Yritysten tekoälyinvestointien taustalla piilevä haaste

Tekoälyinvestointien onnistumista ei voi mitata vain yhdellä mittarilla

Kuvitellaan, että yritys arvioi kolmea tekoälyhanketta: asiakaspalvelutuotetta, tutkimusyhteistyötä ja sisäistä työkalua laskuriitojen ratkaisemiseen. Kukin hanke tarvitsee rahoitusta ja lupaa tuottaa arvoa. Yhden hankkeen tukemista puoltava näyttö ei kuitenkaan välttämättä kerro päättäjille juuri mitään muista.

Tuote tarvitsee asiakkaita ja luotettavan toimitusmallin. Yhteistyöhanke edellyttää toimivaa kumppanuutta. Sisäisen työkalun on ratkaistava tietty operatiivinen ongelma. Kaikkien kolmen arviointi samalla tarkistuslistalla voi suosia hankkeita, joiden ennusteet vaikuttavat vakuuttavilta, ja samalla sivuuttaa ne, jotka vaativat kokeiluja.

Technovation-lehdessä julkaistu tutkimus ”Innovaatiokäytäntöjen määrittäminen uusien digitaalisten teknologioiden aikakaudella” tarjoaa viitekehyksen tämän ristiriidan ymmärtämiseen.¹ Tutkimuksen vaikutukset ulottuvat projektinhallintaa laajemmalle: yritysten tekoälymenoja arvioivien sijoittajien kannattaa tarkastella, miten yritykset päättävät, mihin kannattaa sijoittaa lisää pääomaa.

Mitä digitaalista innovaatiota käsittelevässä tutkimuksessa havaittiin

Tutkijat Kristian Hilmar Mikkelsen Wegener ja Karl Joachim Breunig haastattelivat 26:ta henkilöä seitsemässä skandinaavisessa organisaatiossa. Haastattelut tehtiin vuonna 2023, ja analyysin tueksi käytettiin asiakirjoja. Artikkeli julkaistiin verkossa lokakuussa 2026, ja se sisältyy lehden vuoden 2027 vuosikertaan.

Organisaatiot edustivat televiestintää, vakuutus- ja riskienhallintaa, kuljetusratkaisuja, panimoalaa, konsultointia, terveydenhuollon tuotteita ja julkista tutkimusrahoitusta. Tutkimuksessa tarkasteltiin laajasti uusia digitaalisia teknologioita, kuten tekoälyä, koneoppimista ja esineiden internetiä.

Keskeinen havainto koskee eroja toimintojen luonteessa. Kahden hankkeen budjetti tai riski voi olla erilainen, vaikka niitä voidaan silti hallita samalla prosessilla. Toiset toiminnot taas tuottavat arvoa perustavanlaatuisesti eri tavoin, jolloin yhteiset arviointiperusteet eivät sovellu niihin.

Kirjoittajat tunnistivat kolme toistuvaa toimintamallia. Ne ovat hallintakäytäntöjen yhdistelmiä, joita voi esiintyä rinnakkain samassa organisaatiossa; kyse ei ole pysyvistä luokituksista, joita sovellettaisiin kokonaisiin yrityksiin.

Miten erilaiset tekoälyhankkeet tuottavat arvoa

Viitekehyksen soveltaminen tekoälyyn auttaa hahmottamaan eroja. Seuraavat esimerkit havainnollistavat, miten viitekehystä voisi käyttää; ne eivät ole tutkimuksen uusia havaintoja.

Tekoälytuotteiden on toimittava luotettavasti toistuvasti

Kuvitellaan ohjelmistoyritys, joka kehittää tekoälyavustajaa maksaville asiakkaille. Työhön kuuluu tuotteen suunnittelu, testaus, käyttöönotto ja tuki. Jäsennellyissä arvioinneissa voidaan selvittää, täyttääkö avustaja laatuvaatimukset, houkutteleeko se käyttäjiä ja pystytäänkö se toimittamaan taloudellisesti kannattavasti.

Tässä tapauksessa johto voi perustellusti edellyttää välitavoitteita ja keskenään vertailukelpoista kaupallista näyttöä. Keskeinen kysymys on, pystyykö yritys toimittamaan toistuvasti tuotteen, josta asiakkaat ovat valmiita maksamaan.

Tekoälykumppanuudet edellyttävät koordinointia

Tarkastellaan seuraavaksi valmistajaa, joka tekee yliopiston ja erikoistuneiden toimittajien kanssa yhteistyötä koneoppimisratkaisun kehittämiseksi laitteiden kunnossapitoon. Edistyminen riippuu datan saatavuudesta, toisiaan täydentävästä asiantuntemuksesta ja yhteisymmärryksestä siitä, miten löydöksiä hyödynnetään.

