Valtaosa yrityksistä on jo ottanut tekoälyteknologioita tuotantokäyttöön. Erityisesti agenttisen tekoälyn käyttöönotosta odotetaan saatavan laajamittaisempaa hyötyä. Useissa tutkimuksissa on kuitenkin todettu, että suurin osa tekoälyprojekteista ei saavuta niille asetettuja tavoitteita. Harvoin ongelma on kuitenkaan tekoälyssä itsessään, vaan useammin se piilee sitä ympäröivässä IT-ympäristössä.
SoftwareOnen IBM Business Manager Mika Heleoja sekä IBM:n asiantuntijat Meri Loimu ja Sami Koivisto valottavat syitä ilmiön taustalla ja vinkkaavat, miten integraatioiden avulla etenkin agenttisesta tekoälystä saadaan todellista liiketoimintahyötyä irti – ilman, että kustannukset karkaavat.
Loimun mukaan tekoälyprojektien epäonnistumiselle on tunnistettu kolme tärkeää syytä. Ensimmäinen niistä on heikko datan laatu: yllättävän pienetkin puutteet datassa voivat romahduttaa tekoälymallien antamien vastausten tarkkuuden.
”Toisekseen uusi teknologia vaatii myös toimintatapojen ja prosessien uudistamista. Jos organisaatio ei osaa sopeuttaa prosessejaan, ei hyötyjä saada.”
Kolmas syy on skenaario, jossa projekteihin lähdetään teknologia edellä: organisaatio hankkii tekoälymallin ja etsii sille käyttökohteita sen sijaan, että lähdettäisiin liikkeelle selkeästä liiketoimintaongelmasta.
Dataa yrityksistä kyllä löytyy, mutta riittävän laadukkaan ja reaaliaikaisen tiedon tarjoaminen tekoälylle on haaste. Kyseessä on Koiviston mukaan tyypillisesti integraatio-ongelma ja data täytyy saada kulkemaan sujuvasti eri taustajärjestelmien ja AI:n välillä.
”Tapahtumalähtöinen arkkitehtuuri välittää olennaiset, reaaliaikaiset tapahtumat sekä suodattaa ja jalostaa niistä tietoa agenteille”, Koivisto kuvailee.
Koska tekoälyagenttien pitää pystyä tekemään oikeita toimenpiteitä liiketoiminnassa, niille täytyy antaa kyky toimia taustajärjestelmissä luotettavasti, huomauttaa Koivisto.
”Yhtenä ratkaisuna toimii AI-yhdyskäytävä, joka julkaisee organisaation jo rakentamat API:t ja integraatiot hallittuina työkaluina agenteille esimerkiksi MCP-protokollan (Model Context Protocol) avulla. Olemassa olevia järjestelmäkyvykkyyksiä ei siis tarvitse rakentaa uudelleen tekoälyä varten vaan ne tuodaan agenttien ulottuville turvallisesti.”
Suurten kielimallien kustannukset perustuvat usein kulutukseen ja niiden käyttö voi siten aiheuttaa yllättäviä kustannuspiikkejä, joita on voitava hallita.
”AI-yhdyskäytävä auttaa valitsemaan kuhunkin tehtävään sopivimman mallin: jokaiseen tarpeeseen ei tarvita kaikkein tehokkainta lippulaivamallia. Sen avulla mallien käyttöä organisaatiossa voidaan valvoa ja optimoida token-tasolla, hyödyntää vastausten välimuistia ja asettaa käyttörajat, ettei lasku räjähdä käsiin. Samalla nähdään, kuka malleja käyttää, kuinka paljon ja millä kustannuksilla”, Koivisto kuvailee.
Seuraamalla mallien käyttöä niiden kustannukset voidaan kohdentaa läpinäkyvästi ja tehokkaasti eri projekteille.
Tekoälyratkaisujen hallinnan tulee SoftwareOnen Heleojan mukaan hyödyntää jo tehtyjä investointeja. Integraatioalusta on keskeisessä roolissa, kun tekoälykyvykkyydet liitetään osaksi yritysten olemassa olevaa IT-arkkitehtuuria. Siksi integraatioratkaisujen on tuettava nykyisiä järjestelmiä, sulauduttava osaksi niitä sekä skaalauduttava hybridimaailmassa, toimittiin sitten julkipilvessä, omassa konesalissa tai eristetyssä ympäristöissä.
”IBM ja SoftwareOne tarjoavat ratkaisuksi IBM:n integraatioalustan, joka mukautuu asiakkaan omaan ympäristöön – riippumatta siitä, missä järjestelmät ja data sijaitsevat. Hyödynnämme aina juuri niitä kyvykkyyksiä, joilla agenttinen tekoäly voidaan sulauttaa organisaation olemassa olevaan IT-arkkitehtuuriin. Näin tekoäly skaalautuu joustavasti ympäristöön ja siitä tulee tuottava, hallittu ja kustannustehokas osa liiketoimintaa”, Heleoja tiivistää.'
Varaa maksuton integraatioympäristön kartoitus ja sovi seuraavat askeleet SoftwareOnen asiantuntijoiden kanssa.
Varaa maksuton integraatioympäristön kartoitus ja sovi seuraavat askeleet SoftwareOnen asiantuntijoiden kanssa.
