Tekoälyapurit käytännössä: Kolme yleistä työnkulkua
- Jarkko Järvenpää
- 29.8.
- 3 min käytetty lukemiseen
Päivitetty: 31.8.
Olemme tunnistaneet toimialasta ja yrityksestä toiseen toistuvia työnkulkuja, joihin kehitämme generatiivista tekoälyä hyödyntäviä apureita.
McKinseyn raportin[1] mukaan työtehtävät, jotka vievät 60-70% tietotyöntekijän päivittäisestä työajasta, voitaisiin automatisoida jo nykyisen generatiivisen tekoälyn avulla. Tämä koskee useita funktioita kuten markkinointia, myyntiä, asiakaspalvelua ja tuotekehitystä.
Vaikka tekoälyn todellisesta kyvykkyydestä voi olla eri mieltä, ja saavutettu säästö työajasta jäisi ym. pienemmäksi, sen mahdollistama nopeus ja tehokkuus tulevat vaikuttamaan niin merkittävästi jokaisen yrityksen kilpailukykyyn ja kustannuksiin, ettei yksikään yritys voi ohittaa tätä mahdollisuutta.
Ainesilla tavoitteemme on auttaa jokaista yritystä saavuttamaan näitä etuja mahdollisimman nopeasti ja kustannustehokkaasti. Siksi olemme tunnistaneet yrityksestä ja toimialasta toiseen toistuvia työnkulkuja, joihin kehitämme generatiivista tekoälyä hyödyntäviä apureita. Tällöin yritysten ei tarvitse investoida ja ylläpitää tarvittavaa teknologiaa näiden osalta, vaan ne voivat keskittyä ydintoimintoihinsa ja investoida generatiivisen tekoälyn kehittämiseen heille spesifeillä osa-alueilla, esimerkiksi omissa tuotteissaan ja palveluissaan.
Yritysten ei tarvitse kehittää ja ylläpitää itse tarvittavaa teknologiaa yleisten toistuvien työnkulkujen automatisoimiseksi, vaan ne voivat keskittyä ydintoimintoihinsa.
Ennen Ainesin perustamista teimme markkinatutkimusta verkossa ja suomalaisten yritysten parissa. Siinä nousi esiin selkeitä, toimialasta ja yrityksestä toiseen toistuvia esimerkkejä työnkuluista, jotka ovat kypsiä generatiivisen tekoälyn hyödyntämiselle. Niistä kolme selkeintä olivat:
Alle on avattu lyhyesti miten Ainesin tekoälyapurit voivat auttaa näiden jokaisen kohdalla.
Tarjouspyyntöihin vastaaminen
Tekoälyapuri tunnistaa asiakkaan tarpeet ja toiveet, tulivat ne sitten puhelun, sähköpostin, Excelin muodossa, tai vaikka WhatsAppilla. Se huomioi analyysissa niin toimiala- kuin yrityskohtaiset parametrit, yleiset kysymykset, sekä asiakkaan lähestymistavan – onko kyseessä tiettyjen tuotteiden tilaus, eri tuotevariaatioiden vertailu vai ongelman kuvaus, johon asiakas hakee ratkaisua. Tämän jälkeen apuri koostaa tunnistetun tarpeen, yrityksen tarjoaman ja muiden tietojen (esim. tilausehtojen) perusteella sopivan ratkaisun, hinnoittelee sen ja laatii vastaukset asiakkaan kysymyksiin. Lopulta apuri kirjoittaa tarjouksen sille annettujen ohjeiden ja/tai mallin mukaisesti halutussa kanavassa ja asiakkaan kielellä. Jos sillä on vaikeuksia, tai tarjous ylittää asetetun raja-arvon esimerkiksi tarjouksen arvon suhteen, se liputtaa sen ihmisen tarkastettavaksi. Mutta työ ei lopu siihen. Taustalla apuri lisää asiakkaan ja liidin CRM:n, kerää dataa asiakkaiden tarpeista ja kysymyksistä eri toimintojen kuten markkinoinnin ja tuotekehityksen hyödynnettäväksi, ja haluttaessa luo esimerkiksi vielä muistutuksen myyjän kalenteriin tarjouksen perään soittamista varten. Suurin arvo syntyy siitä, kun apuri tekee toistuvan tiedonhakuun ja -valmisteluun liittyvän työn, ja myynti voi keskittyä siihen mikä erottaa yrityksenne sekä asiakassuhteen rakentamiseen.
