Tekoäly

Tekoäly ja data, jotka tuottavat todellista vaikutusta

95 % tekoälypiloteista ei tuota mitattavaa vaikutusta. Syy on harvoin malli – se on sen alla oleva data. Näin rakennat perustan, joka tekee tekoälyn vastauksista luotettavia.

Kuva: ERP-järjestelmän liiketoimintadata jäsennetään semanttiseen malliin, josta sekä raportit että tekoälyavustajat lukevat

Lyhyesti

  • Ongelma on harvoin malli. Kyse on sen alla olevasta datasta – jäsentymättömästä, määrittelemättömästä ja hajallaan järjestelmissä ja laskentataulukoissa.

  • Luvut: MIT:n tutkimus The GenAI Divide (2025) havaitsi, että 95 % tarkastelluista AI-hankkeista ei tuottanut mitattavaa tulosvaikutusta. Gartner arvioi, että 60 % AI-projekteista, joilta puuttuu AI-valmis data, lopetetaan vuoteen 2026 mennessä.

  • Ratkaisu: semanttinen malli, jossa liiketoimintakäsitteet määritellään kerran ja jota sekä raportit että AI käyttävät.

  • Käytännössä: Vellox MCP yhdistää Clauden tai ChatGPT:n suoraan malliisi – lukuoikeus, hallitut käyttöoikeudet, jäljitettävät luvut.

  • Ajankäyttö: valmiiden integraatioiden ansiosta Jeevesiin, Pyramidiin, Business Studioon, Business Centraliin, NAV:iin, Visma Businessiin, Fortnoxiin ja Monitoriin käyttöönotto vie 1–2 päivää, ei viikkoja.

Tekoäly katalyyttinä – mutta vaikutus syntyy datasta

Tekoäly muuttaa perusteellisesti sitä, miten yritykset toimivat, 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 päivittäin tiivistämään tekstiä, kirjoittamaan luonnoksia ja siivoamaan sähköpostia. Puuttuu yhteys yrityksen omiin lukuihin. Heti kun kysymys koskee omaa liiketoimintaa – mitä asiakkaita menetämme, mitä katteelle on tapahtunut, miltä varasto näyttää – tekoäly jää ilman perustaa ja alkaa arvailla.

Ero mukavan kokeilun ja todella työtapoja muuttavan välillä on lähes aina alla olevassa datassa. Ei siinä, minkä mallin valitsi.

Miksi useimmat tekoälyhankkeet jumittuvat

Se, että useimmat tekoälypanostukset eivät lähde lentoon, ei ole meidän mutu-tuntumamme – se on hyvin dokumentoitu.

95 prosenttia ilman mitattavaa vaikutusta

MIT:n NANDA-aloite tarkasteli runsaat 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 tulokseen, kun taas vain 5 % loi merkittävää arvoa. Kirjoittajat eivät osoita syyksi mallien laatua, vaan kuilua työkalujen ja todellisten työnkulkujen välillä (Forbes MIT-raportista). Varauksena: luku koskee nimenomaan mitattavaa tulosvaikutusta, ja monilta piloteilta puuttui lähtötilanteen mittaus vertailukohdaksi. Se tulee lukea niin, että useimpia panostuksia ei voida todentaa – ei niin, ettei tekoäly toimisi.

Gartner osoittaa samaa asiaa datan näkökulmasta. Kyselyssä 248 datajohtajan joukossa 63 % vastasi, että heillä joko ei ole oikeanlaista datanhallintaa tekoälylle tai he ovat epävarmoja siitä, ja Gartner ennustaa, että organisaatiot lopettavat vuoteen 2026 mennessä 60 % niistä tekoälyprojekteista, joita ei tue tekoälyvalmis data (Gartner, helmikuu 2025).

Näin lähtöaineisto näyttää useimmissa organisaatioissa

Kaava toistuu käytännössä. Tekoälyn vastaus ei koskaan ole parempi kuin aineisto, johon se perustuu, ja useimmissa organisaatioissa aineisto näyttää suunnilleen tältä:

  • liiketoimintadata on ERP-järjestelmässä, tapahtumia varten rakennetuissa tauluissa

  • keskeisiltä käsitteiltä puuttuu yhteinen määritelmä, joten "liikevaihto" tarkoittaa eri asioita

  • osa totuudesta on laskentataulukoissa, jotka toimivat masterdatana

  • historia on puutteellinen, koska järjestelmä ylikirjoittaa sen sijaan että tallentaisi

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 rakenne, sitten promptit.

