Codenton Self-Driving Enterprise ja Google Cloud esiteltiin tämänpäiväisessä Kauppalehdessä:
Suomalaisyritykset tekevät tekoälyllä yhden virheen – ”Ajatellaan liian pienesti”
Google Cloudin maajohtaja Markus Hongisto ja Codenton toimitusjohtaja Anthony Gyursanszky esittelivät, miltä näyttää organisaatiollinen agenttiryhmä ja selittivät, miten yritysten tulisi pysyä tekoälykehityksen kelkassa.
It-konsultointiyhtiö Codenton toimitusjohtaja Anthony Gyursanszky syöttää tehtävän luoda agenda seuraavalle tapaamiselle kuvitellussa skenaariossa Helsingin pörssin yhtiössä työskentelevälle toimitusjohtajalle ja hänen johtoryhmälleen. Agentit tekevät työnsä reaaliajassa ja kokousta varten käsiteltävät ongelmat ilmestyvät ruudulle tärkeysjärjestyksessä. Aikaa agendan valmistumiselle kuluu kahdesta kolmeen minuuttia. Agentit osaavat ottaa huomioon yhtiöön olennaisesti liittyvät rajoitteet, esimerkiksi puolustusalan yhtiössä Naton ja kohdemaan säädökset.
Self Driving Enterprise Blueprintin (SDE Blueprint) näkymässä voi tarkistaa, mitä agentteja kymmenistä erilaisista ongelmanratkaisuun käytettiin. Juuri agenttitekoäly ja niillä tehdyt itseään kehittävät loopit ovat tällä hetkellä kovinta huutoa tekoälykehityksessä. Tämä mahdollistaa työn tapahtumisen taustalla, ilman että ihmisen tarvitsee olla mukana juuri lainkaan. Lisäksi oikein rakennetussa järjestelmässä aiemmin aikaa syönyt ja työn usein keskeyttänyt promptaukseen käytettävä aika vähenee, kun agenteille tarvitsee syöttää vain idea siitä, mitä lähdetään ratkaisemaan.
Codenton SDE Blueprint on rakennettu Gemini Enterprise -alustalle. Google Cloudin maajohtaja Markus Hongisto arvioi, että tekoälykehitys tapahtuu tällä hetkellä ennen kaikkea pilvipalveluissa, mihin uusimmat mallit rakennetaan. ”Pilvipalvelut näyttävät selvästi suuntaa tekoälyn kehityksessä. Ominaisuuksien kehittyessä huimaa vauhtia tekoälykehityksen pitäminen pilvessä mahdollistaa sen, että asiakkaat pääsevät hyötymään alustan jatkuvasta kehityksestä. Vastaavien ominaisuuksien tuomista perinteisiin ympäristöihin kannattaa harkita vain hyvin erityisissä tapauksissa.”
Pilviympäristöt mahdollistavat Hongiston mukaan sen, että useita malleja voi käyttää samanaikaisesti niille sopiviin käyttötarkoituksiin. Hongisto huomauttaa, että vaikka Gemini Enterprise toimii natiivisti Googlen omilla Gemini-malleilla, Gemini Enterprise Agent Platform antaa asiakkaille joustavuuden käyttää myös muiden palveluntarjoajien kielimalleja tiettyjen agenttien ja tehtävien tehostamiseen.
Esimerkiksi tavallisiin chat-ominaisuuksiin tai kevyeen koodaamiseen ei välttämättä tarvitse kaikista kehittyneintä Anthropicin tai OpenAI:n mallia, vaikka se olisi testattaessa todettu tehokkaimmaksi vaativimpiin tehtäviin. ”Olen käyttänyt esimerkkinä, että Wolt-kuskit käyttävät kuljetuksiinsa sähköskuutteja ja pyöriä. Ne eivät vie rekoilla niitä pitsalaatikoita. Mallien käyttämisessä on vähän sama asia, pitää valita oikea työväline kuhunkin käyttötarkoitukseen.”
Markkinainnostus ChatGPT:n julkaisun jälkeen loppuvuodesta 2022 sokaisi Hongiston mukaan ainakin osan yrityksistä. Sen sijaan, että yrityksissä oltaisiin mietitty, mitä ongelmaa ratkaistaan, tehtiin paljon tekoälykokeiluja, joissa päämäärää ei välttämättä ollut. ”Monen yrityksen ja organisaation johto keksi, että nyt pitää tehdä hirveästi asioita tekoälyllä. Siinä kohdassa monessa paikassa unohtui, että vaikka tekoäly onkin ainutlaatuisen upea työkalu, se on lopulta vain työkalu.”
Gyursanszky huomauttaa, että moni yritys oli jo mukana kehittämässä omia esimerkiksi koneoppimiseen perustuvia järjestelmiä ennen ChatGPT:n julkaisua. Sittemmin rahaa ja resursseja on käytetty paljon sellaisiinkin asioihin, jotka eivät ole päättyneet hyvin. ”Olen sitä mieltä, että varmasti ollaan käytetty paljon turhaa energiaa ja rahaa kielimalleihin, mutta varmasti ollaan myös opittu paljon.”
