‍

Data Designin toimitusjohtaja Mika Aho kertoo, miten epämukavuusalueelle astuminen on olennainen osa onnistunutta tekoälystrategiatyötä ja mitä se käytännössä vaatii.

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.

‍

Miksi puhut epämukavuusalueesta?

Tekoälystrategiatyö on luonteeltaan sellaista, että joudut jatkuvasti syventymään toimialoihin ja liiketoimintaprosesseihin, joista sinulla ei ole välttämättä ennalta juurikaan tietoa.

Olen itse ollut mukana yli 30 tekoälystrategiaprojektissa ja jokainen niistä on ollut oppimismatka johonkin uuteen alaan tai vähintään liiketoimintaprosessiin. Olen auttanut asiakkaita niin monella toimialalla, että lista alkaa kuulostaa tutkimusmatkailijan kenttäpäiväkirjalta: biotekniikka, media, energia, kaivosteollisuus, telekommunikaatio, vähittäiskauppa, finanssi, varainhallinta, patentti- ja portfoliohallinta ja niin edelleen.

Yhteistä näille projekteille on se, että ne kaikki vievät minut ja tiimimme johonkin, missä emme aina ole ennestään asiantuntijoita – ja juuri siinä piilee sekä haaste että mahdollisuus.

‍

Voitko antaa konkreettisia esimerkkejä?

Toki. Otan muutaman viimeaikaisen projektin esille, jotka kuvaavat hyvin tätä dynamiikkaa.

Proteiinia ilmasta

Eräs mielenkiintoisimmista projekteista oli tekoälystrategian rakentaminen yritykselle, joka kirjaimellisesti valmistaa proteiinia ilmasta – tieteellinen läpimurto, joka mullistaa ruoantuotantoa. Vaikka minulla oli aiempaa kokemusta bioprosesseista lääketieteen puolelta, tämä oli selkeä hyppy tuntemattomaan.

Rakensimme heille kattavan tekoälystrategian ja tiekartan, joka kattoi tuotekehityksen nopeuttamisen, operaatioiden optimoinnin ja kaupallistamisen tukemisen. Projektin erityisyys oli siinä, että mukana oli laaja joukko sidosryhmiä – myynnistä ja tuotekehityksestä aina testikeittiön kokkeihin. Kaksi prototyyppiä osoitti konkreettisesti, että ideat olivat toteutettavissa heti.

Nokian patenttiportfolion hallinta

Toisessa projektissa työskentelimme Nokian kanssa heidän patentti- ja portfoliohallintansa tehostamisessa. Patenttimaailma laineopillisine vivahteineen ja portfoliostrategian monimutkaisuuksineen oli minulle uutta aluetta. Ylipäänsä koko alan terminologia piti ottaa alkuun haltuun.

Tekoälyn rooli tässä oli auttaa tunnistamaan relevantteja patentteja valtavista tietomassoista, arvioimaan portfolion strategista arvoa ja löytämään kaupallistamismahdollisuuksia. Tässäkin asiakkaan substanssiosaaminen yhdistettynä meidän tekoälykykyykkeihmme tuotti konkreettisia tuloksia.

Sandvik ja kaivoslaiteet

Kolmas esimerkki on kaivosteollisuuden laitteiden valmistajalta. Tavoitteena oli viedä tekoälyä suoraan kaivoslaitteisiin – ympäristöön, jossa laitteen toimintalogiikka, mekaaniset rajoitteet ja toimintaympäristön haasteet olivat minulle täysin vieraita.

Tässä projektissa tekoälystrategia ei ollut vain abstraktia suunnittelua, vaan konkreettista laitteiden älykkyyden kehittämistä: ennakoivaa huoltoa, operaatioiden optimointia ja turvallisuuden parantamista olosuhteissa, joita en ollut aiemmin kohdannut.

Uusi-Seelanti ja teleoperaattori

Neljäs tapaus oli verkko-operaattorille Uudessa-Seelannissa, josta juuri palasin viikonloppuna. Rakensimme heille generatiivisen tekoälyn tiekartan verkkopalvelujen operointiin. Telekommunikaatioverkkojen arkkitehtuuri, verkon operatiiviset haasteet ja asiakaspalveluprosessit olivat jälleen uusi maailma omaksuttavaksi.

Tiekartta kattoi asiakaspalvelun tehostamisen generatiivisen tekoälyn avulla, verkko-operaatioiden automatisoinnin ja verkon suorituskyvyn optimoinnin. Projekti osoitti, miten generatiivinen tekoäly voi tehostaa myös perinteisen infrastruktuuribisneksen ydintoimintoja.

Mandatum ja säädellyt varainhoidon prosessit

Viides esimerkki on säädellyn varainhoidon parista. Mandatumille rakensimme tekoälystrategiaa, jossa sääntely-ympäristö, compliance-vaatimukset ja asiakkaan tietosuoja asettivat erittäin tiukat rajat sille, mitä tekoälyllä voi tehdä.

Tässä haasteena oli löytää tasapaino innovaation ja säädösten välillä. Tekoäly ei voi toimia "black boxina" ympäristössä, jossa jokainen päätös on dokumentoitava ja perusteltava sääntelyviranomaisille.

