Yritysten tekoälytarpeet vaativat mittareita tulosten seuraamiseen
Yritykset siirtyvät tekoälyn käytössä yksinkertaisista automaatioista strategisempiin sovelluksiin, mutta keskeinen kysymys on, miten tekoälyn onnistumista mitataan liiketoiminnan kannalta.
Monet yritykset etsivät nyt tapoja hyödyntää tekoälyä strategisesti, siirtyen pelkistä automaatiotehtävistä kuten dokumenttien laatimisesta tai sähköpostien käsittelystä kohti monimutkaisempia sovelluksia. Perinteinen huoli tekoälyn älykkyydestä on väistymässä, ja tilalle on noussut kysymys siitä, miten voidaan varmistaa tekoälyn toimenpiteiden todellinen liiketoiminnallinen parannus.
Tekoälyn suorituskyvyn arvioinnissa on olennaista erottaa toisistaan tuotokset ja tulokset. Vaikka tekoäly voisi suorittaa sille annetut tehtävät teknisesti täydellisesti, sen toimet eivät välttämättä johda toivottuihin liiketoimintatavoitteisiin, kuten asiakaspoistuman vähenemiseen tai liikevaihdon kasvuun. Yritykset tarvitsevat selkeitä mittareita, jotka heijastavat liiketoiminnan todellisia mittareita, eivät vain tehtävien suorituskykyä.
Alan on alettava ymmärtää, että tekoälyn arvioinnin tulee olla jatkuva prosessi. Pelkät ennen käyttöönottoa tehdyt testit eivät riitä, sillä todellinen maailma ja sen muuttuvat olosuhteet voivat paljastaa odottamattomia käyttäytymismalleja tai seurauksia. On tärkeää siirtyä kysymyksestä 'onnistuiko agentti tehtävässään?' kysymykseen 'parantuiko yrityksen liiketoiminta?'. Hallitusten ja talousjohtajien vaatimukset selkeästä taloudellisesta arvosta kasvavat.
Malli tähän voi löytyä esimerkiksi DeepMindin AlphaZero-algoritmista, joka oppi shakissa toistuvien yritysten ja erehdysten kautta, tavoitteenaan aina voitto. Yrityksillä tavoitteet ovat monimutkaisempia, mutta periaate pätee: oppiminen vaatii palautetta sidottuna selkeään tavoitteeseen. Yritysjohtajien on määriteltävä, mitä tekoälyn tulisi optimoida, miten sen onnistumista mitataan ja miten saadut tulokset vaikuttavat sen tulevaan toimintaan.