Marlon Dumas: kas tehisintellekt suudab üksinda ettevõtet juhtida?

Marlon Dumas:

kas tehisintellekt suudab üksinda ettevõtet juhtida?

Professor Marlon Dumas ja tema meeskond on võtnud südameasjaks selgitada välja, kuidas tehisintellekt saab aidata ettevõtetel paremini toimida. Mida rohkem Marlon Dumas seda küsimust uurib, seda enam on ta veendunud, et ettevõtted vajavad alati klientide mõistmiseks ja teenindamiseks inimest.

Marlon Dumas tuli Tartu Ülikooli 2007. aastal ja ta teab, et andmetest saab järgmisel kümnendil edukate ettevõtete ja avalike teenuste üks olulisemaid osi. „1980. aastatest saadik oleme palju õppinud andmete kogumise, salvestamise ja haldamise kohta. Tänapäeval registreerivad ettevõtted oma infosüsteemides klientide ja töötajate kohta palju andmeid. Kuid järgmine samm ‒leida andmetest vastused ‒ on ikka veel keeruline ja seda tehakse käsitsi. Andmetest ammutatakse 2020. aastatel teadmisi samamoodi, nagu toimis 19. sajandil transport. See on aeglane ja tüütu ning takistab edusamme.”

Hobused ja vankrid

Vaatame kahte näidet. Esiteks hilinevad su ettevõtte saadetised aeg-ajalt. Teiseks ei saanud su klient seda, mida oli tellinud. Praeguste tavade järgi võtab nädalaid või isegi kuid, et kõik põhjused välja selgitada ja ettevõtte töö paremaks muuta. Sageli tuleb andmevigade eraldamiseks, puhastamiseks ja parandamiseks kokku kutsuda terved analüütikute ja andmeteadlaste meeskonnad, enne kui andmeid saab isegi analüüsima hakata. Seejärel peavad nad küsimustele vastamiseks koostama ja analüüsima erinevaid diagramme ja graafikuid.

„See on väga aeglane, nagu oli 19. sajandil hobuste ja vankritega reisimine. Siis saadi aru, et meil on vaja aina paremaid hobuseid ja vankreid, kuni viimaks autod ja lennukid muutsid kõike. Nüüd on vaja autosid ja lennukeid, mis võimaldavad meil andmed kiiresti arukateks otsusteks muuta,” selgitab Dumas.

Juhti võib ärritada, kui ta saab pidevalt kaebusi, et klient ei saanud oma tellimust õigel ajal kätte. Juht tahaks teada, miks see juhtub, kuid põhjus võib peituda milles iganes. Andmeteadlased võtavad aastajagu andmeid ja veedavad neid uurides nädalaid või isegi kuid, et välja selgitada, mis nende kaebusteni viib. Muidugi leiavad nad enamasti põhjuse, kuid mõne aja pärast tekivad uued probleemid, nii et juht peab veel kord andmeteadlaste poole pöörduma. See korduv tsükkel näib lõputu.”

Tehisintellekt aitab meil mõista, millist teavet on õige vastuse saamiseks vaja. Lihtsamalt öeldes tuvastab see mustrid, ja nendel põhinevad vastused võivad iga ettevõtte töö paremaks muuta. Tehisintellekt suudab analüüsida tuhandeid võimalusi, et avastada, miks midagi valesti läks. „Seda tüüpi uurimistööd teeme ka EXCITE-s. Sellest saab juba kümne aasta pärast kommertstoode. Usume kindlalt tehisintellektipõhise äri täiustamisse.”

