Kes on kratt ja kuidas neid Eestis tehakse?

Eesti riik on lubanud, et aastaks 2020 on meil avalikus sektoris abiks vähemalt 50 tehisintellekti rakendust ehk maakeeli öelduna kratti. Erasektori ettevõtted mõistavad, et homsete äriprobleemide lahendamiseks eilsed töövahendid ei sobi ja pöörduvad aina sagedamini masinõppe mudelite ning erinevate tehisintellektil põhinevate süsteemide poole. Elisas alustasime sellega 2017. aastal, mistõttu oleme tänaseks saanud nii väärtuslikke õppetunde kui ka kuhjaga põnevaid teadmisi ja nii julgustame teisi selle teemaga lähemalt tutvuma. Kirjutab Elisa telekomiteenuste valdkonna juht Mailiis Ploomann.

Kuidas kratte tehakse?

Juba vanarahvas teadis, et krati puhul on tegemist inimese loodud olendiga, kellel puuduvad inimlikud omadused. Kratt tuleb teha kolmest vanast raaguviheldud saunavihast, need luuavarre ümber siduda, hõõguv süsi südameks panna ja kõige pimedamal ja pilvisemal täiskuu-neljapäeva ööl kolme tee ristil vanakuradiga leping sõlmida. Lepingu sõlmimiseks tuleb krati hõõguvale südamele kolm tilka enda verd poetada. Kratile peab kogu aeg tööd andma, et too peremehele kallale ei läheks ning teda endaga vanapagana juurde maa alla ei viiks. Kratist lahtisaamiseks tuleb anda elukale töö, millega too hakkama ei saa, näiteks liivast köie või veidi uuemast kirjandusklassikast pärit leivast redeli tegemine.

Naastes iidsetest aegadest tänapäeva, tuleb tunnistada, et ühe krati tööle saamine on aegade jooksul mõnevõrra keerukamaks muutunud. Ei tea, kas asi on selles, et saunas viheldakse vähem ning luuavarred on täielikuks eksootikaks muutunud või hoopis selles, et oleme linnastumise käigus lihtsalt mõned igipõlised oskused minetanud. Siiski ei ole me Elisas juba nelja toimiva krati puhul verd pidanud loovutama ja ka vanapaganaga on siiani NDA (non-disclosure agreement) sõlmimata.

Tänapäeval algab krati loomise lugu konkreetsest ärilisest vajadusest. Kas selleks on mingi mure või probleem, mida lahendada või vastupidi rõõm, mida võimendada.

Tehisintellekt on lihtsustatult lahendus, mis automatiseerib otsuste langetamise. Seega tuleb esmalt aru saada, kas mure või rõõmu puhul on olemas mingisugune järjekord tegevusi (protsesse), mis teatud kindlatel hetkedel otsuseid vajavad. Juhul, kui on, tasub kõva häälega küsida, kes ja millistel alustel, millistest teadmistest ja andmetest lähtuvalt, neid otsuseid täna langetab? Alles siis, kui oleme veendunud, et tegemist on tõepoolest protsessiga, mida teoreetiliselt on võimalik automatiseerida ning meil on olemas reeglid ja loogika, kuidas täna neid vajalikke otsuseid langetatakse, tasub liikuda edasi järgmisse faasi.

Inimeste tänastes tööülesannetes on laias laastus kahte tüüpi tegevusi. Selliseid, mis vajavad kõrgeltarenenud kognitiivset taju ja erinevates olukordades omandatud teadmiste ristkasutust ning suur hulk tegevusi, mida teeme n-ö autopiloodil.

Inimene, kui emotsionaalne olend, kipub viimaste puhul tüdinema, väsima ja seetõttu ka vigu tegema ning just see on koht, kus tehisintellektiga kratid meid enim aidata saavad. Kratt ei väsi, tüdine ega ole kurb, kui ei saa töö käigus end arendada. Lisaks ei laiene talle töö- ja puhkeajaseadus, mistõttu saab ta neid ülesandeid täita 24/7 ja 12 kuud järjepanu.

Juhul, kui protsess, millest eespool kirjutasin, sisaldab just taolisi, muutumatu loogikaga ja inimestele tüütuid töölõike, saab tõenäoliselt väita, et oleme leidnud protsessi, mida oleks mõistlik automatiseerida. Samas on see oluline mõtlemiskoht, sest kõiki ettevõttes eksisteerivaid protsesse, ei tasu kindlasti automatiseerida – eriti selliseid, mis on inimese jaoks ülimalt lihtsad – ent mõnele kratile võivad osutuda leivast redeli tegemiseks. Kõige lihtsam näide on siinkohal maailmas ülipopulaarsed vestlusrobotid ehk chatbotid.

Juhul, kui sinu klientidel on palju ühesuguseid küsimusi, millele inimesed vastavad alati ühtemoodi, on ainest ühe krati loomiseks. Kui aga tooted-teenused on keerulised ja tihti konkreetse kliendi vajaduste järgi disainitud, on ka klientide küsimused pigem ebastandardsed. Nende klientide heaolu arvestades on oluliselt otstarbekam hoida tšättimas inimesi, kes suudavad erinevatest infokildudest ja andmeallikatest terviku kokku panna ning kliendi jaoks mõistetavasse konteksti asetada.

Selle sama näite najal jõuame järgmise olulise otsustuskohani – kas krati loomine tasub end üldse majanduslikult ära? Innovatsioon on kallis lõbu ja mida noorem on tehnoloogia, seda enam tuleb alguses nn kooliraha maksta.

Tehisintellekt jõuab praktikasse

Kuigi tehisintellektist on räägitud juba aastaid, hakkavad lahendused praktilisse kasutusse jõudma alles nüüd, mistõttu ei tasu isegi unistada soodsatest või odavatest lahendustest.

Samas – soodne või odav on laiad ja suhtelised mõisted. Kõik sõltub sellest, kui pikka perspektiivi arvestada ja milliseid mõõdikuid kasutada.

Õigete mõõdikute valimiseks tuleks korraks naasta algusesse ja meelde tuletada, milline oli äriline eesmärk. Jätkates vestlusroboti näitel, siis kas soovime pakkuda klientidele kiiremat või hoopis ööpäevaringset teenindust? Kas soovime vabastada oma tööjõu nende jaoks tüütutest (ja liiga lihtsatest) tööülesannetest ja suunata nad ümber kõrgemat väärtust loovale tööle? Või oleme olukorras, kus tööjõukulud on kasvanud lihtsalt nii kõrgeks, et lihtsamate tööülesannete täitmiseks pole inimtööjõud enam rentaabel lahendus?

Kiirema ja pikaajalisema teeninduse eesmärk on ilmselt klientide rahulolu, mida tänapäeval mõõdetakse sageli soovitusindeksi ehk NPS-iga. Seega tuleks välja arvutada, mitu punkti NPS kasvaks, kui taolisel viisil teenindust muuta ning kui palju lisatulu see ettevõttele tooks.

Tööjõu ülesannete muutmine kõrgemat väärtust loovate tööde täitmiseks on arvutatav loodava lisaväärtuse kasvu läbi. Juhul, kui inimtööjõu palgaootused on teatud tööülesannete puhul muutunud ebamõistlikeks, saame seada mõõdikuks säästetava tööjõukulu.

Sõltuvalt püstitatud ärilisest eesmärgist tuleb mõõdik oma meeskonnaga selgeks vaielda, kokku leppida ja siis jõuda ühise arusaamiseni, mida krati abil täpselt saavutama minnakse.

Ükski kratt ei suuda lahendada probleemi, et minu äri pole kasumlik – seda ei maksa talle ülesandeks seada – küll aga suudab ta täita teatud etteantud ülesandeid inimestest täpsemalt ning korrektsemalt. Oluline on need töölõigud (äriliselt) ära tunda ja mõne tehnilisemalt mõtleva inimesega ka ära kirjeldada.

„Kratt ei saa niisama lennata, tema vajab käsku. Aga käsu peab andma peremees.“ (Andrus Kivirähk, „Rehepapp“)

Nii nagu vanad eestlased käisid krati loomiseks Rehepapi käest nõus küsimas, on ka kaasaegsemate krattide puhul õige aeg teadjameeste poole pöörduda. Kui kodutöö on tehtud, tasub leida partner, kes teab päriselt, mis on data science (andmeteadus) ja milliseid töövõtteid erinevate krattide jaoks tasub kasutada.

Siinkohal on oluline leida partner, kes on rohkem kui pelgalt „hea arendaja, kes hirmsasti tehisintellekti vastu huvi tunneb“. Hea krati loomiseks on vaja kedagi, kes siiralt huvituks sinu ettevõtte ärilisest eesmärgist ja kes aitaks selle tehisintellekti keelde lahti mõtestada. Kuna data science on globaalne teadus, ei pea tingimata valima kohalikku ettevõtet, ent soovitan Eestis meie noorte ettevõtjate seas ringi vaadata. Meil on uskumatult ägedaid ja maailmatasemel tegijaid, kes mõistavad, et nad ei paku IT-arendust, vaid loovad tehnilist võimekust äri edendamiseks. MindTitan, Alphablues ja Feelingstream on kindlasti juba tuntud nimed ja teerajajad, aga kokku tasub saada ka nooremate ja uuemate tulijatega.

Data Science on segu matemaatikast, statistilisest analüüsist, IT-st, lisaks veel näpuotsaga biokeemiat ja äriliste protsesside mõistmist – kui keegi väidab vastupidist, siis tasub kohtumine viisakalt lõpetada ja järgmine teenusepakkuja leida.

Koos valitud partneriga on mõistlik panna kokku meeskond, kes projekti ühiselt ette võtab. Siinjuures on oluline meeles pidada, et selles meeskonnas on võrdne roll nii majasisesel probleemiomanikul, kui mudeli tegelikul loojal (data scientistil). Kindlasti peab olema kaasatud keegi, kes valdab ettevõtte andmete keelt ja tunneb andmeallikaid ning keegi, kes projekti sisuliselt juhib.

Projektijuht peab hoolitsema selle eest, et jälgitakse õigeid mõõdikuid, kaasatakse kõiki vajalikke osapooli ja hoitakse infovälja üle ettevõtte ühesugusena. Tegemist ei ole kindlasti klassikalise IT-projektijuhiga – sellesse rolli peab astuma inimene, kes küll valdab IT ja data scientistide keelt, ent kelle süda kuulub pigem äripoolele ning kes oskab seetõttu olla sillaks ja tõlgiks nende kahe maailma vahel.

Mainitud projektijuhi ülesanne on mõelda ka sellele elule, mis järgneb karti valmimisele ehk kuidas äripoole esindajad peavad kratiga tulevikus koos tööd (koostööd?) tegema hakkama.

Tehisintellekti ja krattide tulekuga on möödas aeg, kus äripool sai olla IT-arenduste puhul lihtsalt tellija ja sisendi andja. Oluline on mõista, et tegemist on tellija ja arendajate ühise projektiga, millele mõlemad peavad olema valmis panustama nii aega kui energiat.

Ainult nii sünnivad kratid, kellest on peremehele tõeliselt kasu nii täna kui ka aastate pärast.