Generatiivista tekoälyä käyttävät yritykset tarvitsevat puhdasta, luotettavaa ja käyttökelpoista dataa
Yrityksissä ei aina osata hallita dataa tavalla, joka takaisi parhaat tulokset.
Generatiivinen tekoäly on saanut ihmisten mielikuvituksen valloilleen eri puolilla maailmaa. Sitä hyödynnetään jo nyt organisaatioissa vaihtelevassa mittakaavassa lähes alalla kuin alalla ja kaikilla markkinoilla. Generatiivinen tekoäly muuttaa liiketoimintamalleja ja luo lisäarvoa monissa yrityksissä. Tulevaisuudessa tekoälyn käyttö vain lisääntyy sitä mukaa, kun yritykset kehittävät strategioita sen etuihin tarttumiseksi.
Liikkeenjohdon konsultointia tarjoava McKinsey & Company arvioi generatiivisen tekoälyn potentiaaliseksi taloudelliseksi hyödyksi 7 biljoonaa dollaria ja kertoo sen vaikuttavan eri sektorien tuottavuuteen: ”Noin 75 prosenttia arvosta, jota tekoälyn käyttö voisi tuoda, ohjautuu neljälle osa-alueelle: asiakastoimintaan, markkinointiin ja myyntiin, ohjelmistotuotantoon sekä tutkimukseen ja kehitykseen.”
Suurten datamäärien, nopean ja iteroivan käsittelyn sekä älykkäiden algoritmien yhdistelmän ansiosta tekoälyohjelmistot havaitsevat syötetyn datan toisteisuudet ja ominaisuudet ja reagoivat niihin tehdäkseen ennusteita, päätöksiä ja mitä erilaisimpia tehtäviä. Jotta tekoäly toimisi oikein, yrityksillä on oltava puhdasta ja toimenpiteet mahdollistavaa dataa. Ilman oikeanlaista dataperustaa vaarana ovat virheelliset johtopäätökset ja tekoälyn mahdollistamien tietojen ja hyötyjen menettäminen.
Yritysten datanhallinnassa on valtavia eroja. Valitettavan usein data on vanhentunutta, jäsentämätöntä ja epäluotettavaa. Huonoa dataa kutsutaan myös likaiseksi dataksi. Sen sisältämät epäpuhtaudet ovat esimerkiksi kirjoitusvirheitä, vanhentuneita tai puutteellisia tietoja, virheellisiä yhteyksiä ja päällekkäisyyksiä. Tämäntyyppinen huonolaatuinen data johtaa herkästi puolueellisiin tuloksiin, virheisiin ja niin kutsuttuihin tekoälyn hallusinaatioihin, joita kuvastaa hyvin sanonta ”roskaa sisään, roskaa ulos”.
Asiantuntijapalveluyritys Deloitte varoitti tuoreessa raportissaan, että tekoälyn tulokset jäävät vaillinaisiksi, jos tietojen rakenteessa on puutteita. ”Jotta tekoäly toimisi, organisaatioiden on puututtava datan ongelmiin ja korjattava huono data sekä noudatettava datan paremman hallinnan, puhdistamisen ja rikastamisen periaatteita, jotka auttavat saavuttamaan laajemmat tekoälyyn liittyvät tavoitteet. Datanhallintaosaaminen ei kuitenkaan useimmissa yrityksissä ole riittävän kehittyneellä tasolla, minkä vuoksi kolmasosa tekoälyhankkeista epäonnistuu”, raportissa todetaan.
Yrityksillä on usein käytettävissään suuret määrät dataa, mutta sitä ei aina osata hallita tavalla, joka takaisi parhaat tulokset. Datan merkitys strategisena voimavarana ymmärretään kyllä: yrityksissä keskitytään datakeskeisiin strategioihin ja datavetoiseen kasvuun. Samalla datan hallinta käy kuitenkin yhä vaikeammaksi valtavien datamäärien, yhteensopimattomien lähteiden ja erilaisten datatyyppien vuoksi.
Yrityksillä on usein käytettävissään suuret määrät dataa, mutta sitä ei aina osata hallita tavalla, joka takaisi parhaat tulokset.
Deloitten mukaan organisaatioilla on pääsy valtaisiin datamääriin, mutta dataa ei useinkaan ole yhdistetty tai integroitu niin, että sen hyödyt saataisiin kotiutettua: ”Puutteiden vuoksi organisaatioiden voi olla vaikea hyötyä edes omasta sisäisestä datastaan, ulkoisista lähteistä peräisin olevasta datasta puhumattakaan. Lisäksi tärkeää tietoa voi jäädä havaitsematta epätäydellisen tai epäyhtenäisen datan vuoksi, jolloin analyysien ja raporttien täsmällisyys kärsii.”