• asiantuntijatyö
• ChatGPT
• tekoäly

Tänä päivänä tekoäly on lähes jokaisen ulottuvilla, ja sen käyttöä voi harjoitella vaivattomasti. Tekoälymallien kehittyessä hurjaa vauhtia ihmisten tehtäväksi jää keksiä uusia tapoja hyödyntää niitä, erityisesti työelämässä.

Asiantuntijan työssä korostuu tiedonhaku ja haetun tiedon yhdistely eri lähteistä. Nykyisin tietoa tallennetaan sähköisiin järjestelmiin valtavia määriä ja tiedon määrä kasvaa jatkuvasti. Herääkin kysymys: voisiko tekoäly toimia apurina, helpottaa tietointensiivistä työskentelyä ja tehostaa asiantuntijan päätöksentekoa?

Opinnäytetyössä kartoitettiin tekoälyn käytön mahdollisuuksia tiedonhaussa ja tiedon yhdistelemisessä. Tekoälytesteillä saatiin tuloksia siitä, kuinka hyvin tekoäly löytää haluttuja tietoja sille annetuista dokumenteista ja kuinka hyvin se osaa yhdistää tietoa eri lähteistä.

Vertailu vanhempaan kielimalliin osoittaa merkittävän eron suorituskyvyssä

Aihetta oli aiemmin tutkittu yrityksessä ja testattu vanhemmalla GPT-35-turbo-16k -kielimallilla, jolle vaikeuksia tuotti oikean tiedon tuominen ja tietojen yhdistely useammasta eri tietolähteestä. Tuotteisiin liittyviä kysymyksiä oli kokonaisuudessaan 19 ja tällä kielimallilla oikein menneiden vastausten määrä jäi kahdeksaan. Nämä haasteet eivät kuitenkaan GPT-4o -mallia enää vaivanneet, vaan se suoriutui samoista kysymyksistä varsin mallikkaasti. Uudemmalla kielimallilla oikein menneiden vastausten määrä oli 18.

Tekoälylle riittää ravintoa: monenlaista dataa on kerätty jo vuosien ajan ja sitä syntyy jatkuvasti lisää

Tutkimukseen haluttiin kerätä tietoa siitä, millaista dataa tekoälylle on olemassa ja miten sitä voitaisiin hyödyntää tulevaisuuden tekoälysovelluksissa. Haastattelut toivat esiin myös konkreettisia käyttökohteita, sekä tekoälyyn liittyviä haasteita ja mahdollisuuksia. Käyttökohteita tekoälylle voisivat olla muun muassa:

• Tiedonhaku ja analyysi: Tekoäly hakisi sille annetusta datasta olennaisen tiedon, mikä säästäisi aikaa, kun tietoa ei tarvitse hakea ja yhdistellä manuaalisesti.
• Myynnin tukeminen ja asiakasviestintä: Myynnin tukena tekoäly voisi suositella materiaaleja ja ratkaisuja aiempiin myyntitietoihin perustuen. Lisäksi viestintää voitaisiin helpottaa siten, että asiakkaille lähetettävät statusraportit automatisoitaisiin tekoälyä hyödyntäen.
• Tarjousprosessin optimointi: Tarjoustiimiä tekoäly voisi auttaa analysoimalla aiempia tarjouksia ja myyntihintoja, mikä auttaisi määrittämään optimaaliset kustannukset ja ratkaisut.
• Historiatiedon hyödyntäminen: Yrityksellä on runsaasti olemassa olevaa dataa esimerkiksi siitä, miten eri venttiilit ja materiaalit ovat toimineet käytännössä. Tekoäly voisi tunnistaa korrelaatioita pitkän aikavälin datasta ja muokata sen tekemiä suosituksia sen mukaisesti.
• ”Proposal Engineer” -työkalu: Tekoälyn avulla voitaisiin jalostaa työkalu, joka toimii apuna tarjouksia laatiessa. Työkalu auttaisi valitsemaan asiakkaan vaatimusten ja yrityksen tuotekatalogien pohjalta parhaimman tuotekonfiguraation.

Tekoäly ei ole oikotie, mutta oikein hyödynnettynä se vie pitkälle

Tekoälyn käyttäminen voi vaikuttaa hyvin yksinkertaista, mutta on hyvä muistaa, että tekoälyprojektit saattavat olla toteutukseltaan haastavampia ja kalliimpia toteuttaa kuin perinteiset kehitysprojektit. Tällaiselle avustajalle on siis tarvetta monessa eri asiantuntijan tehtävässä, mutta ideaa voidaan jalostaa myös monenlaisiin muihin työtehtäviin. Tekoälyn suorituskyky alkaa olemaan myös sillä tasolla, että tämän tyyppisiä sovelluksia voitaisiin ottaa koekäyttöön. Tekoälyn luotettavuus ei kuitenkaan ole vielä niin korkealla tasolla, että siihen voitaisiin luottaa ilman ihmisen kaltaista ymmärrystä.

Lähde:

Ravolainen, H. 2025. Asiantuntijan tekoälyavustin. Turun ammattikorkeakoulun opinnäytetyö.