Grano on siirtynyt vuonna 2024 luodun tekoälystrategiansa polulla suunnittelusta toteutukseen. Ensimmäinen tekoälyagentti on jo käytössä, ja pilottiprojektit etenevät vauhdilla. Myös AI-työkalut, kuten Copilot ja ChatGPT, ovat vakiinnuttaneet paikkansa arjessa. Granolla tekoälyn vaikutusten mittaaminen on seuraava askel, mutta tekoälyn tulevaisuutta laajemmin on vielä vaikeaa ennustaa.
Panostajan suurin sijoituskohde Grano otti tekoälyn käyttöön vuonna 2023 ja lähti heti suunnitelmallisesti luomaan pohjaa sen laajemmalle hyödyntämiselle. Maaliskuussa 2024 tekoälyä oli Granolla kokeiltu strategiatyössä ja henkilöstölle oli järjestetty tekoälykoulutuksia. Valmisteilla oli myös tekoälystrategia.
Mutta mikä on tilanne nyt, 1,5 vuotta myöhemmin? Granon liiketoimintajohtaja Marko Yli-Pietilä kertoo, että tekoälystrategiaa toteutetaan nyt käytännössä. Lisäksi AI-työkalujen käyttö on arkipäiväistynyt.
– Copilot ja ChatGPT ovat meillä käytössä muun muassa yhteenvetojen tekemiseen Teams-kokouksista ja apuna analyysitehtävissä sekä Excelin käytössä. Aikaa vievää arkipäiväistä tekemistä on siis saatu automatisoitua, Yli-Pietilä toteaa.
Ensimmäinen tekoälyagentti on jo käytössä
Tekoälystrategia saatiin valmiiksi vuoden 2024 lopussa yhteistyössä Dain Studios -konsulttiyrityksen kanssa.
– Strategiaa tehtäessä tunnistettiin yli 50 käyttötapausta, jotka priorisoitiin ja jaoteltiin yksiköittäin niin, että esimerkiksi myynnillä ja tuotannolla on omat, priorisoidut käyttökohteensa, Yli-Pietilä kertoo.
Kun oli selvää, mihin tekoälyä kannattaisi hyödyntää, alkoi kokeiluvaihe. Keväällä 2025 aloitettiin proof of concept -projektit, ja onnistuneiden projektien kanssa edettiin pilottivaiheeseen. Jo aiemmin oli tehty Granon ensimmäinen tekoälyagentti osaksi Granon EMMi DAM-tuotetta.
– Asiakkaille myytävään Digital Asset Management -järjestelmään kehitettiin kyvykkyys tunnistaa digitoitavan materiaalin metadataa. Metadata on kuvailevaa tietoa, kuten että kuvassa on keltainen kukka. Metadata auttaa esimerkiksi sopivan markkinointimateriaalin löytämisessä DAM-järjestelmästä, Yli-Pietilä sanoo.
Pilotit etenevät vauhdilla
Tällä hetkellä käynnissä on kaksi pilottivaiheessa olevaa tekoälyagenttien kehitysprojektia: työmääräinten lukemiseen ja digitoitujen materiaalien metatietojen hakemiseen liittyen.
– Kun viestitään tuotantoon, mitä tehdä, se tehdään työmääräinten avulla, joissa toisinaan on virheitä. Tarkoituksena on, että tekoäly lukisi määräimet jo ennen kuin ne menevät tuotantoon. Silloin korjaukset saadaan tehtyä proaktiivisesti, mikä vähentää laatuvirheitä ja säästää resursseja, Yli-Pietilä kertoo ensimmäisestä pilotista.
Toisessa pilottiprojektissa tekoälyä kaavaillaan avuksi digitointiliiketoiminnan metatietojen hakemiseen. Kun vanhoja dokumentteja, kuten kirjoja ja piirustuksia, digitoidaan, liitetään niiden oheen metatietoa dokumentista – tekoäly lukee ja kirjaa metatiedon niin, että digitointi on osittain automatisoitu.
