Tekoälypohjaisten ennusteiden hyödyntäminen liikkeenjohdon päätöksenteossa

Abstract

Liikkeenjohto pyrkii tekemään päätöksiä tiedon pohjalta. Tämä esittää kuitenkin haasteen, kun tarkoituksena on tehdä tulevaisuutta koskevia päätöksiä: tarvitaan keino tuottaa tulevaisuutta koskevaa tietoa. Ennustamisella tarkoitetaan sellaisia prosesseja, joiden avulla voidaan ennakoida tulevaisuuden tapahtumia aiemmin toteutuneiden tapahtumien avulla. Perinteisten matemaattisten mallien lisäksi ennustamisessa voidaan myös hyödyntää tekoälyä. Tekoälyllä tarkoitetaan ihmismäiseen, älykkääksi miellettyyn toimintaan kykeneviä järjestelmiä. Tämän kandidaatintyön tavoitteena on selvittää kirjallisuuskatsauksen avulla, miten tekoälypohjaista ennustamista voidaan hyödyntää liikkeenjohdon päätöksenteon tukena ja miten tekoälypohjainen ennustamisprosessi eroaa perinteisestä.

Päätöksentekoa voidaan mallintaa syklisenä prosessina, jossa haetaan ja prosessoidaan tietoa, tehdään ja implementoidaan päätös, sekä koetaan päätöksen aikaansaama lopputulos ja takaisinkytkentä. Erilaiset vinoumat ja ihmismäiset tendenssit voivat kuitenkin ohjata prosessia harhaan. Tästä syystä päätösten systemaattinen tukeminen on ensiarvoisen tärkeää liikkeenjohdon kaltaisessa suorituskeskeisessä ympäristössä. Ennustamisen avulla voidaan tukea etenkin tiedon hankintaa ja prosessointia päätöksentekoprosessista. Ennusteita hyödyntävän päätöksentekijän on kuitenkin ymmärrettävä, että ennusteisiin sisältyy aina epävarmuutta ja liiallinen tukeutuminen niihin voi johtaa virheellisiin päätöksiin.

Tutkimus osoittaa, että tekoälypohjainen ennustaminen on sovellettavissa monenlaisiin ongelmiin ja liiketoiminta-alueisiin. Se soveltuu erityisesti kysynnän ennustamiseen tilanteissa, joissa käytettävä data on moniulotteista ja epälineaarista. Päätöksenteon vaiheista tekoälyennustaminen soveltuu parhaiten tukemaan tiedon hankintaa ja prosessointia, mutta kykenee myös tekemään mekaanisia ja luonteeltaan toistuvia päätöksiä. Tekoälypohjainen ennustaminen pärjäsi useimmissa testeissä perinteistä tilastollista ennustamista paremmin. Toisaalta ennustamismenetelmän valinnan osalta on huomioitava, että tekoälyennustusmetodien havaittiin olevan vaikeasti tulkittavia ja laskennallisesti vaativia.