Kun organisaatiossa puhutaan tekoälyn käyttöönotosta, yksi voi tarkoittaa Copilot-lisenssien hankkimista ja toinen asiakaspalvelun automatisointia. Molemmat puhuvat tekoälystä, mutta tavoittelevat aika erilaisia asioita. Myös odotukset hyödyistä ja toteutukseen tarvittavasta työstä voivat siksi mennä ristiin.
Jos tavoitteena on auttaa ihmisiä tekemään nykyisiä tehtäviään hieman sujuvammin, voidaan päästä liikkeelle lisensseillä ja perehdytyksellä. Jos taas halutaan muuttaa kokonaisen liiketoimintaprosessin toimintaa, joudutaan miettimään myös työnjakoa, päätösvaltaa ja sitä, miten järjestelmät toimivat yhdessä.
Käyn tässä kirjoituksessa tekoälyn hyödyntämistä kolmena käyttötapana:
- Chat-pohjaisen AI:n käyttäminen ihmisen apurina
- Agentti tekee rajatun osan työstä
- Prosessin uudelleen suunnittelu
Jaottelu on karkea, mutta se auttaa hahmottamaan sitä, mitä tavoitellaan.
Minusta käyttötapausten arvioinnin lisäksi tarvitaan ymmärrystä myös siitä, mitä AI:n käyttäminen edellyttää muulta IT-ympäristöltä. Muuten on vaikea arvioida, mitä kiinnostavan idean toteuttaminen tarkoittaa käytännössä.
Sama tekoälypalvelu voi näyttää käyttäjän näkökulmasta yksinkertaiselta, vaikka sen taustalle tarvitaan yhteyksiä järjestelmiin, käyttöoikeuksien hallintaa, käyttökelpoista tietoa ja sovittuja vastuita.
Luettuasi kirjoituksen ymmärrät paremmin, miten eri käyttötapaukset eroavat toisistaan ja mitä erilaisten käyttötapojen suunnittelussa kannattaa miettiä.
Käyttötapa 1: AI:n käyttäminen ihmisen apurina
Ensimmäisessä käyttötavassa ihminen käyttää tekoälyä apurinaan. Tarkoitan sillä sitä, että ihminen antaa sille syötteen, AI vastaa ja ihminen hyödyntää itse vastausta jossain muualla.
Tällainen tekoäly voi auttaa luonnostelemaan sähköpostin, tiivistämään asiakirjan tai jäsentämään muistiinpanoja. Ihminen päättää, mitä tehdään, antaa tarvittavan aineiston ja arvioi, onko lopputulos sellainen, että sitä voi käyttää.
Esimerkki: toimitusta koskeva reklamaatio
Otetaan esimerkki yrityksestä, jonka asiakaspalvelu käsittelee toimituksia koskevia reklamaatioita. Asiakas ilmoittaa, että tilauksesta puuttuu jotain. Asiakaspalvelija selvittää tilauksen tilanteen toiminnanohjausjärjestelmästä, tarkistaa kuljetuksen seurantatiedot ja etsii yrityksen ohjeen tällaisen tapauksen käsittelyyn. Sen jälkeen hän antaa tarvittavat tiedot organisaation hyväksymään tekoälypalveluun ja pyytää luonnosta vastaukseksi.
Tekoäly auttaa muotoilemaan asiakkaalle ymmärrettävän viestin. Käsittelijä tarkistaa sen, tekee tarvittavat korjaukset ja lähettää vastauksen.
Mihin hyöty kohdistuu?
Hyöty syntyy tässä ennen kaikkea kirjoittamisen helpottumisesta. Käsittelijän ei tarvitse aloittaa tyhjästä, ja hän voi pyytää esimerkiksi lyhyempää tai selkeämpää muotoilua. Tapauksen selvittäminen on kuitenkin edelleen hänen tehtävänsä. Hän käyttää eri järjestelmiä, valitsee oikeat tiedot ja päättää, miten asia ratkaistaan.