Dumas usub, et Eesti on suurepärane testimiskeskus, kus töötada välja „autosid ja lennukeid”, mis võimaldavad ettevõtetel saada and-

Protsesside automatiseeritud täiustamine

Ettevõtte süsteem Eksperditeadmised

Kl d

Täiustusvõimalused

Värkvõrgu-, veebi- ja andmekogumisvood Tehisintellektipõhine äriprotsesside optimeerija

Tsükliaeg

Ressursikulu

Uurimisgrupp (vasakult paremale): Awais Ali, Fredrik Milani, Orlenys Lopez-Pintado, Gamal Elkoumy, Marlon Dumas, Manuel Camargo, Katsiaryna Lashkevich, Anti Alman ja Kateryna Kubrak.

metest vajalikke teadmisi. „Eesti on värske ja dünaamiline,” ütleb ta ja lisab: „Teie riik sündis digiajastul uuesti. Teie valitsus ja ettevõtted on koos sellega kasvanud. Eesti on väga hea koht õppimiseks ja meie tegemiste katsetamiseks.”

Kaks peamist proovikivi

Muidugi leidub proovikive, millest üks on privaatsus. Euroopas on olemas kindel raamistik GDPR, mis keelab teadlastel jälgida veoautojuhtide biomeetriat, kui nad teevad tarneid eelneva nõusolekuta. Teadlased peavad leidma andmete kogumiseks ja analüüsimiseks nutikad viisid, kaitstes samal ajal nende inimeste privaatsust, kellelt andmed on saadud. „See on palju keerulisem, kui alguses tundub. Kui ma tean kolme konkreetset kohta, kus sa oled käinud, saan kergelt järeldada, et just sina oled nende andmete taga, mida enda ees näen. Peame kõik anonüümseks moondama, kuid tegema seda viisil, mis ei muuda andmeid kasutuks,” ütleb Dumas.

Teine katsumus seisneb andmetest keerukate mustrite leidmises ja seejärel nende lihtsas seletamises, et ärikasutajad saaksid neid tõlgendada. Meil on selline tehnoloogia nagu süvaõpe, mille abil leida suurtest andmemahtudest väga keerukaid mustreid. Kuid otsustajate informeerimiseks on neid mustreid väga keeruline lahti seletada. Süvaõppe abil võib öelda, et kättetoimetamine hilineb, kuid see ei suuda lihtsate sõnadega seletada, miks. See on masendav. See on nn musta kasti tehnoloogia. „Me töötame väga kõvasti, et saaksime andmed ettevõtetele mõistetavaks muuta. Seda nad tegelikult vajavadki,” ütleb Tartu Ülikooli professor Dumas.

Eesti riik sündis digiajastul uuesti. Eesti on väga hea koht õppimiseks ja meie tegemiste katsetamiseks.

Rutiinse töö kindlakstegemine

Ettevõtte arendamiseks on andmeid keeruline kasutada, kuid kui probleemidele leitakse lahendused, on sellel väga nähtavad eelised. Näiteks saab rutiinset tööd töötajate aja raiskamise asemel automatiseerida. Kõik, kes kusagil töötavad, saavad sellest aru ‒ kopeerid ja kleebid pidevalt midagi, teed tarbetut ja tüütut tööd, mida sinu arvates saab kindlasti vältida. Dumas teab, et tehisintellekt võib seda olukorda parandada. See suudab andmete põhjal tuvastada rutiinse töö ja võimaluse korral selle automatiseerida, et töötajad saaksid keskenduda millelegi,

mis nõuab nende tegelikke oskusi ja asjatundlikkust. „Rutiinse töö avastamiseks salvestame selle järk-järgult sinu sülearvutist. See tähendab, et me kogume palju privaatset teavet ja peame seda loomulikult tegema turvaliselt. Seejärel peame teadvustama, milliseid tegevusi sa sageli kordad ja milliseid neist saab automatiseerida,” kirjeldab Dumas. Sellest aga ei piisa. Peame leidma korduvad rutiinsed toimingud, mida saab automatiseerida, ja seejärel kasutajatele seletama, millised protsessid tuvastasime ja kuidas neid automatiseerime. Kui teeme seda tarkvararoboti abil, tuleb selgitada, kuidas tagame, et see ei tee vigu ning saab aru rutiinse töö ja erandite erinevusest. „Sa ei usalda, et Excel teeb su eest töö ära, ja kui see lihtsalt ütleb sulle, et teeb seda, siis soovid tõestust.”

