Myyjä kysyy Copilotilta, paljonko asiakkaalle myönnettiin alennusta viime sopimuskaudella. Vastaukseksi tulee hetkessä prosenttiluku, perustelu ja jopa viittaus sopimukseen. Vaikuttaa täsmälliseltä.
Ongelmia syntyy, kun sama tieto löytyy kolmesta eri paikasta ja jokaisessa vähän eri muodossa. Yhdessä järjestelmässä on allekirjoitettu sopimus, toisessa neuvotteluvaiheen luonnos ja kolmannessa myyjän oma laskelma. Kaikki nämä tietolähteet sisältävät keskenään eri lukuja. Tekoäly valitsee yhden niistä, mutta ei välttämättä tiedä, mikä niistä on virallinen tai ajantasainen. Jos tieto päätyy tarjoukseen tai päätöksenteon tueksi, kyse on liiketoimintariskistä.
Tekoälyn arvo ei lopulta ratkea mallin kyvykkyydessä tai käyttöliittymässä. Olennaisempaa on, mihin tietoon vastaukset perustuvat ja kuinka hyvin tuo tieto on hallinnassa.
Sama ilmiö toistuu liiketoiminnan käsitteissä. CRM:ssä, laskutuksessa ja raportoinnissa asiakasmäärä voi olla kolme eri lukua, riippuen siitä miten "asiakas" on määritelty. Yksikään luvuista ei ole väärä omassa yhteydessään. Tekoäly ei välttämättä tunnista ristiriitaa, vaan se valitsee yhden vastauksen ja esittää sen vakuuttavasti.
Käytännössä ongelman taustalla on usein epäselvyys vastuissa. IT vastaa järjestelmistä, liiketoiminta hyödyntää tietoa ja data- tai AI-tiimit rakentavat ratkaisuja. Silti vastuu tiedon merkityksestä, laadusta ja käyttöehdoista jää helposti hajanaiseksi. Tällöin myös uusien tietolähteiden hyödyntäminen tekoälyratkaisuissa hidastuu, koska yhteisiä pelisääntöjä ei ole määritelty. Tekoäly voi tuoda esiin ongelmia, jotka ovat olleet olemassa jo aiemmin mutta eivät ole näkyneet yhtä selkeästi.
Ratkaisu ei yleensä ole tekninen vaan toiminnallinen. Organisaation on pystyttävä vastaamaan muutamiin peruskysymyksiin: mikä on tiedon virallinen lähde, kuka siitä vastaa ja millä ehdoilla sitä voidaan käyttää. Kun nämä asiat ovat kunnossa, myös tekoälyn tuottamiin vastauksiin voidaan luottaa paremmin.
Datan ongelmat eivät välttämättä tulee esiin nopeasti käynnistetyissä tekoälypiloteissa. Rajatuissa ympäristöissä, joissa käyttötapaus on rajattu, aineisto valittu huolellisesti ja käyttäjäryhmä pieni, ratkaisut voivat toimia erittäin hyvin.
Haasteet tulevat yleensä vastaan siinä vaiheessa, kun ratkaisu halutaan laajempaan käyttöön. Silloin järjestelmän pitäisi pystyä tunnistamaan esimerkiksi voimassa oleva hinnasto vanhentuneesta versiosta tai virallinen sopimus luonnoksesta ilman manuaalista tarkistusta. Tämä edellyttää tietolähteiden kuvauksia, yhteisiä käsitteitä, metadataa sekä selkeitä vastuita.
MIT:n vuonna 2025 julkaisema tutkimus yli 300 tekoälyhankkeesta osoittaa, että teknologia yksin ei riitä tuottamaan liiketoimintahyötyjä. Onnistuminen riippuu siitä, kuinka hyvin tekoälyratkaisut integroidaan organisaation toimintamalleihin ja prosesseihin. Tämä korostaa myös luotettavan ja hallitun tietoperustan merkitystä tekoälyn käytössä.
Data governancen merkitys näkyy myös organisaatioiden investoinneissa. Deloitten vuoden 2025 CDO-tutkimuksessa yli puolet datajohtajista pitää data governancea keskeisenä kehityskohteena, ja lähes kolme neljästä kertoi investoivansa datan hallinnan ratkaisuihin varmistaakseen, että data säilyy luotettavana, laadukkaana ja liiketoiminnan hyödynnettävissä myös tulevaisuudessa.
Tätä ei kuitenkaan tarvitse heti ratkaista koko organisaation laajuisena ohjelmana, vaan usein on järkevää aloittaa yhdestä liiketoiminnallisesti tärkeästä käyttötapauksesta. Se voi olla esimerkiksi myynnin tukeminen, asiakastiedon hyödyntäminen tai raportoinnin kehittäminen. Valitun datan osalta selvitetään, mikä on virallinen lähde, kuka siitä vastaa, onko tieto riittävän laadukasta, ja millä ehdoilla sitä saa käyttää.
Näistä vastauksista syntyy toimintamalli, jota voidaan hyödyntää myös seuraavissa käyttötapauksissa. Hyödyt eivät rajoitu tekoälyyn, vaan samat perusasiat tukevat myös esimerkiksi raportointia ja analytiikkaa. Kun käsitteet, laskentasäännöt ja omistajuudet ovat kunnossa, aikaa ei kulu siihen mitä jokin luku tarkoittaa tai keneltä sitä pitäisi kysyä. Samalla raportteihin luotetaan enemmän ja muutoksia on helpompi viedä eteenpäin.
Kilpailija voi ostaa saman tekoälytyökalun huomenna. Kilpailuetua ei kuitenkaan synnytä työkalu itsessään vaan kyky hyödyntää omaa tietoa tehokkaasti. Organisaatioilla on käytössään asiakaskokemusta, toimintatapoja, dokumentaatiota ja asiantuntijoiden osaamista, jota ei voi ostaa valmiina ulkopuolelta. Kun tämä tieto on löydettävissä, ymmärrettävää ja luotettavaa, siitä tulee pääomaa, jota ei saa lisenssillä mistään.
Tekoälyn käyttöönoton arvo ei tule siitä, kuka ehti ensin. Arvo syntyy siitä, kuinka hyvin oma tietopääoma tunnetaan ja kuinka luotettavasti sitä voidaan hyödyntää.
Loihde auttaa tunnistamaan tiedon hyödyntämisen esteet ja rakentamaan Data Governance -hallintamallin, joka näkyy luotettavampana tietona, selkeämpinä vastuina ja yhtenäisinä käsitteinä, joiden avulla tiedosta saadaan enemmän arvoa irti.