Miten koota sisäinen tieto tekoälyllä työntekijöiden ulottuville
Opi miten tekoälyllä yhdistetään sisäinen tieto niin, että työntekijät löytävät tarvitsemansa. Vähemmän hukkattua aikaa ja toistettuja kysymyksiä.
Iranthi Gomes · Toimitusjohtaja ja perustaja 
Kun tieto on olemassa mutta kukaan ei löydä sitä
“Tietääkö joku, missä uusin sopimuspohja on?”
Useimmissa organisaatioissa ongelma ei ole tiedon puute. Ongelma on se, että tieto on hajallaan SharePointissa, Drivessa, Confluencessa, Teamsissa ja liiketoimintajärjestelmissä. Hakijan pitäisi tietää oikea järjestelmä, tiedoston nimi ja joskus myös henkilö, joka dokumentin loi.
Tekoälypohjainen sisäinen haku voi helpottaa tätä, mutta vain jos ratkaisu rakennetaan tiedonhallinnan ehdoilla. Pelkkä kielimalli ei tee hajanaisesta tiedosta luotettavaa.
Mitä tekoälyllä kannattaa tavoitella
Hyvä sisäinen avustaja auttaa työntekijää:
- löytämään ajantasaisen ohjeen tai dokumentin
- kokoamaan vastauksen useasta hyväksytystä lähteestä
- näkemään, mihin lähteisiin vastaus perustuu
- tunnistamaan, milloin tietoa ei ole tai lähteet ovat ristiriidassa
Jos organisaatio on vasta muodostamassa kokonaiskuvaa tekoälyn käyttötavoista, aloita oppaasta mitä ongelmia tekoäly ratkaisee yrityksessä.
Miten ratkaisu toimii käytännössä
1. Rajaa tietolähteet
Kaikkea ei kannata yhdistää ensimmäisessä vaiheessa. Valitse yksi selkeä käyttötapaus ja sen kannalta tärkeät lähteet, esimerkiksi HR-ohjeet SharePointista tai myynnin hyväksytyt materiaalit Drivesta.
Yhteys voidaan toteuttaa rajapinnalla, valmiilla liittimellä tai hallitulla tiedostotuonnilla. Sopiva tapa riippuu lähdejärjestelmästä, päivitystarpeesta ja käyttöoikeuksista.
2. Indeksoi sisältö hakua varten
Dokumenteista muodostetaan hakemisto, josta järjestelmä etsii kysymykseen liittyvät kohdat. Tätä kutsutaan usein RAG-arkkitehtuuriksi. Kielimallille annetaan vastauksen pohjaksi vain haun löytämä sisältö, ei koko yrityksen tietovarastoa.
Ratkaisun laatu riippuu muun muassa dokumenttien rakenteesta, metatiedoista, indeksoinnin päivitystiheydestä ja siitä, miten hyvin haku tunnistaa yrityksen oman sanaston.
3. Muodosta vastaus lähteiden perusteella
Vastauksen yhteydessä pitää näyttää käytetty dokumentti ja mielellään suora linkki oikeaan kohtaan. Jos lähde ei riitä varmaan vastaukseen, järjestelmän tulee kertoa se sen sijaan, että se täydentäisi puuttuvan tiedon arvauksella.
4. Tarkista käyttöoikeus jokaisella haulla
Käyttöoikeuksia ei saa ratkaista vain käyttöliittymässä. Hakukerroksen pitää suodattaa tulokset käyttäjän oikeuksien perusteella ennen kuin sisältöä lähetetään kielimallille. Muuten vastaus voi paljastaa tietoa dokumentista, johon käyttäjällä ei ole pääsyä.
Tietosuojan arvioinnissa pitää huomioida myös lokit, säilytysajat, käsittelijät ja datan sijainti. Aihetta käsitellään tarkemmin oppaassa GDPR-yhteensopiva tekoälychatbot.
Esimerkkiskenaario: uuden työntekijän VPN-ohje
Uusi työntekijä kysyy sisäiseltä avustajalta: “Miten asennan VPN-yhteyden?”
Avustaja hakee IT:n hyväksymän, voimassa olevan ohjeen ja muodostaa siitä lyhyen vastauksen. Vastauksen lopussa näkyvät dokumentin nimi, päivityspäivä ja linkki alkuperäiseen ohjeeseen. Jos hakemistossa on kaksi ristiriitaista versiota, avustaja kertoo ristiriidasta ja ohjaa käyttäjän IT-tukeen.
Tämä on esimerkkiskenaario, ei asiakastapaus tai lupaus tietystä vasteajasta. Sen tarkoitus on näyttää, millainen luotettava toimintamalli voisi olla.
Mitä tekoäly ei ratkaise
Vanhentunutta sisältöä
Jos hyväksytty lähde on vanhentunut, myös siihen perustuva vastaus voi olla vanhentunut. Sisällölle tarvitaan omistajat, tarkistuspäivät ja poistoprosessi.
Hiljaista tietoa
Tekoäly ei löydä tietoa, jota ei ole dokumentoitu. Se voi kuitenkin auttaa tunnistamaan kysymyksiä, joihin hyväksyttyä vastausta ei ole.
Epäselviä käyttöoikeuksia
Jos lähdejärjestelmän oikeudet ovat liian laajat tai vanhentuneet, tekoälykerros ei korjaa niitä automaattisesti. Oikeudet pitää tarkastaa ennen laajaa käyttöönottoa.
Kaikkia työnkulkuja
Tietoon vastaaminen ja liiketoimintaprosessin suorittaminen ovat eri asioita. Avustaja voi selittää hyväksymisprosessin, mutta esimerkiksi maksun, henkilötietomuutoksen tai sopimushyväksynnän pitää kulkea siihen tarkoitetun järjestelmän kautta.
Näin pilotoit ilman perusteettomia ROI-lupauksia
Valitse rajattu prosessi, jossa kysymyksiä tulee toistuvasti ja oikea vastaus löytyy määritellyistä lähteistä. Sovi ennen pilottia, mitä mitataan:
- löytyykö hyväksytty lähde
- onko vastaus lähteen mukainen
- kuinka usein järjestelmä jättää perustellusti vastaamatta
- löytääkö käyttäjä tarvitsemansa ilman jatkokysymystä
- syntyykö tietoturva- tai käyttöoikeuspoikkeamia
Arvioi hyöty oman lähtötason perusteella. Mittaa nykyinen hakuprosessi ennen käyttöönottoa ja vertaa sitä pilotin tuloksiin. Näin investointipäätös perustuu oman organisaation dataan, ei yleiseen säästöprosenttiin.
Jos nykyinen intranet pitää säilyttää, lue myös miten moderni tekoäly yhdistetään vanhaan intranettiin. Laajempi toimittajan ja toteutustavan arviointi löytyy oppaasta miten valita oikea tekoäly yritykselle.
Milloin sisäinen tekoälyhaku on järkevä
Ratkaisu on harkinnan arvoinen, kun tietoa on useassa järjestelmässä, samat kysymykset toistuvat ja lähteillä on selkeät omistajat. Ensin kannattaa korjata perusasiat, jos sisältöä ei ole dokumentoitu, käyttöoikeudet ovat epäselvät tai käynnissä on suuri järjestelmäuudistus.
Hyvä ensimmäinen askel on työpaja, jossa rajataan yksi käyttötapaus, lähteet, käyttöoikeudet ja onnistumisen mittarit. Sen jälkeen voidaan päättää, kannattaako rakentaa rajattu proof of concept oikeilla, hallituilla aineistoilla.
