Tekoälyhankkeen onnistuminen määräytyy jo ennen sen käynnistymistä

Moni tekoälyhanke jää ilman odotettua liiketoiminta-arvoa, vaikka teknologia olisi kunnossa. Ratkaisevat päätökset tehdään usein jo ennen ensimmäistä pilottia.

Tekoälyä on kaikkialla – mutta mistä kannattaa aloittaa?

Kymmeniä tekoälyideoita pöydällä, mutta hankala päättää, mihin niistä tarttua ensin ja miten lähteä liikkeelle. Resurssien jakaminen nopeiden kokeilujen ja suurten hankkeiden välillä on haastavaa ja on vaikea tunnistaa, missä ulkopuolinen apu olisi arvokkainta.

Kuulostaako tutulta?

Harva enää kysyy, kannattaako tekoälyä hyödyntää. Sen sijaan moni pohtii, mihin sitä juuri nyt kannattaa käyttää ja miten lähteä käytännössä liikkeelle.

Samalla paine tekoälyn lupausten lunastamiseen lisääntyy monesta suunnasta: johto odottaa mitattavia tuloksia, tiimit odottavat suuntaa ja ohjeistusta, kilpailijatkin näyttävät jo tehneen tekoälyloikan.

Onneksi ei ole liian myöhäistä aloittaa. Perinteisempi tekoäly, kuten koneoppiminen, on ollut käytössä jo vuosikymmenet ja on edelleen erittäin ajankohtaista esimerkiksi datan luokittelussa ja ennusteiden laatimisessa. Generatiiviset tekoälymallit ovat olleet yleisesti saatavilla vasta muutaman vuoden ja kehittyvät yhä kiihtyvällä tahdilla. Tulevaisuuden tekoälyteknologiat voivatkin avata täysin uusia mahdollisuuksia, joita emme vielä osaa edes kuvitella. Eivätkä kilpailijatkaan välttämättä ole vielä niin pitkällä kuin ulospäin vaikuttaa. Ehdit siis vielä hyvin mukaan tekoälykehitykseen!

Tekoälyteknologia on kaikille saatavilla, mallit ovat riittävän kypsiä yrityskäyttöön ja työkaluja on tarjolla enemmän kuin koskaan. Kysymys kuuluukin: miksi organisaatiot, joilla on käytössään samat teknologiat, päätyvät niin erilaisiin lopputuloksiin?

MIT:n heinäkuussa 2025 julkaisema State of AI in Business -raportti paljastaa: vaikka generatiiviseen tekoälyyn oli jo investoitu kymmeniä miljardeja, vain viisi prosenttia organisaatioista sai siitä mitattavaa liiketoimintahyötyä. Ero ei selity mallien laadulla tai sääntelyllä, vaan organisaation lähestymistavalla tekoälymurrokseen.

Ideoita riittää – miksi tekoälyhankkeet eivät silti tuota liiketoiminta-arvoa?

Ratkaiseva ero ei synny toteutusvaiheessa, vaan paljon aiemmin: siinä, miten organisaatio päättää, mihin tekoälyä kannattaa ylipäätään suunnata ja miten sitä johdetaan.

Käytännön kokemusten ja MIT:n tutkimuksen perusteella kolme haastetta nousee esiin yhä uudelleen. Näitä välttämällä onnistut varmemmin.

Etsitään naulaa vasaralle

Aloitetaan teknologiasta ("mihin voisimme käyttää tekoälyä") sen sijaan, että lähdettäisiin liikkeelle liiketoimintaongelmasta ("mikä meillä oikeasti maksaa eniten tai hidastaa meitä eniten"). Lisäksi jos tekoälyn mahdollisuuksia ja haasteita ei ymmärretä kunnolla, valitaan sopimattomia käyttökohteita, joissa liiketoimintahyöty jää vähäiseksi. Lopputuloksena hanke hiipuu, koska ratkaisulle ei synny riittävästi arvoa eikä sitoutuneita käyttäjiä.

