Sähkön hinta ei merkittävä tekijä

Energia-alalla ei vielä omaa tekoälyagenttia

10.06.2025, kello 13:50

Teksti Heikki Jaakkola | Kuva Scanstockphoto

Yleiset kielimallit tarjoavat yrityksille perustan myös omien tekoälyagenttien kehittelyyn. Niiden avulla voidaan hyödyntää myös ei-julkista yritysdataa. Agenttien tarve on ilmeinen — yleinen kielimalli tuntee vain julkisesti saatavilla olevaa dataa. Monesti materiaali on vanhentunutta.

Konsulttiyritys Columbia Roadin "datakuiskaaja" Juha Saarinen toteaa yrityskohtaisten tekoälyagenttien perustaksi olevan tarjolla useampiakin ChatGPT:n tapaisia open source -kielimalleja. Haasteena on näiden yhdistäminen yrityksen omaan dataan ja tekoälymalliin.

Ratkaisuksi on kehitetty MCP-protokolla, joka tarjoaa standardin erilaisten tekoälymallien yhdistämiseen kielimalleihin. MCP palvelimella kielimalli pääsee käyttämään yrityksen dataa yrityksen asettamien käyttöoikeuksien puitteissa. Paikallisesti asennettujen kielimallien ja maksullisten kielimallien tapauksessa data kuitenkin pysyy yrityksen omassa hallussa. 

Tekoälyagenttien rakentamisessa ja käytössä on huomioitava tietoturvan ohella yksityisyyden suoja. Yrityksillä on yleensä paljon henkilöihin identifioituvaa tietoa, jonka käyttöä ja säilytystä säätelee laki.

— Esimerkiksi Suomen kansalaiseen kytkeytyvää henkilötietoa ei saa säilyttää EU:n ulkopuolella sijaitsevassa palvelimessa.

Saarisen mukaan yritysten omissa tekoälyagenteissa koneen hallusinointi on olennaisesti pienempi ongelma kuin avoimissa kielimalleissa.

— Yrityksen oman mallin koulutuksessa käytetään tarkemmin seulottua datamateriaalia kuin yleisen kielimallin rakentamisessa, mikä vähentää hallusinoinnin riskiä.

Asiakkaan tunnistaminen koneen valttina

Esimerkkiä energia-alan yrityksestä, joka olisi jo rakentanut omaan käyttöönsä tekoälyagentin Saarisella ei vielä ole. Kiinnostus asiaan on kuitenkin hänen mukaansa ilmeinen. Saarinen itse on perehtynyt agenttien hyödyntämiseen esimerkiksi asiakaspalveluun ja myyntiin liittyvissä tehtävissä.

Samoilla linjoilla on maksutapahtumia välittävä Klarna, joka irtisanoi noin vuosi sitten paljon väkeä siirtäessään asiakaspalvelutehtäviä tekoälyagentin hoidettavaksi. Tämä ei toiminut odotetulla tavalla. Nyt tehtäviä hoitamaan on palkattu taas uudestaan ihmisiä.

— Isot kansainväliset verkkokaupat ovat jo hyödyntäneet tekoälyn avulla asiakasdataansa suomalaisia verkkokauppoja kustannustehokkaammin.

Saarinen näkee koneen valttina tässä yhteydessä kyvyn tunnistaa yksi asiakas ja tämän käyttäytyminen miljoonien joukosta ja pitää samalla silmällä jatkuvasti uusiutuvaa, valtavaa tapahtuma-avaruutta. Kielimallit "ymmärtävät" myös ei-strukturoitua tietoa, kuten puhetta, tekstejä ja kuvia sekä pystyvät analysoimaan nopeasti valtavia tietokantoja.

— Mikään myyntiorganisaatio ei voi hallita valtavan asiakasjoukon jatkuvasti synnyttämää tapahtumavirtaa ihmisvoimin.

— Kone sitä vastoin voi tunnistaa yksittäisen asiakkaan käyttäytymisen ja tilanteen ja tarjota juuri tälle relevantteja palveluja.

Saarinen uskoo järjestelmien nopeaan kehittymiseen jatkossa. Tätä tukee kielimallien kyky käsitellä luonnollista puhetta ja koodata itse tehtävien suorittamiselle tarpeellista softaa.

— Yrityksille on avautunut mahdollisuus virittää tekoälyagentin kyvykkyyksiä yksinkertaisesti kertomalla sanallisesti mitä agentilta halutaan. Jos tavoite on kuvailtu oikein, voi agentti suorittaa periaatteessa mitä tahansa tehtäviä päättelykykynsä ja käytettävissä olevan tiedon puitteissa.

Agenttien yhteispeli

Jos yrityskohtaiset tekoälyagentit yleistyvät, nämä joutuvat vuorovaikutukseen toistensa kanssa. Järjestelmien yhteensopimattomuus voisi tällöin leikata merkittävästi näistä saatavaa hyötyä. Maailmalla tehdään ongelman välttämiseksi töitä jo nyt. Saarinen kertoo agenttien väliseen keskusteluun olevan valmisteilla tekninen protokolla.

— Google ja Salesforce ovat jo esitelleet agent to agent -hankkeen, missä näiden kahden yrityksen omat agentit kättelevät toisiaan.

Saarinen uskoo agenttien myös sparraavan tulevaisuudessa toinen toisiaan ja ehkä jopa jakavan resurssejaan. Agentit voivat myös tallentaa itsenäisesti tietokantaan syötteen, päättelyn ja outputin, mikä kaikki jää näiden muistiin. Kehitykseen liittyy myös riskejä, koneiden välisen vuorovaikutuksen monitorointi voinee olla haastavaa.

Hinta ei kiveen hakattu

Yksi keskeinen kehitykseen vaikuttava tekijä on tekoälyn hinta. Kielimallien rakentajat ottavat osuutensa ohjelmistojen käytöstä eikä minkään muunkaan resurssin käyttö ole ilmaista.

Yksi näistä on sähkö, mitä tekoälyyn liittyvä laskenta kuluttaa paljon. Saarinen ei silti näe sähkön hintaa merkittävänä esteenä agenttien käytön yleistymiselle.

— Mikään ei ole ilmaista. Nähtäväksi jää, millaiseksi agentin rakentamisesta ja käytöstä koituvat kulut lopulta muodostuvat.

Yksi muuttuja on kielimallien sekä datan omistajien hinnoittelupolitiikka, mikä ei ole kiveen hakattua.

— Riippuvuus jonkun yrityksen tuotteesta alkaa helposti näkyä myös tämän hinnoittelussa.

Energia-ala soveltajana

Energia-alaa ajatellen Saarinen näkee agenteilla käyttöpotentiaalia asiakaspalvelun ohella energian tuotannon, käytön ja varastoinnin ohjaamisessa.

— Agentit voisivat samalla tehostaa akkujen, voimaloiden ja verkkojen tapaisten fasiliteettien ennakoivaa ylläpitoa. Yhtenä esimerkkinä voidaan kuvitella nopeaan reservimarkkinaan osallistuvaa toimijaa, joka seuraa lukuisia eri tekijöitä. Koneen vahvuudet korostuisivat tilanteessa, missä päätökset on tehtävä nopeasti samalla kun lukuisat huomioon otettavat tekijät vaikuttavat hankalasti hahmotettavalla tavalla toinen toisiinsa.

#energiamarkkinat #tekniikka