Haluatko lukea lisää tekoälyagenteista? Lataa maksuton ”Tekoälyagentin ostajan opas” →
Jos kysyt tekoälyagenteista kymmeneltä eri ihmiseltä, saat yhdeksän eri vastausta. Tässä tekstissä lähdemme liikkeelle perusasioista ja vastaamme kysymykseen: Mikä on tekoälyagentti?
Asia nousee usein esiin keskusteluissamme asiakkaidemmekin kanssa. Yksi ajattelee ChatGPT:tä, johon on lisätty pari nappia. Toinen ajattelee ohjelmistorobottia, joka klikkaa asioita selaimessa. Kolmas ajattelee jotain, mikä ei vielä ole olemassa.
Käyn tässä blogitekstissä läpi kaksi asiaa: mitä tekoälyagentti oikeasti tarkoittaa ja milloin sellaisen rakentamisessa on järkeä.
AI-agentti, tekoäly ja automaatio
Tekoälyagentti sekoittuu helposti kahteen muuhun asiaan: automaatioihin ja tekoälyn hyödyntämiseen ilman agentteja.
Perinteisessä automaatiossa on kyse säännöistä: jos X, tee Y. Lomakkeen saapuminen käynnistää Flown, liidin tila vaihtuu ehdon täyttyessä, viivästynyt lasku nostaa hälytyksen. Automaatio ei ymmärrä mitään. Se toistaa opetetun kuvion luotettavasti.
Tekoäly ilman agenttia on kyvykkyys, joka odottaa pyyntöä. Tällöin ChatGPT esimerkiksi tiivistää sopimuksen, mutta vain kun joku kopioi sen sinne. Vastaavasti ennustemalli voi kertoa liidin kääntymistodennäköisyyden, mutta vain kun joku sitä kysyy. Tämäkin on sinällään arvokasta, mutta ei vielä agenttista.
”Tekoälyagentti yhdistää nämä molemmat ulottuvuudet ja tekee jotain, mitä kumpikaan ei erikseen tee.”
Tekoälyagentti yhdistää nämä molemmat ulottuvuudet ja tekee jotain, mitä kumpikaan ei erikseen tee: saa tavoitteen, tutkii nykytilanteen, valitsee järkevän seuraavan askeleen ja toteuttaa sen. Kun tulos ei ole odotettu, se päättää mitä tehdä seuraavaksi. Se siis toimii autonomisesti.
Lyhyesti: automaatio toistaa, tekoäly vastaa, agentti päättää, käyttää työkaluja ja oppii.
Tekoälyagentti käytännössä: kun myyjä saa uuden liidin
Otetaan B2B-esimerkki, jonka useimmat tunnistavat.
Markkinointi generoi liidin. Perinteinen automaatio huolehtii, että liidi ohjautuu oikealle myyjälle CRM:ssä, lähettää vakiotervehdyksen ja luo ensimmäisen tehtävän kalenteriin. Kolme minuuttia säästetty, mutta myyjän pöydälle tulee silti tehtävä, johon pitää kunnolla paneutua.
”Tekoälyagentti jatkaa siitä, mihin automaatio jää.”
Tekoälyagentti jatkaa siitä, mihin automaatio jää. Se kaivaa esiin, millaisia kosketuspisteitä henkilöllä on yrityksen kanssa ollut. Se tarkistaa, onko samasta yrityksestä joku muu ollut aikaisemmin yhteydessä ja mitä silloin sovittiin. Se kurkistaa yrityksen avoimiin työpaikkailmoituksiin, joista usein selviää mitä ongelmaa he juuri nyt yrittävät ratkaista. Näistä palasista se koostaa myyjälle tiivistelmän, joka kertoo, kenelle kannattaa soittaa, millä argumentilla ja mihin kysymykseen kannattaa osata vastata.
Jos liidi täyttää sovitut kriteerit, agentti voi lähettää itse ensimmäisen henkilökohtaisen viestin tai jopa pyrkiä sopimaan tapaamisen. Jos ei, se merkitsee liidin nurturointilistalle ja palaa asiaan kolmen viikon päästä.
Huomaa, mikä tässä on olennaista: mikään yksittäinen vaihe ei ole uusi. Taitava myyjä on tehnyt kaiken tämän aina manuaalisesti. Muutos on se, että nyt sama työ ei vie useaa tuntia myyjän arvokasta aikaa. Agentti toimii taustalla ja skaalautuu helposti, oli kyse yhdestä tai sadasta liidistä.
Toinen esimerkki tekoälyagentista: asiakaspalvelu klo 23:30
Asiakas ottaa yhteyttä lentoyhtiön asiakaspalveluun puoli kahdeltatoista illalla. Hänen aamulentonsa Helsingistä Zürichiin on juuri peruttu, ja kokous on klo 14 seuraavana päivänä.
