Miten tekoälyn kustannukset rakentuvat ja miten niitä voi hillitä

Hyvä data-arkkitehtuuri pitää kustannukset hallinnassa

Datan sijainti eri järjestelmissä ei itsessään ole ongelma. Olennaista on, että tieto on löydettävissä ja kuvattu niin selkeästi, että sen sisältö ja merkitys on ymmärrettävissä.

Hyvin suunniteltu data-arkkitehtuuri vähentää tätä tarpeetonta työtä. Kun tieto on laadukasta, tarkoituksenmukaisesti saatavilla ja kuvattu yrityksen omassa kontekstissa, tekoäly löytää oikean tiedon helpommin. Selkeästi määritellyt käsitteet ja niiden väliset yhteydet vähentävät tarpeettomia hakuja ja tulkintoja. Näin kustannukset voivat pienentyä samalla, kun vastausten laatu paranee.

Data-arkkitehtuuri määrittää myös sen, kuinka itsenäisesti tekoäly voi toimia ilman, että kustannusten, laadun tai riskien hallinta heikkenee. Kun agentti tietää, mistä hyväksytty tieto löytyy, mitä käsitteet tarkoittavat ja mitä tietolähteitä se saa käyttää, sen ei tarvitse muodostaa vastausta arvaamalla tai tekemällä lukuisia rinnakkaisia hakuja. Samalla vastausten alkuperä voidaan jäljittää ja virheelliset tai vanhentuneet tietolähteet tunnistaa helpommin. Epäluotettava tekoäly ei ole vain laatu- tai riskikysymys, vaan myös kustannuskysymys. Jos vastausten tarkistamiseen, korjaamiseen tai uudelleen muodostamiseen kuluu paljon aikaa, näennäisesti edullinen ratkaisu voi tulla kokonaisuutena kalliiksi.

Mitä autonomisempi tekoäly, sitä tärkeämpi sen toimintaympäristö on

1. Tekoälyn on tiedettävä, mitä tietoa se saa käyttää.
   Käyttöoikeuksien, tietolähteiden ja tiedon omistajuuden on oltava selkeitä.
2. Tekoälyn on pystyttävä tulkitsemaan tieto oikein.
   Yhteiset käsitteet, metatiedot ja liiketoimintasäännöt auttavat sitä erottamaan esimerkiksi liikevaihdon, laskutuksen ja kassavirran toisistaan.
3. Tekoälyn toiminnan on oltava jäljitettävissä.
   Organisaation pitäisi voida nähdä, mitä lähteitä agentti käytti, mitä vaiheita se suoritti ja miksi kustannus tai vastaus poikkesi odotetusta.

Viisi vinkkiä kustannusten hallintaan

• Tarkastele kokonaiskustannusta yhtä onnistunutta ja luotettavaa tehtävää kohden. Älä seuraa vain tokenien hintaa, vaan ota huomioon myös tiedonhaut, järjestelmäkutsut, tarkistukset ja virheiden korjaamiseen kuluva työ.
• Vertaa kustannuksia saavutettuun liiketoimintahyötyyn. Seuraa esimerkiksi säästynyttä työaikaa, nopeampia prosesseja, parempaa laatua, vähentyneitä virheitä tai vaikutusta liikevaihtoon.
• Tunnista, mistä turhat kustannukset syntyvät. Selvitä yhdessä teknisten asiantuntijoiden kanssa, käytetäänkö tehtävään tarpeettoman raskasta tekoälymallia, tehdäänkö samoja hakuja toistuvasti tai suorittavatko tekoälyagentit tarpeettomia työvaiheita.
• Huomioi datan ja teknisen perustan vaikutus. Kun tieto on helposti saatavilla, käsitteet ovat yhtenäisiä ja tekninen ratkaisu sopii käyttötarkoitukseen, tekoäly tekee vähemmän turhaa työtä ja samoja ratkaisuja voidaan hyödyntää laajemmin.
• Sovi mittarit, vastuut ja rajat etukäteen. Määritä budjetit, käyttörajat ja hälytykset poikkeaville kustannuksille. Päätä myös, millä perusteilla ratkaisuja laajennetaan, kehitetään tai lopetetaan. EY:n AI Pulse Surveyn mukaan 82 prosenttia vastaajista oli huolissaan tokenien kustannuksista, mutta vain 64 prosenttia kertoi organisaationsa seuraavan käyttöä aktiivisesti ja hyödyntävän selkeitä budjetteja ja rajoja.

Tavoitteena ei ole käyttää tekoälyä mahdollisimman vähän. Tavoitteena on käyttää sitä siellä, missä se tuottaa liiketoiminnalle perusteltua arvoa ja toteuttaa ratkaisut tavalla, joka pitää kustannukset ennakoitavina myös käytön kasvaessa.

EY auttaa organisaatioita muodostamaan kokonaiskuvan tekoälyratkaisujen kustannuksista ja liiketoimintahyödyistä. Tuki voi kattaa esimerkiksi käyttötapausten arvioinnin, kustannus- ja arvomittareiden määrittelyn, data-alustojen ja data-arkkitehtuurin kehittämisen sekä tekoälyn käyttöä ohjaavien toimintamallien rakentamisen.