TEKOÄLYAGENTIT OSAKSI LIIKETOIMINTAA
Tekoälyagenteista puhutaan nyt kaikkialla. Innostus aiheeseen on helppo ymmärtää, sillä agenttipohjaisten ratkaisujen mahdollisuudet on ilmiselvät ilman syvempää perehtymistä ympäröivään teknologiaan.
Monesti kuitenkin tämä innostus kääntyy turhautumiseksi, kun agentteja aletaan ottamaan todellisuudessa osaksi liiketoimintaa. Heinäkuussa 2025 MIT julkaisi tutkimuksen1, jonka mukaan 95 % aloitetuista tekoälyprojekteista epäonnistuu ennen tuotantoon pääsemistä.
Parannetaan onnistumistodennäköisyyttäsi perehtymällä tekoälyagentteihin liiketoiminnan näkökulmasta: Agentti on tekoälyä hyödyntävä ohjelma, joka pystyy suorittamaan tiettyyn aihepiiriin kuuluvan tehtävän. Tarkastellaanpas hieman tarkemmin.
Agentti koostuu pohjatiedoista ja työkaluista
Yksinkertaistettuna tekoälyagentit perustuvat siihen, mitä agentti tietää, ja mitä se pystyy tekemään. Toiminnallisesti agentin ja perinteisen ohjelman ero on siinä, miten agentti pystyy ”luovasti” yhdistämään tietämystään ja toimintojaan.
Perinteinen ohjelma toimii pelkästään luontivaiheessa määriteltyjen sääntöjen mukaan, kun taas agentti pystyy omatoimisesti yhdistämään käytössä oleviaan työkaluja lopputulokseen pääsemiseksi.
Pohjatiedot: mitä agentin on tiedettävä?
Voit ajatella agenttia kuin uutta harjoittelijaa. Jotta hän pystyisi hoitamaan tehtävänsä, hänen täytyy ymmärtää, mitä tehtävään kuuluu, millä tavalla se tehdään ja mitä tietoja työssä käytetään. Sama pätee agenttiin: se tarvitsee pohjalleen sekä datan, jonka pohjalta se toimii, että tarkan kuvauksen tehtävästä, joka sen toivotaan tekevän.
Isoin hyöty kielimallipohjaisten agenttien ja perinteisen ohjelman välillä on agentin kyky keksiä ennalta määrittelemättömiä tapoja päästä haluttuun lopputulokseen. Siksi onkin erittäin tärkeää antaa tarkkaan suunniteltu kuvaus tavoitellusta lopputuloksesta. Leveäperäinen kuvaus tavoitteesta mahdollistaa agentin hyödyntämisen useampaan käyttötapaukseen, mutta heikentää sen toimintavarmuutta. Esimerkiksi agentti, joka vastaa mihin tahansa kysymykseen yrityksen dokumentaatioista on yleishyödyllinen, mutta agentti, joka vastaa HR-Käsikirjaan liittyviin kysymyksiin on luotettava. Molemmille on paikkansa.
Nykyiset kielimallit osaavat jo itsessään valtavasti asioita, ja tämän takia on helppo rakentaa agentti ilman, että sille antaa mitään tarkentavaa tietoa toimintansa pohjalle. Tällainen agentti voi yhä keskustella vakuuttavasti ja tuottaa näyttäviä vastauksia. Ne ovat helppo “myydä” organisaatioon sisällä, mutta koska niiden toiminta ei perustu pohjatietojen kautta sinun liiketoimintasi, vaan kaikkeen koulutusvaiheessa internetistä raavittuun tietoon, on vastaukset yleensä liian yleismaallisia ja epäluotettavia, jotta niistä olisi liiketoiminnallesi oikeasti hyötyä.
Työkalut: mitä agentti pystyy tekemään?
Jos pohjatiedot kertovat agentille, mitä sen pitää ymmärtää, työkalut määrittävät sen, mitä agentti pystyy tekemään. Työkalut ovat agentin konkreettisia kykyjä, joiden avulla se voi päästä tavoitteeseensa.
Esimerkkejä työkaluista:
- Tiedonhaku: agentti hakee tietoa yrityksen järjestelmistä tai tietokannoista.
- Raportin luominen: agentti koostaa löydetystä tiedosta valmiin raportin tai yhteenvedon.
- Viestien laatiminen: agentti osaa kirjoittaa sähköposteja, ilmoituksia tai asiakaskirjeitä annettujen ohjeiden mukaisesti.
- Ulkoisen järjestelmän kutsuminen: agentti kutsuu perinteistä ohjelmistorajapintaa. Kuten esimerkiksi asiakastapaamisen kirjaaminen CRM-järjestelmään.
Työkalut ovat käytännössä pieniä perinteisiä ohjelmia. Onnistumiseen vaikuttavat samat asiat, joita vuosikymmenien aikana on opittu onnistuneista ohjelmistohankinnoista: selkeä määrittely, oikeiden kumppanien valinta, vaiheittainen testaus oikeassa käytössä ja kokonaisuuden hallittu laajentaminen. Näiden asioiden hoitaminen kunnolla lisää suuresti todennäköisyyttäsi onnistua myös niitä hyödyntävien agenttien hankinnassa.
Lähteet: State of AI in Business 2025