Nappaa talteen 7 oppia Liiga-tekoälyennusteesta – ja hyödynnä omassa liiketoiminnassasi

Digia julkaisi kauden alussa tekoälyennusteen jääkiekon Liigan lopputuloksista. Ennustetta on seurattu ja päivitetty pitkin matkaa. Miten sama malli toisi apua päätöksentekoon yrityksissä, ja mitä kannattaa huomioida, kun hyödyntää tekoälyä ennustetyökaluna?  

Katso video: Petteri Sihvonen ja tekoäly kamppailivat Liigan ennustamisesta - mitä jäi käteen? 
Petteri Sihvonen on pitkin kulunutta kautta haastanut Digian tekoälymallia Liiga-pelien ennustamisesta. Petteri ja Digian Juhana Juppo keskustelevat videolla, mitä ihmisen ja tekoälyn ennusteiden kilvoittelusta on jäänyt käteen. Mitä tekoälystä opittiin? Juhana Juppo paljastaa videolla tekoälyn onnistumisprosentin, joka saa Petteri Sihvosen yllättymään.

Oppi 1: Tekoäly auttaa tekemään tarkempia päätöksiä monimutkaisessa ympäristössä 

Urheilu on luonteeltaan dynaamista: lopputuloksen ennustamiseen liittyy lukuisten muuttujien, kuten joukkuetilastojen, pelaajien suorituksen, aikaisempien otteluiden ja monien muiden tekijöiden arviointia. 

Yrityspäättäjät kohtaavat päivittäin saman haasteen. Lukuisat muuttujat vaikuttavat yrityksen menestykseen, ja kaikkien tekijöiden vaikutusta on vaikea arvioida. 

Liiga-ennusteessa tekoäly ennusti kauden ottelut oikein jopa yli 76 prosentin tarkkuudella, vaikka yllätyksiäkin mahtui matkaan. Isossa kuvassa tekoäly siis auttaa tunnistamaan vaikuttavia tekijöitä ja tarkentamaan päätöksentekoa merkittävästi. 

Oppi 2: Tekoäly auttaa tunnistamaan, mikä vaikuttaa lopputulokseen – eli millä on väliä ja millä ei 

Kun organisaatiossa halutaan kehittää tulosta johonkin suuntaan, on olennaista tunnistaa, mitkä asiat vaikuttavat haluttuun lopputulokseen – eli mihin kannattaa pistää paukut ja mikä on toisarvoista. Tekoäly auttaa, kun muuttujia on paljon ja halutaan selvittää, mitkä niistä ovat merkittäviä lopputuloksen kannalta. 

Liiga-ennusteessa tekoäly analysoi aiemman kauden pelit ja tunnisti sieltä, mitkä tekijät ovat vaikuttaneet aiempien voittojen taustalla. Uusi ennuste rakennettiin vain näitä tekijöitä käyttäen, jotta mahdolliset ylimääräistä kohinaa ennusteeseen aiheuttavat tekijät saataisiin eliminoitua. Tekoälyennuste onnistui yli 76 prosentin tarkkuudella.

Oppi 3: Tekoäly ei ole erehtymätön – mutta se oppii koko ajan lisää 

Jos ennusteen toistaisi seuraavalla kaudella, sitä voitaisiin tarkentaa tämän kauden opeilla. Vastaavasti yrityksissä tekoälyyn pohjautuvia ennustemalleja voidaan jatkuvasti kouluttaa tarkemmiksi. 

Oppi 4: Tekoäly auttaa korjaamaan inhimillisen ajattelun virheitä 

Ihmisen ajattelussa on monia sudenkuoppia, joiden kiertämisessä tekoäly voi auttaa. 

Ihmisen ajattelussa esimerkiksi jonkin yksittäisen tekijän merkitys voi yli- tai alikorostua. Esimerkiksi jääkiekossa ihmiset helposti yliarvioivat jonkun yksittäisen sankaripelaajan merkitystä. 

