Digitaaliseen markkinointiin vaikuttavat tekoälyn (artificial intelligence, AI) eri ulottuvuudet kehittyvät hengästyttävällä vauhdilla. Missä AI:n kanssa mennään nyt, vuonna 2025?
Antaaksemme tähän ymmärrettäviä vastauksia, kutsuimme Generaxionin podcast-studioon teknologiajohtajamme Rune Jensenin. Yli 10 vuotta AI:n parissa työskennelleen Runen johdolla sukellamme AI:n eri osa-alueisiin kuuden englanninkielisen jakson verran.
Generaxion AI -podcastjaksot ovat kestoltaan 6–16 minuuttia – toivottavasti viihdyt niiden parissa!
1. Mistä tekoälyssä on kyse?
Mistä kaikesta AI-otsikon alla oikeastaan puhutaan? Arkipuheessa erityisesti tekoäly ja koneoppiminen menevät usein sekaisin. Tekoäly eli AI on laajempi yläkäsite ja koneoppiminen sen osa-alue, joka nojaa tietokoneiden kykyyn oppia ja tehdä päätelmiä datasta. Muutama koneoppimisen käsite lyhyesti kuvattuna:
- Koneoppiminen (Machine learning): tietokoneiden kyky jäljitellä ihmisen kykyä oppimiseen ja ongelmanratkaisuun – ilman, että kunkin tilanteen syy-seuraussuhteita ohjelmoidaan erikseen.
- Pinnallinen oppiminen (Shallow learning): koneoppimista, jossa algoritmien avulla etsitään (tyypillisesti numero-)datasta toistuvia kaavoja ja vaikutussuhteita pienellä määrällä neuroverkkoja (processing layers), hyödynnetään nopeiden ja suoraviivaisten ennusteiden tekemiseen.
- Syväoppiminen (Deep learning): syvällisempää koneoppimista, jossa hyödynnetään jopa kymmeniä tai satoja kerroksia neuroverkkoja. Syväoppimiseen perustuvissa sovelluksissa laskentateho mahdollistaa vaativampaa ongelmanratkaisua ja kuluttaa moninkertaisesti resursseja.
Avausjaksossa nostamme niin sanotusti konepellin ja alamme tutustua AI-moottoriin sen alla. Reilusti yli vuosikymmenen kokemuksellaan Rune Jensen kuvailee meille kehitysaskeleita koneoppimisessa, kuinka AI kannattaisi määritellä, mitä tarkoittaa ”AI-winter” – ja miksi ChatGPT:n voi sanoa räjäyttäneen pankin.
Episode 1
2. Large Language Models (LLM)
Laajojen kielimallien (Large Language Models, LLM) ja niitä hyödyntävän generatiivisen tekoälyn tuloa laajasti saataville voidaan pitää AI:n läpimurtona. Laajoihin kielimalleihin lukeutuvat muun muassa ChatGPT, Google Gemini ja melko tuore uutuus DeepSeek. Nämä mallit on kehitetty luonnollisen kielen prosessointiin (natural language processing, NLP), mitä pidetään yhtenä koneoppimisen haastavimmista osa-alueista.
Edistyksellisiin kielimalleihin nojaavat työkalut tuottavat sujuvaa tekstiä ja oppivat niiden kanssa kehotteiden eli promptien avulla käydystä keskustelusta – jopa niin, että keskustelun voi melkein rinnastaa toisen ihmisen kanssa käytyyn keskusteluun.
Mallit eivät kuitenkaan ymmärrä tuottamaansa tekstiä tai hahmota maailman ilmiöitä niiden takana, eivätkä ne tule jatkuvasti älykkäämmäksi. Sarjamme toisessa jaksossa käsitellään kielimallien kehitystä ja käyttökokemuksia niistä.
A lot of people think that just by using ChatGPT, it gets more intelligent every time you use it. But that’s just not the case. These are static models. Maybe they’re trained until October – and that’s it. It doesn’t get any more intelligent – it gets a bit more knowledge, it gets more prompts, but it doesn’t get smarter.
