Mitkä ovat tämän hetken tärkeimmät trendit tekoälyteknologioiden käyttöönotossa? Kuinka laajasti ratkaisuja, kuten älykästä automaatiota käytetään ja mitä haasteita käyttöönotossa yleisimmin kohdataan? Kansainvälinen ”AI transforming the enterprise” –tutkimuksemme avaa näitä teemoja perusteellisesti.

Kun ajatellaan tekoälytermiä (Artificial intelligence, AI) laajasti, jolloin se käsittää tekoäly-, älykäs automaatio -, koneoppimis- sekä RPA-ratkaisut, voidaan nähdä että näiden teknologioiden kehittymistä on pidetty silmällä ja niitä on usein kokeiltu yrityksissä pienimuotoisesti. Nyt ollaan kuitenkin siirtymässä laajempiin käyttöönottoihin. Tutkimukseemme osallistuneista yrityksistä kolmasosa oli kokeillut AI-ratkaisuja pistemäisesti. Käytön laajentaminen oli tavoitteena melkein puolelle organisaatioista. RPA:n (Robotic Process Automation) osalta lähes kaikki vastaajat odottavat automaatioratkaisun olevan käytössä koko organisaatiossa kolmen vuoden kuluessa.

Laajan käyttöönoton kannalta monet vastaajista näkivät eri automaatio- ja AI-teknologioiden yhdistämisen tärkeänä onnistumistekijänä. AI-, automaatio-, analytiikka- ja ns. low-code -alustojen konvergenssi onkin yksi selkeistä nykytrendeistä. ”Low-code” -alustat mahdollistavat kehityksen visuaalisilla työkaluilla koodaamisen sijaan, mikä tuo uudet teknologiat helpommin saataville. Johdolta tämä alustojen lähentyminen vaatii koordinaatiota, koska nykyään eri teknologiat ovat useimmiten yrityksissä omissa siiloissaan.

Yrityskentällä ja varsinkin suuryrityksissä investoinnit AI-teknologioihin ja –osaajiin kasvavat. Kilpailu osaajista on luonnollisesti kovaa. Tutkimuksemme vastaajat ennakoivat jopa kasvun kaksinkertaistumista seuraavan kolmen vuoden aikana. Avainalueita kasvulle ovat esimerkiksi asiakaskokemuksen parantaminen ja tukitoimintojen automatisointi.

AI ja automaatio vaativat yrityksiltä uusia kyvykkyyksiä, uudenlaista johtamista ja tietopääomaa. Tutkimuksemme mukaan monen yrityksen ylin johto ymmärtää tämän ja on yhä sitoutuneempi näiden uusien teknologioiden lanseeraamiseen. Tämä tarkoittaa suurempia budjetteja sekä automaatio-ohjelman johtamista ylhäältä. Erilaiset osaamiskeskukset tai erikoisosaamisyksiköt ovat tyypillisin tapa lanseerata näitä uusia teknologioita.

Vain neljäsosa tutkimuksen vastaajista on alkanut rakentaa automaation hallintomallia. Hallintomalli on kuitenkin avaintekijä käyttöönoton laajentamisessa – se tukee parhaiden käytäntöjen monistamista sekä vastuullisten ratkaisujen tuottamista. Haasteena on oikean balanssin löytäminen, jottei hallinto kuihduta innovaatiota. Ilman hallintomallia on kuitenkin vaikea luoda uskottavuutta ja luottamusta.

Vastuu algoritmeista on viime kädessä aina yrityksen johdolla. Nykyään ei enää voida vedota tietämättömyyteen, mikäli AI-ratkaisu tuottaa jotain väärää tai jopa laitonta. Siksi tarvitaan uusia kontrollitapoja, joiden avulla voidaan hallita riskejä ja saada varmuutta algoritmeista ja automaatioratkaisujen toiminnasta. Noin kolmasosa tutkimuksemme vastaajista onkin kehittämässä kontrollikehystä AI- ja automaatioratkaisuiden hallintaan.

Pyörän keksiminen uudelleen on usein hyödytöntä ja kallista – siksi palveluna tuotetut algoritmit ja AI-ratkaisut kasvattavat suosiotaan. Näiden palveluiden hyödyntäminen kuitenkin edellyttää AI-kyvykkyyksiä. Lisäksi yrityksen on mietittävä kilpailunäkökulmasta, mikä on oikea tasapaino itse kehitettyjen ja ostettujen algoritmien välillä.

Suurin osa vastaajista ymmärtää AI- ja automaatioteknologioiden roolin, kun ajatellaan seuraavia liike-elämän voittajia ja häviäjiä. Vastaajien mukaan liian alhaiset investoinnit uusiin teknologioihin riskeeraavat yrityksen jatkuvuuden. Tuottavuus on luonnollisesti tärkeä tavoite ja uusien teknologioiden hyödyntäjät raportoivat 15% tuottavuusparannuksia.

Älykäs automaatio -tiimimme keskustelee mielellään AI- ja automaatioteknologioiden hyödyntämisestä ja siihen liittyvästä riskienhallinnasta.

Blogin kirjoittaja Teijo Peltoniemi on älykkään automaation asiantuntija.