Jätkusuutlik kratt ehk mis vahet on tehisintellektil ja „tavalisel" IT-l

Igapäevaselt ümbritsevad mind kolleegidena maailma kõige ägedamad IT-inimesed, keda üldse Ieiutatud on. Aga seda, et ma ise programmeerimisest mitte midagi tegelikult ei tea, pole ma kunagi varjanud. Siiamaani on see minu jaoks sama arusaamatu kui hieroglüüfid või arstide käekiri haiguslool või ravimiretseptil. Samas saab väga edukalt juhtida äriprotsesse, ilma tehnilisi nüansse lõpuni tundmata.

Minu enda suhe programmeerimisega läks lootusetult katki 2000ndate aastate alguses ülikoolis, kus õppisin majandusteaduskonnas kohustusliku ainena informaatikat. Ühes tunnis tuli teha Excelis VBA rakendusega roheline konn, millele vajutades pidi üks leht teisel lehel asuvate algaandmete järgi erinevate puiduliikide mahtuvuse mingisse konteinerisse arvutama. Kuna konnad, konteinerid ja puiduliigid mind üleliia ei kõnetanud, jõudsin tänase päevani kehtivale järeldusele, et mul on siin elus teisigi andeid ja sinna see programmeerimine jäigi.

Kuid tänu sellele õnnetule ja senini vastikuse värinaid tekitavale konnale, olen ilmselt kõige kiiremini aru saanud, mida tehisintellekti äriline rakendamine päris elus tähendab. See on koht, kus programmeerijad ja äriinimesed peavad esimest korda nn tavaliste ettevõtete ajaloos sisulist koostööd tegema. Mitte üksteise eest tööd ära tegema, vaid üheskoos eesmärgi saavutama ning see on põnev ja omajagu keeruline ülesanne. Tavaliseks ettevõtteks pean siin kontekstis kõiki neid, kes ei loo IT-rakendusi oma põhiärina. Firmad, kus äripool on IT tellijaks ja lisandväärtus toodetakse teiste protsessidega.

Enne oli tellimus, aga siis tulid kratid...

Kui siiamaani on IT-projektid välja näinud ligikaudu nii, et äri pool mõtleb välja, mida neil vaja on, kirjeldab selle äritellimuses ära niivõrd hästi kui oskab ja annab selle IT-le üle. IT poolel omakorda on projektijuht, kes vajadusel tellijalt lisaküsimusi küsib või vahetulemusi tutvustab ja valideerib. Suurem osa sellest tööst, mida teevad analüütikud, programmeerijad ja testijad on tellijast kaugel ning pigem tundubki neile, et on hea kui tellija vahepeal üleliia ei sega.

Lõpuks võtab tellija valmis progetud lahenduse vastu, kinnitab, et jah - see teeb seda, mis soovitud ja uus rakendus läheb kasutusse. Sinna see siis jääbki. Tehes seda, mida teda tegema programmeeriti seni, kuni keegi esitab tellimuse mingi osa või terviku ümberprogrammeerimiseks. Seejärel algab sama ring otsast peale.

Kuni keegi mingit muudatust ei telli, töötab see võrdselt hästi nii päeval 1 kui ka kolme aasta pärast. Kui just midagi katki ei lähe, mida IT-s ikka juhtub. Kõik see on imeline ning meie igapäevaelu võrratult palju lihtsamaks teinud võrreldes 15 aasta taguse ajaga. Tänu sellele oleme produktiivsemad ja efektiivsemad ning omame oluliselt rohkem faktipõhist juhtimisinfot kui varem.

Kuid siis tulid kratid ehk tehisintellekti rakendused ning senine loogika enam ei toimi. Kratti ei saa nii tellida, et teed lähteülesande ära ja seejärel jääd paremat tulevikku ootama lootuses, et küll need asja jagavad inimesed selle ära teevad. Mõistlik krati tegemine (millest on täpsemalt juttu siin) ja vajaliku meeskonna komplekteerimine (millest saab lähemalt lugeda siin) on alles esimesed sammud.

Kratt õpib vaid sellest, mis talle öeldud

Kratt õpib minevikus genereeritud andmete järgi ning tema tarkus piirdub üheselt ja ainult selle infoga, mis sisaldub talle eraldatud andmekomplektis. Seni kuni me räägime kitsast AI rakendusest (täna ja ka lähitulevikus räägimegi ainult kitsast AI-st) tähendab see seda, et ükski kratt sõltumata hetkel täidetavast ülesandest, ei tea mitte midagi tema ümber muutuvatest äriprotsessidest hetkeni, kuni keegi talle seda „ütleb".

