Tekoäly (AI) muuttaa tietotyötä päivittäin uusien innovaatioiden kehittyessä yhä nopeammin ja nopeammin. Tapasimme M-Filesin Senior Vice President of Industry Solutions Ville Sompin keskustellaksemme näistä muutoksista, niiden merkityksestä tietotyöntekijöiden tulevaisuuteen sekä siitä, auttaako tekoäly yrityksiä kaventamaan rakenteellisen ja rakenteettoman datan välistä kuilua.

Tekoäly ja työn tulevaisuusk

Jotkut yritysjohtajat ennustavat, että tekoäly tulee poistamaan työn kokonaan. Millaisena sinä näet tekoälyn vaikutukset työn tulevaisuudelle

Itse asiassa tekoäly vahvistaa ihmisen kekseliäisyyttä ja luovuutta. Tietokoneet tekevät sen, mitä niiltä pyydetään, ja jos osaa kysyä oikean kysymyksen, tekoäly tietää myös vastauksen. Jos on käsitys siitä, mitä halutaan tuottaa, generatiivisella tekoälyllä saatu tulos on todennäköisesti puoliksi tai jopa 90 prosenttisesti valmis. Tekoäly siis auttaa tietoyöntekijöitä tuomalla uusia mahdollisuuksia tietotyön automatisaatioon.

Tekoäly ei itse tiedä, mitä sen tulee tuottaa — se tarvitsee ihmisen – älykkään toimijan – joka pyytää siltä jotakin ja joka varmistaa, että tuotettu sisältö vastaa pyydettyä. Luovaan työhön kuuluva aineistojen tuotto siis kyllä nopeutuu tekoälyn avulla. Silti, tekoäly ei korvaa tietotyöntekijöitä, joilla on visio ja jotka käyttävät luovuuttaan visionsa toteuttamiseksi.

Matka kohti tietotyön automaatiota

Työsuorituksen optimoinnilla tarkoitetaan automaation seuraava vaihetta eli tiedostojen ja prosessien hallintaa. Onko tämä kehitys seurausta paremmasta kapasiteetista ja prosessointinopeuksista? Entä onko kehitys ollut aina tavoitteena vai onko nyt kyseessä jonkinlainen siirtymä?

Tavoite on aina ollut tämä, mutta prosessi on ollut hyvin hidas. IT-alan historia on vain viisikymmentä tai kuusikymmentä vuotta vanha. Aivan ensimmäiset tietokoneet pystyivät juuri ja juuri tallentamaan dataa. Lopulta markkinoille saapuivat graafiset käyttöliittymät, joiden avulla oli mahdollista visualisoida tietoa näytöllä painetun paperin sijasta. Graafinen käyttöliittymä tarkoitti sitä, että tietokoneen toimintaa ymmärtääksesi sinun ei tarvinnut enää olla tiedemies. Samanaikaisesti tärkeitä tehtäviä, kuten dokumenttien ja työnkulkujen hallintaa, tehtiin vielä manuaalisesti.

Keskeinen tavoite on aina ollut tietotyön ja innovoinnin automatisointi työskentelyn helpottamiseksi sekä tehokkuuden parantamiseksi. Kun pyytää tietokonetta luomaan jotakin, se vaatii vain puhuttua tai kirjoitettua kieltä. Jo vuosikymmeniä sitten tietokoneet pystyivät tekemään todella hienoja ja tehokkaita laskelmia tai simulaatioita ja auttamaan niinkin monimutkaisissa tehtävissä kuin Mars-lennon suunnittelussa. Nykyään voi vain sanoa: "Hei, ChatGPT, voitko suunnitella minulle Mars-laskeutujan tämän esimerkin perusteella?" Sen sijaan, että käyttäisi tuhansia tunteja 3D-luonnoksen piirtämiseen hiirellä ja näppäimistöllä, saa työstettävän luonnoksen paljon nopeammin. Enää ei tarvitse selittää tekoälylle kaikkea kirjaimellisesti — ja sitä voi kutsua vallankumoukselliseksi.

Rakenteellinen vs. rakenteeton data

Nykyään valtaosa järjestelmistämme — tiedostojen hallinnasta liiketoimintaprosesseihin — rakentuu rakenteellisen datan, kuten Word- tai PowerPoint-tiedostojen, ympärille. Mutta esimerkiksi tweetit määritellään rakenteettomaksi. Onko tietotyössä todella eroa rakenteellisen ja rakenteettoman datan välillä, vai onko raja käytännössä hämärtynyt?

Perinteisesti tietokoneet tarvitsevat rakennetta ymmärtääkseen dataa. Oletetaan, että yrityksesi nimi on vain tekstiä. Rakenteellinen järjestelmä, kuten asiakassuhteiden hallintatyökalu (CRM), voi lukea yrityksesi nimeä vastaavan ID-numeron, minkä jälkeen se tietää aina tietyn ID-numeron edustavan yritystäsi. Ihmisen kirjoittama rakenteeton data ilman tarkkaa merkityksen määrittelyä on tietokoneelle pelkkää tekstiä.

Suurille kielimalleille rakenne on vähemmän tärkeä, koska tietokoneet pystyvät prosessoimaan rakenteetonta dataa tehokkaammin merkityksen ja mielenkiintoisten datapisteiden poimimiseksi. Sanotaan esimerkiksi, että sinulla on sopimus, joka on voimassa vuonna 2024. Jos poimimme tämän ajanjakson rakenteellisena datana, tietokone tietää, milloin sopimus on voimassa. Generatiivisen tekoälyn avulla on mahdollista selvittää, mitä jokin tietty kohta rakenteettomassa aineistossa tarkoittaa. Tekoäly ymmärtää tiedon, koska se voi lukea ja tulkita rakenteetonta sisältöä.

