Kun tekoälyagentti tekee ostoksia, pelkkä tuotetieto ei riitä

Teollisuusyrityksen huoltaja huomaa, että koneen osa on vaihdettava. Varastosta osa on loppumassa, joten hankintajärjestelmä käynnistää automaattisen täydennystilauksen. Ostaja-agentti kysyy tuotetta toimittajan järjestelmästä. Alkuperäistä osaa ei ole saatavilla, mutta toimittajan agentti ehdottaa korvaavaa tuotetta. Tilaus vahvistuu, varastosaldo päivittyy ja lasku täsmäytyy. Järjestelmien mukaan kaikki onnistui.

Kun osa saapuu, huoltaja huomaa ongelman: korvaava tuote sopii koneen uudempaan versioon, mutta ei käytössä olevaan laitteeseen. Tieto koneen versiosta oli olemassa ostajan kunnossapitojärjestelmässä. Toimittajallakin oli tieto siitä, että korvaava osa sopi vain uudempiin koneversioihin. Kumpikaan ratkaiseva tieto ei kuitenkaan kulkenut agenttien tekemän päätöksen mukana. Automaatio teki sen, mitä sille oli annettujen tietojen perusteella mahdollista tehdä. Silti lopputulos oli väärä.

Tämä esimerkki tiivistää yhden agenttisen B2B-kaupan keskeisistä haasteista. Ambientian CCO Petteri Erkintalo käsitteli aihetta B2B Commerce Breakfast -tapahtumassa 22. lokakuuta 2026. Agenttien avulla voidaan vähentää huomattavasti manuaalista työtä, mutta vain silloin, kun niiden käytettävissä ovat oikea tieto, liiketoiminnan ehdot ja selkeät toimivallan rajat.

Yritysten välisessä kaupassa vastapuoli voi pian olla agentti

Yritysten ostaminen on jo pitkään perustunut järjestelmien väliseen tiedonsiirtoon. Toiminnanohjausjärjestelmät, tuotetietojärjestelmät, tilausportaalit ja toimittajaintegraatiot käsittelevät tilauksia ja saatavuustietoja rakenteisesti. Tekoälyagentit tuovat tähän kehitykseen uuden kerroksen: ne voivat myös tulkita tarpeita, etsiä vaihtoehtoja ja käynnistää toimia annettujen tavoitteiden perusteella.

Agentti ei silti ole irrallinen järjestelmä, joka tuntee yrityksen liiketoiminnan itsestään. Sen toimintaa ohjaavat tehtävä ja ohjeet, sille annettu konteksti sekä työkalut, joilla se hakee tietoa ja tekee toimintoja esimerkiksi ERP-, PIM- tai kunnossapitojärjestelmissä. Käyttöoikeuksien, tarkistusten ja liiketoimintasääntöjen on määritettävä, mitä agentti voi todella toteuttaa. Ostajan tunnistaminen, tuoteluettelot, sopimushinnat, tilausrajapinnat ja logistiikkaintegraatiot ovat suurelta osin tuttua B2B-infrastruktuuria. Uutta on se, kuinka itsenäisesti järjestelmät alkavat tehdä päätöksiä sen varassa.

Käytännössä ostava yritys voi hyödyntää agenttia toimittajien kartoittamiseen, tuotevertailuun, saatavuuden selvittämiseen tai ostotilausten valmisteluun. Myyjän puolella agentti voi vastata tuotetietokyselyihin, tarjota vaihtoehtoja ja käsitellä tilauspyyntöjä.

Tämä muuttaa B2B-kaupan kohtaamispisteitä. Kaikki ostamisen vaiheet eivät enää välttämättä tapahdu ihmisen ja verkkokaupan käyttöliittymän välillä. Osa asioinnista voi siirtyä suoraan järjestelmien ja agenttien väliseksi toiminnaksi.

Myyvän yrityksen näkökulmasta uusi kysymys onkin: pystyykö tekoälyagentti selvittämään luotettavasti, mitä yritys myy, kenelle tuote sopii ja miten sen voi ostaa?

Tuotetieto ei vielä kerro, saako tuotetta käyttää

B2B-tuotteisiin liittyy usein ehtoja, joita ei voi päätellä pelkästä nimestä tai tuotenumerosta. Varaosa voi sopia tiettyyn koneversioon mutta ei toiseen. Materiaali voi muuttua tuotteen revision mukana. Tuotteen käyttö voi riippua mitoituksesta, ympäristöstä, sertifioinnista tai asiakkaan omista vaatimuksista.

