FabCon Europe vahvisti ajatusta, joka tekoälyhankkeissa jää helposti uusien ominaisuuksien varjoon: tekoäly tarvitsee luotettavan käsityksen siitä, mitä organisaation tieto tarkoittaa. Microsoft Fabric tarjoaa välineitä tämän perustan rakentamiseen, mutta liiketoiminnan määritelmiä se ei päätä puolestamme.
Palasin Barcelonan FabCon Europe -tapahtumasta miettien kysymystä, jonka moni organisaatio tunnistaa: tekoälyä kokeillaan innokkaasti, mutta miksi investoinnin vaikutus liiketoimintaan jää joskus silti pieneksi? Tapahtuman julkistuksissa korostui tekoälyn, analytiikan ja hallitun yritystiedon tuominen lähemmäs toisiaan. Minulle kiinnostavin kysymys ei olekaan se, kuinka nopeasti agentti saadaan vastaamaan, vaan se, voiko sen vastaukseen luottaa.
Kuvitellaan myyntijohtaja, joka kysyy tekoälyltä: ”Mitkä asiakkuudet ovat kannattavimpia?” Kysymys kuulostaa yksinkertaiselta. Vastaus riippuu kuitenkin siitä, tarkoitetaanko kannattavuudella myyntikatetta vai asiakkuuden koko elinkaaren arvoa. Kohdistetaanko palautukset, alennukset ja palvelukustannukset asiakkaille? Lasketaanko mukaan vain aktiiviset asiakkaat? Jos näitä asioita ei ole sovittu, tekoäly voi antaa sujuvan vastauksen väärään kysymykseen.
Tekoäly ei korjaa epäselviä liiketoimintamääritelmiä. Se voi tehdä niistä entistä vaikeampia huomata.
Monessa organisaatiossa näihin kysymyksiin on jo tehty arvokasta työtä Power BI:n semanttisissa malleissa. Niissä on määritelty esimerkiksi mittareita, taulujen välisiä suhteita ja liiketoiminnan käsitteitä. Kun myyntikate lasketaan yhdessä hallitussa mallissa, samaa laskentaa voidaan käyttää useissa raporteissa sen sijaan, että jokainen tekijä rakentaa oman versionsa. Microsoftin Fabric IQ -ajattelussa tätä semanttisiin malleihin tehtyä työtä voidaan hyödyntää myös raportointia laajemmin.
Tämä muuttaa tietomallinnuksen merkitystä. Semanttinen malli ei ole vain raportin tekninen tausta, vaan paikka, jossa organisaatio kertoo, mitä sen luvut tarkoittavat. Jos tekoälylle annetaan pääsy pelkkiin tauluihin ja sarakkeisiin, se joutuu päättelemään niiden merkityksen itse. Ja tämä toistuu aina, kun tekoälyä käytetään, ja se saattaa tuottaa erilaisia tuloksia jokaisella kerralla! Hyvin rakennettu malli antaa sille paremmat lähtökohdat vastata liiketoiminnan kysymyksiin johdonmukaisesti.
Malli on silti vain niin hyvä kuin sen taustalla tehdyt päätökset. Jonkun on omistettava mittarin määritelmä, ratkaistava ristiriidat eri yksiköiden välillä ja huolehdittava siitä, että määritelmä muuttuu liiketoiminnan mukana. Tämä on yhtä paljon yhteistyötä kuin teknologiaa.
Microsoft Fabricin vahvuus on, että tiedon tuomista, jalostamista, tallentamista ja analysointia voidaan tehdä saman alustakokonaisuuden piirissä. Yhtenäinen alusta helpottaa yhteisten tietotuotteiden rakentamista, mutta ei yksin takaa tiedon laatua tai oikeita käyttöoikeuksia. Ne on suunniteltava ja ylläpidettävä osana toteutusta.
FabCon Europessa esillä ollut Fabric IQ vie ajatusta pidemmälle. Sen tarkoitus on tuoda tekoälyn käyttöön liiketoimintakontekstia: käsitteitä, niiden välisiä suhteita ja määritelmiä, joiden avulla tieto voidaan tulkita oikein. Fabric IQ:n Ontology-ominaisuudessa voidaan esimerkiksi kuvata, mitä asiakas, sopimus ja tilaus tarkoittavat sekä miten ne liittyvät toisiinsa. Ontologia voidaan myös muodostaa olemassa olevan Power BI:n semanttisen mallin pohjalta hyödyntäen organisaation jo tekemää työtä.
Oleellista on, ettei Fabric IQ tee semanttisista malleista tarpeettomia. Päinvastoin: se tekee näkyväksi, kuinka arvokkaita hyvin määritellyt mittarit ja suhteet ovat myös tekoälyn aikakaudella. Niille organisaatioille, jotka eivät käytä Power BI:tä, Microsoft on kehittämässä Fabriciin myös suoraan analyyttisten moottorien päällä toimivia semanttisia näkymiä, jotka yhdessä ontologioiden kanssa tarjoavat tekoälylle sen tarvitsemaa liiketoimintakontekstia.
Kaikkea organisaation dataa ei tarvitse saada täydelliseksi ennen ensimmäistä tekoälyhanketta. Kannattaa valita yksi liiketoiminnan kannalta tärkeä kysymys ja rakentaa sen ympärille luotettava tiedon polku:
Sopikaa, mitä kysymyksen käsitteet ja mittarit tarkoittavat.
Varmistakaa tiedon laatu, ajantasaisuus ja omistajuus.
Mallintakaa tieto niin, että sama määritelmä palvelee sekä analytiikkaa että tekoälyä.
Rajatkaa käyttöoikeudet ja testatkaa vastauksia todellisilla liiketoiminnan kysymyksillä.
Vasta tämän jälkeen voidaan arvioida, nopeutuuko työ, paraneeko päätöksenteko vai syntyykö uutta arvoa. Onnistumisen mittari ei ole agenttien määrä, vaan se, mitä niiden avulla voidaan tehdä luotettavasti.
FabCon Europen tärkein viesti minulle oli lopulta tämä: tekoälyn mahdollisuudet kasvavat huimaa vauhtia, mutta kestävää hyötyä ei rakenneta pelkällä käyttöliittymällä tai käyttämällä uusinta kielimallia. Se rakennetaan tiedolla, jonka merkitys tunnetaan, jonka käyttö on hallittua ja johon liiketoiminta uskaltaa nojata. Microsoft Fabric tarjoaa tähän vahvan teknisen alustan. Perustusten rakentaminen on kuitenkin yhä meidän ihmisten harteilla.
Ota yhteyttä Digian asiantuntijoihin. Mietitään yhdessä, miten data saadaan tukemaan parhaiten AI-hankkeitanne – ja miten Microsoft Fabricin uusimmista ominaisuuksista otetaan kaikki hyödyt irti.