Kirjasta

Aloitan kehumalla kirjaa. Kirjassa on sopivan liiketoimintalähtöinen ote, jotta se ei säikäytä kiireisempääkään lukijaa. Aihe on super-super-supermielenkiintoinen ja on kaikkien huulilla alkaen Googlen toimitusjohtajasta päätyen vastavalmistuneeseen. Esimerkit ovat hyvin kuvailevia sekä mielenkiintoa herättäviä. Risuja pitää antaa kirjan hinnoittelusta, koska melko-melko kevyesti ladotun kirjan hinta-laatu -suhde ei vastaa odotuksia. Enemmän olisi ollut parempi 60 euron kirjasta.

Minkälainen kirja oli?

Kirja on nimensä mukaisesti matkaopas, sillä valtaosa aiheista on nopeasti katettu, mutta yleisilmeen tarjoava. Se jakautuu kahteen osaan – perusteet ja hyödyntäminen. Kirjassa on hyviä kuvauksia tekoälyn / koneoppimisen sovelluskohteista. Esimerkiksi:

·       Utopia Analyticsin tekoälyn ja Suomi24:n kommenttien moderoinnin tuloksista.

·       Miten luottokorttidatan avulla voidaan ehkäistä petoksia.

·       OP:n kehittämän älykipsin tuloksista.

·       Staran kokemuksia ruohonleikkaajarobotista.

·       Miten eri malleja voi hyödyntää esim. logistinen regressiota asuntokauppaan.

·       Coca-Cola Companyn juoma-automaateista, jotka oppivat ihmisten makutottumuksista.

Tekstiin on upotettu vinkkejä lisälukemisesta, joka on hyvää lisäarvoa, niille joille aihealue sattuu kolahtamaan.

Mitkä ovat kirjan keskeiset ideat? 

Kirjan keskeinen idea on data ja tekeminen. Tekoäly määritellään kirjassa heikoksi tekoälyksi, joka ”kykenee ratkaisemaan yhtä tehtävää, johon se on opetettu”. Suurin osa tekoälystä kuin me sen tänä päivänä tunnemme on siis koneoppimista. Pystyäksemme opettamaan tekoälysovelluksia tukemaan liiketoimintaa, niin tarvitsemme paljon dataa, jota voidaan totta esim. ostokäyttäytymisen, mobiiliapplikaatioiden tai keskustelupalstojen kautta. Tänä päivänä yksi ihminen tuottaa 700 megatavua dataa vuorokaudessa ja vuonna 2020 hän tuottaa 1,5 gigatavua. Datan määrässä enemmän on parempi ja siksi esim. internetjätit tai Kiina ovat tekoälyn kehittämisessä vahvoilla.

Kolme askelta koneoppimisen hyödyntämiseen kilpailuedun hankkimiseen:

1.    Liiketoimintaprosesseista päätöksentekopisteiden tunnistaminen,

2.    Selkeisiin haasteisiin keskittyminen.

3.    Koneoppimisen hyödyntäminen monimutkaisiin ongelmiin.

Koneoppimisen malleja on viisi:

1.    Luokittelu, jossa kohde luokitellaan ja sitä tietoa voidaan hyödyntää esim. kohdennettuun markkinointiin.

2.    Ryhmittely, jossa luokittelematon data luokitellaan ja ryhmitellään esim. asiakasryhmiksi.

3.    Regressio, jossa ennustetaan numeerista arvoa ja ennsutetaan esim. huoltoajankohtaa.

4.    Suosittelu, jossa arvioidaan asiakaspreferenssejä ja tehdään esim. up- tai cross-sell -suosituksia asiakkaalle.

5.    Poikkeamien tai anomalioiden etsimistä ja havaitaan esim. luottokorttipetoksia.

Datan hyödyntämisen tasot kerrotaan yksinkertaisesti jäätelönmyynti esimerkillä:

·       Kuvaileva datan hyödyntämisessä kerrotaan kuinka paljon jäätä myytiin viime viikolla,

·       diagnosoiva kertoo miten sää vaikutti jäätelönmyyntiin,

·       ennakoivassa arvioidaan ensi viikon jäätelön menekkiä,

·       ohjaileva tilaa lisää jäätelöä ja

·       ohjaileva-automatisoitu tilasi jo lisää jäätelöä.

Kirjassa annetaan looginen selitys miksi tekoäly on nyt tarjolla vuosikymmenen kuumimmaksi kaupalliseksi sovellutukseksi. Selitys löytyy laskentatehoista, (harjoitus)datan määrästä sekä algoritmistä sekä kehitysvauhdista. Ehkä merkittävin selittävä tekijä on datan määrä, josta on muodostunut kilpailuedun lähde. Hieman vastaava kehityskulku kuin sosiaalisessa media missä matkapuhelinten kyky jakaa esim. kuvia verkon yli mahdollistui 3/4G-verkkojen avulla ja siksi siis kuvien laatu sekä puhelinverkkojen kyky jakaa niitä sai loi Somelle kilpailuedun. Tekoälyn kilpailu käydään siis niiden toimijoiden kesken mitkä pystyvät hyödyntämään dataa – perustuu se transaktioihin, puheeseen tai kuviin.

Kirjassa annetaan myös ohjeita miten kannattaa toimia GDPR:n tultua voimaan, datastrategian kehittämisestä sekä Chief AI Officerin palkkaamisesta.

Mitä meidän pitäisi tehdä kirjan perusteella?

Johdon suurin tulos tekoälyn käyttöönotossa voi olla kokeilukulttuurin synnyttäminen sekä pilottien käynnistämisen mahdollistaminen.

Mitä minun pitäisi itse tehdä? 

Koneoppia omasta datasta?

Yhteenveto

Kuluneella viikolla Mårten Mickos kertoi vanhan viisauden ”It takes a village to raise a child”, niin minusta tuntuu, että se sopii myös tämän kirjan kuudeksi sanaksi. Miksi? Tekoäly ei ole yhden ihmisen tai työntekijäryhmän vastuulla. Se on koko yrityksen läpäisevä kehityshanke, jonka pitää hyödyttää kaikkia organisaatiossa työskenteleviä.

Kirja kuudella sanalla – ”It takes a village to raise a child”.