Etusivu » Yritystoiminta » Koneoppiminen on tehokas työkalu
Yritystoiminta

Koneoppiminen on tehokas työkalu

Kuva: Getty Images

Mediasta voi nopeasti saada kuvan, että julkishallinto on yrityksiä aktiivisempi toimija koneoppimisen ja ohjelmistorobotiikan soveltamisessa.

– On ymmärrettävää, että yritykset eivät halua kertoa liikesalaisuuksien piiriin kuuluvia asioita. Julkisia ulostuloja kuitenkin tarvitaan, jotta koneoppimista ja ohjelmistorobotiikan kehitystä saadaan kiihdytettyä, sanoo Elinkeinoelämän tutkimuslaitoksen ja Aalto-yliopiston työelämäprofessori Timo Seppälä.

– Suomalaiset yritykset ovat pärjänneet hyvin digitaalisten työkalujen hyödyntämisessä ja pystyneet säilyttämään pitkän aikavälin kannattavuutensa. Mutta kilpailuedun saavuttamiseksi organisaatioiden pitää aggressiivisesti kokeilla ja ottaa käyttöön uusia teknologioita niin tuotteissa kuin palveluissa, Seppälä jatkaa.

Monet yritykset ovat historian saatossa ulkoistaneet teknisen osaamisensa eikä organisaatioissa ole enää tarpeeksi henkilöstöä joka ymmärtää, miten kyseistä teknologiaa sovelletaan yrityksen liiketoimintaan. Siksi potentiaalisten soveltamiskohteiden havainnointi on vaikeaa, hankkeiden on lähdettävä liikkeelle aidoista liiketoimintatarpeista.

Ennustaminen tarkentuu

Koneoppiminen on yksinkertaistettuna ennustamista.

– On hyvä muistaa, että ennuste on vain ennuste. Vaikka dataa olisi kuinka paljon, asiat eivät toteudu yleensä ennusteen mukaisesti. Mutta laadukkaammalla datalla saadaan parempia ennusteita, jotka ovat todennäköisemmin oikein, Seppälä muistuttaa.

Esimerkiksi ETLAnow hyödyntää massadataa ja algoritmiikkaa työttömyyden ennustamiseen. Kun ihminen joutuu työttömyysuhan alaiseksi, hän aloittaa tiedon etsimisen verkosta tietyillä hakusanoilla. Google Trendsiä ja historiatietoa käyttämällä algoritmiikka laskee joka aamu työttömyystilanteen ennusteen. Kun lukuja on verrattu tilastokeskuksen kahden kuukauden päästä antamiin lukuihin, ennuste on ollut varsin luotettava.

Dynaamista ennustamista voidaan hyödyntää myös resurssien allokoinnissa. Esimerkiksi terveydenhuollossa voidaan ennakoida tulevia potilasjonoja tiedossa olevan epidemian perusteella.

Laajemmin ajateltuna uusien järjestelmien rakentaminen alkaa olla sellaisella kehitystasolla, että ennakointia ja koneoppimista voidaan hyödyntää kustannustehokkaasti.

Ohjelmistorobotiikka hoitaa rutiineja

Ohjelmistorobotiikalla ei voida korvata kokonaisia työnkuvia vaan se suorittaa sille annettuja kapeita rutiinitehtäviä ilman varsinaista älyä. Kaiken kaikkiaan työnkuvan muutos on pitkäaikainen useita vuosia kestävä prosessi.

Yritysten tietojärjestelmäarkkitehtuureilla on oma kielensä käsitellä dataa ja ilman yhteistä kieltä järjestelmät eivät pysty kommunikoimaan toistensa kanssa. Kaikki tieto ei voi olla jaettuna avoimesti verkkoon, mutta erilaisia tiedon jakamisen alustoja tarvitaan yritysten välille datan tuomiseksi laajempaan käyttöön.

Next article