Ajatusjohtajat
Yritysten tekoälyn hallinta alkaa tietokantainfrastruktuurista

Keskeiset kohdat% yritysten tekoälypiloteista epäonnistuu, koska hallintoa ei ole upotettu…
Näytä lisää
- % yritysten tekoälypiloteista epäonnistuu, koska hallintoa ei ole upotettu tietokerrokseen.
- Autonomiset agentit edellyttävät tietokerroksen hallintaa, koska hallitsemattomat kirjoitukset voivat kaskadoitua järjestelmien välillä.
- Infrastruktuurilähtöinen hallinto tietokantatasolla kaventaa kuilua pilotin ja tuotannon välillä.
Yrityksissä kokeillaan tekoälyä nopeammin kuin koskaan, mutta tie tuotantoon etenee edelleen sitkeän hitaasti. Tiimit käynnistävät pilotteja, testaavat malleja ja esittelevät lupaavia tuloksia viikoissa, joskus päivissä. Kun järjestelmät pitäisi ottaa käyttöön laajassa mittakaavassa, eteneminen kuitenkin usein pysähtyy. Esiin nousee tietoturvahuolia, vaatimustenmukaisuusvaatimukset tiukkenevat ja hallintaa koskevat kysymykset lisääntyvät. [1]
MIT:n The GenAI Divide: State of AI in Business 2025 -tutkimuksessa todettiin, että 95 prosenttia yritysten tekoälypiloteista ei tuota mitattavaa liiketoimintahyötyä. Vain viisi prosenttia etenee tuotantoon ja tuottaa todellista taloudellista hyötyä. Tutkimus kattoi yli 300 tekoälyn käyttöönottoa ja 150 johtajahaastattelua. Sen johtopäätös oli, ettei tärkein este ole mallien suorituskyky vaan puutteellinen integrointi yrityksen järjestelmiin. Useimmat organisaatiot käsittelevät tätä toimintaperiaatteisiin liittyvänä ongelmana, joka pitäisi ratkaista johtotasolla. Minun näkemykseni on, että tekoälyn hallinta on järjestelmätason haaste, ja se alkaa datakerroksesta.
Miksi tekoälyhankkeet juuttuvat pilottivaiheeseen
Monet tekoälyhankkeet kompastuvat siihen, että prototyyppien kehitysympäristöt eivät perustavanlaatuisesti vastaa yrityskäyttöönoton todellisia vaatimuksia. Kehittäjiä kannustetaan etenemään nopeasti. He käyttävät joustavia työkaluja, väljästi hallittuja aineistoja ja itsepalveluna saatavaa infrastruktuuria osoittaakseen hyödyt mahdollisimman pian. Tämä sopii erinomaisesti kokeiluihin, mutta ei sellaisenaan tuotantoympäristöihin, joissa vaaditaan auditoitavuutta, tiukkaa käyttöoikeuksien valvontaa, sääntelyn noudattamista ja toiminnan häiriönsietokykyä.
Hallinta otetaankin usein mukaan vasta onnistuneen konseptikokeilun jälkeen. Silloin kerroksesta, jonka olisi pitänyt mahdollistaa toiminta, tulee rajoite. Tiimit joutuvat sovittamaan tietoturvamalleja jälkikäteen, suunnittelemaan datavirtoja uudelleen ja korjaamaan vaatimustenmukaisuutta koskevia oletuksia, joiden olisi pitänyt kuulua perustaan alusta asti.
Näin kasvaa kuilu sen välillä, mitä tekoälyjärjestelmät voivat osoittaa hallituissa ympäristöissä ja mitä yritykset voivat turvallisesti ja luotettavasti ottaa tuotantokäyttöön.
Samalla nykyinen tekoälyn teknologiakokonaisuus on kehittynyt painottamaan nopeutta ja helppoa saatavuutta, usein hallittavuuden kustannuksella. Kehittäjäystävällisillä alustoilla pilotointi on helppoa, mutta ne voivat hämärtää sitä, missä data sijaitsee, miten sitä käytetään ja kenellä on siihen pääsy.
Tämä aiheuttaa todellisia toiminnallisia ja sääntelyyn liittyviä riskejä: dataa voi paljastua vahingossa, datan rajat eri ympäristöjen välillä voivat jäädä epäselviksi ja järjestelmän toimintaa voi olla vaikea auditoida. Nämä ongelmat tulevat suoraan esiin tuotantovalmiuden ja vaatimustenmukaisuuden arvioinneissa. Yrityskyselyt osoittavat johdonmukaisesti, että datan laatuun ja hallintaan liittyvät ongelmat ovat tekoälyhankkeiden keskeisiä epäonnistumissyitä ja ne mainitaan 60–70 prosentissa tapauksista. Ongelmaa pahentaa kasvava riippuvuus ulkopuolisesta infrastruktuurista ja hallinnoiduista tietokantapalveluista. Ne voivat hajauttaa datan omistajuutta entisestään ja vaikeuttaa sääntelyvaatimusten täyttämistä. Usein organisaatiot olettavat alustojen huolehtivan hallinnasta automaattisesti, vaikka vastuu todellisuudessa jakautuu teknologiakokonaisuuden useille kerroksille.[1]
Tuloksena on paradoksi: tekoälykokeiluja vauhdittavat työkalut ovat usein samoja, jotka aiheuttavat kitkaa tuotantoon siirryttäessä.
