AI-agentit teollisuuden ja energia-alan prosesseissa

    Siirry sivun sisältöön

    Älä aloita teknologiasta, aloita liiketoimintaprosessin kitkasta.

    AI-agentit ovat siirtymässä kokeiluista osaksi oikeita liiketoimintaprosesseja. Teollisuuden ja energia-alan palveluorganisaatioissa kiinnostavia kohteita löytyy erityisesti tilanteista, joissa tieto on hajallaan useissa järjestelmissä ja asiantuntijan aika kuluu tiedon kokoamiseen ennen varsinaista päätöstä tai toimenpidettä.

    Agenttien prosesseista poistaman kitkan avulla voidaan säästää aikaa, nopeuttaa palvelua ja vapauttaa asiantuntijan aikaa asiakaskohtaamiseen, ongelmanratkaisuun, suunnitteluun tai päätöksentekoon.

     

    AI Agentti ratkaisuna – aloita pienestä ja opi nopeasti

    Agentin tuominen osaksi liiketoimintaprosessia muistuttaa uuden työntekijän ottamista mukaan. Sille pitää määrittää tehtävä, käytettävissä oleva tieto, oikeudet sekä rajat sille, mitä se saa tehdä itsenäisesti.

     

    Mikä tekee AI:sta agentin?

    Agentille annetaan tavoite, käytettävissä olevat tietolähteet ja työkalut sekä rajat, joiden sisällä se voi suunnitella seuraavia toimenpiteitä itse. Tarvittaessa se pyytää ihmisen päätöstä ennen etenemistä.

    Hyvä käyttötapaus on tarkasti rajattu. Sen liiketoimintahyöty voidaan tunnistaa ja sen toimintaa voidaan seurata. Samalla käyttöoikeudet, kontrollit ja seuranta rakennetaan ratkaisuun alusta asti. Tavoitteena on tyypillisesti poistaa turhaa tiedonhakua, järjestelmien välillä liikkumista ja käsityötä. Ihmiselle jäävät tilanteet, joissa hänen osaamisensa tuottaa eniten arvoa: asiakkaan kohtaaminen, harkinta, neuvottelu ja prosessin poikkeusten ratkaiseminen. Hyvälle käyttötapaukselle voidaan määrittää myös selkeä onnistumisen mittari. Se voi olla esimerkiksi säästetty työaika, lyhyempi käsittelyaika tai vähentyneet manuaaliset työvaiheet.

    Löydä agentille paikka prosessin kitkasta

    Hyöty syntyy usein tarkasti rajatuista tehtävistä, joissa ihmisiltä kuluu paljon aikaa tiedon etsimiseen, yhdistelemiseen, tarkistamiseen ja siirtämiseen järjestelmästä toiseen. Hyvä tunnistuskeino on kysyä, missä työntekijä joutuu tänään tekemään paljon työtä ennen kuin hän pääsee tekemään sen päätöksen tai toimenpiteen, johon hänen osaamistaan oikeasti tarvitaan.

    Jos työssä toistuu jatkuvasti ajatus:

    “Katson ensin tämän täältä, sitten tuolta, tarkistan vielä tämän kolmannesta järjestelmästä ja vasta sen jälkeen pystyn vastaamaan asiakkaalle.”

    siinä on hyvä paikka tutkia AI:n ja agentin hyötyä.

    Agentti ei kuitenkaan ole automaattisesti oikea ratkaisu. Vasta käyttötapauksen ymmärtämisen jälkeen ratkaistaan, tarvitaanko tavallista ohjelmistologiikkaa, integraatioita, AI-toiminnallisuutta, automaatiota, yhtä agenttia vai useamman agentin kokonaisuutta.

     

    Tarve

    Sopiva ratkaisu

    Esimerkki

    Yksi selkeä tehtävä

    AI-toiminnallisuus

    Tunnista varaosa kuvasta

    Ennalta tunnettu prosessi

    Automaatio + AI

    Tunnista osa → hae tuotetiedot → näytä saatavuus

    Useita tietolähteitä, harkintaa ja seuraavia toimenpiteitä

    AI-agentti

    Selvitä asiakkaan tilanne → arvioi vaihtoehdot → ehdota seuraavaa toimenpidettä

    Hyödyt AI-agenteista: esimerkkejä teollisuudesta

    Teollisuuden ja energia-alan palveluprosesseissa yhden tilanteen ratkaisemiseen tarvittava tieto löytyy usein useasta paikasta. Agentti tulee kiinnostavaksi silloin, kun tehtävä vaatii eri tietolähteiden käyttämistä, tilanteen arviointia ja seuraavan toimenpiteen valintaa.

     

    Teollisuus: aftersales ja huolto

    Teollisuuden aftersales- ja asiakaspalveluprosesseissa asiakkaan laitekanta voi löytyä yhdestä järjestelmästä, huoltohistoria toisesta, tuotetieto ja varaosat kolmannesta ja tekninen dokumentaatio omasta ympäristöstään. Lisäksi tilanteessa voidaan tarvita tietoa sopimuksesta, varaosan saatavuudesta tai aikaisemmista asiakastapauksista.

    Asiakas voi esimerkiksi lähettää kuvan rikkoutuneesta osasta ja kysyä, miten tilanteessa pitäisi toimia.