Yhdysvaltojen hallinto on ottanut kovemman linjan tekoälyn suitsimiseen varsinkin ohjelmistohaavoittuvuuksia tehokkaasti löytävän Anthropicin Mythos-mallin julkaisun jälkeen, mutta yritystasolla Hongisto pitää yhdysvaltalaisia yrityksiä halukkaampina näkemään tekoälyn hyötyjä isossa kuvassa. ”Suomessa varsinkin on ollut taloudellisia haasteita ja siten tekoäly on nähty loistavana tapana säästää kustannuksia ja tuottavuutta parantavana. Ja vaikka monessa kohtaa se onkin, mielestäni siinä ajatellaan liian pienesti, jos mietitään vain pieniä nipistyksiä kuluista.”
Investoinnit voivat silti mennä myös yli, jos tarvittavia suojarakenteita ei ole rakennettu sisään tuotteisiin. Esimerkiksi Uber kertoi käyttäneensä koko vuodelle allokoidun tekoälybudjettinsa vain neljässä kuukaudessa. Hongisto korostaa, että tällaisissa tilanteissa on tapahtunut virheitä tai on toimittu vastuuttomasti. ”Otsikoissahan on ollut sellaisia tapauksia, joissa on tehty hirveässä huumassa ilman mitään kontrollia kuka saa polttaa kuinka paljon tokeneita ja niin edespäin. Virhe on tapahtunut, kun ei ole hoksattu, että kontrolli pitää pysyä.”
Yrityskäytössä sekä Hongisto että Gyursanszky kertovat pitävänsä tärkeämpänä sitä, miten tekoälyä käytetään, sen sijaan että tuijotettaisiin sokeasti käytetäänkö yrityksessä esimerkiksi OpenAI:n vai Anthropicin kielimallia. Lisäksi esiin nousee koulutusdata. ”Agentit toimivat juuri niin hyvin kuin se data, mitä niillä on käytettävissä. Siksi tarvitaan kytköksiä eri datalähteisiin ja pohdintaa siitä, mitä dataa kukin agentti voi käyttää, koska kaikkien ei tarvitse olla kiinni koko yrityksen datasetissä”, Gyursanszky kertoo demon aikana.
Datalähteissä voi ilmaantua myös juridisia ongelmia, minkä vuoksi johdon on hyvä olla perillä siitä, mihin tekoäly pääsee käsiksi ja mitä se pystyy datalla tekemään. ”Esimerkiksi hallituksella ja toimitusjohtajalla on yrityksissä isot juridiset vastuut. Ei ole mikään leikin asia, mitä tekoälyagentit pääsevät heidän nimissään tekemään”, Gyursanszky avaa.
Molemmat korostavat, että kehitys alkaa suurimmassa osassa yrityksistä yksittäisistä henkilöistä ja tiimeistä. Työntekijöiden välillä voi olla tekoälyosaamisessa ja ymmärryksessä vuosien ero. Ongelmana pidetään sitä, että ymmärrys pitäisi olla hyvä varsinkin johtoryhmässä ja todellisuudessa monessa tapauksessa ei ole. ”Johtoryhmien pitäisi olla valveutuneempia eikä ulkoistaa tekoälykehitystä pelkästään it:lle tai tekoälyjohtajalle. Kun johtoryhmässä on vahva ymmärrys miten agentteja käytetään ja rakennetaan, niin yritys voi alkaa suunnitella suuntaa oikeasti muuttavaa polkua”, Gyursanszky tiivistää.
Hongisto huomauttaa perään, että tämä ei päde kaikkiin johtajiin, vaan on tapauksia joissa saatetaan olla turhankin innokkaita. ”Kuulin kerran erään teknologiajohtajan vitsailevan, että voisimmeko rakentaa alustan, jossa toimitusjohtajamme voi tehdä vibe-koodausta hallitummalla tavalla?”, Hongisto kertoo. Teknologiajohtajan mukaan toimitusjohtaja alkoi olla ”vähän liian aktiivinen”.
Googlessa johto on tiivistänyt kehityksen kahteen asiaan: käyttäjien kannustamiseen ja johdon esimerkkiin. Hongisto sanoo itsensä naurunalaiseksi asettamisen olleen hyvä tapa saada työntekijöitä innostumaan tekoälyn käyttöön. Hän pitää kokeilemista ja epäonnistumista muiden nähden omana supervoimanaan. ”On välillä jopa parempi että johto tekee jotain ja epäonnistuu kaikkien nähden, koska silloin tiimi näkee että no, ainakin osaan paremmin kuin Markus”, Hongisto naurahtaa.
Yritystiedot: Codento
- Mikä: It-konsulttiyhtiö, joka on erikoistunut Google Cloud -teknologioihin. Codento toimii Suomessa, Ruotsissa ja Norjassa.
- Toimitusjohtaja: Anthony Gyursanszky
- Perustettu: Vuonna 2005
- Liikevaihto: n. 10 miljoonaa euroa (proforma)
- Työntekijöitä: 75 (2026)
- Muuta: Google Cloud palkitsi Codenton vuoden 2026 Partner of the Year -tunnustuksella Suomessa.
Katso artikkeli: Kauppalehti