Kun tekoäly kohtaa yrityksen todellisuuden
Aarne Haanpää
Uusia osaajia
Tiistaina istuimme saman pöydän ääreen vähän tavallista tuoreemmalla porukalla. Syksyn aikana North Advisorsille on saatu uutta osaamista tekoälyyn, Microsoft Fabriciin ja uuden bisneksen kehittämiseen. Tarkoituksena päivälle oli ottaa kivoja yrityskuvia. Mutta kun erilaiset taustat ja näkökulmat laitettiin samaan huoneeseen, aloimmekin ideoida uutta palvelukokonaisuutta.
Keskustelussamme vilisi termit: Copilot, agentit, integraatiot, Fabric, semanttiset mallit koneoppiminen ja ennustaminen. Aluksi keskustelu kulki teknologiasta toiseen. Mitä agenteilla voisi tehdä? Miten Fabric liittyy kokonaisuuteen? Mitä voisimme ennustaa datasta?
Vähitellen keskustelu alkoi kuitenkin kiertyä yhden paljon olennaisemman kysymyksen ympärille:
Mitä yrityksen pitää saada kuntoon, jotta tekoälystä on oikeasti hyötyä liiketoiminnalle?
Siitä alkoi muodostua kokonaisuus, jossa yksittäiset teknologiat löysivät oman paikkansa.
Kaikki alkaa liiketoiminnan kysymyksestä
Tekoälyn kanssa on helppo aloittaa siitä, minkä ihminen näkee. Otetaan Copilot käyttöön. Rakennetaan ensimmäinen agentti. Annetaan sille ohjeet ja jotakin tietolähteitä. Kysytään ensimmäiset kysymykset ja katsotaan, mitä tapahtuu. Demo voi näyttää hyvältä. Todellinen testi tulee siinä vaiheessa, kun joku kysyy agentilta oikean liiketoimintakysymyksen.
- Paljonko tuotteen X kate oli viime kuussa
- Miksi tietyn asiakasryhmän tilausmäärät ovat laskeneet?
- Mitkä projektit näyttävät olevan menossa väärään suuntaan?
- Mitä meidän kannattaisi tehdä seuraavaksi?
Siinä vaiheessa päästään nopeasti kysymykseen, joka ratkaisee aika paljon:
Mistä agentti tietää, mikä tieto on oikein?
Ennen älyä tarvitaan yhteinen ymmärrys tiedosta
Yrityksen relevantti tieto ei yleensä asu yhdessä paikassa. Sitä löytyy toiminnanohjausjärjestelmästä, CRM:stä, SharePointista, tietovarastoista, Excel-tiedostoista, rajapinnoista ja ulkoisista lähteistä.
Lisäksi sama asia saattaa tarkoittaa eri järjestelmissä hieman eri asioita. CRM:n asiakas, ERP:n asiakas ja taloushallinnon maksava asiakas eivät välttämättä tarkoita täysin samaa asiaa. Myynnin ja talouden tapa katsoa samaa lukua voi olla erilainen.
Ihmiset oppivat ajan myötä elämään tällaisten erojen kanssa. Agentille kokonaisuus täytyy pystyä määrittelemään. Siksi ennen agentin rakentamista kannattaa ottaa askel taaksepäin ja kysyä:
Onko tekoälyllä käytössään oikea, ajantasainen ja liiketoiminnan kannalta ymmärrettävä tieto?
Tästä päästään väistämättä dataan. Eri järjestelmistä tuleva tieto pitää yhdistää. Käsitteiden merkitys pitää määritellä niin, että myynti, talous, tuotanto ja johto ymmärtävät keskeiset asiat samalla tavalla.
Itse kutsun tämän ytimen rakentamista mielelläni liiketoiminnan kultaiseksi semanttiseksi malliksi. Ajatus voi kuulostaa suurelta hankkeelta, vaikka käytännössä lähtökohta voi olla hyvin konkreettinen. Jos haluamme esimerkiksi ymmärtää ja ennustaa tuotannon kannattavuutta, mitä meidän pitää tietää?
- Tuotteet
- Asiakkaat
- Tilaukset
- Materiaalit
- Tuotantomäärät
- Kustannukset
- Toimitusajat
Mistä tieto löytyy? Miten nämä asiat liittyvät toisiinsa? Mitä esimerkiksi kate, toimitusvarmuus tai kapasiteetti tarkoittaa juuri tässä yrityksessä? Kun tämä ydin on kunnossa, sen päälle voidaan rakentaa seuraava kerros.
Kun historia on hallussa, voidaan alkaa katsoa eteenpäin
Yrityksissä on valtavasti dataa siitä, mitä on jo tapahtunut. Paljonko myimme? Mitä tuotimme? Mikä oli kate? Kuinka paljon projektiin käytettiin tunteja?
Raportointi tekee tämän näkyväksi. Seuraava kiinnostava kysymys kuuluu: mitä voisimme tietää ennen kuin asia on jo tapahtunut?
