“Tekoäly itsessään ei ole kiinnostavaa, vaan se, mitä sillä voi saada aikaan” Hiabin Hanna Grönqvist tuo älyä lastinkäsittelylaitteisiin ympäri maailman

Päädyin tekemään töitä tekoälyn kanssa, koska ihastuin jo lukioaikana hiukkasfysiikan ja tieteen maagiseen maailmaan vierailulla CERNiin. Menin lukion jälkeen opiskelemaan teoreettista fysiikkaa ja pääsin harjoittelijaksi CERNin hiukkaskiihdyttämöön. Sieltä tie vei Erasmus-opintoihin Ranskaan, jossa tein myös väitöskirjani ja vietin ensimmäiset työvuoteni. Seitsemän ulkomaanvuoden jälkeen huomasin, että Cargotecille etsittiin datatieteilijöitä. Cargotecin arvot – kestävä kehitys, eettisyys ja inklusiivisuus – vetosivat minuun. Hain ja sain paikan. Vähän yli kahden vuoden jälkeen siirryin Cargotecin liiketoiminta-alue Hiabiin Services -yksikköön. Tehtävänäni on muun muassa kehittää tekoälyratkaisuja kuljetuslaitteiden ennakoivaan huoltoon.

Olen kiinnostunut tekoälystä siksi, että minua kiinnostaa asioiden parantaminen. Tekoäly itsessään ei ole kovin kiinnostavaa, vaan se, mitä sillä voi tehdä. Meillä alkaa olla maailman tulevaisuuden suhteen jo kiire, mutta uskon, että tieteen avulla löydämme ratkaisuja esimerkiksi isoihin ympäristö- ja ilmasto-ongelmiin.

”Tekoälyn hyödyt löytyvät joskus yllättävästä suunnasta. Se, että yrityksen data ja prosessit sen hyödyntämiseen ovat olemassa, tuottaa jo ison lisäarvon.”

Tekoälystä on hyötyä monessa asiassa, mutta mielestäni suoria hyötyjä olennaisempia ovat ne askeleet, joita tarvitaan, että pystytään muotoilemaan tekoälyllä ratkaistava kysymys. Se, että yrityksen data ja prosessit sen hyödyntämiseen ovat olemassa, tuottaa jo ison lisäarvon. Tekoäly sinällään ei ole kovin fiksua, vaan se on väline isojen ongelmien ratkaisussa.

Olen saanut aikaan tekoälyllä monenlaista, mutta yksi kiinnostavimmista asioista syntyi viime keväänä koronakriisin iskiessä. Kehitin kollegani kanssa tekoälyä hyödyntävän työkalun talouden seuraamiseen. Markkinoiden aktiviteettia mittaava indeksi seuraa kytkettyjen lastinkäsittelylaitteiden lähettämää dataa. Reaaliaikaisesta datasta on kriisitilanteessa päättäjille apua, kun pitää reagoida nopeasti.

Työssäni on ihan pakko olla jonkinlaista matemaattista taustaa ja koodausosaamista, mutta todella tärkeää on myös kyky viestiä ja kertoa tarinoita. Tieteellisillä tuloksilla ja innovaatioilla on vain se arvo, jonka käyttöönottaja niille antaa. Jos keksisin maailmaa mullistavan sovelluksen, mutta en osaisi vakuuttaa muita sen tärkeydestä, se olisi arvoton. Koneoppivien algoritmien koodaaminen on itse asiassa yllättävän helppoa, mutta tarvitaan myös tieteentekijän taitoa kyseenalaistaa niin omaa kysymyksenasetantaa kuin mahdollisia vääristymiä tuloksissa. 

"Meillä on maailman tulevaisuuden suhteen jo kiire, mutta uskon, että ratkaisut esimerkiksi ilmastokriisiin löytyvät tieteen avulla."

Parasta työssäni ovat kollegat. Tämä ei todellakaan ole yksin tekemistä, vaan keskustelemme paljon yhdessä siitä, mitä ja miten voisimme ratkaista ongelmia datalla. 

Törmään usein harhaluuloon, että tekoäly olisi jotain uutta ja mystistä. Me teemme ihan samoja juttuja kuin Galileo ja Kopernikus aikanaan. He seurasivat luontoa ja taivaankappaleita ja kirjasivat muistiin niiden liikeratoja. Tekoälyn kehittämisessä on täysin sama tieteentekemisen ja tarkkailun logiikka! Uutta on se, että meillä on nyt apuna tietokoneet ja pystymme analysoimaan tuhatkertaisesti dataa. Tekoälykin on ollut olemassa jo 60-luvulta asti. Siihen liittyy paljon pelkoja, mutta mielestäni kyseessä on vähän sama juttu kuin aikoinaan, kun pelättiin junien kyytiin menemistä.

