Case Studies
Voidaanko tekoälyllä parantaa kaupungin palveluita?
Deloitte on ollut mukana Helsingin kaupungin kokeiluprojektissa, jonka tavoitteena on helpottaa kaupunkilaisten arkea palvelujen digitalisaatiolla. Myös työntekijöiden rutiinitehtäviä halutaan automatisoida. Jatkossa tekoäly saattaa ehdottaa kaupunkilaisille parhaat tärpit vapaa-aikaan ja harrastuksiin.
Case Helsingin kaupunki
Tekoäly vinkkaa lähellä olevista ja kiinnostavista kulttuuri- ja vapaa-ajan menoista
Helsinki järjestää monenlaisia kulttuuri- ja vapaa-ajan palveluja eri kohderyhmille. Tarjolla on lukuisia vaihtoehtoja niin liikunnan kuin kulttuurinkin harrastajille. Asukkaille haasteena on kuitenkin usein näiden palveluiden tai menojen löydettävyys. Helsingin kaupungin tekoälykokeilussa haluttiin testata, kuinka tekoälyllä voidaan saattaa ihmiset helpommin näiden palveluiden pariin.
Ensimmäiseen tekoälykokeiluun tuli yli 30 ehdotusta, joista seitsemän ideaa pääsi kaupungin oman Kokeilukiihdyttämön jatkokehitykseen. Tavoitteena oli mahdollisimman nopeasti testata, miten erilaiset tekoälysovellukset sopisivat kaupungin palveluihin. Deloitte valittiin mukaan kahteen kokeiluun. Toisessa haluttiin luoda Helsingin kaupungin tapahtumiin suosittelualgoritmi ja toinen puolestaan liittyi palotarkastusten parempaan kohdentamiseen.
”Deloitte auttoi Helsingin kaupunkia kehittämään suosittelualgoritmin. Halusimme yhdessä luoda algoritmin, joka tuo kiinnostavat tapahtumat helposti lähelle kaupunkilaista. Ihanteellisena lopputuloksena olisi suosittelualgoritmi, joka olisi niin yksinkertainen, että se voitaisiin monistaa myös muiden toimialojen hyödynnettäväksi”, Deloitten projektipäällikkö Jaakko Mattila kertoo.
Suosittelualgoritmi käyttäisi eri lähteitä kaupunkilaisen kiinnostuksen kohteiden tunnistamiseen. Kaupunkilainen voisi esimerkiksi omassa profiilissaan kertoa kohteistaan ja vaikkapa kirjoista, joita hän on lukenut. Tekoäly osaisi profiilin perusteella ehdottaa juuri tätä henkilöä kiinnostavia kulttuuri- ja vapaa-ajan menoja, myös esimerkiksi jotain marginaalisia tapahtumia, joita ei välttämättä ensimmäisenä haettaisi.
”Mielenkiintoisia kohderyhmiä tällaiselle suosittelupalvelulle olisivat myös henkilöt, joilla ei itsellään ole tarmoa etsiä aktiivisesti palveluita, mutta joille olisi hyödyllistä löytää itselleen esimerkiksi uusi harrastus. Tällä tavalla nämä henkilöt pääsisivät kaupungin palveluiden piiriin”, Mattila pohtii.
Tekoälyn hyödyntäminen vaatii dataa – läpinäkyvyys ja etiikka tärkeitä
Kokeilun aikana analysoitiin ja mallinnettiin Helsingin kaupungin tapahtumadataa ja rakennettiin käyttöliittymä, jolla algoritmia voidaan testata eri käyttäjien näkökulmasta.
Aineistot vietiin analytiikkaympäristöön, data yhdistettiin ja muuttujat käsiteltiin sellaiseen muotoon, että ne olivat seuraavassa vaiheessa hyödynnettävissä. Tavoitteena oli laatia mahdollisimman läpinäkyvä suosittelualgoritmi, jota pystyttiin kokeilun aikana muokkaamaan mm. suosittelun käyttämiä painotuksia muuttaen.
”Kaupunkilainen voi kertoa muun muassa sijaintinsa ja minkälaiset palvelut häntä kiinnostavat. Näin älykäs suosittelija osaa suositella ensimmäisenä kaupunkilaisen lähellä olevia palveluita”, Mattila jatkaa.
Pidemmällä aikavälillä suosittelutoiminnon taustalla olisivat useammat erilaiset tietokannat, käyttäjien antamat kiinnostuksen kohteet ja heidän aikaisempi toimintansa sivustoilla. Kaupungilla on valtavasti dataa käytössään, mutta sitä täytyy käyttää eettisesti ja oikein. Avoimuus ja läpinäkyvyys ohjaavat kaikkea Helsingin kaupungin toimintaa.
Opit tekoälyn mahdollisuuksista kaupunkiympäristössä
Tulevaisuudessa tekoälyn hyödyntäminen vaikuttaa monin tavoin arkeemme - aivan kaikkia mahdollisuuksia emme varmasti osaa vielä kuvitellakaan. Tärkeää onkin uskaltaa kokeilla, missä kaikessa tekoälyä voidaan soveltaa.