Tietokanta on varsinainen hallintakerros
Tämän ristiriidan ratkaisemiseksi on mietittävä uudelleen, missä hallinta todella tapahtuu.
Hallinta nähdään usein toimintaperiaatteiden määrittelynä, josta vastaavat laki-, vaatimustenmukaisuus- tai johtotiimit ja jota toteutetaan dokumentaation ja tarkastusprosessien avulla. Nämä mekanismit ovat välttämättömiä, mutta eivät yksin riitä. Hallinnalla on todellista merkitystä vasta, kun sitä toteutetaan järjestelmätasolla.
Käytännössä tämä tapahtuu siellä, missä dataa tallennetaan, käytetään ja muunnetaan. Siksi tietokanta ja sitä ympäröivä datainfrastruktuuri muodostavat tekoälyn teknologiakokonaisuuden tärkeimmän hallintakerroksen.
Nykyaikaiset tietokannat eivät ole passiivisia säilytyspaikkoja. Ne määrittävät käyttöoikeudet, valvovat datan maantieteellistä sijaintia koskevia vaatimuksia, hallitsevat salausta ja salausavaimia sekä tuottavat vaatimustenmukaisuuden ja tietoturvan valvontaan tarvittavat auditointilokit. Yhä useammin ne toimivat myös ohjauspisteenä, jonka kautta tekoälyjärjestelmät käyttävät yrityksen dataa.
Tämä on olennaista, sillä tekoälyjärjestelmät perivät käyttämänsä datainfrastruktuurin hallintatason. Jos tietokantakerroksesta puuttuu rakenteita, valvontakeinoja tai näkyvyyttä, heikkoudet siirtyvät suoraan sen päälle rakennettuihin tekoälyjärjestelmiin. Mikään myöhemmän sovelluskerroksen toimintaperiaate ei voi täysin korvata hallitsematonta dataperustaa.
Tästä seuraa laajempi arkkitehtuurin muutos: hallinta on rakennettava infrastruktuuriin alusta asti, ei lisättävä käyttöönoton jälkeen. Infrastruktuurista lähtevä tekoälyn kehittäminen tarkoittaa järjestelmiä, joissa hallinta on sisäinen ominaisuus eikä ulkoinen rajoite. Dataan päästään valvottujen rajapintojen kautta. Kyselyt ja järjestelmien väliset tapahtumat kirjataan oletusarvoisesti lokiin. Vaatimustenmukaisuussäännöt, kuten käyttörajoitukset, säilytyskäytännöt ja datan sijaintivaatimukset, pannaan toimeen järjestelmätasolla manuaalisen valvonnan tai jälkikäteisen tarkistamisen sijasta.
Tämä edellyttää arkkitehtuuriratkaisuja, kuten turvallisia kyselyjä välittäviä kerroksia, toimintaperiaatteiden ohjaamaa käyttöoikeuksien valvontaa ja keskitettyä havainnoitavuutta hajautetuissa dataympäristöissä. Näin hallinnan toteutuminen varmistetaan jatkuvasti eikä vain määräajoin tarkastamalla.
Ennakoivan ja reaktiivisen hallinnan ero on perustavanlaatuinen. Reaktiivisesti ongelmia yritetään korjata vasta järjestelmien rakentamisen ja käyttöönoton jälkeen. Ennakoivasti niiden synty estetään rakentamalla valvontakeinot suoraan järjestelmäarkkitehtuuriin.
Tekoäly-ympäristöissä tämä ero ratkaisee, voivatko järjestelmät kasvaa vai pysähtyykö niiden kehitys.
Kun agentit tulevat mukaan
Itsenäiset agentit muuttavat hallinnan asetelmaa tavoilla, joihin useimmat organisaatiot eivät ole valmiita. Agentti ei vain lue dataa. Se myös kirjoittaa sitä ja käynnistää toimintoja eri järjestelmissä, molemmat ilman ihmisen osallistumista päätöksentekoketjuun.
Tämä muuttaa virheiden luonteen kokonaan. Huonosti hallittu kysely antaa väärän vastauksen. Huonosti hallittu agentti myös toimii sen perusteella: päivittää tietueita, käynnistää seuraavia työnkulkuja ja levittää päätöksiä järjestelmien välillä ennen kuin kukaan huomaa jonkin menneen pieleen.