Jos agentti näkee vain, että alkuperäinen tuote on loppu ja toinen tuote muistuttaa sitä, se saattaa ehdottaa väärää korvaavaa osaa. Kaupallinen tapahtuma onnistuu teknisesti, mutta asiakkaan todellinen tarve jää täyttymättä.

Varaosaesimerkissä ongelma ei siis ollut se, että kaikki tarvittava data olisi puuttunut. Ongelma oli siinä, ettei oikea konteksti ja korvaavuuden ehto välittynyt järjestelmien välillä. Pelkkä tuotetietojärjestelmän merkintä ”A:n korvaava tuote on B” ei tarkoita, että B sopisi jokaiseen käyttökohteeseen, jossa A:ta on käytetty.

Siksi agenttisen kaupan keskeinen rakennusaine ei ole pelkkä datan määrä, vaan sen merkitys. Järjestelmän täytyy pystyä yhdistämään tuotetiedot, käyttökohteet, tekniset yhteensopivuudet ja mahdolliset rajoitukset. Samalla sen täytyy ymmärtää kaupalliset ehdot: asiakkaan sopimushinnat, ostovaltuudet, toimitustavat ja se, missä tilanteissa automaattinen päätös on sallittu.

Mitä monimutkaisempi tuote, sitä tärkeämmäksi tämä käy. Konfiguroitavassa tuotteessa voi olla kymmeniä valintoja materiaalista mittoihin ja lisävarusteisiin. Vaihtoehtojen yhdistelmistä voi syntyä valtava määrä mahdollisia kokonaisuuksia, joista kaikki eivät ole teknisesti tai kaupallisesti kelvollisia.

Jo 30 ominaisuutta, joista jokaisella on kolme vaihtoehtoa, tuottaa teoriassa yli 205 biljoonaa yhdistelmää. Luku on matemaattinen havainnollistus, ei arvio myyntikelpoisten tuotekokoonpanojen määrästä. Oikein määritellyt konfigurointisäännöt karsivat mahdottomat vaihtoehdot pois. Jos säännöt puuttuvat, kielimalli ei voi luotettavasti päätellä niitä tyhjästä.

Kielimallille ei kannata antaa vastuuta keksiä näitä sääntöjä itse. Se voi auttaa asiakasta ymmärtämään valintoja ja jäsentämään tarvetta, mutta lopullinen soveltuvuus on tarkistettava luotettavia tuotemalleja ja liiketoimintasääntöjä vasten.

Agentti tarvitsee toimivallan lisäksi pysähtymissäännöt

Agenttien hyöty syntyy siitä, että ne voivat hoitaa useita toisiinsa liittyviä tehtäviä ilman jatkuvaa käsityötä. Samalla kasvaa riski, että järjestelmä jatkaa toimintaansa liian pitkälle virheellisen oletuksen varassa.

Petteri Erkintalo jäsensi luotettavan B2B-tapahtuman viiteen päätösvaiheeseen. Ne tarjoavat käytännöllisen tavan arvioida, onko automaattiselle kaupalle riittävät edellytykset:

1. Ostajan tarkoitus ja käyttökohde. Tiedetäänkö, kuka on ostamassa, mihin tarkoitukseen ja esimerkiksi mihin koneversioon tuote tarvitaan?
2. Tekninen sopivuus. Onko tuotteen yhteensopivuus, vaihtoehtoisten tuotteiden ehdot ja mahdollinen konfiguraatio tarkistettu luotettavista lähteistä?
3. Kaupalliset ehdot. Ovatko sopimushinta, todellinen saatavuus, toimitusehdot ja maksamisen ehdot selvillä?
4. Toimivalta. Saako ostaja tai agentti tehdä päätöksen kyseisellä budjetilla, ja edellyttääkö ratkaisu erillistä teknistä hyväksyntää?
5. Toteutus tai siirtäminen ihmiselle. Jos edellytykset täyttyvät, tilaus voidaan tehdä. Jos olennainen tieto puuttuu, agentin pitää kysyä, selvittää lisää tai pysähtyä.

Viimeinen vaihe on erityisen tärkeä. Jos järjestelmä ei osaa tunnistaa omaa epävarmuuttaan, se voi jatkaa tehtävän suorittamista silloinkin, kun oikea ratkaisu olisi kysyä lisätietoja. Joskus paras automaattinen päätös on jättää kauppa tekemättä. Hyvä automaatio ei tarkoita sitä, että kaikki päätökset tehdään ilman ihmistä. Se tarkoittaa, että ihminen tarvitaan oikeissa kohdissa.

