Hyppää sisältöön

16.1.2020

Heidi Kananen: kokemuksia tekoälyn hyödyntämisestä asiakaskokemuksen kehittämisessä

Kirjoittaja: Heli Järvenpää

Kirjoittamista ja laulujen tekoa rakastava markkinointipäällikkö.

Heidi Kananen vastaa työssään Kaleva Median kehityspäällikkönä asiakaskokemuksen johtamisesta ja tekoälyratkaisujen kehitysprojekteista. Kalevassa tekoäly on tukena esimerkiksi verkkokeskustelujen kommenttien moderoinnissa ja sisältöjen suosittelussa asiakkaille. Tässä postauksessa jaamme Heidin vinkit siihen, millaisia asioita kannattaa huomioida tekoälyhankkeen käynnistämisessä. Lisäksi Heidi kertoo opeistaan liittyen tekoälyn hyödyntämiseen käytännön työssä.

Määrittele ensin ongelma tai tavoite

Liikkeenjohdon näkökulmasta tekoälyratkaisuilla haetaan usein joko nykytoiminnan tehostamista, asiakaskokemuksen parantamista tai erottautumistekijää. Mietitään siis, tuoko ratkaisu hyötyjä niin paljon, että joku on valmis maksamaan ratkaisusta. Tai saako se aikaan säästöjä, jotka arvioidaan niin merkittäviksi, että ratkaisun kehittäminen on kannattavaa.

“Siihen, onko tehtävä tekoälyn avulla ratkaistavissa, vaikuttavat monet asiat: Osaammeko muotoilla kysymyksen sellaiseen muotoon, että se on kerätyn tiedon perusteella mahdollista ratkaista. Millaista dataa meillä on saatavilla ratkaisun kehittämiseksi? Minkälainen vaikutus ratkaisulla on prosesseihin, työmääriin, käyttäjiin tai vaikkapa asiakkaisiin?

Mitään tekniikkaa tai uutta ratkaisua ei pitäisi ottaa käyttöön vain siksi, että se on “juuri nyt pinnalla oleva trendi” tai sellaista mitä kaverikin nyt kokeilee. Liikkeelle pitäisi lähteä omista tarpeista ja kysymyksistä, joita ollaan ratkaisemassa. Tekoäly on vain yksi työkaluista kehittämispakissa”, Heidi muistuttaa.

Tekoäly on ymmärrettävissä, muttei irrallinen pikaratkaisu

Heidi kertoo aloittaneensa tekoälyyn perehtymisen muutamia vuosia sitten:

“Olen koulutukseltani ekonomi ja kansantaloustieteilijä ja olen tehnyt työkseni talousjohtamista, yrityskonsultointia ja liiketoiminnan kehitystehtäviä. Ekonometria ja tilastotiede ilmiöiden taustalla sekä niiden mallintamisen mahdollisuudet ovat olleet aina kiinnostavia. Pohdin, mitä mahdollisuuksia liiketoiminnalle tuo se, kun pystymme malllintamaan epälineaarisia ilmiöitä kustannustehokkaasti. Kaivoin makro- ja mikrotalouden kurssimateriaalit esiin ja tajusin, että monet asiat olivat itselleni jo tuttuja, mutta nyt niitä vain hyödynnettiin uusissa yhteyksissä.

Eivät tekoälyratkaisut siis loppujen lopuksi ole niin monimutkaisia juttuja, haasteet tulevat usein muustakin kuin teknisestä toteutuskyvykkyydestä. Monimutkaisuus tulee siitä, miten ratkaisut saadaan sovitettua käytännön maailmaan. Usein kustannuksia ja vaikutuksia arvioidessakin teknologiaa suurempia haasteita voi tuoda hyvän datan kerääminen ja tuominen hyödynnettävään muotoon sekä saadun tiedon hyödyntäminen toiminnan kehittämisessä ja muuttamisessa. Mitä ovat ne asiat, joiden vuoksi olisimme valmiita muuttamaan toimintaamme?”, Heidi haastaa tarkastelemaan kehittämistyötä laajemmasta perspektiivistä.

Tekoälyratkaisussa datan laatu keskeisessä osassa

Millaisia kokeiluja tekoälyn saralla Heidin työyhteisössä sitten on tehty ja mitä kokeiluista on opittu? Ainakin useimmissa tapauksissa on painittu sen kanssa, millaista dataa saadaan kasaan ja miten sitä kannattaa hyödyntää. Heidi kertoo käytännön esimerkin:

“Meillä Kalevassa on käytetty tekoälyä nettikommenttien moderointiin. Algoritmin kouluttamiseen käytettiin kaikkea sitä dataa, mitä meillä oli useiden vuosien varrelta kerättynä kommenttien ja niiden kohdalla tehtyjen moderointipäätösten osalta. Usein kun ‘enemmän dataa on parempi’. Haasteeksi muodostui kuitenkin se, että toimituksen moderointilinja on muuttunut ajan myötä ja tulee muuttumaan varmasti jatkossakin. Algoritmin päätökset perustuivat vanhoihin linjauksiin. Olisi ollut järkevämpää käyttää algoritmin kouluttamiseen vähemmän dataa, mutta sellaiselta ajanjaksolta, joka vastaa parhaiten toimituksen nykyistä linjaa. Meidän tulee jatkokouluttaa algoritmia nykyisen moderointilinjan mukaiseksi, emmekä ole heti voineet automatisoida työtä niin paljon kuin haluaisimme. Algoritmien jatkokouluttaminen on hyvin tyypillistä, kun käyttökokemusta ja lisää dataa kertyy.”