Toon näitena siia vestlusroboti, mis tunneb ära kliendi küsimuse: „mis kellani te kolmapäeval avatud olete" ning varasema teadmise põhjal vastab õigesti, et kella seitsmeni. Juhul, kui keegi otsustab lahtiolekuaja ärilisel põhjusel muuta näiteks tunni võrra pikemaks, siis on vaja toetavat äriprotsessi, mille alusel saab vestlusrobot ka sellest otsusest teada, et ka edaspidi õigesti vastata.

Või kui tegemist on praagituvastamise algoritmiga, mis on õppinud selgeks, et punase alusvärvi väljapaistmine siniselt glasuurplaadilt tähendab praaki, siis punase triibuga siniste plaatide tootma hakkamisel, tuleb teha protsess, mis „ütleb" ka kratile, et see on nüüd täiesti okei olukord, et see triip seal on.

Need näited võivad tunduda triviaalsed, kuid päris elu koosnebki paljudest väikestest lihtsatest asjadest. Kuna krattide üks võlu seisnebki tegevuste teostamise mastaabiefektis, võib mõne lihtsa nn aegumisega juba palju teoreetilist kahju tekitada. Selle kahju ära hoidime ei ole krati looja (data scientisti) ülesanne, see jääb äritellija ja protsessiomaniku kapsaaeda. Ka see peab kohe alates krati esimesest elupäevast paigas olema.

Kratt Annika näitel

Kindlasti eksisteerib valdkondi, kus tempo on rahulikum ning muudatusi toimub pigem vähem. Telekommunikatsiooni sektor on sellel skaalal kindlasti väga äärmuslik näide, ent sellevõrra lihtsam on teistel ka meie kogemusest õppida. Elisas on hetkel töös ja toimimas 3 kratti, järgmised kolm juba loomisel ning mitmeid uusi arendusi veel oma järjekorda ootamas. Kõige rohkem paistab nendest välja meie teenindusrobot Annika, mistõttu on tema najal kõige lihtsam ka järgmiseid näiteid tuua.

Annika teadmistepagasis on täna pea 30 erinevat teemat, mille raames ta suudab kliendi pöördumise lõpuni ära lahendada. Need pole lihtsad küsimus-vastus olukorrad, vaid pikad vastuseahelad, mille sees toimub päringuid erinevatesse taustasüsteemidesse ning andmebaasidesse. Näiteks küsimusele: „Kui palju maksab mul interneti kasutamine Pariisis?" ei anna ta lihtsalt rändlusteenuste hinnakirja linki nii nagu teevad väga paljud väga rumalad vestlusrobotid ja mis kõiki kliente kollektiivselt närvi ajab. Annika kontrollib üle kliendi kasutusel oleva paketi ja hinnakirja ning annab vastuse, mis käib personaalselt just selle konkreetse kliendi kohta. Lisaks kontrollib ta üle, kas kõnealune number saab üldse välismaal teenuseid kasutada. Täpselt nii, nagu seda teeks ideaalses teenindussituatsioonis inimteenindaja.

Oletades nüüd, et midagi selles vastuseahelas muutub. Tootejuht otsustab näiteks, et Euroopa Liidus interneti tarbimine muutub klientide jaoks odavamaks. Inimteenindajad saavad sellest teada tavaliselt nii, et tootejuht muudab ära juhendid, saadab selle kohta teavitava e-kirja ja postitab uudise intranetti. Tiimijuhid räägivad selle ka oma inimestele suuliselt üle ja siis kõik loodavad, et teenindaja ei vasta nüüd edasi klientidele mälu järgi nii nagu oli eile, vaid nii nagu on tegelikult alates tänasest õige.

Vastab 100% õigesti

Vestlusrobot e-kirja kaudu mingit infot ei omanda ja talle hommikul asju stand-upil rääkida pole mõtet. Tema jaoks on vaja protsessi, kuidas õigel hetkel info vastuseahelas ära muuta. Ulmeliselt äge on see, et kui info on muudetud, vastab ta kõikidele klientidele 100% õigesti ehk uue kehtiva info järgi.