    Agenttinen prosessi voi edetä näin:

    1. Tunnista kuvasta mahdollinen varaosa.
    2. Tarkista, mihin laitemalleihin osa kuuluu.
    3. Tunnista asiakkaan oma laite ja sen konfiguraatio.
    4. Tarkista huoltohistoria.
    5. Etsi mahdollinen korvaava osa.
    6. Tarkista saatavuus.
    7. Arvioi seuraava sopiva toimenpide.
    8. Muodosta vastaus asiakkaalle tai huollon asiantuntijalle.

    Yksittäiseen vaiheeseen ei välttämättä tarvita agenttia. Varaosan voi esimerkiksi tunnistaa kuvasta AI-mallilla. Agentti tulee mukaan, kun tehtävä jatkuu tästä eteenpäin ja vaatii useita tietolähteitä ja toimenpiteitä.

    Energia: kunnossapito ja kenttätyö

    Sama periaate toimii energia-alan kunnossapidossa ja kenttätyössä. Kun järjestelmässä syntyy hälytys tai työmääräin, tilanteen arviointi voi vaatia tietoa kohteesta, laitteesta, huoltohistoriasta, aikaisemmista häiriöistä ja teknisestä dokumentaatiosta.

    Agentti voi esimerkiksi:

    1. tunnistaa hälytyksen tai työmääräimen kohteen
    2. hakea kohteen ja laitteen perustiedot
    3. tarkistaa huolto- ja vikahistorian
    4. hakea tilanteeseen liittyvän teknisen dokumentaation
    5. tunnistaa aikaisemmat vastaavat tilanteet
    6. koota tiedot asiantuntijalle
    7. ehdottaa seuraavaa toimenpidettä.

    Asiantuntija voi tämän jälkeen arvioida tilanteen ilman, että hänen pitää ensin etsiä sama tieto useasta eri järjestelmästä.

    Hallinta rakennetaan osaksi ratkaisua

    Kun agentti otetaan osaksi oikeaa liiketoimintaprosessia, pitää olla selvää, millä pelisäännöillä se toimii. Enterprise-agentti rakennetaan niin, ettei tekoälymalli yksin päätä, mitä organisaation järjestelmissä tapahtuu.

    Käyttötapauksen mukaan määritellään esimerkiksi:

    • mitä tietoa agentti saa käyttää
    • mitä järjestelmiä se saa käyttää
    • mitä toimintoja se saa suorittaa
    • missä tilanteissa tarvitaan ihmisen hyväksyntä
    • mitä agentin päätöksistä ja toimista kirjataan
    • miten agentin toimintaa seurataan, arvioidaan ja muutetaan.

    Hallintamalli, governance, ei saa jäädä erilliseksi dokumentiksi, vaan agentin tekniset kontrollit ja koneluettavat säännöt rakennetaan osaksi toteutusta. Järjestelmiä muuttavat toimenpiteet validoidaan erillisessä kontrollikerroksessa ennen niiden suorittamista. Kriittisiin vaiheisiin voidaan liittää lisävalidointi tai ihmisen hyväksyntä. Näin agentin oikeuksia voidaan rajata käyttötapauksen mukaan. Samalla sen toiminta voidaan jäljittää ja tarvittaessa keskeyttää.

    Ambientia apuna – agentti tarvitsee ympärilleen muutakin kuin AI-mallin

    Agenttinen ratkaisu liittyy aina ympäröivään järjestelmäympäristöön. Se tarvitsee pääsyn oikeaan dataan ja yhteydet niihin järjestelmiin, joissa työ tehdään. Ambientialla on vahva osaaminen liiketoimintasovellusten ja palvelukanavien kehittämisestä ja integraatioista. Autamme datan hyödyntämisessä ja yhdistämme tietoa eri järjestelmistä. Agenttinen AI tuo tähän uuden tavan käyttää organisaation tietoa ja järjestelmiä – ja näin tehostaa asiakkaidemme liiketoimintaprosesseja.

    Ambientian vahvuus on kokonaisuuksien ymmärtämisessä – autamme tunnistamaan liiketoiminnan kannalta oikean lähestymistavan, rakennamme toimivan ratkaisun ja autamme sen jalkauttamisessa arkeen.

    Lue lisää

    Tekoälyn hyödyntäminen tuotetiedonhallinnassa

    Tuotetiedonhallinta on monessa organisaatiossa kriittinen osa liiketoimintaa: asiakkaat odottavat tarkkoja, ajantasaisia ja houkuttelevia tuotetietoja kaikissa kanavissa. Kun tuotteita on tuhansia ja kanavia useita, tiedon ylläpito käsin on työlästä ja virhealtista.

    Tekoäly voi automatisoida monia PIM-prosessin vaiheita – se voi tunnistaa puutteita tiedoissa, ehdottaa korjauksia, luokitella tuotteita oikeisiin kategorioihin ja jopa generoida markkinointia tukevia kuvauksia. Lopputuloksena on laadukkaampi tuotetieto, parempi asiakaskokemus ja vähemmän manuaalista työtä.

    Ambientialla autamme yrityksiä hyödyntämään tekoälyä tuotetiedonhallinnassa niin, että ratkaisut ovat käytännönläheisiä ja tukevat monikanavaista kaupankäyntiä.

    Lue lisää

    Ota ensimmäinen askel kohti tekoälyn hyödyntämistä