E-valitsuse parandamine

Marlon Dumas meeskond on aidanud ka riigiameteid, et teada saada kuidas kodanikud kasutavad portaale. Selliste projektide läbiviimine võtab aega kolm kuni kuus kuud. Lõpus saab vastata käputäiele küsimustele, mis käsitlevad pea-

Järgmise kümne aasta jooksul paraneb kliendikogemus tähelepanuväärselt, 21. sajandi suureks võitjaks saab kliendikogemus.

miselt levinumaid teid, mida kasutajad kodulehel valivad, ja selgitada välja, millised neist põhjustavad kasutajatele probleeme. Kus nad kõige rohkem vaeva näevad ja millele liiga palju aega kulutavad? „See pole edasiviiv. See on üsna suur töö ja nõuab palju andmete eeltöötlust ning turvalisusega arvestamist. Eeldame, et tulevikus suudame tehisintellekti abil leida kiirema viisi,” ütleb Dumas ja lisab, et masinõppe abil saab leida, milline osa keerukast veebisaidist– näiteks valitsuse omast – põhjustab kasutajatele probleeme ja kuidas seda saab parandada, et muuta kasutaja elu lihtsamaks.

Üks näide vajadusest seda tüüpi tehisintellekti järele on hiljutised katsumused ulatusliku vaktsineerimiskampaania korraldamisega. Eakad inimesed vajasid asjakohast teavet. Seetõttu tuleb valitsuse kodulehti ajakohastada ja kõik probleemid, mis inimestel asjakohase teabe leidmisel tekivad, kiiresti lahendada. Kaalul oli rahva tervis.

Tulevikus tuvastab tehisintellekt pidevalt, milliste proovikividega eri inimrühmad rinda pistavad ja kas nad saavad vajalikku teavet. „Kui jätkame kliendiandmete analüüsimist praegusel moel, võtab probleemide leidmine ja lahendamine nädalaid või kuid, nii et me ei suuda tulevaste katsumustega toimetulekuks piisavalt kohaneda,” lisab Dumas.

Ei asenda andmeteadlasi

Kümne aasta pärast on kombineeritud ärimudelid täiesti võimalikud. See tähendab, et ettevõtet juhib osaliselt tehisintellekt ja osaliselt inimesed. Inimesed tõlgendavad andmeid ja teevad lõplikud otsused ‒ kas tasub aga automatiseerida ka see viimane tööetapp?

Dumas väidab, et tehisintellekt ei asenda andmeteadlasi, vaid muudab nende töö tõhusamaks. Selle asemel, et kulutada palju aega andmete ettevalmistamisele, valideerimisele ja analüüsimisele, on andmeteadlas-

Näide: täiustusvõimalused

Jäta krediidiajaloo kontroll vahele, kui klient on varem pangast laenu võtnud

Tarbimislaenude korral kontrolli krediidiajalugu enne sissetulekuallikaid Esmaspäeviti ja teisipäeviti määra tööle üks klienditeenindaja rohkem, reedeti üks ametnik vähem

Kui laenu ja aastasissetuleku suhe on üle 1,5, määra asjaga tegelema vanemametnik