Myös yrityksissä käy joskus niin, että jotakin yksittäistä asiaa tai mittaria seurataan ehkä liiankin tarkkaan – kun jokin muu, ehkä merkittävämpi, tekijä jää samalla katveeseen. Tekoäly auttaa tunnistamaan ja tasapainottamaan vaikuttavia tekijöitä.

Oppi 5: Paras hyöty syntyy yhdistämällä ihmisen intuitio ja koneen laskentateho 

Kone laskee ennusteita ihmistä tarkemmin valtavan laskentatehonsa ansiosta 

Tekoäly on kuitenkin sidoksissa dataan, eikä se pysty huomioimaan yllätyskäänteiden tai inhimillisten tekijöiden vaikutusta. 

Siksi paras lopputulos saadaan hyödyntämällä tekoälyä ihmisen työkaluna. 

Lue lisää ihmisen ja tekoälyn vahvuuksista ja kompastuskivistä täältä.

Oppi 6: Tekoälykin erehtyy joskus – älä luota sokeasti vaan ymmärrä, miten tekoäly toimii 

Tekoäly ei ole kristallipallo, jolla näkee tulevaisuuteen, vaan tekoälyn ennusteet perustuvat historiadatan äärimmäisen tarkkaan analyysiin: vaikuttavien tekijöiden tunnistamiseen ja niihin perustuen todennäköisyyksien laskentaan. 

Tekoälyn ennusteet kehittyvät ja tarkentuvat, kun dataa kertyy lisää, mutta se ei osaa huomioida yllättäviä tapahtumia, jotka eivät näy datassa. 

Esimerkiksi Ilvestä tekoäly ennusti alussa mestariksi, mutta jo vuodenvaihteessa Ilveksen sijoitus ennusteessa laski, toisin kuin monilla muilla ennusteita julkaisevilla tahoilla, joista osa uskoi Ilveksen voittomahdollisuuksiin loppuun asti. Kärpät tekoäly sijoitti kauden alussa ennusteessa vasta sijalle 10, mutta kun Kärpät vaihtoi tammikuussa valmentajaa ja sai sen jälkeen pelin kulkemaan, joukkueen sijoitus lähti tekoälyn ennusteissa nousemaan. Pronssisijoituksen tekoäly osasi ennustaa reilua kuukautta ennen mitalipelejä. 

Tekoäly on siis erittäin hyvä ajattelun ja päätöksenteon apuväline, mutta on tärkeää ymmärtää, miten se toimii ja mihin ennuste perustuu. 

Oppi 7: Tekoälystä on kaupallista hyötyä 

Digia toteutti tekoälyennusteen Liiga-kauden lopputuloksista havainnollistaakseen tekoälyn mahdollisuuksia päätöksenteon ja johtamisen työkaluna. 

Jälkikäteen on kuitenkin mahdollista tarkastella, miten tekoälyn ennuste osui nappiin vedonlyöjiin verrattuna. Tekoälyn onnistumisprosentti oli noin 76, ja esimerkiksi Veikkauksen vedonlyöjät jäivät keskimäärin alle tämän. 

Leikkimielisesti voi siis todeta, että ennuste olisi tuonut vedonlyöjälle parhaat voitot. Vastaavasti liiketoiminnassa malli auttaa tekemään parempia päätöksiä ja viimekädessä parempaa tulosta.

Tutustu tekoälyn ennusteeseen Liigan voittajasta
Digian kehittämä tekoäly ennustaa Liiga-kauden 2023-2024 lopputulokset. Uusin ennuste ja kaikki aiemmat versiot ovat tutustuttavissa täällä.

Näin pääset alkuun tekoälyn hyödyntämisen kanssa
Tekoälyn tiekartta -palvelu auttaa tunnistamaan, miten juuri teidän organisaationne hyötyisi tekoälystä eniten. Tavoitteena on tehdä AI ymmärrettäväksi ja löytää konkreettisia kehityskohteita, joita voidaan lähteä kehittämään ja testaamaan.
Lue lisää >