Teknologiayhtiö Frendsin Asmo Urpilaisen mukaan suomalaisilla yrityksillä ei ole resursseja keksiä pyörää uudelleen. Ei tarvitsekaan olla, sillä globaalissa kilpailussa voittaminen voi onnistua, jos pystyy soveltamaan muiden kouluttamia tekoälymalleja paremmin kuin kilpailijat.
Jos Asmo Urpilaisen pitäisi antaa AI-arvosana eri alueille asteikolla 1–10, Aasia saisi 10, Yhdysvallat 9, EU 5 ja Suomi 1.
“Aasiassa tekoälyn mahdollistamat ratkaisut ovat käytössä yrityksissä ja valtiollisissa toiminnoissa. Suomesta löytyy alan huippuosaajia ja startupeja, mutta tekoäly ei vielä tuo tai synnytä lisäarvoa laajemmin.”
Vaikka luvut kuulostavat masentavilta, mahdollisuuksia on. Nykyistä asetelmaa pitää Urpilaisen mukaan lähteä rohkeasti muuttamaan. Mitä yrityksissä voi ja pitää tehdä, jotta tilanne paranee?
Sovella paremmin ja nokkelammin kuin muut
“Suomi on pieni maa, jossa resurssit ovat paljon pienemmät kuin amerikkalaisilla tai aasialaisilla. Meidän ei kannata yrittää keksiä pyörää uudelleen, vaan mahdollisuutemme on muiden esikouluttamien tekoälymallien soveltaminen paremmin ja nokkelammin kuin globaalit kilpailijat.”
Tekoälyn hyödyntämisessä hitain vaihe on Urpilaisen mukaan tekoälyn opettaminen. Soveltaminen tarkoittaa käytännössä sitä, että hyödyntää tekoälyä vasta, kun joku toinen on jo tekoälyä opettanut käyttäytymään tietyllä tavalla. Suomalainen yritys voi siis saada globaalia kilpailukykyä siitä, että se osaa rakentaa ratkaisuja itselleen ja asiakkailleen jo olemassa olevien mallien päälle.
Esikoulutetut tekoälymallit löytyvät Urpilaisen mukaan AI-asteikon alimmilta portailta ja niitä ovat esimerkiksi OpenAI:n ChatGPT ja Googlen Gemini, joiden käyttöönottaminen on rahan näkökulmasta edullista. Skaalan korkeimmat portaat, koneoppiminen, robotiikka ja syväoppiminen, vaativat puolestaan suurempia investointeja sekä rahan että osaamisen näkökulmasta.
“Kasvun vauhdittamiseen liiketoiminnan näkökulmasta riittää jo skaalan alimmainen toiminnallisuus. Niiden tarkasteluun oman liiketoiminnan ongelmia vasten ei tarvita konsultteja.”
Urpilaisen mukaan helpointa on lähteä liikkeelle siitä, että tunnistaa yrityksestään tai asiakkaan tarpeista kohdat, joissa tekoäly voisi auttaa ja tutustuu sitten mallien toimintalogiikkaan.
Lopputulos on yhtä hyvä kuin ohjeistus
Esikoulutettuja tekoälymalleja hyödynnetään myös Frendsillä, joka on Urpilaisen mukaan onnistunut voittamaan markkinaa soveltamalla malleja viisaasti ja yksityiskohtia hioen. Frendsin kilpailijoita ovat suuret amerikkalaiset teknologiayritykset, kuten Oracle, Salesforce, IBM ja Microsoft.
“Sillä on valtava merkitys, miten tekoälylle esittää kysymyksiä. Lopputulos on aina yhtä hyvä kuin ohjeistus, jonka tekoälylle antaa. Ohjeistuksen yksityiskohtiin pitää panostaa.”
Urpilaisen mukaan kustannukset tekoälymatkalla onnistuu pitämään pienenä, jos pilkkoo sekä tarpeen että ratkaisun pienempiin paloihin.
“AI:ta ei tarvitse tuoda joka paikkaan heti, jotta tuloksia voi saada. On parempi lähteä liikkeelle helpoista ja matalalla roikkuvista hedelmistä, jolloin voidaan validoida tekoälyn liiketoimintahyödyt ja muuttaa kurssia tarvittaessa pienillä korjausliikkeillä.”
