Tekoälyn hyödyntäminen kannattaa aloittaa heti. Kilpailijasi todennäköisesti jo tekee niin. Jos ei nyt, hyvin pian.

Miksi tekoäly on nyt hot?

Kehitysvauhti on kiihtynyt. Laskentateho ja muistikapasiteetti ovat kasvaneet ja prosessoitavaa dataa on runsaasti.

Tietoisuus edistyneen analytiikan ja tekoälyn mahdollisuuksista on noussut. Kun joku saa hyviä tuloksia, muut seuraavat perässä. Myös esikuvat ruokkivat kiinnostusta. Maailman arvokkaimmat yritykset, kuten Apple, Alphabet ja Amazon harjoittavat hyvin dataintensiivistä liiketoimintaa.

Mullistaako tekoäly maailmaa lähivuosina?

Se on jo mullistanut. Käytämme jo nyt tekoälypohjaisia ratkaisuja arjessamme, vaikka emme sitä huomaa. 

Mille toimialoille muutoksia on luvassa?

En keksi toimialaa, joka ei hyötyisi tekoälystä. CGI on tehnyt asiakasanalytiikkaa muun muassa vakuutus-, kaupan- ja terveydenhuoltoalalle sekä valmistavalle teollisuudelle ja julkiselle sektorille.

Onko tekoäly jatkossa ­keskeinen kilpailu­kykyä määrittävä tekijä?

Monella alalla tekoäly on erottava kilpailutekijä jo nyt. Jatkossa tekoäly ei enää ole kilpailutekijä vaan välttämättömyys. Tulemme varmasti näkemään Uberin kaltaista dataa hyödyntävää disruptiivista liiketoimintaa yhä enemmän. Siksi yrityksissä pitää olla perillä tekoälyn mahdollisuuksista ja myös haastaa nykyistä liiketoimintaa: mikä on sen asiakkaille tuottama arvo?

Miten tekoälyn hyödyntämisessä voi lähteä liikkeelle?

Kannattaa kokeilla ennakkoluulottomasti. Usein ­ajatellaan, että kaikki tieto- ja ­raportointijärjestelmät pitää olla kunnossa ennen kuin tekoälyn hyödyntämistä voidaan harkita. Se ei ole niin. Tekoälyn ­pilotointi on mahdollista aloittaa ketterästi, eikä se ­vaadi mittavia investointeja. 

Mitä CGI voi tarjota asiakkaille?

CGI:llä on kovatasoista tekoäly- ja data science -osaamista. Vahvuutemme on erityisesti laaja ja syvä toimialaosaaminen. Lisäksi voimme hyödyntää globaalin verkostomme osaajia ja oppeja muista maista. 

Monessa tekoälyprojektissa leijonanosa ajasta menee datan hakemiseen, paketointiin ja esiprosessointiin. Asiantuntijan avulla kiteytetään ymmärrys siitä, minkälaista dataa tarvitaan, mistä dataa saa, miten sitä voi hyödyntää ja minkälaisia datan laatuun liittyviä vaatimuksia on. Sen jälkeen analyysimallin tekeminen on työmäärällisesti pienempi asia.