Tämä voi olla aivan riittävä tavoite. Jos viestien kirjoittamiseen kuluu paljon aikaa, sen helpottaminen voi olla arvokasta. Samalla kannattaa ymmärtää, mihin hyöty kohdistuu.
Jos reklamaation selvittämiseen menee puoli tuntia ja vastauksen kirjoittamiseen viisi minuuttia, kirjoitusapuri auttaa vain yhdessä osassa työtä. Luvut ovat tässä oletuksia, mutta periaate on tärkeä: koko tehtävän ajansäästö riippuu siitä, kuinka suuri osuus työstä muuttuu.
Apurikäytön hyöty voi myös vaihdella käyttäjien välillä. Yksi osaa antaa tarkoituksenmukaisen aineiston ja ohjeet, toinen joutuu korjaamaan vastausta monta kertaa. Siksi käyttöönotossa tarvitaan perehdytyksen lisäksi yhteisiä toimintatapoja ja mahdollisuus jakaa toimivia esimerkkejä.
Miten toimintaa voisi tehostaa? Katsotaan toista käyttötapausta.
Käyttötapa 2: Agentti tekee rajatun osan työstä
Toisessa käyttötapauksessa tekoälylle annetaan enemmän tehtävää. Tässä hyödynnetään agenttia.
Mitä agentilla tarkoitetaan?
Agentilla tarkoitan tässä sovellusta, joka käyttää kielimallia ja pystyy työkalujensa avulla esimerkiksi hakemaan tietoja muista järjestelmistä ja kirjaamaan tuloksen sovittuun paikkaan. Ihmisen ei tarvitse koota kaikkea aineistoa käsin. Jos haluat tutustua tarkemmin siihen, miten agentti eroaa chatista, voit lukea kirjoitukseni Mitä AI-agenteista kannattaa ymmärtää
Esimerkki: agentti valmistelee tapauksen
Reklamaatioesimerkissä agentti voisi avata saapuneen viestin, tunnistaa asiakkaan ja hakea tilaukseen liittyvät toimitustiedot. Se tarkistaisi myös voimassa olevan käsittelyohjeen ja kokoaisi asiakaspalvelijalle ratkaisuehdotuksen perusteluineen. Ehdotuksesta pitäisi päästä katsomaan, mihin tietoihin se perustuu.
Käsittelijä saisi siis eteensä valmiiksi selvitetyn tapauksen. Hänen tehtävänään olisi arvioida, onko ehdotus perusteltu, hyväksyä mahdollinen korvaava toimitus ja lähettää vastaus asiakkaalle. Epäselvä tapaus jäisi hänen selvitettäväkseen.
Hyötyä tavoitellaan nyt kirjoittamisen lisäksi tietojen etsimisestä ja kokoamisesta. Jos agentti onnistuu näissä tehtävissä, käsittelijä voi käyttää enemmän aikaa ratkaisun arviointiin ja asiakkaan tilanteen hoitamiseen. Samalla yhteinen toteutus voi yhdenmukaistaa valmistelua: jokaisen käsittelijän ei tarvitse muistaa samoja tarkistuksia itse.
”Ratkaisevaa on kuitenkin se, paljonko työtä ehdotuksen tarkistaminen vaatii.”
Jos käsittelijä joutuu avaamaan kaikki järjestelmät ja selvittämään tapauksen alusta asti uudelleen, odotettu ajansäästö voi jäädä pieneksi. Sujuva ratkaisuehdotus ei yksin osoita, että valmistelutyö onnistui.
Kokeilussa kannattaa siksi tarkastella koko tehtävää. Kuinka paljon aikaa kuluu tietojen kokoamiseen, ehdotuksen tarkistamiseen ja virheiden korjaamiseen? Missä tilanteissa valmistelu auttaa, ja milloin käsittelijä tekisi työn nopeammin itse? Näin selviää myös, millaisiin tapauksiin agentti sopii.
Mitä toteutus vaatii?
