Tekoäly ja data, jotka tuottavat todellista vaikutusta

Tekoäly muuttaa perusteellisesti tapaa, jolla organisaatiot työskentelevät, luovat arvoa ja kilpailevat. Oikein käytettynä se nostaa sekä tahtia että laatua päätöksissä, jotka aiemmin vaativat päiviä manuaalista taustatyötä. Todellinen vaikutus vaatii kuitenkin muutakin kuin teknologiaa.

Näemme saman kaavan yrityksessä toisensa jälkeen: tekoälytyökalut ovat jo käytössä. Työntekijät käyttävät niitä joka päivä tiivistämään tekstiä, kirjoittamaan luonnoksia ja siivoamaan sähköpostilaatikkoa. Puuttuva osa on yhteys organisaation omiin lukuihin. Heti kun kysymys koskee omaa liiketoimintaa – mitkä asiakkaat menetämme, mitä katteelle on tapahtunut, miltä varasto näyttää – tekoäly jää ilman tietopohjaa ja alkaa arvailla.

Ero mukavan kokeilun ja todellisen toimintatavan muutoksen välillä on lähes aina alla olevassa datassa. Ei siinä, minkä mallin valitsi.

Se, etteivät useimmat tekoälypanostukset lähde lentoon, ei ole meidän mutu-tuntumamme – se on hyvin dokumentoitua.

95 prosenttia ilman mitattavaa vaikutusta

MIT:n NANDA-aloite tarkasteli runsasta 300 tekoälypanostusta raportissa The GenAI Divide: State of AI in Business 2025. Johtopäätös: arviolta 30–40 miljardin dollarin investoinneista huolimatta 95 % tarkastelluista hankkeista ei tuottanut mitattavaa vaikutusta tuloslaskelmaan, kun taas vain 5 % loi merkittävää arvoa. Kirjoittajat eivät osoita syyksi mallien laatua vaan kuilun työkalujen ja todellisten työnkulkujen välillä (Forbes MIT-raportista). Yksi varaus: luku koskee nimenomaan mitattavaa tulosvaikutusta, ja monilta piloteilta puuttui lähtötasomittaus vertailukohdaksi. Se tulee lukea niin, ettei useimpia panostuksia voida todentaa – ei niin, ettei tekoäly toimi.

Gartner osoittaa saman asian datan näkökulmasta. Kyselyssä 248 datajohtajan joukossa 63 % vastasi, että heiltä joko puuttuu oikea datanhallinta tekoälyä varten tai he ovat epävarmoja siitä, onko heillä sellaista, ja Gartner ennustaa, että organisaatiot lopettavat vuoteen 2026 mennessä 60 % niistä tekoälyprojekteista, joita ei tue tekoälyvalmis data (Gartner, helmikuu 2025).

Näin tietopohja näyttää useimmissa organisaatioissa

Kaava toistuu todellisuudessa. Tekoälyn vastaus ei koskaan ole parempi kuin sen tietopohja, ja useimmissa organisaatioissa tietopohja näyttää suunnilleen tältä:

• liiketoimintadata sijaitsee ERP-järjestelmässä, tapahtumia varten rakennetuissa tauluissa
• tärkeiltä käsitteiltä puuttuu yhteinen määritelmä, joten "liikevaihto" tarkoittaa eri asioita
• osa totuudesta on laskentataulukoissa, jotka toimivat masterdatana
• historia on puutteellinen, koska järjestelmä ylikirjoittaa tallentamisen sijaan

Jos tekoälyavustajan kytkee suoraan tällaiseen ympäristöön, saa vastauksia, jotka kuulostavat hyviltä mutta eivät kestä tarkastelua. Ja hyvältä kuulostava mutta väärä vastaus on vaarallisempi kuin ei vastausta lainkaan – se huomataan harvoin ennen kuin joku on tehnyt sen pohjalta päätöksen.

Siksi katsomme, että tekoälykysymys on pohjimmiltaan datakysymys. Järjestyksellä on väliä: ensin jäsennä, sitten kysy.

Matkan ei tarvitse olla pitkä, mutta sen pitää olla oikea. Lyhyesti se tarkoittaa, että:

• kootaan liiketoimintadata niistä järjestelmistä, joissa se todella syntyy
• määritellään käsitteet kerran, jotta kaikki laskevat katteen samalla tavalla
• varmistetaan tunnuslukujen laatu mallissa, josta sekä raportit että tekoäly lukevat
• avataan malli tekoälylle sen sijaan, että tekoäly etsisi raakatauluista
• hallitaan käyttöoikeuksia, jotta jokainen käyttäjä näkee vain sen, mitä kuuluu

Juuri tähän järjestykseen Vellox on rakennettu. Datasi haetaan toiminnanohjausjärjestelmästä, jäsennetään semanttiseen malliin ja sitä käyttävät sen jälkeen sekä raporttisi että tekoälyavustajasi. Samat luvut, samat määritelmät riippumatta siitä, missä kysymys esitetään.