Sama periaate koskee tietoturvaa. Nopeasti rakennettu sisäinen tekoälytyökalu voi näyttää toimivalta, mutta jos se antaa käyttäjille pääsyn tietoihin, joihin heillä ei pitäisi olla oikeutta, liiketoiminnallinen hyöty jää tietoturvariskin varjoon. Käyttöoikeuksien ja arkaluonteisen tiedon hallinta pitää suunnitella osaksi ratkaisua alusta alkaen.

Kaikki hyödyllinen automaatio ei tarvitse tekoälyagenttia

Agenttisesta kaupasta keskusteltaessa on helppo niputtaa samaan käsitteeseen ennusteet, suosittelut, sääntöpohjainen automaatio ja itsenäisesti toimivat tekoälyagentit. Käytännössä ne ratkaisevat osittain erilaisia ongelmia.

Esimerkiksi ravintolaketjun tilausportaalissa voidaan tehdä toistuvia tilauksia aikataulun mukaan. Myynti- ja menekkitietojen perusteella voidaan ehdottaa täydennyksiä. Jos ravintola ennustaa myyvänsä ensi viikolla tietyn määrän pizzoja, raaka-ainetarve voidaan laskea reseptien ja aiemman kulutuksen perusteella.

Tällaiset toimintamallit ovat mahdollisia myös perinteisillä integraatioilla, ennustemalleilla ja liiketoimintasäännöillä. Agentti voi tuoda niihin lisää joustavuutta esimerkiksi poikkeamien selvittämisessä tai vaihtoehtoisten toimittajien etsimisessä. Sitä ei kuitenkaan kannata lisätä prosessiin vain siksi, että teknologia on uusi.

Ambientian ja Helsinki Foodstockin vuosien 2018–2019 ratkaisuissa tätä tavoitetta vietiin jo käytäntöön. Esimerkkejä olivat aikataulutetut tilaukset, menekkitietoon perustuvat tuote-ehdotukset, ostoskorin automaattinen täydentäminen sääntöjen perusteella sekä raaka-ainetarpeen laskeminen ennustetusta pizzamyynnistä. Nämä eivät olleet nykyisenkaltaisia kielimalliagentteja, vaan toistuvaa automaatiota, dataan perustuvaa ennakointia ja sääntöohjattua toimintaa. Esimerkit osoittavat, että liiketoiminnan tarve vähentää rutiiniostamista on syntynyt paljon ennen nykyisiä kielimalleja.

Olennainen kysymys ei siis ole, mihin kaikkeen tekoälyä voidaan käyttää. Se on, missä työvaiheessa automaatio tuottaa selvästi parempaa palvelua, vähemmän virheitä tai todellista ajansäästöä.

Datan laatu ratkaisee, mitä agentit voivat tehdä

Monissa B2B-yrityksissä on valtavasti tietoa jo valmiiksi. Sitä löytyy toiminnanohjausjärjestelmästä, tuotetietojärjestelmästä, varastonhallinnasta, logistiikasta, asiakkuudenhallinnasta ja sopimuksista. Haaste on, että sama asia voi tarkoittaa eri järjestelmissä eri asioita.

Tuotekoodi voi olla ajan tasalla yhdessä järjestelmässä mutta vanhentunut toisessa. Asiakkaan sopimusehto voi olla tallennettu erilliseen dokumenttiin. Tieto tuotteen yhteensopivuudesta voi puolestaan olla vain kokeneen työntekijän muistissa.

Agentti ei poista tällaisia ristiriitoja itsestään. Päinvastoin se voi moninkertaistaa niiden vaikutukset, jos epäselvään tietoon perustuvia päätöksiä aletaan tehdä automaattisesti suurella volyymilla.

Agenttivalmiuden rakentaminen on siksi myös tiedon yhtenäistämistä: mitä tuotteet, asiakkaat, ehdot ja tapahtumat tarkoittavat eri järjestelmien välillä? Mitä lähdettä voidaan pitää luotettavana? Mihin tietoon agentilla on pääsy, ja mitä sen on pyydettävä ihmiseltä?