Tämä näkyy MIT:n raportin mukaan myös siinä, mihin tekoälyinvestoinnit yleisimmin kohdistuvat. Suuri osa tekoälybudjeteista kohdistuu myyntiin ja markkinointiin, koska niiden tulokset ovat helpoimmin mitattavissa ja näkyvimpiä johdolle. Silti osa dokumentoiduista, dramaattisimmista kustannussäästöistä on syntynyt taustatoimintojen automaatiosta — usein nopeammalla takaisinmaksuajalla ja selkeämmillä säästöillä kuin asiakasrajapinnan hankkeista. Suurimmat hyödyt eivät siis aina synny näkyvimmistä käyttökohteista. Parhaiden kohteiden tunnistaminen vaatii työtä.

Liian monta rautaa tulessa

Ajaudutaan kokeilemaan montaa asiaa yhtä aikaa ilman yhteistä suuntaa. Mikään ei etene tarpeeksi pitkälle ja hankkeet jäävät irrallisiksi kokeiluiksi, jolloin niistä ei myöskään saada jatkuvaa hyötyä irti. Rajalliset resurssit pirstaloituvat ja organisaatiossa turhaudutaan hitaaseen etenemiseen.

Ilmiö on tunnistettu myös MIT:n raportissa: Suuryritykset johtivat pilottien määrässä ja kohdensivat niihin enemmän henkilöstöä, mutta niiden hankkeet etenivät harvemmin pilotista skaalaukseen kuin muilla. Keskisuuret yritykset sen sijaan etenivät tehokkaammin: parhaat suoriutujat etenivät pilotista käyttöönottoon kolmessa kuukaudessa, kun suuryrityksillä tämä kesti yhdeksän kuukautta tai pidempään.

Omistajuus puuttuu

Hyvätkin ideat hiipuvat, koska kukaan ei ole vastuussa niiden viemisestä eteenpäin. Tekoälyratkaisut vaativat jatkuvaa monitorointia ja ylläpitoa, jotta ne säilyvät ajankohtaisina ja vastaavat käyttäjien tarpeisiin; tarvitaan nimetty omistaja varmistamaan riittävät resurssit ja hankkeen eteneminen sekä jatkuva kehittäminen.

Omistajuuteen liittyy myös kysymys siitä, tehdäänkö työ itse vai kumppanin kanssa. MIT:n raportin mukaan oppivat ja mukautuvat tekoälytyökalut — kuten agenttipohjaiset työnkulut — etenivät ulkoisen kumppanin kanssa käyttöönottoon kahdessa kolmasosassa tapauksista, kun sisäisesti rakennetuilla ratkaisuilla vastaava osuus jäi kolmannekseen. Käyttöaste oli ulkoisesti toteutetuissa ratkaisuissa myös suurempi sisäisiin verrattuna. Tämä ei silti tarkoita, että kaikki kannattaisi ulkoistaa. Toteutuspäätös (sisäinen, ulkoinen vai molempia) ansaitsee kuitenkin yhtä paljon huomiota kuin itse käyttötapauksen valinta.

Tietoiset valinnat johtavat kestäviin ratkaisuihin

Organisaatiot, jotka saavat tekoälystä aitoa liiketoiminta-arvoa, eivät yritä ratkaista kaikkea kerralla. Ne tekevät tietoisen valinnan: tunnistavat ensin ne harvat liiketoimintakysymykset, joihin panostus todella kannattaa, ja vasta sen jälkeen miettivät teknologiaa. Teknologioiden alati muuttuessa tämä on myös kestävämpi lähestymistapa tulevaisuutta ajatellen kuin teknologiavetoinen.