Seda ülesannet saab automatiseerida RPA-skriptiga

Kui krediidihinnang on C või D, ära jää vaidlustamist ootama

Saabub krediidiavaldus

Klienditeenindaja

Krediidiajaloo kontroll

edasi

Sissetulekuallikate kontroll

Klienditeenindaja

Avalduse hindamine

Ametnik

välju

heaks- kiidetud

tagasi-lükatud

Ametnik

Krediidipakkumus

Klienditeenindaja

Tagasilükkamisest teatamine Tagasiside kliendilt

Krediidiavaldus on töödeldud

välju

Ametnik

taotleti otsuse läbivaatamist

tel rohkem aega andmetes leiduvate mustrite tõlgendamiseks. Dumas’ sõnul pole põhjust paanitseda selle pärast, et tehisintellekt võtab meie töö üle. „Töökohtade olemus muutub kindlasti, olen optimistlik ‒ korduv osa eemaldatakse. Andmeteadlastele meeldib tõlgendada tulemusi ja kasutada andmeid otsuste tegemiseks, selle asemel et raisata palju aega teadasaamiseks, kuidas andmeid asjakohaste mustrite leidmiseks nn ümber pöörata,” kirjeldab Dumas. Ta lisab, et igal suuremal ettevõttel on klienditeeninduse juht. Tänapäeval kulub suur osa selle inimese tööst väljaselgitamiseks, mis täpselt valesti läks, selle asemel et kliendiga otse rääkida. „Kahju, et nad ei tee seda.” Tulevikus aitab tehisintellekt klienditeeninduse juhil rohkem kliendile keskenduda. Lõppkokkuvõttes loovad ettevõtted klienditeenindusega väärtust ja vaid inimesed suudavad mõista, mida klient soovib või vajab.

Kindlasti on sellest kasu ka lõppkasutajale. Ilmselt on kõik olnud pettunud mõnes e-poes, mille loogikast ei olnud võimalik aru saada, olgu põhjus siis kujundus või koduleht. Lõpuks lahkud pärast mõningast stressi ostu tegemata. Tehisintellektipõhised ettevõtted suudavad tuvastada, et sul oli probleeme, ja see lahendatakse päevade, mitte kuudega.

Suhtlus

Infosüsteemid

Salvestamine

Tuvastamine Töötajad

Kompileerimine

Kasutajaliidese logi Korduvad ülesanded

Tööprotsesside automatiseerimine (RPA)

„Järgmise kümne aasta jooksul paraneb kliendikogemus tähelepanuväärselt,” lubab Dumas, „nagu transport paranes 20. sajandil tohutult. 21. sajandi suureks võitjaks saab kliendikogemus.”

Ei mingeid suuri servereid ega superarvuteid

Dumasʼ meeskond töötab välja väikest masinat, mille üks osa leiab andmeid. See teab, milliseid andmeid on võimalik leida ja kuidas neid saada. See on väga keeruline, sest tavaliselt on arvutis tohutult palju e-kirju, dokumente ja muud teavet, millest tuleb enne analüüsimist eemaldada privaatsed andmed. Väljatöötamisel on ka analüüsikomponent, mis muundab arvud millekski, mida on kerge mõista.

See ei juhtu aga homme ega järgmisel aastal, Dumas pakub vähemalt kümme aastat. Mida see kõik tähendab ettevõtte omaniku või riigiametniku jaoks? Kuna kogu teave kandub tänapäeval üha enam pilve, pakutakse tulevikus aina rohkem pilveteenuseid ning need liidetakse tehisintellektiga, et aidata ettevõtteomanikel ja juhtidel andmete põhjal tõhusalt otsuseid teha. „Juhina ostad oma infosüsteemi jaoks tehisintellektiga lisandmoodulid, mis aitavad äriprotsesse parandada. Seadistad lihtsalt lisandmooduli, see kogub ohutult õigeid andmeid ja tuvastab automatiseerimise võimalused, probleemid, millega kliendid sinu teenuste kasutamisel silmitsi seisavad, ning asjad, mis kliente õnnetuks teevad. Seda loetelu võib jätkata,” selgitab Dumas.

Ta tunnistab, et tema meeskond on alles uurimistöö alguses. „Ehitame mänguasju,” ütleb ta, meenutades hobuste ja vankrite allegooriat. „Oleme 19. sajandi teises pooles, mõtleme mootorile ja valmistame prototüüpi. Tänapäeval on arengutsükkel aga palju kiirem ‒ tehisintellektiga ärimasinad, mis on valmis kasutamiseks, võivad turule tulla juba 2030. aastal. Suundume üleminekuperioodi poole,” sõnab Dumas.

