Kiinnostus ohjelmistorobotiikkaan sekä erilaisten älykkäiden järjestelmien, kuten ohjelmistorobottien, keinoälyn (AI) ja koneoppimisen (Machine Learning) hyödyntämiseen on noussut viime vuosina räjähdysmäisesti.
Kyseiset teknologiat tulevat vaikuttamaan radikaalisti tietotyön tulevaisuuteen, mutta kuinka monelle on selvää, mitä termit pitävät sisällään?
Ohjelmistorobotiikka
Ohjelmistorobotiikassa on kyse automaatioiden tuottamisesta ohjelmiston avulla. Ohjelmistorobotiikka eroaa tekoälystä siten, että ohjelmistorobotille pitää kertoa kaikissa tilanteissa sääntö, sillä niillä ei ainakaan toistaiseksi ole omaa älykkyyttä.
Ohjelmistorobotiikka sopii hyvin esimerkiksi ostolaskujen kirjaamiseen toiminnanohjausjärjestelmään, uuden asiakkuuden perustamiseen useisiin järjestelmiin yhdellä kertaa tai työntekijän palkkaamiseen ja työsuhteen aloitukseen liittyviin rutiineihin. Kaikkia näitä tapauksia yhdistää erilaisten tunnusten luominen ja samojen tietojen vieminen useampaan järjestelmään, joten automaation avulla voidaan säästää paljon aiemmin manuaalisesti tehtyä työtä sekä vähentää virheitä.
Automaation luominen edellyttää, että ihminen käynnistää robottiapulaisen ensimmäisellä käyttökerralla ja antaa säännöt, robotti hoitaa loput toiminnot itsenäisesti. Näin varmistetaan, että kaikki tarvittavat tunnukset ja oikeudet luodaan kerralla oikein ja laatu säilyy hyvänä.
AI (Artificial Intelligence) eli keinoäly
AI (Artificial Intelligence) eli keinoäly on sateenvarjotermi koneen kyvylle matkia ihmisen tapaa aistia, päätellä ja kommunikoida. Esimerkiksi konenäön (machine vision) avulla voidaan liikennekameran kuvasta tehdä reaaliaikaista liikennelaskentaa, ennakoida ruuhkautumista ja hälyttää potentiaalisista vaaratilanteista. Konenäön ja kuvantunnistuksen avulla myös valvomoiden työtä voidaan automatisoida ja puuttua tilanteisiin ennakoivasti.
IBM:n Watson-keinoälyjärjestelmä kykenee ihmismäiseen päättelyyn ja kommunikointiin eli sillä on kognitiivisia kykyjä. Watson on jo osoittanut pärjäävänsä yhtä hyvin tietovisoissa kuin terveydenhuollon hankkeissa. Suomessa Watsonia on pilotoitu muun muassa keskosten verenmyrkytysriskin seulonnassa. Ohjelma hyödyntää aikaisemmin verenmyrkytyksen saaneiden potilaiden tietoja ja vertaa niitä sähköiseen potilastietojärjestelmään kertyvään reaaliaikaiseen dataan etsien varhaisia merkkejä tilan kehittymisestä.
Toinen pitkälle viety ilmentymä keinoälystä on Googlen DeepMind, joka kykenee oppimaan kokemuksistaan ja palautteesta. Kun keinoäly laitetaan pelaamaan shakkia, sille ei tarvitse opettaa sääntöjä, vaan se oppii pelaamalla ja pystyy jopa voittamaan ihmisen.
”Tulevaisuudessa ohjelmistorobotiikka ja koneälyn muodot tulevat sulautumaan toisiinsa entistä enemmän.”
Keinoäly ymmärtää nykyisin varsin hyvin luonnollista kieltä, joten ohjelman avulla esimerkiksi puhelinkeskusteluista voidaan tunnistaa reaaliajassa tiettyjä termejä ja päätellä sen avulla, mitä puhelu koskee. Kyse ei ole vain frekvensseistä, vaan keinoäly pystyy tulkitsemaan termejä ja niiden kontekstia, jolloin syntyy ymmärrys siitä, mihin tilanteisiin, asioihin ja asenteisiin sanat liittyvät. Tekstianalytiikkaan ja luonnollisen kielen ymmärrykseen pohjautuvia sovellutuksia on jo käytössä asiakaspalveluratkaisuissa, vakuutusyhtiöissä ja julkisen sektorin organisaatioissa, joissa käsitellään valtavia määriä digitaalista aineistoa muun muassa sähköpostin, verkkopalveluiden palautteiden, chattien ja muiden dokumenttien muodossa.
Koneoppiminen – Machine learning
AI-ratkaisuissa hyödynnetään usein koneoppimisen (machine learning) menetelmiä. Koneelle voidaan esimerkiksi opettaa ilmiöiden tunnistamista matemaattisten ja tilastollisen menetelmien avulla. Opettaminen tarkoittaa käytännössä lukuisten kulloistakin ilmiötä edustavien lukuarvojen, kuvien tai tekstin lataamista algoritmille. Opetustyön tuloksena algoritmi kykenee vähitellen suoriutumaan tietyn ilmiön tunnistamisesta yhä paremmin.
Tulevaisuudessa ohjelmistorobotiikka ja koneälyn muodot tulevat sulautumaan toisiinsa entistä enemmän. Erilaisia tekniikoita voidaan käyttää rinnakkain saman tehtävän hoitamiseen, sillä ne täydentävät hyvin toisiaan.
Järjestelmien yhteistoimintaa voi havainnollistaa hyvin asiakaspalvelutilanteella, jossa asiakas kommunikoi ensin keinoäly-asiakaspalvelijan kanssa chatissa tai puheella. Prosessin aikana asiakkaalle tarjotaan suosituksia ja ehdotuksia tuotteista koneoppimisen algoritmien avulla ja lopuksi ohjelmistorobotti käsittelee tilauksen automaattisesti sekä lähettää tilausvahvistuksen, joka huomioi asiakkaan profiilin ja palvelutilanteen luontevasti.
Kirjoittajat:
Jyri-Pekka Makkonen, Head of Sales @ Arcusys
Markus Hellas, Sales Manager @ Arcusys
Lue lisää Arcusysin RPA-ratkaisuista
ite wikin yrityshaku »
Kaikki it-alan työpaikat »
Kaikki it-alan tapahtumat »
ite wikin referenssihaku »
ite wikin julkaisuhaku »