Toinen esimerkki tekoälyprojektista, jossa on vaadittu toimituksen omia linjauksia ja määrittelyjä tekoälyn kouluttamiseksi on artikkelien avainsanojen poimiminen. Avainsanoja tarvitaan siihen, että isoista tietomassoista (esim. juttuarkistoista) löydetään helposti samaa aihepiiriä käsitteleviä aineistoja ja tämän tiedon avulla voidaan esimerkiksi lukijoille suositella verkossa heidän kiinnostuksenkohteisiinsa liittyviä sisältöjä. Se, että sana vaikkapa määrällisesti toistuu teksteissä usein, ei tee siitä vielä hyvää avainsanaa.

“Meidän pitää ensin merkitä avainsanatunnisteilla hurja määrä artikkeleita ja samalla määritellä, mitkä sanat ovat oleellisia. Siksi tarvitaan ihmistyötä alkuun vetämään linjauksia. Jos otettaisiin käyttöön ohjaamaton malli, jossa kone itsenäisesti löytäisi avainsanoja, tulos ei vastaisi toimituksen linjaa”, Heidi selvittää ja kertoo vielä käytännön esimerkin siitä, millaisissa tilanteissa algoritmia pitää jatkokouluttaa:

“Urheiluosastomme juttusuosituksiin alkoi nousta yhtäkkiä leivonta-aiheisia juttuja. Pian selvisi, että tämä johtui siitä, että resepti, jossa avainsanana oli “jääkakku” meni avainsanaluokittelussamme urheilusisältöihin, koska siellä oli määritelty kaikki “jääk”-alkuiset sanat liittymään jääkiekkoon.” Luodut hyvin toimivatkin ratkaisut siis vaativat käyttäjiltään arviointia ja aktiivista jatkokehittämistä.

Tekoäly auttaa yleisöjen paremmassa palvelussa

Heidi kertoo, että Kaleva Medialla on paraillaankin menossa useita eri tekoälyhankkeita:
“Hankkeet liittyvät esimerkiksi sisältöjen löytämiseen ja suosittelun rikastamiseen. Palveluiden käyttäjistä pyritään myös tekemään ennustemallia ja tarjoilemaan heitä kiinnostavia asioita. Mielestäni kiinnostava asia on esimerkiksi lojaliteetti-indeksi, eli sen tutkiminen, millaiset asiakkaat käyttävät aktiivisesti palveluitamme ja mitä voisimme heille tarjota kiinnostuksen ylläpitämiseksi.”

Heidi haluaa muistuttaa, että tärkeää on myös tehdä oikeita päätöksiä sen suhteen, mitä tekoälyn avulla saadulla tiedolla tehdään. Hän avaa asiaa esimerkin avulla:
“Jos yritys pystyy esimerkiksi datan avulla saamaan tiedon siitä, että joku asiakas tulee käytöksensä perusteella 70 % varmuudella päättämään asiakkuutensa, edessä on kysymys siitä, mitä tällä tiedolla esimerkiksi asiakaspalvelussa tai myynnissä pitäisi tehdä. Miten lähestymme tällaista asiakasta oikealla tavalla?” Kone ei tätä kerro.

Millaisia ratkaisuja tulemme näkemään ja millaisia asioita ratkomaan lähivuosina?

Heidi uskoo siihen, että tekoäly tulee lähivuosina auttamaan ihmisiä entistä enemmän sairauksien tunnistamiseen ja turvallisuuskysymyksiin liittyvissä asioissa. Samaan aikaan kun ratkaisut kehittyvät, joudutaan tietenkin pohtimaan eettisiä kysymyksiä ja määrittelemään sitä, mikä on riittävän luotettava taso, jotta päätökset voidaan pohjata tekoälyn laskemiin ennusteisiin.
“Onko esimerkiksi olennaista, että löydämme tekoälyn tekemän diagnosoinnin pohjalta kaikki, joilla voi olla tietty sairaus, jolloin joukkoon mukaan voi tulla myös terveitä ihmisiä virhediagnosoituna. Vai tähtäämmekö siihen, että löydämme vain he, joilla sairaus on varmasti ja tällöin osa sairasta jää diagnosoimatta?”, Heidi konkretisoi kysymyksen asettelua.

Pyydettäessä pohtimaan asioita, joihin toivoisi tekoälyä sovellettavan, Heidi löytää kehitettävää asiointipalveluista.
“Toivoisin, että saisimme aikaan yhteiskunnallisen datapankin, joka auttaisi asioiden hoitamisessa ja vähentäisi manuaalista työtä. Esimerkiksi yhteiskunnalliset avustukset ja palvelut voisivat tulla automaattisesti kohdennettuna ettei niitä tarvitsisi hakea. Tästä olisi apua esimerkiksi monille vanhuksille”, Heidi unelmoi ja kertoo olevansa optimisti ja keskittyvänsä mahdollisuuksiin uhkakuvien sijaan.

Mediamaailmassa kriittisyys ja medialukutaito tulevat Heidin mukaan kuitenkin korostumaan entisestään.
“Koneellinen äänentuottaminen ja kielenkääntäminen nopeuttavat entisestään tiedon leviämistä. Lähdemateriaali kasvaa ja journalismilla on tärkeä rooli luotettavan tiedon tuottajana ja välittäjänä. Samaan aikaan kun personoinnin osumatarkkuus kasvaa, ovat nousussa sisältöjen rikastaminen ja elämykselliset kerrontatavat. Toivon, että voimme kehittää ratkaisuja, jotka eivät vain pienennä kuplaa. Haluamme avartaa näkökulmia tuomalla esille sisältöjä, joita lukijamme eivät muuten löytäisi.”

Heidi Kananen on kirjoittanut yhdessä Harri Puolitaipaleen kanssa “Tekoäly, bisneksen uudet työkalut” -kirjan.


Lue seuraavaksi: