Tekoälyn eettinen pelikirja 1.0
”Miten tunnistaa hyvä käyttötapaus tekoälylle?”
KIRA-alan nykytilanne tekoälyn käyttötapauksissa
Kuten tilannekuva-osiossa esitettiin, tekoäly on lyhyessä ajassa noussut yhdeksi KIRA-alan merkittävimmistä kiinnostuksen kohteista, samalla kun alalla on selkeä potentiaali hyötyä tekoälyn käytöstä laajemmin. Myöskään tunnistetuista käyttötapauksista ei ole alalla pulaa, päinvastoin.
Vaikka suuri innostus erilaisten käyttötapausten tunnistamiseen ja testaamiseen on pääosin hyvästä, sisältää se myös sudenkuoppia joista tekoälyä hyödyntävän on hyvä olla tietoinen. Ensiksi, suuri määrä erilaisia priorisoimattomia käyttötapauksia voi johtaa fokuksen puutteeseen. Tämän seurauksena potentiaalisimpien käyttötapausten edistämiseen ei riitä resursseja, tai niihin panostaminen jää keskinkertaisten ideoiden jalkoihin. Toiseksi, liika innokkuus voi johtaa käyttötapausten harkitsemattomaan ja epäeettiseen testaukseen, jolloin esimerkiksi tietoturvaan liittyviä asioita ei ehditä tarkastella huolella. Tässä osiossa pyrimmekin tarjoamaan ohjeita näiden sudenkuoppien välttämiseksi: esitämme hyvän käyttötapauksen keskeisiä ominaisuuksia sekä ohjeita käyttötapausten priorisointiin. Lopuksi esitämme ehdotuksia tekoälyn lokalisoinnin toteuttamiseksi KIRA-alalla.
Hyvän käyttötapauksen tunnistaminen ja priorisointi
Esittelimme tilannekuva-osiossa potentiaalisia tekoälyn käyttötapauksia, sekä edellisessä osiossa tekoälyn potentiaalisia liiketoimintamahdollisuuksia. Tässä osassa valotamme hyvän, liiketoimintaan yhdistyvän käyttötapauksen tunnusmerkkejä sekä sitä, miten omia käyttötapauksia voisi pyrkiä priorisoimaan. Näennäisesti hyviä, innostavia käyttötapauksia on usein helppo ideoida, varsinkin jatkuvasti kasvavan tekoälysovellusten tarjonnan myötä.
Näennäisesti hyviä, innostavia käyttötapauksia on usein helppo ideoida, varsinkin jatkuvasti kasvavan tekoälysovellusten tarjonnan myötä. Tekoäly rakennetussa ympäristössä –verkkokurssin hyvän käyttötapauksen muistilistaa mukaillen, käyttötapauksen toimivuutta arvioidessa olisi hyvä huomioida seuraavat asiat:
Hyvän käyttötapauksen tekoälyn hyödyntämiseen tunnistaa kun:
- Käyttötapaukselle löytyy liiketoimintapohjainen kysyntä, ja se tuo selkeää lisäarvoa.
- Käyttötapauksen hyödyt voidaan mitata tai perustella hyvin.
- Käyttötapaus on tarpeeksi yksityiskohtainen ja kokonaisuus selkeästi määriteltävissä.
- Käyttötapauksen toteuttamiseen on olemassa riittävästi laadukasta dataa, tai se on mahdollista kerätä järkevin resurssein.
- Käyttötapaus teknisesti ja organisatorisesti toteutettavissa, se pystytään viemään realistisesti käytäntöön, ja organisaatio pysyy hyödyntämään käyttötapausta juuri nyt.
- Käyttötapauksen käytännöllisyydessä ja potentiaalisissa hyödyissä on huomioitu eettisten vaikutusten riskit, kuten mahdollisuus virheellisen tiedon tuottamiseen.
- Käyttötapaus noudattaa yleisiä eettisiä toimintatapoja.
Kun hyvän käyttötapauksen on tunnistanut ja se täyttää ylläolevan muistilistan kriteerit, niitä on vielä mahdollisesti tarjolla enemmän kuin organisaatio pystyy toteuttamaan. Seuraavaksi, käyttötapauksia voi priorisoida esimerkiksi seuraavien näkökulmien avulla.
Esimerkkejä, miten tekoälyn käyttötapauksia voi priorisoida
a. Parannus suhteessa sen vaatimiin panostuksiin.
Kuinka paljon lisäarvoa tekoälypohjainen käyttötapaus tuo suhteessa siihen käytettäviin resursseihin?
b. Helppous ottaa käyttöön ja ylläpitää.
Kuinka helposti ja tehokkaasti käyttötapaus on jalkautettavissa toimintaan, ja kuinka hyvin se pysyy käytössä?
c. Tekninen valmius.
Ovatko teknologiset valmiudet olemassa, vai tuleeko mahdollisesti uusia taitoja tai valmiuksia kehittää talon sisällä tai ostopalveluna?
d. Sopivuus nykyisiin tai uusiin liiketoiminta-alueisiin.
Tähtääkö käyttötapaus nykyisille markkinoille ja palveleeko se nykyisiä liiketoimintoja, vai onko kyseessä täysin uusi markkina-alue mahdollisesti täysin uusine liiketoimintoineen?
e. Liiketoiminnalliset ja eettiset riskit.
Kuinka todennäköisiä ja suuria vaikutukseltaan potentiaaliset käyttötapaukseen liittyvät riskit ovat, suhteessa saatuihin hyötyihin?
Yllä olevat näkökulmat eivät suoraan tarjoa vastausta siihen, onko käyttötapaus yksiselitteisesti hyvä vai huono. Pikemmin, priorisoinnin pohjalta syntyvän käyttötapausten portfolion tulisi olla tasapainoinen ja heijastaa organisaation liiketoiminnallisia tavoitteita. Yhdelle on järkevintä painottaa pieniä ja varmoja käyttötapauksia, toiselle tärkeys olla edelläkävijä nostaa riskinsietokykyä, ja kolmas tasapainoilee heti käyttöön otettavien sekä tulevaisuuden uusien mahdollisuuksien välimaastossa.
Ehdotuksia lokalisaation toteuttamiseksi
Kokonaisuudessaan onnistunut lokalisaatio tukee tekoälyn käyttöönottoa ja vastuullista hyödyntämistä paikallisesti alalla ja sen avulla voidaan huomioida esimerkiksi alan erityispiirteet paikallisen sääntelyn, eri osapuolten roolit sekä ammattikielen tekoälyn antamissa tuotoksissa. Koska KIRA-alan datasisältö on laajuudeltaan merkittävä (tilannekuva-osa), on alalla vähintäänkin hyvät lähtöedellytykset lokalisaatioon sekä alla esitettyjen vaatimusten saavuttamiseen.
Toimialatasolla, onnistunut lokalisaatio vaatii seuraavien asioiden huomioimista:
- Yhteisten pelisääntöjen, standardien ja tietovarantojen kehittäminen, jotka ovat yhteensopivia olemassa olevien standardien (kuten IFC) kanssa. Pitkällä aikavälillä, mahdollistaa lokaalin tekoälyekosysteemin rakentumisen.
- Vastuualueiden selkeä määritys eri lokalisaation osa-alueista, kuten kieliversioista, tietolähteistä, tai sääntelyyn liittyvistä mukautuksista. Määritystarpeet tulisi tunnistaa ja priorisoida systemaattisesti, jotta resurssit voidaan keskittää eniten hyötyä tuottaviin kohtiin.
- Yhteistyö eri toimijoiden välillä esimerkiksi yhteisen tiedonvaihdon ja koulutusten kautta tukee käytänteiden laajentumista yleisiksi toimintatavoiksi. Toimiva yhteistyö auttaa myös alan yleisen ymmärryksen kasvamista parhaiden käytänteiden sekä eettisten toimintatapojen yhteisen hyväksymisen, mahdollistaen leviämisen myös pienempien toimijoiden keskuuteen.
Organisaatiotasolla, onnistunut lokalisaatio vaatii ainakin seuraavien asioiden huomioimista:
- Organisaatiotason kyvykkyys sitoutua yhteisiin käytänteisiin sekä muutosvalmius toimia niiden edellyttämällä tavalla. Tämä voi edellyttää esimerkiksi kyvykkyyttä teknisiin integraatioihin sekä oman datainfran hallintaa.
- Toimijat voivat myös pyrkiä edesauttamaan organisaatiokohtaista lokalisaatiota, mikä voi jossain tilanteissa mahdollistaa kilpailuedun suhteessa muihin toimijoihin, mutta on lähtökohtaisesti työlästä eikä mahdollista yllä esitettyjä skaalaetuja.
Tulevaisuuskuva
Pistemäiset ratkaisut tulevat olemaan osa arkityötä, ja ne saavat tuekseen kokonaisvaltaisempia ratkaisuita
Pistemäiset ratkaisut saavat tuekseen kokonaisvaltaisempia ratkaisuja. Kuten aiemmissakin osioissa totesimme, tekoälyn nykyhetken nopea kehitys tekee sen muutossuuntien ennustamisesta haastavaa lyhyelläkin aikavälillä. Vaikka hyvän käyttötapausten määritelmän voisi olettaa pysyvän suhteellisen samankaltaisena, voivat itse tarjolla olevat käyttötapaukset kuitenkin olla nopeastikin hyvin erilaisia.
Yksi odotettavista kehityskuluista on nykyisten henkilökohtaista tuottavuutta parantavien, pistemäisten ratkaisuiden yleistyminen entisestään KIRA-alan ammattilaisten arjen työssä. Tekoälyä hyödynnettäneen jatkuvasti enemmän työn osakokonaisuuksien sujuvoittamisen tukena, kuten detaljisuunnittelussa, aikataulutuksessa tai kokousmuistioiden laadinnassa, joiden käyttämisestä muodostuu ajan kanssa perusedellytys kilpailukykyiselle toiminnalle. Siinä missä yksilöt ovat vastuussa parhaiden käytänteiden hyödyntämisestä päivittäisessä omassa päivittäisessä työssään, tulisi organisaatioiden tukea tätä toimintaa niin, ettei parhaiden käyttötapausten tunnistaminen tai niiden eettisen hyödyntämisen varmistaminen kaadu kokonaan yksittäisten työntekijöiden harteille. Samalla alaa läpileikkaava lokalisaatiotyö tukee tekoälyratkaisuiden hyödyntämistä alan erityisosaamista vaativissa tehtävissä entisestään.
Toinen odotettavista kehityskuluista on käyttötapausten laajeneminen pistemäisistä kokonaisvaltaisemmiksi ratkaisuiksi, jossa eri toiminnot ja yksittäiset käyttötapaukset integroituvat vahvemmin ja mahdollisesti automaattisesti toisiinsa. Tähän kehityskulkuun liittyvät vahvasti tekoälyagentit, jotka voivat potentiaalisesti tehostaa tekoälyn hyödyntämistä lähitulevaisuudessa merkittävästi. Tekoälyagentit pystyvät yhdistämään eri sovelluksia ja tietokantoja itsenäisesti annetun tehtävän suorittamiseksi. Useat, eri kyvyillä varustetut agentit voivat myös suorittaa annettuja tehtäviä yhdessä. Vaikka tämä kehityskulku tukee osaltaan merkittävästi tekoälyn mahdollistaman tuottavuuden kasvattamista, tuo se samalla kokonaan uuden vaikeuskertoimen eettisten periaatteiden varmistamiseen – esimerkiksi tietoturvaan sekä käyttötapausten selitettävyyteen ja läpinäkyvyyteen on kiinnitettävä nykyistäkin enemmän huomiota.
Ota huomioon ainakin nämä!
On tärkeää sisäistää, että eettisten toimintatapojen huomioimisen tulisi olla kiinteä käyttötapausten tunnistamisen prosessia. Vaikka eettisten toimintatapojen varmistaminen vaatii pohjatyötä, niiden huomioiminen pidemmällä aikavälillä ei ole hidaste vaan toiminnan perusta.
Kun otat kaikissa edellisissä luvuissa esitetyt asiat huomioon sinulla on hyvät käyttötapauksen ainekset:
- Varmista tekoälyjärjestelmän läpinäkyvyys, luottamuksellisuus sekä selitettävyys (explainability)
- Kerää ja säilö tietoa vain sen verran kuin sitä käyttötarkoitukseen tarvitaan.
- Jaa yksilöille tietoa miten heihin liittyvää tietoa hyödynnetään, ja pyydä suostumus tiedon käyttöön.
- Varmista tiedon suojattu säilöminen ja siirto, sekä valvo käyttöoikeuksia.
- Hyödynnä vain tietoturvallisiksi todettuja työkaluja, äläkä oleta automaattisesti, että tekoälylle antamasi tieto pysyy turvassa.
- Pidä huolta tekoälyjärjestelmän käytön dokumentaatiosta.
- Varmista tekoälyjärjestelmän ja tiedon lakiperusta, sekä luo selkeät vastuullisuus- ja vastuunjakomekanismit
- Varmista, että noudatat ajantasaisia eettistä regulaatiota ja säädöksiä.
- Varmista eettisten käytänteiden jatkuva toteutuminen esimerkiksi auditointien kautta, sekä sitoudu toiminnan jatkuvaan seurantaan ja parantamiseen.
- Huomioi tietoturva myös tekoälyjärjestelmän käytön lopettamisen jälkeen.
- Varmista kumppani- ja toimittajasuhteet ja tekoälyjärjestelmän kokonaisuuden tietoturvallisuus.
- Loppukädessä, ihmisen on aina vastuussa tekoälyn päätöksistä.
- Varmista, että käyttötapauksen hyödyntämiseen on yhteiset pelisäännöt, jotka on viestitty selkeästi.
- Varmista, että työntekijöillä on tarvittava osaaminen käyttötapauksen hyödyntämiseen, heidän oman työnkuvansa vaatimukset huomioiden.
- Osallista työntekijät käyttötapauksen kehittämiseen sekä eettisen toiminnan jatkuvaan parantamiseen.
- Varmista, että käyttötapauksen hyödyntäminen ei aseta työntekijöitä eriarvoiseen asemaan tai kuormita käyttötapaukseen suorasti ja tai epäsuorasti liittyviä henkilöitä liikaa.
Lue lisää
Ympäristöministeriö, KIRAHub & Reaktor Education. KIRA Tekoäly rakennetussa ympäristössä – verkkokurssi, käytetty 10/2024.