Perinteinen chatbotti tervehtii ja kysyy, liittyykö yhteydenotto varaukseen, matkatavaroihin vai johonkin muuhun. Asiakas kirjoittaa vastauksen. Chatbotti poimii sanan ”peruttu” ja antaa linkin sivulle, jolta voi hakea korvaavaa lentoa. Sivulla on lomake. Lomakkeen täytön jälkeen tulee viesti: ”Kiitos yhteydenotostasi. Palaamme asiaan 48 tunnin kuluessa.”
Kello 23:32. Kokous on enää neljäntoista tunnin päässä, eikä mitään ole tapahtunut.
Tekoälyagentti tunnistaa varausnumerosta asiakkaan ja näkee saman tien, että aamulento on peruttu, joten tätä ei tarvitse erikseen kysyä. Se etsii seuraavat kolme lentoa samalle reitille seuraavan 10 tunnin aikana, vertaa niitä asiakkaan aiempaan matkustushistoriaan ja tarjoaa kahta vaihtoehtoa: toisen yhtiön aamulennon klo 6 tai suoran iltapäivälennon, joka ehtii kokoukseen niukasti. Asiakas valitsee aamulennon. Agentti vahvistaa varauksen, ilmoittaa siitä hotellille ja siirtää check-in-ajan, koska aikaisempi lento tarkoittaa aikaisempaa saapumista. Koko keskustelu kestää alle kaksi minuuttia.
”Ihminen ei ole tässä missään vaiheessa mukana. Ei siksi, että asia olisi triviaali, vaan siksi, ettei se vaadi inhimillistä harkintaa.”
Ihminen ei ole tässä missään vaiheessa mukana. Ei siksi, että asia olisi triviaali, vaan siksi, ettei se vaadi inhimillistä harkintaa. Kun seuraava asiakas soittaa, koska hänen lapsensa sairastui lomamatkan aikana ja tarvitaan poikkeusjärjestely, hänelle on vapaana ihminen. Agentti teki sen, mihin ei tarvittu ihmistä. Ihminen on vapaa siihen, missä ihmistä tarvitaan.
Milloin kannattaa rakentaa agentti, milloin riittää pelkkä automaatio?
Tekoälyagenteilla voidaan tehostaa työskentelyä merkittävästi, mutta aina agentin käyttöönotto ei ole tarpeen.
Pelkkä automaatio riittää, kun prosessi on vakioitu, poikkeamia syntyy harvoin ja päätökset ovat suoraviivaisia, kuten esimerkiksi:
- laskun reititys hyväksyjälle
- CRM-kentän päivitys
- Kalenterikutsun lähetys onboarding-prosessin alussa
Näihin agentti on tarpeettoman kallis ratkaisu.
Agentti kannattaa, kun ihminen tekee esimerkiksi 30–60 sekunnin harkinnan, joka toistuu tuhansia kertoja viikossa. Kun eri lähteistä tulevaa tietoa pitää yhdistää ennen päätöstä. Kun poikkeamia on niin paljon, että niitä on vaikea kuvata säännöiksi ilman että säännöistä tulee ylläpidoltaan painajainen.
Joskus kumpikaan ei kannata. Tällöin tehtävä tehdään esimerkiksi käsin korkeintaan kerran viikossa, lopputulos vaatii luovuutta tai laajaa kontekstin ymmärrystä, tai lähtödata on niin huonossa kunnossa, ettei lopputulos toimi luotettavasti.
Useat tekoälyagenttiprojektit epäonnistuvat siitä syystä, että yritys koittaa väkisin sovittaa agentteja nykyisiin prosessinosiin miettimättä koko prosessia uudestaan.
Useat tekoälyagenttiprojektit epäonnistuvat siitä syystä, että yritys koittaa väkisin sovittaa agentteja nykyisiin prosessinosiin miettimättä koko prosessia uudestaan. Tämä virhe voi koitua lopulta kalliiksi.
Mistä kannattaa lähteä liikkeelle?
Tekoälyagentin rakentaminen ei ole pelkkä teknologiahankinta. Siihen liittyy datan hallinta, valtuuksien rajaus, ihmisten rooli ja se, miten agentin toimintaa seurataan ja korjataan matkan varrella. Kokosimme nämä asiat liiketoimintajohdolle yksiin kansiin.
Lataa maksuton Tekoälyagentin ostajan opas → ja saat käytännöllisen pohjan sille, mistä teidän kannattaa lähteä liikkeelle. Myös Salesforcella on lisää aiheesta: What Are AI Agents? →.
