Tekoälyllä voi myös rakenteellistaa dataa
Innostus generatiivisten kielimallien kanssa leikkimiseen valtasi maailman reilu vuosi sitten, kun ChatGPT julkaistiin. Sanon leikkimiseen, koska suuri osa käytöstä on ollut huumorilla höystettyä kokeilua.
Olemme jakaneet tekoälyn sovellukset liiketoiminnassa kuuteen luokkaan. Yksi näistä luokista on profilointi. Profilointi tarkoittaa tässä yhteydessä asiakkaan käyttäytymisen arviointia datan perusteella. Se on hienojakoisempaa kuin asiakkaiden segmentointi ennalta määrättyihin luokkiin esim. iän tai harrastusten perusteella.
Tutuin esimerkki profiloinnista lienee suosittelujärjestelmä. Olemme kaikki nähneet verkkokaupan tai suoratoistopalvelun sivulla houkutteluja ”voisit olla kiinnostunut myös tästä”. Suositus perustuu joko muiden käyttäjien valintoihin (yhteistoiminnallinen suosittelu) tai sisällön ja käyttäjän analysointiin (sisältöperusteinen suosittelu) – yleensä molempiin. Tällaisten suosittelujärjestelmien tarkoitus on saada käyttäjä pysymään sivustolla ja ostamaan lisää. Ne eivät vahdi käyttäjän liikkeitä tai ajatuksia muualla kuin omassa palvelussaan.
Seuraava askel on kohdennettu mainonta. Kaikki kaupat haluavat, että näytämme bonuskorttia ja käytämme kanta-asiakassovelluksia joka ikisen ostoksen yhteydessä. Ja mehän käytämme, koska siitä saa etuja. Kauppaketju saa dataa ja asiakas muutaman prosentin alennuksen. Kauppa käyttää dataa yksinkertaisimmillaan siihen, että se tietää minun käyttävän hammastahnaa ja näyttää minulle tarjouksen hammastahnasta. Evästeet ja muut jäljitysjärjestelmät mahdollistavat, että hammastahnamainos saattaa ilmestyä juuri minun selaimessani myös sanomalehden sivulle. Oikein fiksu tekoäly voisi päätellä, milloin hammastahnani on lopussa ja muistuttaisi siitä juuri oikealla kauppareissulla, mutta sellaisesta olen kuullut vasta huhuja.
On muutakin profilointia kuin mainonta. Olisipa hienoa, jos viime kuussa ostamani telkkari välittäisi käyttötiedot ”jonnekin”, käyttötuki näkisi heti kun minulla on ongelma laitteeni kanssa ja ottaisi aktiivisesti yhteyttä, eikä minun tarvitsisi roikkua asiakaspalvelun chatissä, jossa sama henkilö vastailee simultaanisti kahdenkymmenen asiakkaan kysymysten ohi. Tai jos pankin tekoälymalli näkisi historiastani, että olen ollut koko asiakkuuteni ajan järkevä ja kuuliainen rahankäyttäjä, eikä minun tarvitsisi täytellä lainahakemukseen pitkää lomaketta, jossa kysellään kerta toisensa jälkeen harrastusmenoja ja hammaslääkärikuluja.
Yksityisyys liittyy tiiviisti profilointiin. On epämiellyttävää ellei suorastaan vaarallista, että dataa keräävä toimija tietää minusta paljon. Voi olla hyödyllistä saada edullinen liikennevakuutus sen perusteella, että vakuutusyhtiö saa autoni keräämän datan ja näkee siitä minun olevan varovainen kuski, mutta samalla vakuutusyhtiö saa tietää, milloin ja minne ajelen. Jos käyn joka arkipäivä samassa kahvilassa ja juon samanlaisen kahvin, minulla ei ole mitään sitä vastaan, että jonakin päivänä saan edullisemman tarjouksen viereisestä kahvilasta, mutta en halua, että tietoja päivittäisistä rutiineistani käytetään väärin. Foliohatut yrittävät olla näkymättömiä koko internetissä, vaikuttajat taas haluavat jakaa koko elämänsä someen. Kultainen keskitie lienee jossain siinä välissä. Tietomurtoja ja väärinkäytöksiä tapahtuu, ja lainsäädäntö yrittää parhaansa mukaan turvata kansalaisten yksityisyyttä. Varmaa on vain, että kehitys ei pysähdy.
Innostus generatiivisten kielimallien kanssa leikkimiseen valtasi maailman reilu vuosi sitten, kun ChatGPT julkaistiin. Sanon leikkimiseen, koska suuri osa käytöstä on ollut huumorilla höystettyä kokeilua.
Autonomiset koneet on Fonzitin käyttämässä jaottelussa yksi tekoälyn sovelluskohde. Autonomisia koneita ovat esim. autonomiset autot, teollisuusrobotit ja ihmisen kaltaiset robotit eli humanoidirobotit.
Ohjaamaton koneoppiminen poikkeamien havaitsemisessa Fonzit Oy on laajentanut liiketoimintaansa loma-asuntobisnekseen ja rakennuttanut kokonaisen vuokramökkikylän Etelä-Suomeen. Koska data ja tekoäly liiketoiminnassa on Fonzitin ydinosaamista,