Tilausten käsittely
Tilausten käsittelyyn kehitetty tekoälyapuri poimii ostotilauksesta ensin mm. asiakkaan yleiset tiedot, ohjeet toimitukselle, mahdolliset viittaukset aiempaan tarjoukseen sekä ohjeet tilausvahvistusta varten. Sen jälkeen se tunnistaa yksittäiset tilausrivit ja niihin liittyvät tiedot, ja vertaa näitä yrityksen tuotetietoihin, jotta tilausrivit voidaan tunnistaa yksilöidysti yrityksen tuotteisiin ja palveluihin, niiden kirjaamiseksi toiminnanohjausjärjestelmään. Samoin poimitaan tilauksessa ilmoitetut hinnat ja alennukset, ja verrataan näitä hinnastoon ja sopimuksiin, ja vahvistetaan niiden oikeellisuus. Lopulta suoritetaan laadunvarmistus ja varmistetaan, että kaikki yrityksen määrittelemät pakolliset tiedot löytyvät tilauksesta. Jos näin ei ole, pyydetään ihmistä tarkistamaan tilaus ja luodaan automaattisesti viesti tilaajalle puutteellisten tietojen kysymiseksi. Kun kaikki on kunnossa, tilaus käsitellään, vahvistetaan ja viedään yrityksen järjestelmiin tuotantoa ja toimitusta varten. Näin nopeutetaan niin ”order to cash” -sykliä kuin tarjotaan tuotannolle ja logistiikalle enemmän aikaa reagoida kysyntään.
Tilaus-toimitus- ja hankintaprosessien poikkeamien käsittely
Kun asiat menee niin kuin Strömsössä, nykyiset toiminnanohjaus- ja vastaavat tietojärjestelmät pystyvät käsittelemään monta asiaa automaattisesti. Mutta kun näin ei ole, ja esimerkiksi laskun yksikköhinnat eivät täsmää tilauksessa sovittuihin hintoihin, tai määrät eivät vastaa tavaran vastaanottoilmoitusta, joutuvat ihmiset yleensä puuttumaan peliin.
Tähän tarkoitettu tekoälyapuri pystyy sisäistämään yrityksenne toimintatavat (Standard Operating Procedure) ja joko avustamaan tai automaattisesti käsittelemään nämä poikkeukset. Tämä saattaa sisältää toimintatapojen mukaan esimerkiksi toimittajalta lisätietojen kysymistä, ostajalta vahvistusta ja lopulta maksun vapauttamisen eteenpäin yrityksen järjestelmissä. Näin vapautetaan toimitusketjun ja talousosaston henkilöiden aikaa enemmän arvoa tuottavalle työlle ja vähennetään kiireessä tapahtuvia virheitä ja turhia kustannuksia.
Jokaisen tekoälyapurin kohdalla muokkaamme ne vastaamaan yrityksen liiketoimintaa ja tarjoamaa, ja kytkemme ne kiinteäksi osaksi työnkulkuja. Näin yksittäisen työntekijän ei tarvitse opetella käyttämään apureita tai erikseen käskeä (promptata) niitä toimimaan.
Kaikki käsittelemämme ja tuottamamme tieto, mukaan lukien kaikki apurien tuottama metadata kuten tarjouspyynnöistä poimitut kysymykset, ovat asiakkaan omaisuutta ja toimitettavissa heidän tietovarastoihinsa, eikä niitä käytetä Ainesin tai taustalla olevien kielimallien koulutuksessa.
Tekoäly on liiketoiminnan uusi elementti. Pelkän yleisen chat-apurin käyttöönotto ei riitä – todellinen kilpailuetu syntyy ratkaisuista, jotka nopeuttavat ja tehostavat laajemmin kokonaisia työnkulkuja. Aines voi auttaa tässä.
[1] McKinsey, The economic potential of generative AI: The next productivity frontier, June 2023
