Tulevaisuuden työkalut tänään - mitä tarkoittavat ohjelmistorobotiikka, keinoäly ja koneoppiminen?

Kiinnostus ohjelmistorobotiikkaan sekä erilaisten älykkäiden järjestelmien, kuten keinoälyn tai koneoppimisen hyödyntämiseen on noussut viime vuosina räjähdysmäisesti. Kyseiset teknologiat tulevat vaikuttamaan radikaalisti tietotyön tulevaisuuteen, mutta kuinka monelle on selvää, mitä termit pitävät sisällään?

Ohjelmistorobotiikka

Ohjelmistorobotiikassa on kyse automaatioiden tuottamisesta ohjelmiston avulla. Ohjelmistorobotiikka eroaa tekoälystä siten, että ohjelmistorobotille pitää kertoa kaikissa tilanteissa sääntö, sillä niillä ei ainakaan toistaiseksi ole omaa älykkyyttä.

Ohjelmistorobotiikka sopii hyvin esimerkiksi ostolaskujen kirjaamiseen toiminnanohjausjärjestelmään, uuden asiakkuuden perustamiseen useisiin järjestelmiin yhdellä kertaa tai työntekijän palkkaamiseen ja työsuhteen aloitukseen liittyviin rutiineihin. Kaikkia näitä tapauksia yhdistää erilaisten tunnusten luominen ja samojen tietojen vieminen useampaan järjestelmään, joten automaation avulla voidaan säästää paljon aiemmin manuaalisesti tehtyä työtä sekä vähentää virheitä.

Automaation luominen edellyttää, että ihminen käynnistää robottiapulaisen ensimmäisellä käyttökerralla ja antaa säännöt, robotti hoitaa loput toiminnot itsenäisesti. Näin varmistetaan, että kaikki tarvittavat tunnukset ja oikeudet luodaan kerralla oikein ja laatu säilyy hyvänä virheiden määrän vähetessä. 

Artificial Intelligence eli keinoäly 

AI (artificial intelligence) eli keinoäly on sateenvarjotermi koneen kyvylle matkia ihmisen tapaa aistia, päätellä ja kommunikoida. Esimerkkinä konenäkö (machine vision), jolla liikennekameran kuvasta voidaan reaaliajassa tehdä liikennelaskentaa, ennakoida ruuhkautumista ja hälyttää potentiaalisista vaaratilanteista. Konenäön ja kuvan tunnistuksen avulla valvomoiden työtä voidaan automatisoida ja tilanteisiin voidaan puuttua ennakoivasti.

IBM:n Watson-keinoälyjärjestelmä kykenee ihmismäiseen päättelyyn ja kommunikointiin eli sillä on kognitiivisia kykyjä. Watson on jo osoittanut pärjäävänsä yhtä hyvin tietovisoissa kuin terveydenhuollon hankkeissa. Suomessa Watsonia on pilotoitu muun muassa keskosten verenmyrkytysriskin seulonnassa. Ohjelma hyödyntää aikaisemmin verenmyrkytyksen saaneiden potilaiden tietoja ja vertaa niitä sähköiseen potilastietojärjestelmään kertyvään reaaliaikaiseen dataan etsien varhaisia merkkejä tilan kehittymisestä.

Toinen pitkälle viety ilmentymä keinoälystä on Googlen DeepMind, joka kykenee oppimaan kokemuksistaan ja palautteesta. Kun keinoäly laitetaan pelaamaan shakkia, sille ei tarvitse opettaa sääntöjä, vaan se oppii pelaamalla ja pystyy jopa voittamaan ihmisen.

Keinoäly ymmärtää nykyisin varsin hyvin luonnollista kieltä, joten ohjelman avulla esimerkiksi puhelinkeskusteluista voidaan tunnistaa reaaliajassa tiettyjä termejä ja päätellä sen avulla, mitä puhelu koskee. Kyse ei ole vain frekvensseistä, vaan keinoäly pystyy tulkitsemaan termejä ja niiden kontekstia, jolloin syntyy ymmärrys siitä, mihin tilanteisiin, asioihin ja asenteisiin sanat liittyvät. Tekstianalytiikalle ja luonnollisen kielen ymmärrykselle pohjautuvia sovellutuksia on jo käytössä asiakaspalveluratkaisuissa, vakuutusyhtiöissä ja julkisen sektorin organisaatioissa, jotka käsittelevät valtavia määriä digitaalista aineistoa kuten; sähköpostit, verkkopalvelun palautteet, chatit ja dokumentit.

Koneoppiminen

AI-ratkaisuissa hyödynnetään usein koneoppimisen (machine learning) menetelmiä. Koneelle voidaan esimerkiksi opettaa ilmiöiden tunnistamista matemaattisten ja tilastollisen menetelmien avulla. Opettaminen tarkoittaa käytännössä lukuisten opetettavaa ilmiötä edustavien lukuarvojen, kuvien tai tekstin lataamista algoritmille. Opetustyön tuloksena algoritmi kykenee vähitellen suoriutumaan tietyn ilmiön tunnistamisesta yhä paremmin.

Tulevaisuudessa ohjelmistorobotiikka ja koneälyn muodot tulevat sulautumaan toisiinsa entistä enemmän. Erilaisia tekniikoita voidaan käyttää rinnakkain saman tehtävän hoitamiseen, sillä ne täydentävät hyvin toisiaan. 

Järjestelmien yhteistoimintaa voi havainnollistaa hyvin asiakaspalvelutilanteella, jossa asiakas kommunikoi ensin keinoäly-asiakaspalvelijan kanssa chatissa tai puheella. Prosessin aikana asiakkaalle tarjotaan suosituksia ja ehdotuksia tuotteista koneoppimisen algoritmien avulla ja lopuksi ohjelmistorobotti käsittelee tilauksen automaattisesti ja lähettää tilausvahvistuksen, joka huomioi asiakkaan profiilin ja palvelutilanteen luontevasti.

Jyri-Pekka Makkonen
Head of Sales

Blogin lähde: Itewiki.com

Ota yhteyttä
Jyri-Pekka Makkonen
Head of Sales
+358 50 434 1521
Katso viimeisimmät julkaisut
Lue lisää

Blogi

Ennakoiva analytiikka ja data science – Mistä on kyse?

Ennakoiva analytiikka ja data science tarjoavat vastauksia ihmisten kasvavaan tiedonjanoon. Mutta kuinka paljoa saatavilla olevasta tiedosta käytämme oikeasti ymmärtääksemme asiakkaidemme tarpeita ja käyttäytymistä?

Lue lisää

Blogi

Tehoa ja laatua suorituskyvyn johtamiseen edistyneellä suunnittelu- ja ennustamisratkaisulla

Suorituskyvyn johtaminen on aiheena kestosuosikki talousjohdon piirissä. Lue, kuinka saat tehoa ja laatua suorituskyvyn johtamiseen yrityksessäsi.

Lue lisää

Blogi

Ohjelmistorobotiikan etenemispolku: Kolme vaihetta RPA-menestykseen

Kuinka ohjelmistorobotiikkaa (RPA, robotic process automation) voi hyödyntää tuottavuuden kehittämisessä? Tässä bloggauksessa käymme läpi kolme kehitysvaihetta, joiden kautta yritykset ja organisaatiot voivat kasvattaa tuottavuuttaan RPA:n avulla.