1. Luo perusta – semanttinen malli liiketoiminnastasi

Haemme dataa suoraan järjestelmistä Business Central, Jeeves, Monitor, Pyramid tai Visma Business ja jäsennämme sen Velloxin tietovarastoon. Malli kattaa myynnin, oston, varaston, tuotannon ja talouden, ja se on valmiiksi konfiguroitu toiminnanohjausjärjestelmääsi alusta alkaen.

2. Kysy suoraan datastasi

Vellox MCP:n avulla Claude tai ChatGPT yhdistetään suoraan semanttiseen malliisi. Avustaja ymmärtää moduulisi ja tunnuslukusi ja hakee ajantasaiset luvut arvailun sijaan. Kysymyksiin, jotka aiemmin vaativat analyytikon ja muutaman tunnin, vastataan sekunneissa – tietopohjalla, johon voit palata ja jonka voit tarkistaa.

3. Rakenna omaa päälle

REST API:mme tarjoilee samaa varmennettua dataa, joka pyörittää Velloxin moduuleja. Se mahdollistaa asiakasportaalien, upotettujen dashboardien, automaatioiden ja omien tekoälyagenttien rakentamisen ilman uuden dataperustan rakentamista jokaista hanketta varten.

4. Pidä se vastuullisena

Tekoäly liiketoimintadatan päällä herättää perusteltuja kysymyksiä turvallisuudesta ja hallinnasta. Yhteys Velloxiin on lukeva – kirjoitusoperaatiot eivät ole mahdollisia – ja sinä päätät, mitkä mallin osat altistetaan ja kenelle. EU:n tekoälyasetuksen myötä on lisäksi yhä tärkeämpää pystyä osoittamaan, mistä vastaus on peräisin. Malli, jossa on jäljitettävät määritelmät, tekee tuohon kysymykseen vastaamisesta helppoa.

5. Tuo se arkeen

Hyöty syntyy, kun controller, myyntijohtaja ja tuotantopäällikkö esittävät kysymykset itse. Autamme ensimmäisissä käyttötapauksissa, näytämme miten kysytään ja varmistamme, että vastaukset päätyvät päätöksiin eivätkä jälleen yhteen raporttiin, jota kukaan ei avaa.

Muutamia esimerkkejä kysymyksistä, joita asiakkaamme esittävät suoraan omalle datalleen:

• Minkä kymmenen asiakkaan kohdalla menetimme eniten liikevaihtoa viime neljänneksellä?
• Kuinka suuren osan toimittajien hinnankorotuksista olemme siirtäneet asiakkaille?
• Mitkä nimikkeet sitovat pääomaa varastossa liikkumatta kuuteen kuukauteen?

Vastauksista ei tee käyttökelpoisia se, että ne tulevat nopeasti. Se on se, että ne perustuvat samoihin lukuihin kuin johdon raportti – ja että vastauksen saanut voi esittää jatkokysymyksen heti sen sijaan, että tilaisi uuden analyysin.

Haluatko lisää esimerkkejä testattavaksi heti? Olemme koonneet kymmenen kysymystä, jotka voit esittää omalle liiketoimintadatallesi.

Jos tekoäly tuntuu siltä, että sen pitäisi antaa enemmän kuin se tänään antaa, vika on harvoin mallissa. Useimmiten kyse on siitä, ettei sillä ole mitään, millä työskennellä.

Varaa demo, niin näytämme, miten Claude tai ChatGPT vastaa juuri sinun liiketoimintaasi koskeviin kysymyksiin – omalla datallasi. Jos sinulla on kysymys jo ennen sitä, voit yhtä hyvin ottaa yhteyttä suoraan.

• Challapally, A., Pease, C., Raskar, R. & Chari, P. (2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA. Viitattu lähteen Forbes, 26. elokuuta 2025 kautta.
• Gartner (2025). Lack of AI-Ready Data Puts AI Projects at Risk. Lehdistötiedote, 26. helmikuuta 2025.
• Euroopan komissio. Regulatory framework on AI (tekoälyasetus, asetus (EU) 2024/1689).