Haluaisin luoda tekoälyllä sellaista tulevaisuutta, jossa ”sustainable material flow” ei ole enää ristiriitainen termi, eli luoda kestävän kehityksen ratkaisuja teollisuuteen. Hiabin arvomaailmaan kuuluu ympäristöystävällisempien ratkaisujen etsiminen lastien kuljetukseen ympäri maailman. Näiden ratkaisujen luominen on minulle iso motivaattori työssäni. Olen oppinut, että kehitys tapahtuu pienin askelin, mutta pieniä kehitysaskeleita ketjuttamalla voi päästä pitkälle.

Tekoälyä hyödynnetään Hiabilla muun muassa ennakoivassa huollossa, eli siinä, että löydämme laiterikot ennen kuin niitä tapahtuu. Tavoitteenamme on, että pystymme korjaamaan laitteen jo ennen kuin sen rikkoutumisesta aiheutuu päänsärkyä asiakkaalle. Hiabin laitteita käytetään hyvin erilaisissa olosuhteissa ympäri maailman, mikä vaikeuttaa niiden huoltotarpeiden ennustamista. Käytännössä meillä on ympäri maailmaa kytkettyjä laitteita, jotka lähettävät jatkuvasti pilveen dataa. Erilaiset mittaukset laitteista tulevat telemetrian kautta meille, ja hyödynnämme tekoälyä, kun yhdistämme laitteiden lähettämiä tietoja huoltokirjauksiin. Laitteiden jatkuvia mittaustuloksia ja huoltodataa yhdistämällä pystymme paremmin ennakoimaan sitä, kuinka erilaisessa käytössä olevia laitteita pitäisi huoltaa.

Tekoälyn hyödyntämisessä haasteena on, että kun laitteitamme on ympäri maailmaa hyvin erilaisessa käytössä, vaadittaisiin lähes ääretöntä datankeruuta, jotta kaikki operatiiviset tekijät saataisiin huomioitua. Täytyy myös tasapainoilla sen kanssa, mitä tekoälyllä kannattaa tehdä, jotta siitä on aidosti lisäarvoa. Mitkä varaosat esimerkiksi ovat sen arvoisia, että niiden takia kannattaa pistää paukkuja laajaan datankeruuseen?

"Tekoälyratkaisujen rakentaminen on ennen kaikkea tiimityötä ja muutosjohtamista, ei pelkkää teknologiaa.”

Tekoälystä on ollut Hiabille hyötyä siinä, että pystymme paremmin luomaan malleja huoltotarpeiden ennakointiin. Jo sillä, jos pystymme vaihtamaan huoltostopit suunniteltuihin huoltokatkoksiin, on meille iso hyöty! Olemme tässä vasta alkutaipaleella, mutta meillä on kaikki edellytykset onnistumiseen: kytketty laitekanta, IoT-pilvi, laskennalliset kapasiteetit ja osaavat asiantuntijat. On motivoivaa tehdä töitä, kun tietää että tässä on vielä kehitettävää.

Olemme oppineet, että tekoälyratkaisujen perustuksia on rakennettava huolellisesti ja voi kestää monta vuotta, että työstä alkaa tulla isoja hyötyjä. Hyötyjä voi syntyä myös tekoälyn edellytyksiä rakennettaessa ja yllättävästä suunnasta. Olemme esimerkiksi saaneet tekoälyn hyödyntämisen sivutuotteena paljon tietoa siitä, millaisia huoltotarpeita laitteillamme on eri olosuhteissa. Tärkeä oppi on myös se, että uusien tekoälyratkaisujen rakentaminen on ennen kaikkea tiimityötä ja muutosjohtamista, ei pelkkää teknologiaa.

Tekoälyratkaisuista kiinnostuneille yrityksille viestini on, että kehotan miettimään, onko kenelläkään oikeastaan varaa olla menemättä datan hyödyntämisen tielle.

Teksti: Sini Kaukonen
Kuvat: Liisa Takala

Tekoälyn tekijät -sarjassa tutustutaan ihmisiin tekoälyn takana, rikotaan tekoälymyyttejä sekä tuodaan esiin tekoälyn hyödyntämisen hyötyjä ja haasteita yritysnäkökulmasta.

Artikkeli on mukana toukokuun uutiskirjeessä.

Hiab toimittaa ajoneuvojen kuormankäsittelylaitteita sekä älykkäitä palveluita ja digitaalisia ratkaisuja ympäri maailman.

Hiab on maailman johtava ajoneuvojen kuormankäsittelylaitteiden sekä älykkäiden palvelujen ja digitaalisten ratkaisujen toimittaja. Hiabissa työskentelee maailmanlaajuisesti noin 3 400 henkilöä. Hiab on osa Helsingin pörssissä listattua Cargotec Oyj:tä. Cargotecin liikevaihto oli vuonna 2020 noin 3,3 miljardia euroa, ja yhtiö työllistää noin 11 500 henkilöä.