Tema meeskond pole loomulikult ainus teadlasterühm, kes selle teemaga tegeleb. Sama probleemi kallal töötavad näiteks suured ettevõtted, nagu Microsoft, IBM, Amazon, ning ka paljud idufirmad, mõnel neist on kontor Eestiski. Dumas usub, et kui rääkida globaalsest innovatsioonist, polegi vaja üksi tegutseda. On isegi positiivne, et on palju konkurente, kes püüdlevad sama eesmärgi poole. „Eesti on suurepärane testimiskeskus, kus teie e-valitsus lisab palju väärtust. Siin on palju alustavaid ettevõtteid, nagu Bolt ja Wise, samuti on kaasatud ülikoolid. Selles valdkonnas on vaja palju testida. 20 ideest 19 võib lennata otse prügikasti. Eesti on väike ja hindab innovatsiooni väga,” kiidab Dumas.

MIDA TOOB TULEVIK ISALE JA TÜTRELE?

Isa Toomas (30) ja tütar Emma (5)

Toomas ja tema tütar Emma tahaksid teada, kas ettevõtet saab juhtida ainult tehisintellekt. See võibki olla nii lihtne, et ostate pilvest tehisintellekti koos pilkupüüdva logo ja kõige kaasatulevaga, vajutate stardinuppu ja jälgite, kuidas ettevõtte tulud kasvavad. Te ei peaks ise midagi tegema. Dumas toob näiteks e-kaubanduse ettevõtte, mis müüb elektroonikaseadmeid. Nüüd pakutakse mulle võimalust lasta tehisintellektil oma äri ajada. See hoolitseb veebisaidi eest, tellib tooteid, saadab meediale reklaame, korraldab isegi allahindluseid. Ka ladu on täielikult automatiseeritud. Niisiis, kas Toomas või Emma saavad seda tulevikus teha? Dumas ei pane sellele palju lootust. „Teil on vaja inimesi tegelema eranditega, vajaduse korral muudatusi sisse viima, näiteks kui klient soovib midagi uut või teistsugust. Tehisintellekt võib väga hästi korrata, mida ta on juba näinud ja õppinud, kuid ta pole veel võimeline kohanema ja reageerima millelegi, mida ta pole varem näinud. See ilus tehisintellekt hakkab koost lagunema, kui juhtuvad erandid, kui kliendid soovivad midagi uut,” räägib Dumas.

Näiteks pole üks klient ikka veel kuu aega tagasi tellitud toodet kätte saanud ja tehisintellekt ei

saa aru, miks. Klient pöördub kohtusse ja võidab. Selliseid erandeid võib olla sadu. Siis on vaja inimmõistust, üht olulist inimesele omast tunnust ‒ empaatiavõimet. Mõni olukord lahendatakse vaid kahe inimese vahel, kes teineteist mõistavad. Kliendid on inimesed ja peate suutma kohaneda nende murede ja küsimustega. „Ja ma pole isegi maininud tervet mõistust. Me ei tohiks oma tarnepartnerit iga päev vahetada vaid mõne vea tõttu. Peame välja töötama hoopis viisid probleemide lahendamiseks, piisavate vastuste andmiseks ja kõige olulisemate otsuste langetamiseks,” selgitab Dumas. Isegi kui külmkapp ostab suurema osa meie toidukaupadest ja auto tellib uued rehvid, kui saab aru, et praegused on liiga kulunud, on alati olemas inimfaktor, millega tehisintellekt lihtsalt ei saa hakkama, ning see on kõige ilmsem uute olukordade puhul. Emma ei pea aga muretsema ‒ tema intelligentsust ja loovust on tulevikus väga vaja. Dumas soovitab Emmal jätkata loovuse, suhtlemisoskuse ja empaatiavõime, aga ka analüüsioskuse ja kriitilise mõtlemise arendamist, et mõista, kuidas tehisintellekt töötab ja kuidas seda aina paremini ära kasutada.