja prosesseista. Silloin tekoälyn kehittäminen pysyy kiinni todellisissa liiketoiminnan tarpeissa eikä yksittäisissä teknologioissa.
- Hyödynnä monialaista osaamista. Yhdistä tekoälyn, liiketoiminnan kehittämisen ja oman toimialan osaaminen, mukaan lukien alan nykykäytännöt ja trendit. Silloin mahdollisuuksia voidaan tarkastella niiden todellisessa toimintaympäristössä.
- Arvioi liiketoimintavaikutus ja toteutustyö erikseen. Tunnista ensin, mitkä mahdollisuudet voisivat olla merkittävimpiä. Selvitä sitten, kuinka vaativia ja toteutettavia ne ovat.
- Priorisoi ja laadi vaiheistettu tiekartta. Osa mahdollisuuksista edellyttää perustoja, joiden on oltava kunnossa ennen vaativampia hankkeita. Vaiheistus auttaa kohdentamaan rajalliset resurssit.
- Kytke tekoälyn suunnittelu laajempaan digitaaliseen kehitykseen. Vendren tiekartan ja CRM-hankkeen yhteys osoittaa, miksi koordinoitu suunnittelu kannattaa.
Näitä kannattaa välttää
- Älä valitse työkalua vain siksi, että se on saatavilla.
- Älä yritä toteuttaa kaikkia tekoälyideoita kerralla.
- Älä oleta, että suuren vaikutuksen mahdollisuus olisi automaattisesti valmis tai helppo toteuttaa.
- Älä oleta, että nykyinen data tai järjestelmät olisivat suoraan valmiita tekoälyn käyttöön.
- Älä käynnistä konseptitodistusta ennen kuin sen käyttäjät, tarkoitus, odotettu arvo ja onnistumisen kriteerit on määritelty.
Laajempi merkitys
Vendren tapaus osoittaa, ettei arvokas tekoälytuki aina ala prototyypin rakentamisesta. Pk-yritykselle jo yhteinen ymmärrys prioriteeteista, edellytyksistä ja kehitysvaiheista voi olla tärkeä tulos sellaisenaan. Strategialähtöisyys auttaa välttämään sen, että teknologia valitaan ennen kuin ratkaistava ongelma on ymmärretty. Se voi myös tuoda esiin yhteyksiä tekoälyn mahdollisuuksien ja laajempien hankkeiden välillä. Tällainen hanke voi olla esimerkiksi ydinliiketoimintajärjestelmien uudistus.
Tapaus kuvaa myös laajempaa haastetta: miten siirrytään tekoälykokeiluista strategisesti kohdennettuihin investointeihin. Pohjoismaissa tekninen valmius on suhteellisen vahva, mutta strateginen valmius on heikentynyt. Siksi moni organisaatio on epävarma siitä, mihin investoida ja miten tekoälyhankkeet tulisi priorisoida (Deloitte, 2026).
Suomessa yli puolet organisaatioista on yhä arviointi- ja valmisteluvaiheessa. Tekoälyn käyttöönotto on usein hajanaista ja kokeilevaa, eikä sitä ole järjestelmällisesti kytketty arvonluontiin ja strategisiin valintoihin (Demos Helsinki, 2026). Nämä havainnot korostavat jäsenneltyjen lähestymistapojen tarvetta. Tekoälyn mahdollisuudet on tunnistettava, arvioitava ja priorisoitava liiketoimintatavoitteiden pohjalta.
Vakiintuneet menetelmät tukevat samaa polkua
Vendren tapauksessa käytetty lähestymistapa vastaa olemassa olevia kehyksiä. Brakemeier ym. (2020) esittävät jäsennellyn menetelmän tekoälyn käyttötapausten tunnistamiseen ja priorisointiin. Australian hallituksen National AI Centre (2026) kytkee mahdollisuuksien tunnistamisen kartoitettuihin liiketoimintaprosesseihin, kipupisteisiin, tekoälyn soveltuvuuteen ja liiketoimintavaikutukseen. Futuricen AI Business Value Toolkit -työkalupakki puolestaan etenee strategisen painopistealueen valinnasta arvovirtojen kartoitukseen ja edelleen käyttötapausten priorisointiin (Virkkunen ym., 2025). Käsitteet vaihtelevat, mutta logiikka on sama. Ensin määritellään liiketoimintatavoitteet ja kartoitetaan prosessit. Sitten tunnistetaan tekoälyn mahdollisuudet, arvioidaan ne ja asetetaan tärkeysjärjestykseen.
Priorisointi ei vielä riitä, vaan sen jälkeen tarvitaan toteutuksen suunnittelua. Arvokkaat mahdollisuudet voivat riippua datasta, teknologiasta, osaamisesta, hallintamalleista tai organisaation kyvykkyyksistä, joita ei vielä ole. Kolme lähestymistapaa laajentaa priorisointia valmiuden, edellytysten ja riippuvuuksien arviointiin: IBM Txturen 5A-lähestymistapa, AWS:n tekoälyn, koneoppimisen ja generatiivisen tekoälyn pilvikäyttöönottokehys (AWS Cloud Adoption Framework for AI, ML and generative AI) sekä AICapDev-lähestymistapa.
