Miksi tekoälyratkaisut tarvitsevat hyvää dataa

Tekoälyhankkeissa huomio kiinnittyy helposti malleihin ja työkaluihin. Käytännön pullonkaula on usein arkisempi: tarvittava tieto on hajallaan, käsitteet eivät vastaa toisiaan tai datan käyttöoikeudet ovat epäselviä.

Tekoäly voi käsitellä tietoa uudella tavalla, mutta se ei tee epäluotettavasta lähteestä luotettavaa. Siksi datatyö ei ole tekoälyprojektia edeltävä erillinen vaihe. Se on osa itse ratkaisua.

Hyvä data riippuu käyttötarkoituksesta

Kaiken datan ei tarvitse olla täydellistä. Olennaista on, onko se riittävän hyvää juuri aiottuun käyttöön.

Eri ratkaisut tarvitsevat erilaista dataa:

• Sisäinen tietoavustaja tarvitsee ajantasaisia, löydettäviä ja käyttöoikeuksiltaan hallittuja dokumentteja.
• Ennustava malli tarvitsee riittävän kattavaa ja vertailukelpoista historiadataa.
• Asiakaspalvelun automaatio tarvitsee selkeän tietopohjan lisäksi säännöt epävarmojen tilanteiden siirtämiseen ihmiselle.
• AI-avusteinen analyysi tarvitsee yhteiset käsitteet ja ymmärrettävät mittarit, jotta tuloksia voidaan arvioida.

Kysymys ei siis ole vain siitä, onko dataa paljon. Kysymys on siitä, sopiiko data tehtävään.

Viisi asiaa, jotka kannattaa tarkistaa

1. Saatavuus

Missä tieto sijaitsee ja saadaanko se ratkaisun käyttöön järkevästi? Jos tärkeä tieto on sähköposteissa, yksittäisissä tiedostoissa ja suljetuissa järjestelmissä, ensimmäinen työ voi olla lähteiden rajaaminen ja yhdistäminen.

2. Merkitys

Tarkoittavatko käsitteet samaa eri järjestelmissä? Asiakas, projekti, toimitus ja kustannus kuulostavat yksinkertaisilta, mutta niiden rajaukset voivat vaihdella paljon.

3. Laatu ja ajantasaisuus

Puuttuvat arvot, päällekkäisyydet ja vanhentunut tieto vaikuttavat suoraan lopputulokseen. Laatuvaatimus riippuu riskistä: luonnoksen tekeminen kestää enemmän epävarmuutta kuin päätös, jolla on vaikutusta ihmisiin tai rahaan.

4. Käyttöoikeus, sallittu käyttötarkoitus ja luottamuksellisuus

Se, että dataan pääsee teknisesti käsiksi, ei vielä tarkoita, että sitä saa käyttää suunniteltuun AI- tai analytiikkatarkoitukseen. Ennen toteutusta pitää selvittää, mihin käyttöoikeus perustuu ja mitä sopimukset, lisenssit, suostumukset tai muu käsittelyperuste sallivat.

Henkilötietojen kohdalla pitää arvioida myös käyttötarkoitussidonnaisuus: sopiiko uusi käyttötapa siihen tarkoitukseen, jota varten tiedot alun perin kerättiin? Raportointiin hankitun aineiston ehdot eivät myöskään välttämättä salli mallin kouluttamista tai tiedon syöttämistä ulkoiseen AI-palveluun.

Lisäksi ratkaisun pitää säilyttää alkuperäiset käyttövaltuudet. AI-avustaja ei saa näyttää henkilötietoja, liikesalaisuuksia tai muuta luottamuksellista aineistoa ihmisille, joilla ei ole siihen oikeutta.

5. Omistajuus

Jonkun pitää vastata lähteestä, määritelmistä ja korjauksista. Ilman omistajaa datan laatu heikkenee vähitellen eikä käyttäjä tiedä, keneltä epäselvästä vastauksesta kysytään.

Generatiivinen tekoäly voi kuulostaa varmalta myös ollessaan väärässä

Kielimalli muodostaa uskottavan vastauksen sille annetun tiedon pohjalta. Se ei itsestään tiedä, mikä organisaation dokumentti on uusin tai mikä kahdesta ristiriitaisesta määritelmästä on oikea.

Siksi tietopohjaiseen avustajaan tarvitaan muutakin kuin haku:

• lähteiden valinta ja rajaus
• vastausten yhteydessä näkyvät lähdeviitteet
• tapa ilmaista epävarmuus
• testit tyypillisillä ja hankalilla kysymyksillä
• palaute- ja korjausprosessi

Hyvä ratkaisu ei yritä vastata kaikkeen. Se tunnistaa myös tilanteet, joissa vastausta ei voida antaa luotettavasti.

Analytiikka rakentaa tekoälylle käyttökelpoista perustaa

Raportoinnissa tehty työ — tietolähteiden yhdistäminen, käsitteiden määrittely, mittarit ja laadun seuranta — palvelee usein myös tekoälyratkaisuja. Sama semanttinen perusta auttaa sekä ihmistä että konetta tulkitsemaan tietoa johdonmukaisesti.

Tämä ei tarkoita, että ennen ensimmäistä AI-kokeilua pitäisi rakentaa täydellinen data-alusta. Parempi tapa on rajata yksi käyttötapaus ja parantaa sen tarvitsema tieto riittävälle tasolle.

Aloita rajatulla datakartoituksella

Ennen toteutusta kannattaa vastata ainakin näihin:

1. Mitä tehtävää ratkaisu tukee?
2. Mitä tietoa tehtävä vaatii?
3. Mistä lähteistä tieto tulee?
4. Onko organisaatiolla oikeus käyttää tietoa juuri tähän tarkoitukseen?
5. Rajoittavatko henkilötiedot, sopimukset, lisenssiehdot tai luottamuksellisuus käyttöä?
6. Mikä voi mennä väärin, jos tieto on puutteellista?
7. Kuka hyväksyy lähteet ja arvioi vastauksen laadun?

Näin datan ongelmat eivät paljastu vasta teknisen pilotin lopussa.

Secora auttaa AI-käyttötapausten ja datan kartoittamisessa sekä analytiikan perustan rakentamisessa. Pieni, rehellisesti rajattu ratkaisu on parempi lähtökohta kuin näyttävä demo, jonka tietoon kukaan ei voi luottaa.