Miten yhdistää moderni tekoäly vanhaan intranettiin

Vanhaa intranetiä ei aina tarvitse korvata

Monessa yrityksessä intranet on liiketoiminnalle tärkeä mutta työntekijälle vaikea käyttää. SharePointissa, Confluencessa tai räätälöidyssä järjestelmässä voi olla vuosien dokumentaatio, integraatiot ja käyttöoikeudet. Täysi uudistus ei siksi ole automaattisesti paras ensimmäinen ratkaisu.

Yksi vaihtoehto on rakentaa nykyisen intranetin päälle tekoälypohjainen hakukerros. Se voi tarjota luonnollisen kielen käyttöliittymän ilman, että alkuperäinen sisältö siirretään heti uuteen järjestelmään.

Tämä ei kuitenkaan tarkoita, että intranet pysyisi teknisesti täysin koskemattomana. Ratkaisu tarvitsee hallitun yhteyden sisältöön, käyttöoikeuksien välityksen, hakemiston sekä tavan pitää tieto ajan tasalla.

Esimerkkiskenaario: HR-ohjeen löytäminen

Työntekijä kysyy: “Miten vanhempainvapaasta ilmoitetaan?”

Tekoälyavustaja hakee voimassa olevan HR-ohjeen, tiivistää ilmoitusvaiheet ja näyttää linkin alkuperäiseen dokumenttiin. Jos intranetissä on useita versioita eikä järjestelmä pysty tunnistamaan hyväksyttyä lähdettä, se kertoo epävarmuudesta ja ohjaa HR:lle.

Tämä on esimerkkiskenaario, ei kuvaus nimetystä asiakasprojektista tai lupaus tietystä ajansäästöstä.

Mitä tekoälykerros voi tehdä

Luonnollisen kielen haku

Käyttäjän ei tarvitse tietää dokumentin nimeä tai kansiorakennetta. Haku voi yhdistää kysymyksen samoja asioita eri termeillä kuvaavaan sisältöön.

Lähteisiin perustuvat vastaukset

Hakukerros etsii relevantit kohdat hyväksytyistä dokumenteista ja antaa ne kielimallille vastauksen pohjaksi. Vastauksessa näytetään lähteet, jotta käyttäjä voi tarkistaa tiedon.

Haku useasta järjestelmästä

Sama käyttöliittymä voi hakea esimerkiksi SharePointista, Confluencesta ja Drivesta, jos kuhunkin lähteeseen on toteutettu asianmukainen yhteys. Kaikkia lähteitä ei silti kannata yhdistää kerralla. Rajattu ensimmäinen käyttötapaus on helpompi testata ja hallita.

Sisältöaukkojen tunnistaminen

Lokit voivat näyttää, mihin kysymyksiin hyväksyttyä vastausta ei löydy. Tämä auttaa sisältöomistajia priorisoimaan dokumentaation päivityksiä. Lokien käsittelyssä pitää huomioida henkilötiedot ja säilytysajat.

Sisäisen tiedonhaun perusarkkitehtuuri on kuvattu tarkemmin oppaassa miten sisäinen tieto kootaan tekoälyllä työntekijöiden ulottuville.

Tekninen toteutus ilman markkinointisumua

1. Lähdejärjestelmän liitin

Liitin lukee valitun sisällön intranetin rajapinnasta tai muulla hallitulla tavalla. Sen pitää käsitellä myös muutokset ja poistot. Muuten hakemistoon jää vanhentuneita dokumentteja.

2. Sisällön käsittely ja hakemisto

Dokumentit pilkotaan haettaviin osiin ja niihin liitetään metatiedot, kuten omistaja, versio, kieli ja käyttöoikeus. Hakemisto voi hyödyntää semanttista hakua, avainsanahakua tai niiden yhdistelmää.