Neljännesvuosittainen myyntitavoite voi kertoa vain vähän siitä, alkaako yhteistyö tuottaa arvoa. Alkuvaiheessa hyödyllisempiä kysymyksiä ovat, saadaanko dataa käyttöön, edistyykö tekninen työ yhdessä ja pystyvätkö osallistujat yhdistämään panoksensa toimivaksi ratkaisuksi.

Tämä selventää myös sitä, miten tutkimuksessa käytetään sanaa ”alusta”. Sillä tarkoitetaan osallistujien välisen vuorovaikutuksen edistämistä, eikä se välttämättä tarkoita ohjelmistoalustan myymistä.

Sisäisten tekoälytyökalujen arviointi edellyttää näyttöä niiden operatiivisista vaikutuksista

Laskuriitojen ratkaisemiseen tarkoitettu avustaja asettaa toisenlaisen haasteen. Prosessia lähimpänä työskentelevät työntekijät tuntevat poikkeustilanteet, puuttuvat asiakirjat ja syyt siihen, miksi näennäisen yksinkertaisista tapauksista tulee monimutkaisia. Työkalun kehittämiseen osallistuvien asiantuntijoiden näkemyksille voi olla hyödyllisempää antaa tilaa kuin pakottaa noudattamaan määrityksiä, jotka on laadittu ennen näiden ongelmien ymmärtämistä.

Menestys voi tarkoittaa sitä, että tapauksia avataan uudelleen harvemmin tai ne ratkaistaan nopeammin ilman lisävirheitä. Markkinatilanteeseen liittyvää taustatietoa tarjoaa Securities.io:n käsittely aiheista yrityshaku ja tiedonhaku sekä yritysjärjestelmien integrointi ja työnkulkujen automatisointi. Molemmat yhdistävät tekoälyyn liittyvät tavoitteet tietoihin ja prosesseihin, joita yritykset jo käyttävät.

Mittaa tekoälyn edistymistä ennen tuottojen vertailua

Yksi hyödyllinen johtopäätös on, että yritysten on arvioitava hankkeita kahdella tasolla. Ensimmäiseksi on kysyttävä, eteneekö hanke omien tavoitteidensa mukaisesti. Toiseksi on arvioitava, ovatko lisäinvestoinnit edelleen perusteltuja verrattuna muihin pääoman käyttökohteisiin.

Näin vältetään väärä vastakkainasettelu, jossa jokaiselta kokeilulta vaaditaan välitöntä liikevaihtoa tai kokeilun annetaan jatkua loputtomiin. Erilainen näyttö voi tukea rahoituspäätöksiä taloudellista kurinalaisuutta heikentämättä.

Esimerkiksi varhainen tutkimuskumppanuus voi saada uuden rahoituserän osoittamalla, että aiemmin saavuttamattomissa ollut tietoaineisto soveltuu hyödyllisen ennusteen tekemiseen. Myöhemmin syntyneelle tuotteelle on asetettava tiukemmat vaatimukset luotettavuuden, käyttöönoton ja taloudellisen kannattavuuden osalta.

Johtajat voivat tehdä tämän siirtymän näkyväksi esittämällä kolme kysymystä:

• Mikä epävarmuus on ratkaistava seuraavassa rahoitusvaiheessa?
• Millainen näyttö oikeuttaisi työn laajentamisen, muuttamisen tai lopettamisen?
• Kenellä on päätöksen tekemiseen tarvittava tieto ja toimivalta?

Nämä kysymykset ovat viitekehyksen sovellus, eivät tutkimusartikkelissa testattu kaava. Niiden käytännön etuna on, että ne yhdistävät kulut oppimiseen ja sitä seuraaviin toimiin.

Jaettu tekoälyinfrastruktuuri voi vääristää hankkeiden taloutta

Toinen huomioon otettava seikka ovat jaetut kustannukset. Oletetaan, että useat tekoälytyökalut käyttävät samoja datan puhdistus-, käyttöoikeus- ja valvontaominaisuuksia. Koko käyttöönottokustannuksen kohdistaminen ensimmäiselle hankkeelle voisi saada sen näyttämään kannattamattomalta. Jos kustannus jätetään huomiotta kaikkien hankkeiden kohdalla, kannattavuus näyttää todellista paremmalta.

Selkeämmässä lähestymistavassa erotetaan uudelleenkäytettävä infrastruktuuri kunkin sovelluksen lisäkustannuksista, mutta molemmat otetaan silti huomioon yrityksen tasolla. Näin sijoittajat voivat erottaa kalliin perustan sovelluksesta, joka jää kannattamattomaksi myös perustan valmistuttua.

Tietoturva on otettava mukaan tähän laskelmaan. Viimeaikaisessa aihetta tekoälydatan tietoturvaan tehtävät investoinnit käsittelevässä uutisoinnissa on tuotu esiin agenttien käyttöoikeuksiin ja arkaluonteisiin tietoihin liittyvä kaupallinen kiinnostus. Johtajien kannalta tästä seuraa, että käyttöön mahdollistavien ominaisuuksien ohella on budjetoitava myös niiden hallintakeinot.

Hankepäätösten hajauttaminen ei myöskään edellytä kaikkien sääntöjen hajauttamista. Tiimit voivat valita tarkoitukseen sopivat työnkulut yhteisten käyttöoikeuksien hallintaa, kulurajoja ja vastuullisuusvaatimuksia noudattaen.

Microsoft tarjoaa sijoittajille näkymän yritysten tekoälyyn

Nämä johtamisen haasteet luovat kysyntää teknologialle, joka tukee sekä kokeilua että toistettavaa käyttöönottoa. Microsoft tarjoaa pörssilistatun sijoituskohteen yritysohjelmistojen, pilvi-infrastruktuurin, kehittäjätyökalujen ja tekoälypalvelujen kautta.

Microsoft kuvaa vuoden 2026 vuosikertomuksessaan tekoälytarjontaansa, joka kattaa sovellukset, mallit, infrastruktuurin ja yritystason hallintatoiminnot. Sen merkitys tässä keskustelussa perustuu tarjonnan laajuuteen: asiakkaat voivat hyödyntää yhtiön teknologiaa kaupallisissa tuotteissa, yhteistyöhön perustuvassa kehityksessä ja sisäisissä työnkuluissa.

Microsoftin syyskuussa julkistamat Copilotin ominaisuudet ja tekoälymenojen hallintakeinot liittyvät myös suoraan tähän ongelmaan. Uusien ominaisuuksien lisäksi yhtiö esitteli työkaluja, joiden tarkoituksena on auttaa organisaatioita hallitsemaan tekoälyn käyttöä ja menoja koskevia käytäntöjä.

Sijoitusperustelu on ehdollinen. Jos asiakkaat siirtyvät kokeiluista jatkuvaan käyttöön, Microsoft voi hyötyä ohjelmistojen jatkuvasta kysynnästä ja infrastruktuuripalvelujen käytöstä. Jos käyttöönotot pysyvät kalliina tai tuottavat toiminnan kannalta pettymyksiä, teknisten ominaisuuksien laajentaminen yksin ei välttämättä johda asiakkaiden kannalta houkuttelevaan taloudelliseen tulokseen.

Tutkimuksessa ei arvioida Microsoftia, todeta yhtiön osallistuneen siihen eikä osoiteta, että sen tuotteet parantaisivat innovaatioiden johtamista. Yhtiö on mukana esimerkkinä sijoittamisen ja tutkimusaiheen välisestä yhteydestä. Sen osakkeiden arviointi edellyttää edelleen arvostuksen, kilpailun, infrastruktuurimenojen ja kasvun kannattavuuden tarkastelua.

Microsoftin (MSFT) viimeisimmät uutiset ja kehityskulut

Mitä sijoittajien kannattaa seurata tekoälymenoissa

Tutkimuksen rajoitukset ovat olennaisia. Sen tulokset perustuvat pienen skandinaavisten organisaatioiden ryhmän raportoimiin käytäntöihin. Tutkimus ei osoita tuottojen kasvaneen, mittaa tekoälyhankkeiden epäonnistumisastetta eikä todista, että viitekehyksen käyttöönotto parantaisi tuloksia.

Tutkimus tarjoaa silti hyödyllisen näkökulman yritysten tekoälystrategioiden tarkasteluun. Kokeiluhankkeiden, kumppanuuksien tai käyttöön otettujen työkalujen määrä kertoo toiminnasta. Hyödyllisemmät tiedot kertovat, mitä ongelmia pyritään ratkaisemaan, millaista näyttöä laajentaminen edellyttää ja miten menot muuttuvat, jos tulokset tuottavat pettymyksen.

Yritys, joka lopettaa tuloksettomaksi osoittautuneen pilottihankkeen, saattaa kohdentaa pääomaansa tehokkaasti. Yritykseltä, jolla on paljon pilottihankkeita, voi silti puuttua polku käyttöönottoon. Ero riippuu päätöksenteon laadusta ja operatiivisesta näytöstä.

Kun tekoäly ulottuu yhä useampiin liiketoimintatoimintoihin, kyvystä rahoittaa johdonmukaisesti erilaisia innovaatioita voi tulla tärkeä kilpailuetu. Paremmat mallit laajentavat sitä, mitä yritykset voivat yrittää. Parempi johtaminen auttaa ratkaisemaan, mistä yrityksistä kehittyy pitkäikäisiä liiketoimintoja.

Lähteet:

¹ Wegener, K. H. M. ja Breunig, K. J. (2027). Innovaatiosalkun hallintakäytäntöjen muotoileminen kehittyvien digitaalisten teknologioiden aikakaudella. Technovation, 159, 103752. https://doi.org/10.1016/j.technovation.2026.103752