Tekoälykokeiluista skaalautuvaan hyötyyn

Matkan ei tarvitse olla pitkä, mutta sen on oltava oikea. Lyhyesti kyse on siitä, että:

  • kerätään 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 hänen kuuluu nähdä

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

Näin voimme auttaa sinua

1. Luo perusta – semanttinen malli liiketoiminnastasi

Haemme datan 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. Promptaa dataasi

Vellox MCP:n avulla Claude tai ChatGPT kytketään suoraan semanttiseen malliisi. Avustaja ymmärtää moduulisi ja tunnuslukusi ja hakee ajantasaiset luvut sen sijaan että arvaisi. Kysymykset, jotka aiemmin vaativat analyytikon ja muutaman tunnin, saavat vastauksen sekunneissa – aineistolla, johon voit palata ja jonka voit tarkistaa.

3. Rakenna omaa päälle

REST API -rajapintamme tarjoilee samaa todennettua dataa, joka pyörittää Velloxin moduuleja. Se mahdollistaa asiakasportaalien, upotettujen dashboardien, automaatioiden ja omien tekoälyagenttien rakentamisen ilman, että jokaiselle hankkeelle rakennetaan uusi dataperusta.

4. Pidä se vastuullisena

Tekoäly liiketoimintadataa vasten 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, jonka määritelmät ovat jäljitettäviä, tekee tähän 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 päätöksiksi eivätkä jälleen yhdeksi raportiksi, jota kukaan ei avaa.

Miltä se näyttää käytännössä

Muutamia esimerkkejä kysymyksistä, joita asiakkaamme esittävät suoraan omalle datalleen:

  • Minkä kymmenen asiakkaan kohdalla menetimme eniten liikevaihtoa viime kvartaalilla?

  • 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. Vaan se, että ne perustuvat samoihin lukuihin kuin johdon raportti – ja että vastauksen saaja voi esittää jatkokysymyksen heti sen sijaan että tilaisi uuden analyysin.

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

Aloita oikeasta päästä

Jos tuntuu, että tekoälyn pitäisi antaa enemmän kuin se tänään antaa, vika on harvoin mallissa. Useimmiten siltä vain puuttuu jotain, millä työskennellä.

Jos sinulla on kysymys jo ennen sitä, voit yhtä hyvin ottaa yhteyttä suoraan.

Usein kysyttyä tekoälystä ja liiketoimintadatasta

Miksi ei riitä, että ChatGPT kytketään suoraan toiminnanohjausjärjestelmäämme?

ERP-järjestelmä on rakennettu tapahtumia, ei analyysia varten. Tauluista puuttuu liiketoimintalogiikka, ja sama käsite lasketaan eri tavoin sen mukaan, mistä taulusta lähdetään. Raakatauluja lukevan tekoälyavustajan on itse arvattava, miten kate, liikevaihto tai varaston arvo lasketaan – eikä arvaus näy vastauksessa. Semanttisessa mallissa laskenta on jo määritelty ja todennettu.

Mikä on semanttinen malli?

Kerros toiminnanohjausjärjestelmän ja kysyjän välissä, jossa taulut, suhteet ja tunnusluvut on määritelty kerran. "Laskutettu liikevaihto" tarkoittaa samaa johdon raportissa kuin tekoälyn vastauksessa, koska molemmat lukevat samasta määritelmästä. Velloxin moduulit ovat tällainen malli, valmiiksi rakennettuna kullekin toiminnanohjausjärjestelmälle.

Voiko tekoäly muuttaa jotain toiminnanohjausjärjestelmässämme?

Ei. Yhteys on lukeva. Kirjoitusoperaatiot eivät ole mahdollisia Vellox MCP:n tai API:mme kautta.

Miten käyttöoikeuksia hallitaan?

Sinä päätät, mitkä mallin osat altistetaan ja kenelle. Käyttöoikeudet seuraavat käyttäjää, joten myyjä ja talousjohtaja saavat samaan kysymykseen eri vastaukset silloin kun niin kuuluu olla.

Mitä toiminnanohjausjärjestelmiä tuette?

Meillä on valmiit integraatiot muun muassa järjestelmiin Business Central, Jeeves ERP, Monitor ERP, Pyramid Business Studio ja Visma Business, sekä täydentäviin lähteisiin kuten PIM-, WMS- ja verkkoanalytiikkajärjestelmiin. Koko lista löytyy integraatiosivultamme.

Kuinka kauan käyttöönotto kestää?

Koska moduulit on esikonfiguroitu kullekin toiminnanohjausjärjestelmälle, laajaa integraatioprojektia ei tarvita. Useimmat asiakkaat näkevät ensimmäiset raporttinsa 1-2 päivässä. Näin se tapahtuu.

Lähteet