Episode 2
3. AI:n kehitys ja rajoitteet
Tekoälyyn nojaavien sovellusten kehityspotentiaali ja odotukset tulevaisuudelle tuntuvat joistakin lähes rajattomilta. On kuitenkin paljon asioita joihin AI ei tällä hetkellä vielä pysty. Rune Jensen nostaa esiin kaksi pointtia:
Ensinnäkään AI:lla ei ole mitään itseohjautuvaa tarkoitusta (self-driven purpose). Kunkin sovelluksen kehittäjät määrittävät sille tarkoituksen ja tavoitteet joihin se pyrkii, mutta mitään omaa pyrkimystä oppimiseen ja kehittymiseen AI:lla ei ole. Tietyissä asioissa on toki hyväkin, että tilanne pysyy näin.
Toiseksi, me käyttäjät haluamme täsmällisiä ja luotettavia vastauksia ja tuloksia. Osa nykyisistä AI-sovelluksista pystyy jo melko hyvin vastaamaan käyttäjien odotuksiin, mutta haastavampi ongelmanratkaisu ja laadun tason nosto vaatii monimutkaisempaa laskentaa ja lisää tehoa – eli merkittävästi lisää resursseja.
Kolmannessa jatkossa Rune Jensen taustoittaa, miksi vahvan tekoälyn (general artifical intelligence) aikakauteen – eli siihen että AI kykenee suorittamaan minkä tahansa älyllisen tehtävän, jonka ihminen pystyy suorittamaan – on vielä matkaa.
Episode 3
4. Ihminen vs. tekoäly
”Robotit vievät ihmisten työpaikat.”
Tämä tekniikan kehityksen eri aikakausina pintaan nouseva pelko jaetaan nyt kenties laajemmin kuin koskaan. Moni näkee positiivista helpotusta ja mielekkyyttä arjessaan, toisten pelko työnsä jatkumisesta on todellinen. Rune Jensen korostaa AI:n potentiaalia tukea ihmisiä eri työtehtävissä:
You want AI to support the work that you’re doing. You don’t want it to take over.
On edelleen olemassa valtava määrä asioita, joihin vain ihminen pystyy – ja tekoäly ei. Eettinen arviointi on yksi ilmeisimmistä, samoin toteutetun tuotoksen laadullinen arviointi. Kuinka pitkälle tekniikkaa on mahdollista kehittää ja koneita opettaa – ja kuinka paljon vastuuta niille halutaan antaa?
Episode 4
5. Digitaalinen markkinointi ja AI
Mihin kaikkeen AI vaikuttaa digimarkkinoinnin arjessa vuonna 2025?
AI ja sen ulottuvuudet ovat arkea lähes kaikissa markkinoinnin työkaluissa. Kuten edellisissä jaksoissa on kuvattu, sillä on yhä monessa tilanteessa matkaa inhimillisen laadun tasolle. Markkinoinnin toteutuksessa on kuitenkin jo monia tehtäviä, joissa AI on todella arvokas apu ja tuki:
- AI on ihmistä merkittävästi parempi matematiikassa ja tilastollisessa laskennassa, mitä kannattaa ehdottomasti hyödyntää muun muassa tuloksellisuuden ennustamisessa.
- Mainosalustojen työkalut kuten Metan Advantage+ helpottavat relevanttien kohderyhmien löytämistä digitaalisista yleisöistä – osumatarkkuudella, joka on suurella todennäköisyydellä parempi, kuin jos mainonnan toteuttaja tekisi sen itse manuaalisesti.
- Tekoälyn prosessointikyky ja laskentakapasiteetti ovat moninkertaisia ihmiseen verrattuna, mikä tekee isojen tietomassojen analysoinnista nopeampaa – ihmisen tekemänä viikon analyysityö voi syntyä koneelta sekunneissa.
Tekoäly on mainio tukiäly, kuuluu uudissuomenkielinen sanonta. Podcastimme seuraava jakso taustoittaa samaa ajatusta englanniksi.
Episode 5
6. Tekoälyn tulevaisuus
Katoaako ihmisten työtehtäviä tekoälyn syövereihin, toteutuvatko massatyöttömyyden uhkakuvat?
Varmuudella voitaneen sanoa, että työn luonne muuttuu – mutta uhkien sijaan näemme enemmän enemmän mahdollisuuksia ja positiivista kehitystä. Ennustaminen hankalaa, varsinkin tulevaisuuden – podcastsarjamme päätösjaksossa Rune Jensen esittää silti valistuneimmat arvionsa tulevasta kehityksestä.
You shouldn’t be worried that AI will replace your job, but you job is going to change because of AI. And in Generaxion, we’re always looking for opportunities to implement AI – not to replace anything, but to support it.
Episode 6
