IT-osaaminen 2024: AI-kyvykkyyden rakentaminen on strateginen menestystekijä
Yritysten kasvava kiinnostus ja panostukset tekoälyyn osoittavat, että teknologia luo lisäarvoa eri toimialoilla. Myös julkiset organisaatiot tutkivat, miten tekoälyä voitaisiin hyödyntää. Onkin kriittistä valita oikeat AI-osaajat, jotta teknologiasta saadaan kaikki hyöty.
Generatiivinen tekoäly, large language modelit (LLM) ja erilaiset käyttöliittymät, ChatGPT, etulinjassa, ovat näyttäneet suurelle yleisölle mihin tekoäly nykyään kykenee. Kehitys jatkunee nopeana jatkossakin. Näköpiirissä on jo AGI (Artificial General Intelligence) eli yleinen tekoäly, joka pystyy monenlaisiin tehtäviin yhden tehtävän sijaan.
Tekoäly voi olla osana kokonaan uudenlaista sovellusta. Esimerkiksi emoyhtiömme Fujitsu hyödyntää tekoälyä simuloidessaan sähköskootteripalvelun vaikutuksia yhteistyössä Berylin kanssa Isle of Wightilla. Social Digital Twin -tekniikkaa käyttämällä Fujitsu yhdistää käyttäytymistalouden mallit ja tekoälyn simuloimaan ihmisten liikennekäyttäytymistä oikeassa maailmassa. Näiden simulointien avulla voidaan ennustaa sähköskootterilla liikkuvien tekemien valintojen taloudellisia ja ympäristövaikutuksia.
Toimistotyöntekijät saavat yhä useammin nauttia tekoälyavustimista eli copilotteista, joita tuodaan kiihtyvällä tahdilla tehostamaan heidän työtänsä. Myös kenttätyöntekijät voivat saada ohjeet työvaiheisiin ja ratkaisut eteen tuleviin ongelmiin copilotilta.
Tekoälyn integrointi toimintaan herättää monia kysymyksiä
Organisaatiot tutkivat nyt omia prosessejaan, dataansa ja tietoteknisiä ratkaisujaan tekoälyn integroimiseksi toimintaansa. Tämä herättää useita kysymyksiä, kuten missä prosesseissa ja käyttötapauksissa tekoäly voi olla hyödyllinen, riittävätkö valmiit kaupalliset ratkaisut, ja miten huolehdimme tietoturvasta, eettisyydestä ja lainsäädännöstä.
Vastauksia odottavia kysymyksiä on erittäin paljon, ja tässä olen listannut keskeiset osa-alueet ja niihin liittyvän kysymyksen tai kysymykset.
Prosessit, tehtävät ja käyttötapaukset: Missä prosesseissa, tehtävissä ja käyttötapauksissa tekoälyä voisi olla hyödyllinen?
Valmiit kaupalliset ratkaisut: Riittävätkö tarjolla olevat kaupalliset tekoälyratkaisut?
Sulautetut tekoälyavustimet: Tarvitaanko liiketoimintasovelluksiimme sulautettuja tekoälyavustimia?
Data ja tietämys: Riittääkö tarjolla olevan kaupallisen tekoälyn yleinen data ja tietämys, vai pitäisikö tekoäly kouluttaa myös oman datamme pohjalta? Onko meillä omaa dataa tekoälyn kouluttamiseen?
Tekoälyratkaisun valinta: Tarvitsemmeko oman tekoälyratkaisun vai tarjoavatko valmiit palvelut API-rajapintoineen riittävän kyvykkyyden omalle sovelluksellemme?
Tekoälyinfrastruktuuri: Voimmeko rakentaa oman tekoälyinfrastruktuurin julkisiin pilvipalveluihin ja tallentaa datamme sinne? Pitäisikö meidän rakentaa tekoälyinfrastruktuuri palvelinraudasta lähtien omaan konesaliin?
Osaamisen tarve: Millaisia osaamistarpeita meillä on omien ratkaisujen toteuttamiseksi?
Tietoturva: Miten varmistamme tietoturvan toteutumisen?
Lainsäädäntö, eettisyys ja tietosuoja: Miten varmistamme, että käyttämämme koulutusdata ja tekoälyn antamat vastaukset ovat lainsäädännön, eettisyyden ja tietosuojan kannalta riittävällä tasolla?
Sovellusalue ja tarkkuus: Onko sovellusalue sellainen, että tekoälyn tarkkuus on riittävä kyseiseen tehtävään?
Kysymyslista ei pääty tähän, ja olet varmasti huomannut, kuinka laaja aihepiiri on.
Millaisia osaajia tarvitaan?
Mikäli organisaatio päättää lähteä toteuttamaan itselleen tekoälyratkaisuja, tyypillisimmät osaamisroolit ovat:
- Data scientist, joka vastaa use caseista, datasta ja sen analyyseistä, koneoppimismalleista ja algoritmeista
- Machine learning engineer, joka vastaa tekoälyinfrastruktuurista, koneoppimismalleista, käytännöistä, joilla koneoppimismalleja tehokkaasti ja automatisoidusti hallitaan koko elinkaaren ajan (MLOps, Machine Learning Operations), ja työkaluista
- Data engineer, joka vastaa datan keräämisestä ja integraatioista, mallintamisesta, varastoimisesta sekä purifioinnista. Myös näihin liittyvät alustat ja työkalut ovat hänen vastuullaan
- Tietoturva-asiantuntija, joka vastaa teknisten ympäristöjen ja datan suojaamisesta sekä riskien arvioinnista
- Tietosuoja-asiantuntija, vastaa datan sisällöstä, henkilötiedosta, eettisyydestä ja lainmukaisuudesta
Kuvatut roolit ja niiden tehtävät ovat yleisellä tasolla ja ne voivat vaihdella organisaatioittain.
Miten Nico auttaa sinua?
Nico Suomen kokeneimpana it-alan rekrytointi- ja resursointiyrityksenä auttaa organisaatioita AI-asiantuntijakyvykkyyksien rakentamisessa, olipa sitten kyseessä rekrytointi vakituisiin tehtäviin tai tarve määräaikaisiin vuokra-asiantuntijatoimeksiantoihin. Olimme rakentamassa ensimmäisen kerran asiakkaamme AI-praktiikkaa jo vuonna 2018.
Tarjoamme AI-alueen työnhakijoille mahdollisuuden työllistyä vakituiseen tehtävään Nicossa tai asiakasorganisaatiossamme. Freelancereille ja alihankintayrityksille tarjoamme mahdollisuuden löytää toimeksianto kauttamme. Verkostoituminen kanssamme mahdollistaa nopean ja sujuvan pääsyn työpaikka- ja toimeksiantojulkaisuihimme.
Ota yhteyttä, kun AI-kyvykkyyksien rakentaminen on sinulle ajankohtaista.
Juha Hyvärinen
+358 (0)9 817 130 34
juha.hyvarinen@fujitsu.com