”Koneoppimisella on paljon mahdollisuuksia palveluiden sisällä ja analytiikan puolella. Mutta myös haasteita on paljon. Esimerkiksi lainsäädäntö ei mahdollista kaikkea, mitä voidaan jo tehdä”, Pasi Rautio Helsingin kaupungilta sanoo.
”Ihmisen rooli koneen opettamisessa vaatii panostusta ja työtä. Aivan aluksi ihmisen pitää opettaa konetta – se oppii isäntänsä tai emäntänsä hyville tai huonoille tavoille. Ihmisiä saattaa huolestuttaa se, että kone korvaisi ihmisen. Kone on kuitenkin ennemminkin hyvä kaveri. Tekoäly mahdollistaa monia asioita, mitä muuten ei voitaisi tehdä. Ilman konetta esimerkiksi palotarkastusten kohdentaminen vaatii hurjasti ihmistyötä”, Helsingin kaupungin hankepäällikkö Ville Meloni Helsingin kaupungin digitalisaation muutostoimistosta jatkaa.
Deloittelta oli tekoälykokeilussa mukana useita asiantuntijoita. Pilottiversiota oli suunnittelemassa analytiikkaosaajien lisäksi dataosaajia ja palvelumuotoilijoita.
Meloni kertoo yllättyneensä, kuinka rohkeasti ja positiivisesti yritykset lähtivät mukaan kokeiluun. Myös kaupungin työntekijät kokivat hänen mukaansa yhteistyön hyväksi ja positiiviseksi ja muun muassa suosittelualgoritmin käyttöön heiltä tuli runsaasti ideoita.
”Algoritmia voidaan soveltaa moniin eri kohteisiin, sillä palveluita on paljon ja moneen eri makuun. Esimerkiksi koulutuksista voisi olla oma suosittelupalvelunsa. Kaupunki järjestää henkilöstölle paljon koulutuksia, mutta niitä on hankala etsiä – tällaisen palvelun kautta löytäminen olisi helpompaa. Erilaisia mahdollisuuksia on paljon”, Meloni miettii.
Mitä kaupungin tekoälykentässä tapahtuu seuraavaksi?
Kokeilukiihdyttämön toiminta jatkuu keväällä. Uusi kampanja käynnistyi toukokuussa. Sen teemoina ovat tekoäly ja ohjelmistorobotiikka.
Melonin mukaan samalla mietitään, miten kokeiluja viedään eteenpäin.
”Ohjelmistorobotiikan osalta on mielenkiintoista nähdä, tuleeko puhtaita RPA-kokeiluja vai tekoälykokeiluja. Mitä kaikkea voikaan saada aikaan, kun yhdistetään ohjelmistorobotiikka ja tekoäly”, Meloni innostuu.
”Opimme paljon ensimmäisestä kokeilusta: miten esimerkiksi tilaus- ja hankintaprosessi vaikuttavat toimijoihin tai tietosuoja itse hankintaan. Kaikista haasteista selvittiin kuitenkin yhdessä – kaikki yhteistyökumppanit olivat sitoutuneita ja joustavia. Ensi kerralla tehokkuus varmasti kasvaa, kun osaamme huomioida nämäkin tekijät”, Pasi Rautio summaa.
Kaikista haasteista selvittiin yhdessä – kaikki yhteistyökumppanit olivat sitoutuneita ja joustavia.
Pasi Rautio, Helsingin kaupunki
Jouni Alin
Analytics Leader
jouni.alin@deloitte.fi
Kuuntele podcast-jaksomme: Tekoälyaika on täällä
Palotarkastusten tehostaminen tekstianalytiikalla
Toisessa tekoälykokeilussa analysoitiin palotarkastuspöytäkirjoja tekstianalytiikan avulla. Tavoitteena oli tunnistaa pöytäkirjoihin merkityt korjausmääräykset kohteittain ja luokitella ne niin, että palotarkastuksia voitaisiin jatkossa suunnitella paremmin ja toteuttaa tehokkaammin. Tekstianalytiikka ja visualisointi toteutettiin hyödyntäen SAS Viya -ympäristöä, jossa myös suomenkielinen tekstin analysointi toimi mainiosti.
”Oli hienoa olla mukana toteuttamassa Kokeilukiihdyttämössä syntyneitä innovaatioita tuomalla mukaan tekstianalytiikkaan, tilastoanalytiikkaan ja koneoppimiseen liittyvää osaamista. Saimme Deloitten kanssa nopeasti aikaan konkreettisia tuloksia. Myös loppukäyttäjien kannalta oli erittäin tärkeää, että monimutkaisen analyysin tulokset voitiin visualisoida selkeästi ja helposti ymmärrettävästi. Tekoälyn kehittämisen ja hyödyntämisen pitää olla mahdollisimman helppoa. Silloin siitä pääsee hyötymään mahdollisimman moni kaupunkilainen. Juuri tällaiset käyttötapaukset, joissa yhdistyvät asiantuntijan osaaminen esim. palotarkastuksesta ja tekoälyn kyvykkyys käsitellä ihmiselle vaikeuksia tuottavia datamassoja ovat todella mielenkiintoisia ja hyödyllisiä”, SAS Instituten tekoälyasiantuntija Antti Heino sanoo.