Tekoälyprojekteissa tarvitaan myös kokeilumieltä: kaikki kokeilut eivät pääse loppuun saakka. Eräässä kokeiluprojektissa haluttiin automatisoida tuoteneuvoja, joka voisi hyödyntää vastauksissaan Granon tuotetietopankkia. Datan laatu ei kuitenkaan ollut riittävää, eikä itse dataa ollut riittävästi, joten proof of concept -projektista ei edetty pilottivaiheeseen. Yli-Pietilän mukaan dataan liittyvät ongelmat ovat projekteissa tyypillisiä.
Tekoälyn hyötyjen mittaaminen helpottuu tulevaisuudessa
Tekoälyn käyttö on kiistatta jo nyt säästänyt Granolla aikaa ja tehostanut eri liiketoiminnan osa-alueita. Yli-Pietilä kertoo kuulevansa käytävillä ja kokouksissa siitä, kuinka joku on saattanut tehdä tunnissa tehtävän, johon ennen kului päivä. Arkista tekoälyn käyttöä on kuitenkin vaikeaa mitata. Tarkemmin hyötyjä pystytään mittaamaan, kun saadaan käyttöön omia tekoälytyökaluja.
– Voimme mitata tekoälyapplikaatioiden käytön vaikutusta, esimerkiksi tuotantoon päätyvien virheellisten työmääräimien määrää verrattuna aiempaan. Applikaatioiden käytön hyödyt näkyvät tulevaisuudessa myös talousluvuissa, Yli-Pietilä sanoo.
Into ja vauhti edistää tekoälyn käyttöä on ollut Granolla kova. Yli-Pietilä kertoo, että yhden tekoälyagentin kehitys- ja testausprosessiin kuluu kokonaisuudessaan noin kolmesta kuuteen kuukautta. Nopeamminkin olisi mahdollista edetä, jos arjen realiteetit eivät tulisi vastaan: omaa henkilöstöä tarvitaan tietenkin operatiivisessa liiketoiminnassa ja muissakin kehityshankkeissa.
Tehojen odotetaan kasvavan tulevaisuudessa
Granon nykyiset pilottiprojektit saattavat tulevaisuudessa saada lisää tuulta alleen.
– Esimerkiksi työmääräimiä lukevan tekoälyagentin jatkoversio voisi korjata työmääräinten virheet automaattisesti ilman ihmisen apua. Se vaatisi kuitenkin hyvin täsmällistä tulosta, ja tässä tekoäly vielä kompuroi hieman. Tekoäly on hyvä apu 80 % työtehtävästä, mutta asiantuntijan pitää tehdä se 20 % ja varmistaa, että kaikki on oikein, Yli-Pietilä selittää.
Kokonaisuudessaan tekoälyn tulevaisuus on vaikeasti ennustettava. Yli-Pietilä sanoo, että teknologia, myös tekoäly, tarvitsee niin sanotusti pitkän kiitoradan ennen kuin se lähtee nopeaan nousuun.
– Tekoälyn teoriat on keksitty 50-luvulla, ja itse käytin niitä opiskeluaikoinani 90-luvun alussa markkinoiden ja ihmisten käyttäytymisen analysointiin sekä ennustamiseen. Kun Nvidialla vuonna 2012 ymmärrettiin, että tietokonepeleihin tehdyissä näytönohjaimissa on valtavasti rinnakkaislaskentatehoa tekoälyn tarpeisiin, lähti kehitys niin sanotusti laukalle. Suuri yleisö tutustui tekoälyyn kesällä 2023 ChatGPT:n myötä, Yli-Pietilä kertaa.
Tällä hetkellä suuret yritykset, kuten Microsoft ja OpenAI, käyvät kilpajuoksua siitä, kuka on tekoälymaailman kuningas. Yritykset käyttävät viikoittain miljardeja datakeskusten kehitykseen. Yli-Pietilä katsoo vielä pidemmälle tulevaisuuteen.
– Nyt pohditaan sitä, milloin tulee Artificial General Intelligence, eli milloin AI oppii ajattelemaan itsenäisesti ilman ihmisen ohjausta. Vielä vuosi sitten puhuttiin siitä, tuleeko se ollenkaan, ja nyt puhutaan siitä, milloin se tulee: ennen vai jälkeen vuoden 2030, hän toteaa.