Toteutus vaatii enemmän suunnittelua kuin ensimmäinen käyttötapa. Agentille tarvitaan yhteydet järjestelmiin, rajatut oikeudet ja sovittu tehtävä. Jonkun pitää myös vastata sen toiminnasta silloin, kun taustajärjestelmä muuttuu tai ehdotukset alkavat mennä väärin. Tässä vaiheessa liiketoiminnan ja IT:n on jo suunniteltava ratkaisua yhdessä.
Parhaimmillaan agentin lisääminen osaksi olemassa olevaa liiketoimintaprosessia voi tuoda suuria hyötyjä. Mutta voisiko asian kuitenkin hoitaa vieläkin tehokkaammin? Lue eteenpäin, niin saat tietää.
Käyttötapa 3: Prosessi suunnitellaan uudelleen tekoälyn ympärille
Kolmannessa käyttötavassa tarkastellaan koko prosessin toimintaa. Mitkä asiat voitaisiin hoitaa automaattisesti? Missä ihmisen harkinnasta on eniten hyötyä? Mitkä työvaiheet voitaisiin yhdistää tai jättää kokonaan pois?
Esimerkki: yksiselitteiset tapaukset hoituvat automaattisesti
Reklamaatioesimerkissä yritys voisi päättää, että yksiselitteiset ja sovittujen ehtojen mukaiset puuttuvat toimitukset hoidetaan ilman käsittelijän hyväksyntää. Järjestelmä selvittäisi tilanteen, käynnistäisi korvaavan toimituksen ja lähettäisi asiakkaalle vahvistuksen. Epäselvät tapaukset, ristiriitaiset tiedot ja sovittujen rajojen ylittävät ratkaisut siirtyisivät ihmiselle.
Tämä ei tarkoittaisi, että kielimalli saisi vapaasti päättää yrityksen puolesta. Yritys määrittelisi sallitut toimenpiteet ja niiden ehdot. Toteutuksen pitäisi valvoa näitä rajoja. Osa prosessista voisi toimia tavallisilla ohjelmistosäännöillä, ja tekoälyä käytettäisiin esimerkiksi asiakkaan viestin tulkitsemiseen.
Hyötyä voisi syntyä käsittelytyön vähenemisen lisäksi odotusajan lyhenemisestä. Ensimmäisissä käyttötavoissa asia odottaa edelleen ihmistä, vaikka vastausluonnos tai ratkaisuehdotus valmistuisi nopeasti. Kolmannessa yksiselitteinen tapaus voisi valmistua myös silloin, kun käsittelijä ei ole paikalla.
Muutos koskee myös käytäntöjä ja ihmisten työtä
Tämän toteuttaminen voi edellyttää muutoksia yrityksen käytäntöihin. Jos jokainen korvaava toimitus vaatii nykyisin esihenkilön hyväksynnän, pitää arvioida, missä tilanteissa hyväksyntä tarvitaan ja millaiset tapaukset voidaan valtuuttaa etukäteen. Päätös kuuluu prosessista vastaavalle liiketoiminnalle. IT auttaa toteuttamaan sovitut rajat ja varmistamaan, että tapahtumat voidaan selvittää jälkikäteen.
Myös ihmisen työ muuttuu. Hänen käsiteltäväkseen saattaa jäädä aiempaa suurempi osuus vaikeita tapauksia. Silloin työmäärää ei voi arvioida vain laskemalla käsiteltävien reklamaatioiden lukumäärää. Tarvitaan osaamista, aikaa ja toimivat menettelyt niiden tilanteiden hoitamiseen, joissa automaatio ei riitä.
Laajempi muutos voi tuottaa merkittävää hyötyä, mutta sen toteuttaminen ja ylläpito vaativat myös enemmän. Jos reklamaatioita tulee vähän tai lähes jokainen niistä vaatii tapauskohtaista harkintaa, tällainen toteutus ei välttämättä ole perusteltu.
Miten sopiva käyttötapa valitaan?