Mitä tapahtuu, kun yrityksen omaan dataan yhdistetään muita muuttujia ja aletaan tutkia niiden välisiä riippuvuuksia? Mikä oikeasti vaikuttaa kysyntään? Mikä ennakoi tuotannon poikkeamaa? Mitkä tekijät vaikuttavat projektin kannattavuuteen? Voisimmeko tunnistaa ongelman jo siinä vaiheessa, kun siihen voidaan vielä vaikuttaa?
Tässä kohtaa raportoinnin rinnalle tulee ennakoiva liiketoimintatieto. Aiemmassa Ohjaako sää energian hintaa? -artikkelissani pohdin samaa ajatusta energia-alan näkökulmasta. Sää näkyy tuotannossa, kulutuksessa, kuormituksessa ja hinnoittelussa. Syyskuussa veimme ajatusta pidemmälle energia-alan webinaarissamme.
Nyt seuraava askel on mielestäni kiinnostava.
Energiasta valmistavaan teollisuuteen
Seuraavaksi sovellamme samaa ajattelua valmistavan teollisuuden tarpeisiin. Toimiala vaihtuu, mutta peruskysymykset ovat yllättävän samanlaisia.
Miten yhdistämme eri lähteistä tulevan tiedon? Miten muodostamme siitä yhteisen näkymän liiketoimintaan? Mitä riippuvuuksia datasta voidaan löytää? Mitä pystymme ennustamaan?
Ajatellaan esimerkiksi tuotannon poikkeamaa. Ensin raportti kertoo meille, että poikkeama tapahtui. Seuraavaksi pystymme analysoimaan, mitkä asiat liittyivät siihen. Kiinnostavin vaihe alkaa siinä vaiheessa, kun datasta pystytään tunnistamaan tekijöitä, jotka ennakoivat vastaavaa tilannetta. Silloin olemme jo siirtyneet historiasta tulevaisuuteen. Mutta yksi ongelma on vielä ratkaisematta.
Mitä hyötyä hyvästä ennusteesta on, jos kukaan ei huomaa sitä oikealla hetkellä?
Tiedon pitää päästä sinne, missä työ tapahtuu
Tämä oli yksi tiistain keskustelun kiinnostavimmista kohdista. Data voidaan yhdistää. Sille voidaan rakentaa yhteinen semanttinen malli. Sen päälle voidaan tehdä analytiikkaa ja ennusteita. Lopulta tämän kaiken pitää kuitenkin johtaa toimintaan.
Tässä kohtaa mukaan tulee Teams.
Ajatus on yksinkertainen: agentin ei tarvitse olla jälleen yksi erillinen paikka, johon käyttäjän pitää muistaa mennä. Teams voi olla käyttöliittymä, jonka kautta agentista tulee luonteva osa tiimin päivittäistä työskentelyä.
Silloin agenttia voi alkaa ajatella hieman eri tavalla. Samassa työympäristössä ovat tuotannon, myynnin ja talouden ihmiset. Heidän rinnallaan voi olla tiettyä tarkoitusta varten rakennettu agentti, jolla on käytössään tehtävän vaatima liiketoimintakonteksti ja sovitut tietolähteet.
Keskustelu voisi alkaa hyvin arkisesti:
”Miksi tämän viikon tuotantoennuste näyttää heikommalta?”
Tuon yhden kysymyksen taustalla onkin yhtäkkiä koko tiistaina hahmottelemamme ketju:
Järjestelmät → yhtenäinen data → yhteinen semanttinen malli → analytiikka → ennusteet → agentti → Teams → ihminen → toiminta.
Tässä kohtaa kokonaisuus alkoi ainakin itselleni loksahtaa paikalleen.
Kun palaset yhdistetään, syntyy jotain yksittäisiä teknologioita kiinnostavampaa
Power BI, Fabric, koneoppiminen, Copilotit, agentit ja Teams on helppo nähdä erillisinä teknologioina ja hankkeina. Liiketoiminnan näkökulmasta ne muodostavat kuitenkin luontevan jatkumon.
Yhdessä päässä ovat yrityksen järjestelmät ja niihin kertyvä tieto. Keskellä data yhdistetään, sen merkityksestä sovitaan ja muodostetaan yhteinen näkemys liiketoiminnasta. Sen jälkeen tietoa voidaan analysoida ja käyttää myös tulevan ennakoimiseen.
Lopuksi tieto pitää saada ihmisen käyttöön. Joskus se tarkoittaa Power BI -raporttia. Joskus automaattista ilmoitusta. Joskus keskustelua Teamsissa agentin kanssa. Oleellista on, että tiedosta kulkee yhtenäinen polku aina toimintaan saakka.
Tiistain ideariihestä takaisin liiketoimintaan
Kun spontaani työpajamme alkoi, päydällä oli kasa teknologioita: Copilot, agentit, Fabric, integraatiot ja koneoppiminen. Päivän lopussa niiden välille oli syntynyt ketju.