‍

Eikö ole riski, jos et tunne asiakkaan toimialaa?

Sitä voisi luulla, mutta usein asiakas nimenomaan hakee ulkopuolista näkökulmaa ja haluaa kumppanin, joka fasilitoi prosessin määrätietoisesti eteenpäin.

Tekoälyn näkökulmasta monet sovellukset ovat yleistettävissä toimialasta toiseen. Konepellin alla algoritmit, datarakenteet ja teknologiat ovat pitkälti samoja – olipa kyse sitten proteiinituotannosta, patenttianalyysistä tai verkko-operaatioista.

Kriittinen menestystekijä on työskentely yhdessä asiakkaan ydintiimin kanssa. He tuovat keskusteluun välttämättömän substanssiosaamisen omalta alaltaan, kun me tuomme tekoälyn ja datan teknisen osaamisen sekä kokemuksen lukuisista vastaavista transformaatioista muilla toimialoilla.

‍

Miten onnistut, kun et tunne toimialaa?

Ensinnäkin, generatiivinen tekoäly on muuttanut peliä täysin. Se auttaa valtavasti uuden toimialan nopea omaksumisessa – pystyn keräämään ja prosessoimaan tietoa sekä rakentamaan ymmärrystä nopeammin kuin koskaan ennen.

Toiseksi, meillä on kehitetty toistettava tekoälystrategian kehys, joka varmistaa, että prosessi on systemaattinen riippumatta toimialasta. Se sisältää:

• Käyttötapausten tunnistamisen ja priorisoinnin perustuen liiketoiminta-arvoon, tekniseen toteutettavuuteen ja prosessin valmiuteen
• Datavarannon kartoittamisen ja kypsyyden arvioinnin – luomme tietopääomakartan, joka osoittaa, mitkä käyttötapaukset ovat realistisesti toteutettavissa
• Data- ja tekoälyarkkitehtuurin skenaariomallinuksen – erilaisia tapoja rakentaa tekninen ratkaisu
• Konkreettiset prototyypit, jotka osoittavat että ideat eivät ole vain teoriaa

Kolmanneksi, osallistamme aina laajan joukon sidosryhmiä asiakasorganisaatiosta. Tämä varmistaa että saamme kokonaiskuvan haasteista ja mahdollisuuksista, ja se myös sitouttaa organisaation vahvasti lopputulokseen.

‍

Mitä olet oppinut näistä projekteista?

Keskeisin oivallus on, että tekoälystrategian ydin ei ole teknologia vaan liiketoimintaymmärrys. Kysymys on siitä, mihin kannattaa investoida ja millaisia kyvykkyyksiä rakentaa suhteessa tulevaisuuden liiketoiminnan tavoitteisiin.

Toimialan syvällinen tuntemus ei ole edellytys onnistumiselle – päinvastoin, ulkopuolinen näkökulma voi tuoda uusia ideoita ja cross-pollination-hyötyjä muista toimialoista. Keskeistä on nöyrä asenne oppimiseen, kyky kysyä oikeita kysymyksiä ja taito fasilitoida strategiaprosessi määrätietoisesti eteenpäin.

Toinen tärkeä huomio on prototyyppien voima. Teoriatasolla strategia voi tuntua abstraktilta, mutta kun näytetään toimiva esimerkki – vaikka yksinkertainen – se konkretisoi tekoälyn potentiaalin tavalla, joka sitouttaa koko organisaation.

Kolmanneksi, odotusten hallinta on kriittistä näin laajassa sidosryhmäjoukossa. Olemme oppineet, että kohdistetut työpajat eri ryhmille toimivat paremmin kuin yksittäiset massiiviset tilaisuudet. Näin keskustelut pysyvät fokusoituina ja tehokkaina.

‍

Voiko saman konseptin toistaa muualla?

Ehdottomasti. Juuri siksi olemme investoineet toistettavan strategiakehyksen rakentamiseen. Olemme myös kehittäneet digitaalisen työkalun, joka hyödyntää moniagenttijärjestelmiä tukemaan strategiaprosessia – se auttaa tiimejä ideoinnissa, priorisoinnissa ja koko tekoälymatkan muotoilussa.

Jokainen projekti on kuitenkin uniikki omalla tavallaan, ja se pitää strategiatyön jatkuvasti mielenkiintoisena. Epämukavuusalueella liikkuminen ei ole haitta vaan vahvuus – se pakottaa ajattelemaan raikkaasti ja kyseenalaistamaan oletuksia.

‍

Mikä näissä projekteissa on parasta?

Ehdottomasti se hetki, kun prototyypit heräävät eloon ja asiakkaan silmissä syttyy ymmärrys siitä, mitä tekoäly voi juuri heidän liiketoiminnalleen tarkoittaa. Konkretia sytyttää aina.

Ja tietysti oppiminen itsessään. Joka projektissa opin jotain uutta – olipa se sitten miten proteiinia tuotetaan fermentoimalla, miten patentteja arvioidaan strategisesti, miten kaivosteollisuuden laitteet toimivat, miten televerkot rakennetaan tai miten säädellyissä ympäristöissä navigoidaan.

Tekoälystrategiatyö on ikuinen oppimismatka – ja juuri se tekee siitä niin palkitsevaa.

‍