TIEDOLLAJOHTAMISEN PORTAAT: Mitä pidemmälle laskenta viedään – esim. tekoälyalgoritmein – sitä enemmän datasta saadaan jalostettua liiketoiminnassa tarvittavaa tietoa.
Tekoälyyn liittyvä uutisvirta ja innostus ei ota laantuakseen. Ihmekös tuo. Tekoälyuutiset ovat kiehtovia. Ovatko ajatuksia synnyttävät koneet viimein täällä? Ovatko ne täällä meitä auttaakseen, ratkomassa tieteen, lääketieteen ja ilmastonmuutoksen ongelmia? Vai päättyykö kaikki sittenkin terminaattoreiden maailmanvaltiuteen: dystopiaan, jossa ilmastonmuutos on ongelmista pienin.
Tekoälyuutisen taakse katsominen on toki haastavaa. Asiaa ei erityisemmin helpota se, että uutisten laatijoillakaan ei välttämättä ole lukijoitaan syvällisempää tietämystä aihepiiristä. Jo pääministeri Sipilän aikoinaan linjaamasta miljoonan ihmisen perehdyttämisestä digiasioihin ei olla päästy vielä kovin pitkälle, mutta jonkinlaiseen alkuun kuitenkin. Helsingin yliopiston ja Reaktor Oy:n 2018 lanseeraama tekoälykurssi Elements of AI lienee jo saavuttanut ”virallisen’’ tavoitteensa: yhden prosentin läpäisyn koko väestöstä.
Askel taakse…
No mitä se tekoäly sitten on? Tekoälyä voisi luonnehtia vaikkapa oppimisprosessissa itsestään organisoituvaksi algoritmiksi. Ei ehkä vieläkään tunnu kovin selvältä? Viisainta lienee onkin olla haukkaamatta koko kakkupalaa kerrallaan. Keskitytään seuraavassa erityisesti oppimisprosessiin ja vielä tarkemmin sen edellytyksiin, dataan. Data on koneiden oppimateriaalia ja siten koneiden oppimisen edellytys. Mitä enemmän parempaa, laadukkaampaa ja oikeampaa dataa on saatavilla, sitä älykkäämmäksi tekoäly voi kehittyä. Ilman dataa tekoäly ei osaa yhtään mitään. Sen älykkyys ja osaaminen on peräisin datasta.
Asia vertautuu suhteellisen vaivattomasti meihin ihmisiin. Meillä on synnyinlahjanamme älykkyyttä, mutta sinnikkään oppimisen (opiskelun) tuloksena tuo älykkyys kehittyy entisestään ja ennen kaikkea älykkyyden mahdollistama osaaminen, joka on käytännön sovelluksissa älykkyyttäkin tärkeämpi ominaisuus.
Tekoälypohjaisen osaamisen perusta on siis datassa, koneiden tuottamissa havainnoissa, joita pystytään varastoimaan, siirtämään ja sähköisesti käsittelemään (prosessoimaan). Data voi peräisin esim. valmistusprosessin eri vaiheista: kuten kappalemääristä tai virtaamanopeuksista. Se on esimerkiksi mittaustuloksia sisäilmasto-olosuhteista tai kassakonedataa yrityksen rahaprosessista. Se on kävijätietoa yrityksen www-sivuilta tai mainedataa sosiaalisesta mediasta. Se voi olla avointa dataa, kuten tilastoluonteista tietoa toimintaympäristöstä tai sääennustetietoa.
Mitä enemmän yrityksen toimintaa ja toimintaympäristöä kuvaavaa dataa on saatavilla, sitä kuvaavampia malleja yrityksen toimintojen menestymisestä – tai menestyksettömyydestä – voidaan saada. Joskus yksinkertainenkin datan käsittely jopa ilman laskentaa voi tuoda ahaa-elämyksiä, kuten esim. dataa visualisoimalla. Mutta mitä syvällisempää ymmärrystä yrityksen prosesseista halutaan, sitä enemmän tarvitaan datan jalostamista informaatioksi, tiedoksi ja lopulta ymmärrykseksi ja ehkä jopa viisaudeksi.
… ja kaksi eteen
Esimerkkinä datan jalostuksesta voidaan mainita Syklissä käynnissä oleva KIINTEÄ-hanke, jossa data-analytiikan keinoin mm. selvitetään sääolosuhteiden vaikutusta rakennusten havaittuun energiankulutukseen. Laskentatehtävä muuttuu erittäin monimutkaiseksi, kun samalla täytyy huomioida kaikki muutkin energiankulutukseen vaikuttavat ja samanaikaisesti sääolosuhteiden kanssa muuttuvat tekijät. Perinteisen laskennan keinoin tätä onkin lähestulkoon mahdotonta mallintaa missään järjellisessä ajassa. Kehittyneille laskenta-algoritmeille haaste on kuitenkin lastenleikkiä, joka on voitettu vain sekunneissa.
Tämä on kiertotalouden kuva laajemminkin. Lineaarisista prosesseista siirtyminen kiertoihin mutkistaa asioita ja tekee toiminnan optimoinnista haastavampaa. Kehittyneitä ja käyttäjäystävällisiä ratkaisuja on kuitenkin tarjolla entistä useampaan tarpeeseen ja digimaailmalle tyypilliseen tapaan ainakin laiteratkaisut halpenevat. Edelläkävijöille tämä kaikki on toki selvää ja ehkä kovin arkistakin tekemistä. Kiertotaloudelle tyypillisiin yritysverkostoihin ja kumppanuuksiin tarvitaan kuitenkin kaikki – ainakin kynnelle kykenevät – mukaan.
Mutta ilman oivallusta siitä, että viisaus asuu pohjimmiltaan datassa, ei kovin kummoisia digiloikkia ota kukaan.