Vastuullisuus on jarru, joka auttaa ajamaan kovempaa

Vastauksissa korostuivat mm. puuttuvat pelisäännöt, kiireiset tiimit ja epävarmuus tekoälyn tuloksista. Nämä ovat pohjimmiltaan vastuullisuuskysymyksiä, jotka jäävät usein vaille ratkaisua, koska vastuullisuus mielletään tekemistä jarruttavaksi pakkopullaksi.

Meistä vastuullisuus toimii parhaimmillaan kuin F1-auton jarrut. Hyvien jarrujen ansiosta kuski uskaltaa pitää kaasun pohjassa pidempään. Kuski, joka ei luota jarruihinsa, jarruttaa varmuuden vuoksi liian aikaisin ja häviää joka mutkassa. Onko liiketoiminnassakaan varaa antaa kilpailijoille samaa etumatkaa? Käydään läpi kolme korjausta, helpoimmasta vaikeimpaan, joilla saadaan lisää vauhtia toimintoihin.

Vanhentunut data on hiljainen hidaste

Vastuullisuuden unohdetuin muoto on poistaminen. Vuosien mittaan kertyneiden turhien ohjeiden, raporttien ja dokumenttiversioiden hinta maksetaan hiljaisena viiveenä. Harva kertoo palaverissa käyttäneensä puoli päivää materiaalien kahlaamiseen, jotka osoittautuivatkin jo aikaa sitten vanhentuneiksi.

Tekoälyavustajat, jotka hakevat tietoa ja tekevät tehtäviä itsenäisesti, kasvattavat ongelmaa. Ne lukevat kaiken, mihin niillä on pääsy, myös vanhentuneen materiaalin. Jokainen turha dokumentti vie resursseja: aikaa, rahaa, laskentaa, tallennustilaa. Pahimmillaan agentti löytää kaksi ristiriitaista ohjetta, valitsee niistä sen väärän ja raportoi sen eteenpäin varmalla äänellä.

Samalla agentit ovat tehneet myös siivoamisesta helpompaa kuin koskaan!

• Anna agentin tehdä inventaario: Duplikaatit, vanhat versiot, ristiriitaiset ohjeet ja viittaukset lakkautettuihin tuotteisiin tai järjestelmiin
• Tarkista käyttölokit: Mitä tauluja ja raportteja ei ole hyödynnetty toviin?
• Poista harkiten: Jokaiselle löydökselle etsitään omistaja, joka päättää poistosta. Orvot aineistot arkistoidaan tai poistetaan lakisääteiset säilytysajat huomioiden.

Vihrein, turvallisin ja nopeimmin läpikäytävä data on se, jota ei ole enää olemassakaan.

Liikennevalot kertovat, milloin saa painaa kaasua

Datan laadun ohella toinen yleinen kysymys on, kuka saa käyttää sitä ja saako sitä käsitellä tekoälyn kanssa. Ilman yhteisiä sovittuja sääntöjä syntyy helposti kaksi ääripäätä: varovaiset ja yli-innokkaat. Varovaiset jäävät selkeissäkin tapauksissa hakemaan organisaation lupakoneistolta varmistusta, jolloin ideat kuihtuvat odotellessa. Yli-innokkaat taas lähtevät kokeilemaan omin päin itse hankkimillaan työkaluilla. Seurauksena yrityksen tärkeää tietoa saattaa vuotaa ulos tai sensitiivistä tietoa käsitellään tietosuojan vastaisesti.

Pelisäännöt kannattaa päättää kerran eikä jokaisen idean kohdalla erikseen. Tähän yhtenä keinona on määritellä tekoälyn käytölle liikennevalot. Yksinkertaisimmillaan malli toimisi siten, että jokaiselle idealle määritetään väri sen mukaan, kuinka suuri riski siihen liittyy. Väri kertoo suoraan, miten ideaa tulee käsitellä.

• Vihreä: Aloita tänään! Esimerkiksi sisäisten dokumenttien tiivistäminen. Data on yrityksen omaa, ihminen päättää tuloksesta ja virhe voidaan helposti korjata.
• Keltainen: Lyhyt katselmointi ennen käyttöä. Esimerkiksi asiakasviestien vastausluonnokset. Mukana on henkilötietoja ja tulos näkyy asiakkaalle.
• Punainen: Tarvitaan perusteellinen arviointi. Esimerkiksi luottopäätösten valmistelu. Päätös vaikuttaa ihmisen talouteen merkittävästi ja vinoutunut ehdotus toistuu useissa päätöksissä.

Värien määrittelemiseksi voidaan käyttää seuraavia apukysymyksiä: Mitä dataa käytetään? Avustaako tekoäly ihmistä vai toimiiko se itsenäisesti? Kuka näkee lopputuloksen? Voiko virheen perua helposti?

Hyvällä suunnittelulla voidaan myös saada vaihdettua ideoiden värejä. Jos henkilötiedot on valmiiksi naamioitu tai pseudonymisoitu ja käyttöoikeudet määräytyvät roolin mukaan, sama aineisto ei enää välttämättä nosta ideaa keltaiselle. Kun yhä useampi idea osuu vihreälle ja pääsee liikkeelle samana päivänä, vapautuu enemmän aikaa ja vaikeat tapaukset saavat ansaitsemansa huomion. Hyvä turvakaide on parempi kuin vahtimestari, sillä sen takia ei tarvitse jonottaa.

Vauhdista on hyötyä vain, jos suunta on oikea

Tekoäly tuottaa analyysejä ja koodia nopeammin kuin koskaan, mutta hyöty syntyy vasta, kun tulokseen voi luottaa. Ohjelmistokehityksessä tekoälyn virheet paljastuvat usein itsestään. Koodi ei käänny, testi ei mene läpi tai sovellus kaatuu. Datatyössä tuloksen validointi ei ole yhtä helppoa. Väärin yhdistetyt taulut tai väärä aikarajaus tuottavat luvun, joka voi näyttää täsmälleen yhtä uskottavalta kuin oikea. Ohjelmisto jatkaa toimintaa ja virhe löytyy vasta, kun joku on jo tehnyt päätöksiä väärien lukujen pohjalta.

Siksi datatyössä tekoälyn vauhti on arvokasta vain, jos validointi pysyy muutoksen perässä. Kuka tahansa saa nyt tuotettua vääriä vastauksia sekunneissa. Merkittävää kilpailuetua syntyy kuitenkin vasta, kun vastauksiin voi luottaa ilman, että jokainen luku tarkistetaan käsin.

• Substanssiasiantuntijat kehitykseen mukaan: Ne, jotka tuntevat liiketoiminnan, määrittelevät seurattavat mittarit ja arvioivat tulokset. He osaavat paremmin tunnistaa uskottavan näköisen, mutta väärän luvun, joka läpäisee tekniset tarkastukset.
• Agenteille roolipohjaiset käyttöoikeudet: Agentilla on pääsy vain sellaiseen dataan, jota tehtävä vaatii. Rajattu pääsy tuo varmuutta tekemiseen.
• Datan tuotteistaminen: Jokaisella keskeisellä aineistolla on omistaja, dokumentaatio ja vakioitu tapa käyttää sitä. Kun data on tuote, sen päälle voi rakentaa luottavaisin mielin.

Kun data on ajantasaista, pelisäännöt selvät ja tuloksiin voi luottaa, epäröintiin kuluva energia voidaan sijoittaa uudestaan rakentamiseen. Siinä on hyvien jarrujen salaisuus. Mihin teidän tekoälyideanne jumittuvat?