Rakenteellisen ja rakenteettoman datan välillä on eroa. Toinen on tarkoitettu tietokoneiden luettavaksi ja ymmärrettäväksi ja toisen voi kuvata ”virtaavan” vapaasti — aina tähän asti tietokoneiden on ollut haastava tulkita jälkimmäistä. Nykyään ei ole yhtä tärkeää, että kaikki data olisi rakenteellista dataa, mutta rakenteellisen datan kautta tietokoneet edelleen keskustelevat toistensa kanssa. Tietokoneet eivät esimerkiksi ymmärrä ihmisten tapaa ilmaista aikaa, kuten "varttia yli kaksitoista", koska ne käsittelevät vain tekstiä. Suuret kielimallit pystyvät kuitenkin muuntamaan nämä inhimilliset ilmaisut rakenteelliseen muotoon, jonka tietokoneet voivat ymmärtää, mahdollistaen näin tavallisten laskutoimitusten suorittamisen.

Informaation tarkoituksen tärkeys

Miksi tietokoneiden on helpompi käyttää rakenteellista dataa? Entä miten M-Files käsittelee rakenteetonta dataa?

Rakenteellisessa datassa ei ole vain datan arvoa, vaan myös sen merkitys, tyyppi ja informaation tarkoitus. Hyvä esimerkki datan tyypistä on yrityksen nimi. Jokainen datapistettä käyttävä järjestelmä tietää, että kyseinen nimitys viittaa yrityksen nimeen sekä datan tyyppiin. Rakenteellinen data voi auttaa järjestelmää erottamaan tekstikentän ja numerokentän toisistaan ja ymmärtämään mitä numerokentän numero tarkoittaa. Tarkoitetaanko numerokentän luvulla esimerkiksi rahasummaa tai postinumeroa? Rakenteellisen datan avulla tietokonejärjestelmä siis ymmärtää, mitä milläkin tiedolla tarkoitetaan.

Jos lataa M-Filesiin sopimuksen, se on vain dokumentti. Se on rakenteeton ja ihmisen luoma, ja siitä voidaan poimia mielenkiintoisia datapisteitä rakenteellisina metatietoina. Koska M-Files voi merkitä dokumentteja metatiedoilla – kuten sopimuksen voimassaololla – voimme muuntaa osan tuosta rakenteettomasta datasta rakenteelliseksi dataksi. Tällöin tietokoneet voivat käsitellä sitä liiketoimintasääntöjen soveltamiseksi ja kaikenlaisten tietotyön automaatiomuotojen tehostamiseksi.

Generatiivisen tekoälyn kustannukset

Vaikuttaako datan muoto generatiivisen tekoälyn käyttökustannuksiin? Onko rakenteettoman datan käsittely kalliimpaa, ja onko uusilla kielimalleilla vaikutusta hintaan?

Generatiivisen tekoälyn käyttö voi olla kallista, koska tietokoneen on työskenneltävä todella kovasti sisällön ymmärtämiseksi, läpikäytävä organisaation suurta tietomäärää tai löydettävä jokin tietty sopimuskausi sen sijaan, että joku vain lukisi tiedon metatiedoista. Edellä kuvattu työ voi tulla kalliiksi esimerkiksi ulkopuoliselta yritykseltä tilattuna, koska tekoäly joutuu tekemään niin suuren määrän työtä.

Sen sijaan voit yksinkertaisesti käsitellä dataa loputtomasti ja edullisesti rakenteellisessa datakentässä. Suuret kielimallit ovat valtavia matemaattisia kaavoja, joita syvät neuroverkot tehostavat. Riittää, että vain syöttää jokin sisääntulon, ja saa ulostulon. Tämän matemaattisen operaation suorittaminen on paljon kalliimpaa jos sitä vertaa perustoimintoihin, joita teimme 50 vuotta sitten.

Ajatuksen ja kustannusten suhde on äärimmäisen tärkeä ottaa huomioon. Emme voi vain korvata vanhaa IT-teknologiaa ja käyttää generatiivista tekoälyä kaikkeen – se tulee noin miljardi kertaa kalliimmaksi.

Nykyaikaisilla älypuhelimilla on enemmän laskentatehoa ja enemmän hallintaa tietotekniikasta kuin mitä 1990-luvun supertietokoneilla oli. Suuret kielimallit ja kieltä ymmärtävä generatiivinen tekoäly ovat mahdollisia, koska meillä on niin paljon enemmän laskentatehoa kuin menneisyydessä. Se ei kuitenkaan tarkoita edullisuutta, vaan ennemminkin mahdollisuuksia. Jokaisen kuvattuja teknologioita hyödyntävän yrityksen on tehtävä kustannus- ja hyötyanalyysi: milloin valita hienot, uudet ja kalliit teknologiat mekaanisten ja perinteisten IT-teknologioiden sijasta?

Varaa esittely jo tänään!
Tietotyöntekijät voivat automatisoida prosessejaan monin tavoin, aina dokumenttien luomisesta niiden hallintaan, työnkulkujen automatisointiin, ulkoisen yhteistyön mahdollistamiseen, yritystiedon etsimiseen, turvallisuuden ja vaatimustenmukaisuuden varmistamiseen sekä auditointipolkujen ylläpitoon.