Tekoäly
Tekoäly on noussut nopeasti työkaluksi, jota voi hyödyntää helposti joka organisaatiossa ilman asiaan vihkiytyneiden asiantuntijoiden apua.
Tärkeitä termejä:
Algoritmi
Joukko ohjeita tai sääntöjä, joita noudattamalla tietokone osaa tehdä jonkin asian askel askeleelta.
Tekoäly
Tietokoneohjelma tai järjestelmä, joka pystyy tekemään osittain autonomisia päätöksiä ja muokkaamaan toimintaansa, eli oppimaan. Tekoäly käyttää suuria määriä dataa ja algoritmeja tunnistaakseen kuvioita ja ratkaistakseen monimutkaisia ongelmia.
Generatiivinen tekoäly
Voi luoda uutta sisältöä, kuten tekstiä, kuvia tai musiikkia, yhdistämällä ja muokkaamalla oppimaansa tietoa.
Tekoälyn koulutusdata
Koostuu tiedoista, joita käytetään tekoälymallin opettamiseen suorittamaan tiettyjä tehtäviä tai tekemään päätöksiä. Se voi sisältää tekstiä, kuvia, ääntä tai mitä tahansa dataa.
Kehote (prompti)
Käyttöliittymä generatiiviselle tekoälylle on yleisimmin palvelun verkkosivu tai oma sovellus, jonne kirjoitetaan kehote, eli prompti. Prompti on siis generatiiviselle tekoälylle annettava syöte, jonka pohjalta se tekee lopputuloksen. Oikean promptaustekniikan osaaminen onkin tullut tärkeäksi työelämätaidoksi. Esimerkkejä:
- “Miten voimme vähentää varaston seisonta-aikaa? Listaa 5 ehdotusta.”
- “Muotoile tämä Excel-taulukko selkeäksi johdon raportiksi.”
- “Tee SWOT-analyysi sisälogistiikan nykytilasta.”
- ”Tee kokousmuistiinpanojen toimenpiteistä kehityssuunnitelma ja aikataulutus”
Mitä on tekoäly?
Tekoäly sanana on ollut käytössä melkein yhtä pitkään kuin tietokoneet, mutta sanan tarkoitus on perinteisesti muuttunut matkan varrella käsittämään tuoreinta ja älykkäimmältä vaikuttavaa tekniikkaa. Tällä hetkellä tekoälyllä käytännössä tarkoitetaan generatiivista tekoälyä. Generatiivinen tekoäly mahdollistaa käskyt ja kyselyt normaalilla kielellä tehtyinä, eikä ohjelmointikielien osaamista välttämättä tarvita sen käyttämiseen. Tämän johdosta käyttöönoton kynnys on erittäin matala.
Tunnetuimpia generatiivisen tekoälyn sovelluksia ovat
- ChatGPT (OpenAI)
- Copilot (Microsoft)
- Gemini (Google)
- Claude (Anthropic)
- Midjourney (kuvat)
- Synthesia/Runway/Sora (video)
- Suno/ElevenLabs (ääni)
Mihin tekoälyn käyttö sopii?
Koska tekoäly elää datasta, vaikuttaa saatavilla olevan datan määrä suuresti käyttötapauksiin. Generatiivisen tekoälyn kielimallit on lähtökohtaisesti koulutettu laajalla määrällä enemmän tai vähemmän julkisesti saatavilla olevaa dataa. Omaan käyttötapaukseen tarvittavaa tarkempaa tietoa kielimalleilla ei kuitenkaan ole, vaan sitä tulee antaa. Tämän voi tehdä antamalla pikkudatana tarkentavaa tietoa pyynnön yhteydessä tai jättidatana liittämällä pyyntöön tiedostoja, linkkejä tai mahdollisesti pääsy yrityksen tiedostojärjestelmään.
Esimerkki pikkudatan käytöstä
”Meillä on järjestön vapaaehtoistyöntekijöillemme järjestettävä tiimipäivä, joka kestää 6 tuntia. Tiimipäivässä on tavoitteena tutustua ja ryhmäytyä, minkä lisäksi suunnittelemme tulevaa vuotta. Alla on viime vuoden tiimipäivän ohjelma. Tekisitkö tämän vuoden ohjelman sen pohjalta siten, että aktiviteetit olisivat uusia…”
Esimerkki jättidatan käytöstä
Esimerkiksi Chat GPT:llä peruskoulutusdata koostuu netin sisällöistä 2021 saakka. Tätä täydennetään ajantasaisella tiedolla, jota haetaan netistä tarpeen mukaan.
Tulos:
”Totta kai! Tässä ehdotus 6 tunnin tiimipäivän ohjelmaksi, joka tukee sekä tutustumista ja ryhmäytymistä että tulevan vuoden suunnittelua. Ohjelma on rakennettu niin, että energia pysyy yllä vuorottelemalla toiminnallisia ja suunnittelupainotteisia osuuksia..”
Edellä mainitun kaltaiset esimerkit sopivat hyvin toimistotyön tueksi henkilöstöhallinnossa ja raportointitehtävissä.
Nykyiset tekoälypalvelut pystyvät tuottamaan tekstin lisäksi myös kuvia. Kuvien, videoiden ja äänen tuottamiseen on myös omia erikoistuneita palveluitaan, joissa on laajat mahdollisuudet hienosäätää lopputuloksia oman mielen mukaiseksi.