Näitä kolmea käyttötapaa ei kannata ajatella portaikkona, jonka jokainen organisaatio kulkee loppuun asti. Samassa yrityksessä voidaan käyttää tekoälyä kaikilla kolmella tavalla, ja joissakin tehtävissä apurikäyttö voi pysyä parhaana ratkaisuna.
Harvoin toistuvassa asiantuntijatehtävässä valmis apuri voi auttaa ilman, että erillisen ratkaisun rakentaminen olisi järkevää. Usein toistuvassa ja riittävän samankaltaisessa tehtävässä automatisoinnin suunnitteluun taas voi kannattaa käyttää enemmän aikaa.
Toistuvuuden lisäksi arvioisin ainakin näitä:
- Vaihtelu: kuinka samankaltaisia tapaukset ovat.
- Virheiden seuraukset: paljonko selvitystyötä tai haittaa asiakkaalle virhe aiheuttaa.
- Tarkistettavuus: miten helposti lopputuloksen voi tarkistaa.
Suuri tapausmäärä ei yksin riitä perusteluksi, jos jokainen virhe aiheuttaa paljon selvitystyötä tai merkittävää haittaa asiakkaalle.
Kannattaa myös miettiä, missä tekoälyä todella tarvitaan. Jos tehtävän eteneminen voidaan kuvata muutamalla yksiselitteisellä säännöllä, tavallinen automaatio saattaa riittää. Tekoälyä voi käyttää niissä kohdissa, joissa esimerkiksi vapaan tekstin tulkinta tai tilanteen vaihtelu sitä perustelee. Koko prosessin ei tarvitse toimia samalla tekniikalla.
Sopivan käyttötavan valinta alkaa siis nykyisen työn ymmärtämisestä. Mihin aikaa kuluu? Mikä hidastaa asiakkaan asian valmistumista? Mitkä osat edellyttävät harkintaa? Näiden rinnalla pitää pystyä arvioimaan, mitä suunniteltu muutos edellyttää organisaatiolta.
Käyttötapausten arviointi tarvitsee kokonaisymmärrystä
Reklamaatioesimerkissä kaikkien kolmen käyttötavan tavoite kuulostaa samalta: tekoäly auttaa hoitamaan asiakkaan asian. Toteutusten vaatimukset ovat silti erilaiset:
- Apuri: ihminen hakee tiedot ja käyttää muita järjestelmiä itse.
- Agentti: järjestelmät pitää yhdistää niin, että agentti pystyy kokoamaan tiedot sallituissa rajoissa.
- Uudistettu prosessi: ratkaisun toiminta voi jo käynnistää uuden toimituksen ja lähettää asiakkaalle viestin.
Jos näitä eroja ei tunnista, käyttötapauksen työmäärää, kustannuksia ja riskejä on vaikea arvioida. Esimerkiksi kyky laatia hyvä vastausluonnos ei vielä kerro, että sama ratkaisu osaisi hankkia oikeat tiedot itsenäisesti tai että sille voitaisiin antaa oikeus tehdä muutoksia järjestelmiin.
”Mielestäni käyttötapauksia suunnittelevilla pitäisi olla yhteinen perusymmärrys tekoälyn toiminnasta ja sen riippuvuuksista.”
Kielimalli on osa sovellusta, jonka pitää saada tarvitsemansa tieto ja jonka toimintaa pitää pystyä rajaamaan. Tähän kokonaisuuteen liittyvät IT-ympäristö, data, tietoturva, ihmisten työ ja ylläpito. Näiden yhteyksien ymmärtäminen auttaa kysymään jo ideointivaiheessa, mitä toteutus oikeasti edellyttäisi.
Kaikkien ei tarvitse osata rakentaa agenttia tai tuntea toteutuksen teknisiä yksityiskohtia. Johdon, liiketoiminnan kehittäjien ja IT:n pitäisi kuitenkin pystyä keskustelemaan esimerkiksi siitä, mistä ratkaisu saa tietonsa, mitä se saa tehdä ja kuka vastaa sen toiminnasta. Silloin käyttötapauksen hyötyä ja toteuttamisen edellytyksiä voidaan arvioida yhdessä.
