‍

Tämä oli lähtökohta yhdessä mielenkiintoisimmista tekoälystrategiaprojekteistamme. Toimitusjohtajamme Mika Aho kertoo, miten haaste ratkaistiin.

Kuka olet ja mitä teet?

Olen Mika Aho, Data Designin toimitusjohtaja ja toinen perustajista. Työnkuvani vastaa titteliä: olen vahvasti mukana asiakasprojekteissamme toimittamassa, samalla kun kipparoin koko yritystä kohti yhteisiä tavoitteitamme.

‍

Sinulla on laaja kokemus datan ja tekoälyn parissa. Onko jokin tietty projekti jäänyt erityisesti mieleesi?

Mieleen on jäänyt moniakin, mutta yksi viimeaikainen kohokohta oli ehdottomasti tekoälystrategian ja käyttöönoton tiekartan rakentaminen yritykselle, joka kehittää teknologiaa proteiinin valmistamiseksi ilmasta.

‍

Mikä teki juuri tästä projektista niin mieleenpainuvan?

Projekti oli poikkeuksellinen kahdesta syystä.

Ensinnäkin toimiala oli minulle täysin uusi. Vaikka minulla oli aiempaa kokemusta bioprosesseista lääketieteen puolelta tekoälyn hyödyntämisestä sairauksien ennustamisessa viljellyistä soluista – tämä oli selkeä hyppy tuntemattomaan.

Toiseksi yritys itse oli poikkeuksellisen innovatiivinen. Se rikkoi tieteen ja teollisuuden rajoja tavalla, joka inspiroi. Heidän intohimonsa ja teknologiansa potentiaali mullistaa ruoan tuotanto teki vaikutuksen. Haaste ei ollut miten digitalisoidaan, vaan miten viedään edelläkävijä vielä pidemmälle.

‍

Mistä projektissa oli käytännössä kyse?

Tehtävämme oli luoda heille tekoälystrategia ja käyttöönoton tiekartta, joka tukisi niin tuotekehitystä, kaupallistamista kuin yrityksen yleistä tehokkuutta.

Aloitimme tunnistamalla potentiaalisia käyttötapauksia, jotka ryhittelimme arvoa tuottavien teemojen alle. Näitä olivat esimerkiksi operaatioiden parantaminen, T&K-toiminnan nopeuttaminen ja uusien kaupallisten mahdollisuuksien löytäminen. Arvioimme kunkin tapauksen usean kriteerin, kuten liiketoiminta-arvon, teknisen toteutettavuuden ja prosessin valmiuden perusteella.

Kartoitimme olemassa olevat datavarannot ja arvioimme niiden kypsyyden. Tämän pohjalta loimme tietopääomakartan, joka osoitti, mitkä käyttötapaukset olivat realistisesti toteutettavissa saatavilla olevalla datalla. Lopuksi mallinsimme kolme skenaariota data- ja tekoälyarkkitehtuurin uudistamiseksi.

Emme kuitenkaan pysähtyneet pelkkään strategiaan, vaan teimme asiasta konkreettista rakentamalla kaksi generatiivisen tekoälyn prototyyppiä osoittaaksemme, että osa ideoista oli jo heti toteutettavissa.

‍

Eikö asiakkaalle ole riski ottaa mukaan konsultteja, jotka eivät tunne proteiinituotantoa ennestään?

Sitä voisi luulla, mutta usein asiakas nimenomaan haluaa ulkopuolisen tahon fasilitoimaan kokonaisuuden sovitussa aikataulussa. Tekoälyn näkökulmasta monet sovellukset ovat yleistettävissä toimialasta toiseen. Konepellin alla algoritmit, datarakenteet ja teknologiat ovat pitkälti samoja.

Tässä projektissa meillä oli vastinparina asiakkaan oma ydintiimi, joka toi keskusteluun tarvittavan bioprosessien substanssiosaamisen. Kaupallistamisen ja toiminnan tehokkuuden kehityskohteet taas olivat meille hyvinkin tuttuja aiemmista asiakkuuksista.

