Agenttinen AI tuo kilpailuetua – jos yrityksen data ja prosessit ovat kunnossa

Generatiiviset kielimallit ovat jo pitkään vastanneet kysymyksiin, tiivistäneet raportteja ja auttaneet ideoinnissa. Agenttinen tekoäly yhdistää kielimallin ymmärryksen ja muistin sekä kyvyn käyttää erillisiä ohjelmistotyökaluja. Agentti osaa pilkkoa annetut tavoitteet välivaiheiksi, selata tietokantoja, tehdä päätöksiä ja viedä monivaiheisen prosessin maaliin ilman, että ihminen komentaa sitä jokaisessa vaiheessa.

”Perinteinen kielimalli auttaa ja opastaa, agentit osaavat oikeasti tehdä asioita. Siinä on merkittävä ero”, tiivistää Reaktorin data- ja AI-johtaja Marko Aalto.

AI-agentti voi valvoa järjestelmiä, reagoida poikkeamiin sekä yhdistää vaikkapa sähköpostin, CRM:n ja taloushallinnon ja suorittaa rutiinit sekunneissa. Kustannustehokkuus ja skaalautuvuus ottavat harppauksen, kun prosesseja voidaan laajentaa kasvattamatta henkilöstökuluja.

Miten agentit sitten tuovat tehokkuutta liiketoimintaan? Vastaus ei löydy julkisista tekoälymalleista, koska ne ovat kaikkien saatavilla.

“Kielimallilla on onneton tilannetaju. Kielimallit eivät tunne minkään yrityksen, tiimin tai yksittäisen työntekijän tehtäviä, prosesseja ja toimintakuvia“, Aalto sanoo.

“Oma data ruokkii omaa tekoälyä. Datan avulla voimme ohjata tekoälyä huomattavan tarkasti. Mitä enemmän yritys hyödyntää omaa dataansa, joka tulee omista prosesseista, sitä enemmän se saa kilpailuetua.”

Datan pitää olla myös siinä kunnossa, että agentti osaa toimia sen pohjalta oikein. Kyse on pragmaattisesta työstä: datan kuratoinnista ja selkeyttämisestä.

Aalto kuvailee datan valmistelua ”datapuutarhan hoidoksi, rikkaruohojen nyppimiseksi ja jatkuvaksi iteroinniksi”. Ohjeet, dokumentit ja tietokannat pitää kirjoittaa yhtä selkeästi kuin ne kirjoitettaisiin taloon tulevalle uudelle työntekijälle. Jos AI-agentti toimii virheellisesti, syy löytyy usein epäselvästä tai vanhentuneesta datasta.

Toimiva data on vasta puolet yhtälöstä, toinen puoli on kunnossa olevat prosessit. Kun AI-agentille annetaan valtuudet toimia yrityksen järjestelmissä, tietoturva- ja riskipainotukset muuttuvat.

Traficomin teknologia- ja strategiajohtaja Kirsi Karlamaa muistuttaa, ettei agenttia pidä tarkastella erillisenä työkaluna.

”Sitä tulee käsitellä riskien kannalta järjestelmänä, joka käyttää dataa ja erilaisia työkaluja. Sillä tavoin datan käyttö ja prosessi ovat yhtä tärkeitä”, Karlamaa sanoo.

Agentin riskit kulminoituvat kolmeen keskeiseen tekijään: kuinka kriittinen se on organisaation toiminnalle, mihin dataan agentti pääsee käsiksi ja kuinka itseohjautuvasti se saa toimia.

Tekoälyagenttien käyttöönotto muuttaakin olennaisesti kyberturvallisuuden hallintaa. Karlamaan mukaan tarjolla on paljon palveluntarjoajia, jotka auttavat tekoälyn käyttöönotossa.

“Meillä valtionhallinnossa on tekoälyn käyttöönottoon liittyviä yhteistyöverkostoja, ja esimerkiksi AI Finlandissa jaetaan eri kokoisten yritysten käyttökokemuksia, oppeja ja onnistumisia.”

Traficom ja Huoltovarmuuskeskus ovat tehneet ohjeistuksen, joka auttaa organisaatioita kehittämään agentteja turvallisesti.

Myös TIEKEn koordinoimassa AI-askelia-hankkeessa kehitetään Kestävien tekoälytekojen toimintamalli, jonka avulla organisaatiot voivat edetä kohti laajamittaista tekoälyn hyödyntämistä konkreettisten kokeilujen kautta – liiketoiminta, sääntely ja työhyvinvointi huomioiden.

Tietoturvan perusasiat pätevät myös AI-agenteissa, mutta ratkaiseva ero on nopeus.

“Jos ihminen saa vahingossa pääsyn väärään tietoon, ihmisen työtahti rajoittaa vahingon eskaloitumista. Agentti voi sen sijaan monistaa virheen sekunnin murto-osissa kymmeniin järjestelmiin”, Marko Aalto sanoo.

Siksi asiaan kannattaa suhtautua vakavasti. Organisaation valmiuksia vastuulliseen datan ja tekoälyn hyödyntämiseen voi kehittää muun muassa datavastuullisuuden valmennuksessa.

Lisäksi Aalto muistuttaa pilvipalveluihin liittyvästä riippuvuudesta: miten toiminta jatkuu, jos tekoäly kyykkää tai palvelussa on katkos? Liiketoimintakriittisten agenttien kohdalla poikkeustilanteiden suunnitelmat ovat siis erittäin tärkeitä.

Poikkeustilanteisiin varautumisen voi aloittaa esimerkiksi tutustumalla TIEKEn tarjoamaan Digitaalisen toimintavarmuuden kokonaisuuteen, jossa valittavissa on johdantokoulutus, syventävä valmennus ja organisaation digitaalisen toimintavarmuuden riskikartoitus.

Johdon tehtävä on raivata tilaa tekoälyagenttien turvallisille kokeiluille. Työkalut ovat jo olemassa, ja yritysohjelmistoihin upotetut tekoälyapurit tekevät agenteista pian yhtä arkipäiväisen asian kuin sähköpostista tai hakukoneesta.

Suomi on yleisessä tekoälyn hyödyntämisessä Euroopan kärkeä, mutta agenttien tuotantokäyttö on pääosin kokeiluvaiheessa.

Aallon mukaan suurin hidaste ei ole teknologian kyvykkyys, vaan organisaatioiden luutuneet tavat, mielikuvituksen ja rohkeuden puute. Ohjelmistokehittäjät ovat ottaneet agentit arkeensa, mutta muissa toiminnoissa hyödyntäminen on vähäisempää.

Kirsi Karlamaa sanoo, että agentteja ei kannata ottaa käyttöön ilman strategista otetta, vaan tavoite pitää olla selkeästi kuvattu: mitä tekoälyagentti nopeuttaa, parantaa tai poistaa?

AI-agenttien suhteen tarvitaan oppimista, ymmärrystä ja oikeanlaista uteliaisuutta.

”Tällä hetkellä on kiire ymmärtää, mitä on tapahtumassa, mutta ei ole kiire luovuttaa agenteille rajatonta toimivaltaa. Organisaation kannattaa aloittaa osaamisen, datan, identiteetinhallinnan ja yhteisten pelisääntöjen rakentaminen. Jos jää odottamaan täydellisiä standardeja, menetetään paljon oppimista”, Karlamaa sanoo.

Haluatko perehtyä aiheeseen tarkemmin? Katso Agenttinen tekoäly käytännössä -webinaarin tallenteet alta!