3. Käyttöoikeuksien valvonta

Hakutulokset pitää rajata käyttäjän oikeuksien mukaan ennen kuin sisältö siirtyy kielimallille. Käytännössä tämä voi tarkoittaa lähdejärjestelmän ryhmien ja dokumenttikohtaisten oikeuksien synkronointia tai tarkistamista haun yhteydessä.

4. Vastausten muodostaminen

Kielimallin tehtävä on muotoilla haettu tieto ymmärrettäväksi vastaukseksi. Sen ei pidä toimia yrityksen tiedon lähteenä. Ohjeistuksessa määritellään, milloin avustaja vastaa, milloin se pyytää tarkennusta ja milloin se jättää vastaamatta.

5. Käyttöliittymä ja seuranta

Käyttöliittymä voi olla intranetin sisäinen näkymä, erillinen palvelu tai esimerkiksi Teamsiin liitetty sovellus. Valinta tehdään työntekijöiden arjen mukaan. Seurannassa tarkastellaan vastausten lähteitä, palautetta, vastaamatta jääneitä kysymyksiä ja käyttöoikeuspoikkeamia.

Turvallisuus ratkaistaan arkkitehtuurissa

“Tekoäly kunnioittaa käyttöoikeuksia” ei ole riittävä vaatimus. Toimittajan pitää pystyä näyttämään, miten oikeudet välittyvät lähteestä hakemistoon ja miten ne tarkistetaan jokaisessa kyselyssä.

Arvioi ainakin:

• mitä sisältöä indeksoidaan ja minne
• välittyvätkö dokumenttien käyttöoikeudet oikein
• mitä kyselyistä ja vastauksista lokitetaan
• kuinka kauan lokit ja hakemiston sisältö säilyvät
• mitä mallipalvelua käytetään ja missä dataa käsitellään
• miten poistot, käyttäjämuutokset ja käyttöoikeuksien muutokset päivittyvät

Eurooppalaiseen datankäsittelyyn liittyviä kysymyksiä avaa GDPR-yhteensopivan tekoälychatbotin opas.

Mitä tekoälykerros ei korjaa

Vanhentunut sisältö: Jos intranetin hyväksytty ohje on väärä, siihen perustuva vastaus on myös väärä.

Puuttuva dokumentaatio: Malli ei voi tietää prosessia, jota ei ole dokumentoitu.

Epäselvä omistajuus: Jokaisella kriittisellä sisältöalueella pitää olla omistaja, joka hyväksyy ja päivittää tiedon.

Rikkinäiset käyttöoikeudet: Liian laajat oikeudet lähdejärjestelmässä voivat siirtyä myös uuteen hakukerrokseen.

Toiminnalliset työnkulut: Avustaja voi selittää prosessin, mutta hyväksynnät ja muutokset pitää toteuttaa erillisillä, valvotuilla integraatioilla.

Päätös: kerros vai täysi uudistus

Tekoälykerros on järkevä vaihtoehto, kun nykyinen intranet sisältää käyttökelpoista tietoa ja tärkeät käyttöoikeudet voidaan välittää luotettavasti. Täysi uudistus voi olla parempi, jos alusta ei tarjoa hallittua pääsyä sisältöön, dokumentaatio on pääosin vanhentunutta tai käyttöoikeusmalli on korjauskelvoton.

Päätöstä ei kannata perustaa yleisiin ROI-prosentteihin. Vertaa vaihtoehtoja oman tilanteen perusteella:

• integraatioiden toteutus ja ylläpito
• sisällön siivouksen tarve
• tietoturva ja auditointi
• käyttäjien nykyiset työnkulut
• omistajuus ja jatkuva ylläpito

Rajattu pilotti yhdellä sisältöalueella kertoo enemmän kuin laskelma oletetusta ajansäästöstä. Mittaa lähteiden löytyminen, vastausten oikeellisuus ja käyttöoikeuksien toiminta ennen laajentamista.

Jos arvioit toteutustapaa tai toimittajaa, lue miten valita oikea tekoäly yritykselle. Henkilöstön yleiskäyttöisiä työkaluja käsittelee ChatGPT yrityksille -opas.