Entistä suurempi osa ostopolusta voi jäädä myyjälle näkymättömäksi

Tekoälyagentit muuttavat myös tapaa, jolla yritykset tulevat löydetyiksi. Ostaja voi pyytää agenttia etsimään sopivat toimittajat ja vertailemaan niitä ilman, että yksikään ihminen käy myyjien verkkosivuilla.

Myyvä yritys saattaa nähdä lopulta vain tarjouspyynnön tai tilauksen. Sitä edeltänyt selvitys- ja vertailutyö jää osittain näkymättömäksi. Perinteinen verkkoliikenteen analytiikka ei silloin välttämättä kerro, missä vaiheessa yritys päätyi ehdokkaaksi tai miksi toinen toimittaja valittiin.

Tämä korostaa entisestään tuotetiedon selkeyttä, löydettävyyttä ja koneellista hyödynnettävyyttä. Jos agentti ei pysty varmistamaan tuotteen soveltuvuutta tai oston ehtoja, se saattaa jättää vaihtoehdon kokonaan pois vertailusta.

Mahdollisuus ulottuu paljon tilaamista pidemmälle

Agenttisen B2B-kaupan ensimmäinen käyttökohde voi olla tuttu: asiakkaan vakiotuote tilataan automaattisesti sovituilla ehdoilla. Potentiaali ei kuitenkaan rajoitu ostotapahtuman automatisointiin.

Agentti voi etsiä vaihtoehtoisia tuotteita ja toimittajia, selvittää asiakkaan tarpeeseen sopivia kokoonpanoja yhdessä teknisten sääntömoottorien kanssa sekä seurata, muuttuvatko saatavuus, toimitusajat tai muut ostamiseen vaikuttavat ehdot. Tarvittaessa se voi ehdottaa toimenpidettä tai pyytää tarkennusta ennen kuin ongelma ehtii näkyä asiakkaalle.

Tällöin yksittäinen tilaus on vain yksi vaihe pidemmässä prosessissa, jossa tarvetta tunnistetaan, vaihtoehtoja vertaillaan ja toimintaa mukautetaan tilanteen muuttuessa. Itsenäisyyden aste voidaan rajata tehtävän mukaan: agentti voi valmistella päätöksen, pyytää hyväksynnän tai toteuttaa ennalta määritellyn toimenpiteen itse. Ratkaisevaa on, että se toimii liiketoiminnan ehtojen eikä pelkän teknisen mahdollisuuden perusteella.

Agenttista kauppaa kannattaa kehittää prosessi edellä

Ennen ensimmäistä agenttipilottia kannattaa tunnistaa yksi rajattu prosessi, jossa toistuva työ vie aikaa ja onnistumista voidaan mitata. Se voi olla varaosien täydennystilaus, tuotetiedon selvittäminen, tilausten poikkeamien käsittely tai jonkin sopimusehdon tarkistus.

Hyvä lähtökohta on seurata yhtä todellista ostotarvetta alusta loppuun. Jos asiakas pyytää asennettuun laitteeseen sopivaa varaosaa omalla sopimushinnallaan ensi tiistaiksi, pystyykö järjestelmä vastaamaan viiteen kysymykseen: mitä tuotetta tarvitaan, sopiiko se käyttökohteeseen, millä ehdoilla se on saatavilla, saako tilauksen tehdä ja miten epäselvyydet käsitellään? Jos vastaus jää jossakin kohdassa puuttumaan, kehitystyön ensimmäinen kohde voi olla tiedossa tai prosessissa eikä uuden agentin rakentamisessa.

Sen jälkeen selvitetään, onko tarvittava tieto käytettävissä, millä säännöillä päätöksiä tehdään ja missä tilanteissa agentin toiminta pitää hyväksyttää ihmisellä. Vasta sitten kannattaa ratkaista, millainen teknologia tehtävään sopii.

Tekoäly voi tehdä B2B-kaupasta huomattavasti nykyistä itsenäisempää ja vähentää rutiinityötä, mutta turvallinen automaatio vaatii ymmärrystä asiakkaan todellisesta tilanteesta. Tulevaisuuden kilpailuetu ei synny pelkästään siitä, että yrityksellä on agentti, vaan siitä, että agentti pystyy tekemään oikeita asioita oikeilla ehdoilla.

Agenttinen B2B-kauppa ei ala chatbotista. Se alkaa liiketoiminnan prosesseista, laadukkaasta tiedosta ja kontekstista, jonka varassa päätöksiä voi tehdä luotettavasti.