Kolmen käyttötavan jaottelu on yksi tapa hahmottaa kokonaisuutta. Sen pohjalta on helpompi syventyä myöhemmin esimerkiksi siihen, mitä datalta tai tietoturvalta eri tilanteissa vaaditaan.
Pieni kokeilu kannattaa kytkeä pidempään tavoitteeseen
Vaikka ensimmäinen toteutus olisi pieni, myös laajemman muutoksen mahdollisuuksia kannattaa pohtia. Se auttaa valitsemaan kokeilun, jonka havainnoista on hyötyä myöhemmin.
Reklamaatioesimerkissä ensimmäinen kokeilu voisi koskea pelkkää tietojen kokoamista käsittelijälle. Samalla opittaisiin, löytyvätkö tarvittavat tiedot, millaisia poikkeuksia tapauksissa on ja kuinka paljon selvitystyötä jää ihmiselle. Näiden havaintojen perusteella voitaisiin arvioida, kannattaako ratkaisua laajentaa ehdotusten valmisteluun tai joidenkin tapausten automaattiseen hoitamiseen.
Jatkon pitää silti perustua havaintoihin. Onnistunut tietojen kokoaminen ei vielä osoita, että järjestelmän voisi antaa päättää hyvityksistä. Toimivakin kokeilu voi johtaa siihen, että ihmisen hyväksyntä säilytetään pysyvästi.
Ensimmäiseksi kannattaa nimetä työ, jota halutaan muuttaa, ja kuvata, mikä siinä olisi muutoksen jälkeen paremmin. Sitten voidaan arvioida, riittääkö ihmisen apuri, tarvitaanko rajattua tehtävää hoitava agentti vai olisiko syytä suunnitella koko prosessin toimintaa uudelleen. Tästä saa myös lähtökohdan IT:n kehittämiselle: mitä nykyinen ympäristö jo mahdollistaa ja mitä tavoitteen saavuttaminen vielä vaatii?
Yhteenveto
- Tekoälyn hyödyntäminen voi tarkoittaa kolmea hyvin erilaista asiaa. Apuri helpottaa yksittäistä työvaihetta, agentti hoitaa rajatun osan työstä ja uudistetussa prosessissa yksiselitteiset tapaukset voivat hoitua kokonaan ilman ihmistä.
- Hyöty riippuu siitä, kuinka suuri osa työstä muuttuu. Kirjoitusapuri ei lyhennä selvitystyötä, ja agentin ehdotuksen tarkistaminen voi syödä odotetun ajansäästön.
- Mitä pidemmälle mennään, sitä enemmän toteutus vaatii. Yhteydet järjestelmiin, rajatut oikeudet, sovitut vastuut ja muutokset käytäntöihin ovat liiketoiminnan ja IT:n yhteistä suunnittelua.
- Liikkeelle kannattaa lähteä työstä, jota halutaan muuttaa. Pieni kokeilu kannattaa kytkeä pidempään tavoitteeseen, ja havainnot ratkaisevat, laajennetaanko ratkaisua.
Tulevissa kirjoituksissa syvennyn siihen, mitä tekoälyn hyödyntäminen käytännössä vaatii. Mistä tietää, onko organisaation data käyttökelpoista tekoälylle? Miten agentti saa tarvitsemansa tiedot ja millä oikeuksilla se toimii? Entä mitä pitää ratkaista, jotta onnistuneesta kokeilusta saadaan ylläpidettävä palvelu? Näiden kysymysten kautta avaan tekoälyn, IT-ympäristön ja liiketoiminnan välisiä yhteyksiä.
Jos aihe kiinnostaa, tilaa uutiskirjeeni. Lähetän sinulle viestin, kun julkaisen uuden kirjoituksen, niin pääset seuraamaan aiheiden käsittelyä sitä mukaa kuin tekstit valmistuvat.