Selleks, et kogu Annika info oleks pidevalt õige, on igal vastuseahelal omanik ning igal vastuses kirjas oleval faktil või taustakontrollil vastutaja. Need omanikud ja vastutajad saavad teavitusi, kui vastuseahelaga on midagi muudetud ning neil on kohustus iga 3 kuu tagant kõik oma teemad üle kontrollida ning vastavas keskkonnas endiselt kehtivaks märkida.

Kuna Elisa puhul on tegemist suurettevõttega, kus inimesed liiguvad palju nii ettevõtte siseselt kui ka töökorralduslikult, siis on kogu vastutajate info omakorda seotud automaatselt personaliprogrammiga. Kui selle töötaja andmetes midagi muutub - kas töösuhe lõpeb või muutub ametinimetus - saab tema juht automaatse teavituse ning tema peab märku andma uuest vastutajast.

Lisaks on kõikidele vastuseahelatele loodud omakorda visuaalsed kontrollirobotid (RPA), kes pidevalt käivad ja kontrollivad, kas kliendid näevad vastustes sama informatsiooni, mida nad peaksid nägema. Väiksemagi erinevuse täheldamisel, saab teavituse vastutav haldur, kes olukorra üle kontrollib.

Ideaalses maailmas ei ole see midagi uut. Ka täna eksisteerivad ju kõikide toodete ja teenuste kohta juhendid. Nendel juhenditel on vastutajad, kes hoolitsevad selle eest, et kõik oleks ajakohane. Kuid senikaua kui on mängus inimesed, on miljon võimalust, mis siin kõik valesti saab minna. Kliendile saab anda vastuse eelmisel nädalal kehtinud juhendi järgi, mis on välja prinditud juba 3 aastat tagasi ja siiamaani lauanurgal. Samamoodi saab vastata mälu järgi või anda sama vastuse, mis sai antud eelmisele kliendile. Juhendist saab maha lugeda kogemata vale lõigu või jätta tuvastamata mõne nüansi, sest klient karjub su peale. See kõik on inimlik ja mida rohkem on rutiine, seda rohkem on inimlikke eksimusi.

Robotid vs kratid

Robotitega on vastupidi. Neile rutiinid ja distsipliin väga meeldivad, kuid nad vajavad selle toimimiseks meeskonda, kes kõik need emotsionaalsed ja hingestatud olendid selle distsipliini ja rutiinide sees tööle paneb. Ja see ei saa kunagi olla mudeli looja, vaid peab olema äripoole esindaja.

Nii satuvadki kõrvuti tööle äriinimene ning andmeteadlane (data scientist). Mõlemal on üks eesmärk - aga kumbki ei õnnestu ilma teiseta. Niipea kui emb-kumb palli nö maha pillab, läheb midagi halvemaks. Süüdi pole sel juhul kratt, vaid tema selja taga oleva meeskonna ebaõnnestunud koostöö.

Mõni kratt toimetab keskkonnas, kus ei muutu mitte midagi aastaid, kuid selgi juhul peab olema algusest peale selge, kelle ülesanne on olla kindel, et kõik on endine ja midagi ei ole vaja sisend- ega väljundinfos muuta. Ka seda, et kõik on endine - lase edasi, peab protsessiga vägagi täpselt katma.

Kratti ei saa ega tohi suhtuda nagu „tavalisse" IT-tellimusse. See lihtsalt ei toimi nii - ja oma käitumist peavad siinkohal muutma nii IT kui äripoole inimesed. Muutuma peavad nii koostöö- kui ka juhtimismudel ning selles tuleb näha eelkõige võimalust, mitte tüütut protseduurireeglite kogumit, mida paberil tuleb justkui täita, kuid tegelikus elus võib ignoreerida.

See vastik roheline konn, mida ma tänaseni ei oska panna Excelis makroid käivitama, viis mind omal ajal programmeerimisest väga kaugele, ent olen talle selle eest tänulik. See on sundinud mind üles otsima ja kuulama oma ala tõelisi professionaale, kes väga kannatlikult on kogu seda maailma minu jaoks inimkeelde tõlkinud. Olen neile siiralt ja südamlikult tänulik, isegi tänulikum kui sellele konnale, sest kõik see annab mulle võimaluse teha seda, mida kõige paremini teen. Luua toimivaid ja väärtust loovaid äriprotsesse ning mis veelgi tähtsam, panna nende sees tööle kõik vajalikud inimesed. Kõike seda ei saaks ma teha ilma nende IT inimesteta ning nemad ilma minuta. Nende erinevate maailmade esindajad loovad nüüd väärtust koos, mis on paganama äge perspektiiv.