Samalla ehkä tärkein havainto liittyi juuri siihen, missä järjestyksessä asioita kannattaa ratkaista. Liikkeelle voidaan lähteä hyvin yksinkertaisesta kysymyksestä:
Mitä haluamme liiketoiminnassa tietää aikaisemmin tai tehdä paremmin?
Sen jälkeen voidaan kysyä, mitä tietoa vastaukseen tarvitaan. Missä tieto sijaitsee? Mitä se tarkoittaa? Miten eri tietolähteet liittyvät toisiinsa? Voidaanko datan perusteella ennakoida jotakin sellaista, johon ihminen voi vielä vaikuttaa? Ja lopulta: miten havainto viedään sinne, missä päätös tehdään?
Tiistain brainstormista jäi tämän vuoksi erityisen hyvä fiilis. Pöydän ympärillä oli tekoälyosaamista, Fabric- ja dataosaamista, liiketoimintaa ja myyntiä. Kun näitä katsoo saman liiketoimintaongelman eri osina, kokonaisuus alkaa näyttää varsin kiinnostavalta.
Yksi viime vuosien suurimmista oivalluksistani on ollut, että arvo syntyy siitä, miten asiat liittyvät toisiinsa.
Tiistain jälkeen tuo ajatus tuntuu entistä konkreettisemmalta. Ehkä seuraava askel tekoälyssä ei ala uuden agentin rakentamisesta. Se alkaa kysymyksestä, johon yritys todella haluaa vastauksen. Sen jälkeen rakennetaan polku järjestelmistä yhteiseen tietoon, tiedosta ymmärrykseen, ymmärryksestä ennusteisiin ja ennusteista toimintaan.
Ja ehkä jonain aamuna tämän ketjun näkyvin osa on lopulta hyvin arkinen. Avaat Teamsin ja kysyt agentilta saman kysymyksen, jonka kysyisit vieressä istuvalta työkaverilta. Agentilla on käytössään oikea tieto. Se ymmärtää, mitä tieto liiketoiminnassa tarkoittaa ja pystyy hyödyntämään sen pohjalta rakennettua analytiikkaa.
Silloin tekoäly alkaa oikeasti kohdata yrityksen todellisuuden.
Tule kuulolle seuraavaan webinaariimme Optimoitu tuotanto AI aikakaudella tai ota yhteyttä, niin jutellaan lisää!
Sinua saattaa kiinnostaa myös:
Webinaari: Projektinhallinnan seuraava askel: Project Advisor, AI ja agentit 3.12.2026 klo 9-10.15
Projektinhallinta ei tarvitse lisää irrallisia työkaluja. Tule katsomaan, miten Project Advisor, Microsoft 365, AI ja agentit muodostavat yhden toimivan kokonaisuuden.
Tervetuloa tiimiin Marko Rosberg
Markon roolissa yhdistyvät asiakastyö ja uuden rakentaminen. Hän työskentelee asiakkaidemme kanssa AI- ja agenttiratkaisujen parissa ja ottaa samalla vahvan roolin North Advisorsin AI & Agents -liiketoiminnan ja palveluiden kehittämisessä yhdessä muun tiimin kanssa
Webinaari: Optimoitu tuotanto AI aikakaudella 25.11.2026 klo 9-10
Valmistavan teollisuuden toimintaympäristö ei anna paljon anteeksi. Kapasiteettia pitäisi käyttää tehokkaammin, toimitusvarmuuden pitää säilyä ja kustannusten pysyä hallinnassa, vaikka kysyntä, materiaalit ja tuotannon tilanteet muuttuvat jatkuvasti.
Valmistava teollisuus elää jatkuvassa muutoksessa. Hinnat vaihtelevat ja ohjaavat kysyntää sekä tuotantoa, verkko kuormittuu eri tavoin eri hetkinä. Päätökset pitää tehdä nopeasti ja oikeaan tietoon perustuen.
Tervetuloa tiimiin, Markus Ikonen
North Advisorsin tiimi vahvistui kokeneella Microsoft-osaajalla, kun Markus Ikonen liittyi joukkoomme. Lentävä lähtö Projektipäivillä osoitti nopeasti, että niin teknologiat, asiakkaiden maailma kuin projektien arki ovat Markukselle ennestään tuttuja.
Pölli parhailta – AI-agentti ei ole taikuri
Mikä erottaa hyödyllisen AI-ratkaisun näyttävästä demosta? Tässä artikkelissa Niko jakaa oppinsa AI-agenttien kehittämisestä ja kertoo, miksi parhaat ratkaisut syntyvät yhdistämällä tekoäly, automaatio ja liiketoiminnan tarpeet oikein.
Kutsuvierastilaisuus: AI oikealle väylälle
Tekoäly on siirtynyt kokeiluista liiketoiminnan ytimeen. Mutta miten sitä hyödynnetään käytännössä tehokkaasti, hallitusti ja tietoturvallisesti?