Ne tukevat etenemistä priorisoiduista mahdollisuuksista edellytysten ja riippuvuuksien kautta toteutustiekarttaan (Amazon Web Services, 2024; IBM, 2026; Kudryavtsev ym., 2025). Sama näkyi Vendren tapauksessa. Liiketoimintavaikutukseen perustuvan priorisoinnin jälkeen arvioitiin tekninen toteutettavuus, riippuvuudet, organisaation valmius ja toteutuksen monimutkaisuus. Vasta sitten laadittiin tiekartta.
Muut yritykset voivat kulkea samaa polkua. Ne voivat arvioida nykyisen tekoälykypsyytensä, valita keskeiset liiketoimintaprosessit ja koota yhteen oman, tekoälyn ja toimialan asiantuntemuksen. Sen jälkeen ne voivat tunnistaa mahdollisuudet ja asettaa ne tärkeysjärjestykseen odotetun liiketoimintavaikutuksen mukaan. Lopuksi ne arvioivat kunkin mahdollisuuden vaatiman työn ja edellytykset. Tuloksena on vaiheistettu tiekartta, jonka avulla voidaan valita kohdennettu konseptitodistus, kun edellytykset ovat kunnossa. Vaiheittainen eteneminen vähentää irrallisten kokeilujen riskiä. Se auttaa myös varmistamaan, että tekoälyinvestoinnit tukevat laajempaa liiketoiminnan kehitystä.
Tässä yhteistyössä käytetty lähestymistapa sisältyy myös GAIK GenAI Toolkitiin. Työkalupakki auttaa yrityksiä kehittämään ja ottamaan käyttöön generatiivisen tekoälyn ratkaisuja uudelleenkäytettävien ohjeiden ja rakennuspalikoiden avulla (Kudryavtsev ym., 2026). Siinä lähestymistapa tukee strategista päätöksentekoa: mitkä käyttötapaukset priorisoidaan, mistä aloitetaan ja mitkä edellytykset on otettava huomioon ennen toteutusta.
Tapaus havainnollistaa myös FAIRin kaltaisten EDIH-neuvontapalvelujen roolia. Niiden arvo ei ole vain tiettyjen teknologioiden suosittelussa. Ne auttavat pk-yrityksiä jäsentämään ajatteluaan, yhdistämään liiketoiminnan ja teknologian näkökulmat, tunnistamaan riippuvuudet ja tekemään perustellumpia investointipäätöksiä.
Kirjoittaja
Lähteet
Amazon Web Services. (2024). AWS Cloud Adoption Framework for artificial intelligence, machine learning, and generative AI: Accelerating your cloud-powered AI transformation. https://docs.aws.amazon.com/whitepapers/latest/aws-caf-for-ai/aws-caf-for-ai.html
Alnofeli, K. K., Akter, S., & Yanamandram, V. (2025). Unlocking the power of AI in CRM: A comprehensive multidimensional exploration. Journal of Innovation & Knowledge, 10, 100731. https://doi.org/10.1016/j.jik.2025.100731
Brakemeier, H., Gerbert, P., Hartmann, P., Liebl, A., Schamberger, M., & Waldmann, A. (2020). Applying AI: How to find and prioritize AI use cases. appliedAI Initiative, UnternehmerTUM. https://www.appliedai.de/en/ai-resources/white-papers/how-to-find-and-prioritize-ai-use-cases/
Deloitte. (2026). State of AI in the Nordics 2026. Deloitte. https://mkto.deloitte.com/rs/712-CNF-326/images/State-of-AI-in-the-Nordics-2026.pdf
Demos Helsinki. (2026). AI in Finnish business 2026. AI Finland; Business Finland. https://aifinland.fi/wp-content/uploads/2026/04/AI-in-Finnish-Business-2026.pdf
IBM. (2026). AI transformation planning and assessment. https://www.ibm.com/products/txture/ai-transformation
Kudryavtsev, D., Moilanen, T., Laatikainen, E., & Khan, U. A. (2025). AI implementation capability assessment and development planning: Towards a tool for SMEs. In 2025 IEEE 23rd World Symposium on Applied Machine Intelligence and Informatics (SAMI) (pp. 471–476). IEEE. https://doi.org/10.1109/SAMI63904.2025.10883262
Kudryavtsev, D., Khan, U. A., Remes, J., & Kauttonen, J. (2026). Reuse and guidance for generative AI solution development and implementation: Knowledge management perspective. In: Barateiro, J., Rivkin, A., Zdravkovic, J., Borbinha, J., Mira da Silva, M. (eds) Enterprise Design, Operations, and Computing. EDOC 2025 Workshops. EDOC 2025. Lecture Notes in Business Information Processing, vol 571. Springer, Cham. pp. 70–83. https://doi.org/10.1007/978-3-032-16234-2_5
National AI Centre. (2026). Identify opportunities. Australian Government. https://www.ai.gov.au/planning-ai/prepare-your-business/identify-opportunities
Virkkunen, V., Voss, H., & Ferm, T. (2025). AI business value toolkit: Move from potential to real business impact. Futurice. https://www.futurice.com/fi/downloads/ai-business-value-toolkit
