Katso webinaaritallenne Teollisuuden AI-agenteista
Kuinka pitkällä suomalaisissa teollisuusyrityksissä ollaan AI-agenttien hyödyntämisessä? Mitä tämän päivän tekoälyagentit todella osaavat, missä niiden rajat kulkevat ja miten ne voidaan liittää osaksi kestävää, älykästä palveluarkkitehtuuria.
Webinaarin teemat:
1. Tekoälyagentit tänään: hypeä vai hyötyä teollisuudessa?
Mitä AI-agentit oikeastaan ovat, ja millaisia ongelmia ne voivat ratkaista teollisuusympäristössä? Tässä osuudessa selvitämme, missä vaiheessa teknologia nyt on ja millaisiin rajoitteisiin törmätään agenttiratkaisuissa teollisuudessa.
2. Arkkitehtuurista automaatioon, eli miten rakennetaan kestävä AI-kyvykkyys?
Todellinen kilpailuetu syntyy, kun tekoäly ja automaatio kytketään osaksi yrityksen kokonaisarkkitehtuuria. Tässä puheenvuorossa avataan, millaisia eroja on AI-palveluarkkitehtuurin suunnittelussa verrattuna yksittäisten ratkaisujen kehittämiseen ja miten saavutetaan skaalautuvia hyötyjä.
3. Käytännön case-esimerkit
Valotamme konkreettisten asiakastarinoidemme kautta, miten teollisuusyritykset ovat hyödyntäneet automaatiota ja AI-ratkaisuja osana prosessejaan.
Kenelle:
Teollisuus- ja energialan toimijoilla digikehityksestä ja datan laadusta vastaavat henkilöt, palvelukehityksestä vastaavat ja IT-päättäjät.
Puhujat
Q&A - Vastaukset alla 👇
Miten hiljainen tieto saadaan opetettua tekoälylle niin, että se voi opettaa tietoa uudelle työntekijälle?
Hiljainen tieto siirretään tekoälylle ennen kaikkea systemaattisen keruun ja rakenteistamisen avulla. Tässä kolme esimerkkiä tiedon keräys- ja siirtotavoista:
- Haastattelut ja asiantuntijoiden kokemusten dokumentointi
Hiljainen tieto kaivetaan esiin keskusteluilla, työpajoilla ja asiantuntijahaastatteluilla. Näissä avataan esimerkiksi työn taustalogiikkaa, kokemusperäisiä ratkaisuja ja päätöksenteon perusteita, eli juuri sitä tietoa, jota ei normaalisti löydy kirjallisista ohjeista.
- Poikkeamatilanteiden ja ratkaisujen kerääminen
Tärkeä osa hiljaista tietoa syntyy silloin, kun työssä tulee vastaan poikkeamia. Keräämällä dataa siitä, millaisia poikkeamia on ollut ja miten ne on ratkaistu, saadaan arvokasta käytännön tietoa, jonka tekoäly voi oppia ja siirtää edelleen uusille työntekijöille. - Tekoälyapurin jatkuva laadun kehittäminen
Kun tekoälyä käytetään käytännössä, sen antamista vastauksista kerätään palautetta ja lokitietoa. Tämä mahdollistaa tiedon jatkuvan parantamisen ja täydentämisen. Näin hiljainen tieto siirtyy tekoälylle vähitellen ja päivittyy koko ajan työn arjessa.
Yhdistämällä nämä menetelmät, hiljainen tieto saadaan koottua tekoälyn taustalla olevaan tietokantaan, josta se on helposti hyödynnettävissä uusien työntekijöiden perehdytyksessä ja arjen ongelmanratkaisussa.
Voiko Microsoft 365 Copilotilla luoda autonomisia agentteja? Jos ei, mitä siihen tarvitaan?
Microsoft 365 Copilotilla ei tällä hetkellä voi luoda täysin autonomisia agentteja. Syynä on se, että markkinoilla ei vielä ylipäätään ole teknologiaa, joka mahdollistaisi aidosti itsenäisesti toimivat, ilman valvontaa päätöksiä tekevät agentit.
Copilotilla voidaan kuitenkin rakentaa rajattuja ja ohjattuja agenttimaisia työnkulkuja, esimerkiksi:
- useista peräkkäisistä agenteista koostuvia prosesseja
- automaatioita, jotka käsittelevät ja rikastavat asiakastietoja
- työnkulkuja, jotka hakevat lisätietoja, puhdistavat dataa tai lähettävät ilmoituksia
Näissä tapauksissa Copilot toimii ”boksin sisällä”: se toteuttaa tehtäviä itsenäisesti, mutta ennalta määriteltyjen rajojen ja sääntöjen puitteissa.
Täysin autonomista tekoälyagenttia varten tarvittaisiin lisäksi:
- agenttiarkkitehtuuri, joka kykenee jatkuvaan päätöksentekoon ilman ihmisen ohjausta
- ympäristö, jossa agentti voi itse määritellä tavoitteitaan
- kehittyneempiä tekoälyalustoja kuin mitä tällä hetkellä on Microsoft 365 -ekosysteemissä saatavilla