Saat alla olevasta videosta lisätietoa tekoälyn tarjoamista muista mahdollisuuksista.
Käyttötapauksia sisälogistiikkaan
Sisälogistiikan yrityksille on myös hyödyllisiä käyttötapauksia esimerkiksi varastonhallinnan puolelle. Suoran automaation saavuttaminen generatiivisen tekoälyn avulla ei ole tällä hetkellä helppoa, tai välttämättä kannattavaakaan, mutta suunnittelun tukena mahdollisuuksia on paljon. Alla olevien esimerkkien lisäksi voit lukea tekoälyn hyödyistä sisälogistiikassa artikkelista ”Tavara ei liiku tekoälyllä – tieto liikkuu”.
Raportointi ja analytiikka
- “Laadi yhteenveto viime kuun toimitusmääristä ja ehdota parannuksia.”
- “Muotoile tämä Excel-taulukko selkeäksi johdon raportiksi.”
- “Tee SWOT-analyysi sisälogistiikan nykytilasta.”
Päätöksenteon tuki
- “Vertaa kahta eri varastointimallia: FIFO vs. LIFO pk-yrityksen näkökulmasta.”
- “Miten generatiivinen tekoäly voi auttaa toimitusketjun riskienhallinnassa?”
- “Laadi investointisuunnitelma varaston automatisointiin tekoälyn avulla.”
Viestintä ja dokumentaatio
- “Kirjoita sähköposti tavarantoimittajalle viivästyneestä toimituksesta.”
- “Laadi sisäinen tiedote varastoprosessien muutoksista.”
- “Käännä tämä työohje englanniksi ja muotoile se selkeäksi PDF-dokumentiksi.”
Kehitys ja koulutus
- “Laadi koulutusmateriaali varastotyöntekijöille tekoälyn käytöstä.”
- “Miten voimme ottaa käyttöön tekoälypohjaisen chatbotin sisäiseen logistiikkatukeen?”
- “Listaa 5 konkreettista tapaa, joilla pk-yritys voi hyödyntää generatiivista tekoälyä.”
Jos tekoälyn määritelmää laajennetaan generatiivisesta tekoälystä teknisempiin työkaluihin, kuten koneoppimiseen ja muuhun perinteiseen tekoälyyn, voidaan myös monet automaatio- ja logiikkapohjaiset tekniikat laskea mukaan. Etenkin laskentaa ja tarkkaa automaatiota vaativiin tehtäviin ne ovat varmempia kuin generatiivinen tekoäly.
Esimerkkejä käyttökohteista:
- Päätöksenteon tuki älykkäillä analyysityökaluilla.
- Prosessien ja logistiikan automaatio.
- Poikkeamien havaitseminen.
- Varastonhallinnan optimointi.
- Resurssien kohdentaminen.
- Konenäkö laadunvarmistuksen tai lajittelun apuna.
Kehittyneemmät menetelmät voivat olla myös enemmän automatisoivia toimia, kuten esimerkiksi tekoälychatbotin luominen asiakaspalvelua varten tai HR-botti työntekijöille. Nämä toimivat kuitenkin samalla periaatteella kuin tekoälyn peruskäyttö. Uutena asiana näissä tulee hallita tekoälylle annettavaa dataa. Näihin teemoihin kannattaa tutustua tarkemmin lisämateriaalien kautta.
Mihin tekoälyn käyttö ei välttämättä sovi?
On huomioitava tiettyjä asioita, kun generatiivista tekoälyä käytetään. Pohjimmiltaan se ennustaa todennäköisiä seuraavia sanoja ja tekee sen erittäin hyvin, jolloin saadut vastaukset ovat oikean kuuloisia, mutta eivät välttämättä tosia. Alan asiantuntemusta ei siis kannata nyt ulkoistaa tekoälylle, vaan käyttää tekoälyä tukena. Generatiivista tekoälyä ei myöskään kannata käyttää hakukoneena, kuten Googlea, vaan hyödyntää sitä suurempien kokonaisuuksien apuna. Koska generatiivisen tekoälyn kielimallit on luotu kielen tuottamiseen, on esimerkiksi matematiikka ollut perinteisesti hankala alue tekoälylle. Tässä on kuitenkin menty jonkin verran eteenpäin. Ohjelmointi on alue, jossa tekoäly on otettu laajasti käyttöön. Vaikka tekoälyllä on helppo saada melko valmista ohjelmakoodia kevyellä ohjelmointiosaamisella, tuotannollisen koodin tuottamisessa on tärkeää olla kokenut ohjelmoija vastaamassa prosessista ja käyttöönotosta.
Muistilista
- Kokeile tekoälyä.
- Tutustu sivun lopussa oleviin materiaaleihin.
- Osallista henkilöstöä tekoälyvalmiuksien kehittämisessä sekä henkilökohtaisella että yrityksen tasolla.
- Aseta selkeitä tavoitteita tekoälyn hyödyntämiselle. Selvittäkää esimerkiksi ongelmia, joita haluatte ratkaista ja arvioikaa, onko tekoälystä apua niihin.
- Panosta datan laatuun ja hallintaan. Koska tekoäly elää datasta, jäävät hyödyt saavuttamatta, jos oikea data ei ole käytössä.
- Pyydä apua kehitykseen.