‍

Mikä oli lopputulos ja millaisen vastaanoton se sai?

Loimme kattavan tekoälystrategian ja tiekartan, jota tukivat toteutettavuusarvioinnit ja selkeä datakartta. Prototyypit osoittivat konkreettisesti, että ideat olivat toteutettavissa käytännössä.

Vastaanotto oli innostunut. Projektin teki ainutlaatuiseksi sidosryhmien laajuus: mukana oli ihmisiä myynnistä, tuotekehityksestä, tuotannosta ja compliance-toiminnoista aina testikeittiön kokkeja myöten.

Tämä laaja osallistaminen takasi, että saimme täyden kuvan haasteista ja mahdollisuuksista, ja se myös sitoutti organisaation vahvasti lopputulokseen. Prototyyppien avulla pystyimme näyttämään, ettei tekoäly ole vain muotisana, vaan työkalu, joka voi suoraan tukea heidän työtään.

‍

Millaisia haasteita projektissa ilmeni?

Ensimmäinen haaste oli henkilökohtainen - uuden toimialan nopea omaksuminen. Onneksi generatiivinen tekoäly auttoi valtavasti tiedon keräämisessä ja oppimisessa.

Toinen haaste oli odotusten hallinta näin laajan sidosryhmäjoukon kanssa, jossa näkemykset vaihtelivat tutkijoista kokkeihin ja ylimpään johtoon. Ratkaisimme tämän jakamalla osallistujat pienempiin, kohdennettuihin työpajoihin, mikä teki keskusteluista fokusoituneimpia ja tehokkaampia.

‍

Mitä muita havaintoja projektista jäi mieleen?

Keskeisin havainto oli juuri se, mihin alussa viitattiin: jopa kaikkein innovatiivisimmilla, futuristisilla aloilla tekoälyllä on vielä valtavasti annettavaa. Vaikka yritys jo rikkoi tieteen rajoja, tekoäly voi silti tehostaa tuotantoa, vähentää resurssien käyttöä ja nopeuttaa kaupallistamista.

Tekoälystrategiatyön ydin onkin siinä, mihin kannattaa investoida ja millaisia kyvykkyyksiä rakentaa suhteessa tulevaisuuden liiketoiminnan tavoitteisiin.

‍

Voiko saman strategiakonseptin toistaa muualla?

Ehdottomasti ja näin olemme tehneetkin. Olen itse ollut mukana yli 30 vastaavassa projektissa hyvin eri toimialoilla.

Yhteisistä kokemuksista olemme jalostaneet toistettavan tekoälystrategian kehyksen. Kehys varmistaa, että tekoälyn tiekartta on linjassa liiketoimintastrategian kanssa, sisältää selkeän toteutussuunnitelman ja että sitä tukevat oikeat digitaaliset työkalut.

Olemme myös kehittäneet moniagenttijärjestelmiä hyödyntävän digitaalisen työkalun tukemaan tätä strategiaprosessia. Se auttaa tiimejä ideoinnissa, priorisoinnissa ja koko tekoälymatkan muotoilussa.

‍

Mikä projektissa oli parasta?

Ehdottomasti yhteistyö. Työskentely niin monipuolisen ja kansainvälisen joukon kanssa oli inspiroivaa ja varmisti vahvan sitoutumisen läpi koko yrityksen.

Toiseksi se hetki, kun varhaiset prototyypit heräsivät eloon. Konkretia sytyttää aina ja tässä tapauksessa se myös vahvisti asiakkaan uskon omaan AI-strategiaansa.

Näin puolen vuoden jälkeen on ollut hieno seurata heidän liiketoimintansa kehittymistä ja uusia avauksia, joissa tekoälyllä on myös oma merkittävä roolinsa.

‍