Siksi suojamekanismit eivät voi jäädä sovelluskerrokseen. Useissa järjestelmissä toimiva agentti löytää aina helpoimman reitin. Valvontakeinot on toteutettava datakerroksessa, jossa jokainen luku- ja kirjoitustapahtuma kulkee hallitun välityksen kautta ja kirjataan lokiin riippumatta siitä, mikä tapahtuman käynnisti.
Gartner arvioi, että yli 40 prosenttia agenttipohjaisista tekoälyhankkeista viivästyy tai perutaan hallintaan ja luotettavuuteen liittyvien ongelmien vuoksi. Luku tuntuu pieneltä, sillä siinä oletetaan organisaatioiden tunnistavan hallinnan oikein epäonnistumisen syyksi sen sijaan, että ne syyttäisivät mallia tai työkaluja. Juurisyy jää yleensä näkymättömäksi siihen asti, kunnes siitä tulee kallis.
Kokeiluista tuotantovalmiiseen tekoälyyn
Organisaatioita, jotka siirtävät tekoälyn onnistuneesti kokeiluista tuotantoon, yhdistää usein kehitys- ja tuotantoympäristöjen yhteensovittaminen jo varhaisessa vaiheessa.
Ne eivät anna kokeilujärjestelmien erkaantua tuotannon reunaehdoista, vaan suunnittelevat molemmat ympäristöt samojen hallinnan, tietoturvan ja datan käytön periaatteiden mukaisesti. Tämä vähentää myöhempää kitkaa, kun mallit siirtyvät prototyypeistä tuotannon työkuormiin.
Yhteensovittaminen on yhä tärkeämpää, sillä useimmilta yrityksiltä edelleen puuttuu kypsä, tuotantotason tekoälyinfrastruktuuri. Turvallisessa datan käytössä, valvonnassa, havainnoitavuudessa ja vaatimustenmukaisuuden toteuttamisessa on yhä puutteita. Ne eivät ole irrallisia ongelmia, vaan rakenteellisia haasteita, jotka tulevat esiin, kun tekoälyä laajennetaan pilottiympäristöistä liiketoiminnan kannalta kriittisiin työnkulkuihin.
Toinen merkittävä ristiriita prototyyppien ja tuotannon välillä syntyy, kun tuotantosovellusten ja tietokantojen on toimittava organisaation omassa ympäristössä tai tiukasti hallituilla pilvitileillä, mutta prototyypit on kehitetty pilvipohjaisilla tietokanta-alustoilla.
Kypsissä organisaatioissa tekoälyn työkuormiin suhtaudutaan yhtä tiukasti kuin muihinkin säänneltyihin järjestelmiin. Se tarkoittaa johdonmukaista lokitusta, tiukkaa käyttöoikeuksien valvontaa, jatkuvaa seurantaa ja selkeästi määriteltyjä vastuurakenteita tiimien välillä. Myös datatekniikan, alustatekniikan, tietoturvan ja vaatimustenmukaisuuden toimintojen on sovittava työnsä tiiviimmin yhteen alusta asti, ei vasta jälkikäteen.
Tämän lähestymistavan hyödyt ulottuvat riskien vähentämistä pidemmälle. Käyttöönotto nopeutuu, tuotannon virheet vähenevät ja sisäinen luottamus tekoälyjärjestelmiin kasvaa. Tässä yhteydessä tekoälyn laajentaminen riippuu vähemmän mallien innovaatioista ja enemmän infrastruktuurin kypsyydestä.
Hallinta on välttämätön osa arkkitehtuuria
Viime kädessä keskustelun tekoälyn hallinnasta on siirryttävä toimintaperiaatteita pidemmälle, arkkitehtuuriin.
Hallintaa pidetään usein valvontatehtävänä, mutta käytännössä sitä toteuttavat järjestelmät, jotka määräävät, miten dataan päästään ja miten sitä käytetään. Tietokanta ei ole vain tallennuskerros, vaan koko tekoälyn teknologiakokonaisuuden tietoturvan, vaatimustenmukaisuuden ja toiminnan eheyden ohjauspiste.
Kun tekoäly kytkeytyy yhä syvemmin yritysten työnkulkuihin, tämän ohjauspisteen merkitys kasvaa huomattavasti. Mallin ja yrityksen datan jokaisesta vuorovaikutuksesta tulee hallinnan piiriin kuuluva tapahtuma riippumatta siitä, onko organisaatio tietoisesti suunnitellut asian näin.
Kun yritykset asettavat etusijalle infrastruktuuriin perustuvan hallinnan tietokantakerroksesta alkaen, ne voivat kuroa umpeen pilotin ja tuotannon välisen kuilun. Samalla tekoäly muuttuu erillisistä kokeiluista kestäväksi, laajennettavaksi kyvykkyydeksi, joka on osa koko organisaation toimintaa.