Joskus tekoäly ei ole oikea ratkaisu liiketoimintakysymykseen, ja sekin on hyvä tunnistaa ja hyväksyä. Tekoälyllä on omat hyötynsä, mutta se ei ratkaise kaikkea, esimerkiksi hetkessä taio puutteellista dataa kuntoon tai keksi kilpailijat päihittävää strategiaa – näissäkin se voi toki olla merkittävänä apuna.

Näillä käytännössä toimiviksi havaituilla askelmerkeillä onnistut tärkeimpien tekoälykäyttötapausten valinnassa:

• Lähde liikkeelle liiketoiminnan tavoitteista.
  
  • Tunnista ensin, mitkä ovat organisaation tavoitteet ja miten tekoäly tukee liiketoimintastrategiaa ja tulevaisuuden visiota. Käytännössä voidaan keskittyä ensin vaikkapa kriittisimmän toiminnon tai tuotesegmentin tärkeimpiin tavoitteisiin.
    
  
  
• Tiedosta tekoälyn mahdollisuudet ja riskit.
  • Varmista ennen priorisointia, että kaikilla on riittävä ymmärrys siitä, mitä tekoäly on ja mihin se tällä hetkellä pystyy. Käytännön esimerkit ja demot konkretisoivat asiaa. Samalla kannattaa tunnistaa myös tekoälyn rajoitteet, kuten laatuun ja läpinäkyvyyteen liittyvät kysymykset.
  • Asiantuntijat auttavat hahmottamaan sekä mahdollisuudet että riippuvuudet organisaation datasta ja teknologiavalinnoista.

• Priorisoi käyttötapaukset yhdessä.
  
  • Työpaja on hyvä keino tuoda ihmiset yhteen tunnistamaan ja priorisoimaan tärkeimmät kehityskohteet. Käytännön kokemuksen mukaan tekoälytyöpajat toimivat monenlaisissa kokoonpanoissa pienistä operatiivisista tiimeistä suurempiin yksiköihin ja johtoryhmätasolle asti.
  • Priorisoiduista käyttötapauksista kootaan jatkotyönä tekoälyhankkeiden portfolio, jonka edistämiseen sitoudutaan.
    
    

Miten sinä tunnistat ne tekoälyn luomat mahdollisuudet, joilla on eniten merkitystä juuri omalle organisaatiollesi? Osallistu webinaariin aiheesta!

Webinaarissa Niina Haiminen ja Pekka Mikkola vievät kirjoituksen aiheen askelta pidemmälle. Miten tunnistaa lupaavimmat tekoälyn mahdollisuudet liiketoiminnassa? Miten tähdätä aidosti merkittävään muutokseen?

Ilmoittaudu nyt!

Tiivistelmä: mikä ratkaisee tekoälyhankkeen onnistumisen?

• Vaikka tekoälyteknologia on kaikkien saatavilla ja mallit ovat riittävän kypsiä yrityskäyttöön, vain pieni osa organisaatioista onnistuu muuttamaan tekoälyinvestoinnit mitattavaksi liiketoiminta-arvoksi.
• MIT State of AI in Business 2025 -raportin mukaan ratkaiseva ero ei selity mallien laadulla tai sääntelyllä, vaan sillä, miten organisaatio lähestyy tekoälyn hyödyntämistä.
• Ratkaisevat päätökset tehdään jo ennen ensimmäistä pilottia: valitaanko käyttötapaukset liiketoiminnan tavoitteiden vai teknologian mahdollisuuksien perusteella, keskitytäänkö vaikuttavimpiin hankkeisiin ja löytyykö niille selkeä omistajuus.
• Organisaatiot, jotka saavat tekoälystä aitoa liiketoiminta-arvoa, eivät yritä ratkaista kaikkea kerralla. Ne tekevät tietoisia valintoja siitä, mihin tekoälyä kannattaa käyttää.
• Tekoälyn hyödyntäminen ei ole kilpailu siitä, kuka tekee eniten. Usein ratkaisevampaa on tunnistaa oikeat ensimmäiset askeleet ja johtaa niitä systemaattisesti eteenpäin.