Suunnittelu on monialaista asiantuntijatyötä, jossa on löydettävä ratkaisu useille keskenään kilpaileville vaatimuksille. Siinä tekoälyn tukema ennustaminen ja simulointi auttavat sekä suunnittelijoita että päätöksentekijöitä. Tekoälyn käyttö tehostaa suunnittelutyötä ja mahdollistaa uusia palveluita, joita suunnittelijat voivat tarjota koko rakennetun ympäristön arvoketjulle.
Ramboll - Koneoppiminen osana laajaa suunnittelua
Ramboll on kansainvälinen suunnittelu- ja konsultointialan yritys. Säätiöomisteisessa yhtiössä työskentelee globaalisti 16 000 ja Suomessa 2 500 asiantuntijaa.
Tekoälykehitys
Rambollilla tekoälyä hyödynnetään jo varsin laajasti. Useat kymmenet asiantuntijat eri maissa kehittävät tekoälyratkaisuja, yleensä pienissä tiimeissä osana liiketoimintaa. Lisäksi tekoälyä hyödynnetään erilaisissa projekteissa ja tehtävissä organisaation eri toiminnoissa.
Yhtiössä organisaatio on hajautettu itsenäisiksi liiketoimintayksiköiksi, mikä tekee esimerkiksi yhtenäisten käytäntöjen ja standardien muodostamisen haastavaksi. Puhtaasti keskitetty organisaatiomalli ei taas välttämättä palvelisi tarkoitustaan eri maiden ja asiakasryhmien eroista ja paikallisista tarpeista johtuen. Siksi tekoälykehitys on organisoitu hybridimallilla hyödyntäen paikallisia ja keskitettyjä toimintoja.
Ahaa!
Huomaatko, miten Rambollin tarina kuvaa hyvin edellä Tekoälyn hyödyntämisen edellytykset -luvussa käsittelemiämme asioita? Tekoälytoiminnoissa ei ole yhtä tapaa organisoitua; ne ovat pikemminkin jatkuvaa tasapainoilua sopivimman mallin löytämiseksi.
Tekoälyratkaisujen ideoinnista, suunnittelusta ja priorisoinnista vastaavat paikalliset liiketoiminnot asiakkaiden tarpeiden mukaisesti. Kehitystyö tapahtuu siis “alhaalta ylös”. Menestyneimmät ideat voivat päästä Rambollin innovaatio-ohjelmaan, joka tarjoaa tarvittavat resurssit valittujen hankkeiden edistämiseen.
Ramboll käyttää kumppaneita eri ratkaisujen suunnittelussa ja toteutuksessa, joskin pääosa tehtävistä hoituu omin voimin. Yhtiö pyrkii siihen, että samoja käytäntöjä ja prosesseja noudatetaan riippumatta toteuttajasta, jotta toteutuksia voidaan hyödyntää myös laajemmin organisaatiossa.
Liiketoiminnan tekoälyratkaisut
Rambollilla on päivittäisessä käytössä jo useita tekoälypohjaisia ratkaisuja. Tekoäly palvelee esimerkiksi tukitoimintoja, kuten talous- ja henkilöstöresurssien hallintaa. Tärkeimmät käyttökohteet ovat kuitenkin oma palvelutuotanto ja ratkaisut, joista on suurin hyöty Rambollin asiakkaille.
Yrityksen tekoälyratkaisut luovat uusia mahdollisuuksia ensisijaisesti kahdella alueella:
Oman tekemisen kehittäminen ja prosessien tehostaminen
Asiakkaille tarjottavat kokonaan uudet palvelut, joiden avulla Ramboll voi tarjota laajempaa palvelua. Niissä dataa kertyy uusilla tavoilla ja useammasta lähteestä kuin nykyisin ja tieto virtaa katkeamatta ylläpidosta takaisin suunnitteluun.
Vaikutukset liiketoimintaan
Tekoälyn hyödyntäminen haastaa aiemmat liiketoimintamallit, jolloin perinteiset työtavatkin saattavat muuttua pysyvästi. Tämä korostaa vuorovaikutuksen merkitystä, kuten Tekoälyn hyödyntämisen edellytykset -osassa opimme.
Rambollin liiketoimintamalli on perinteisesti perustunut asiantuntemuksen myymiseen tuntityönä. Erilaiset tekoälyratkaisut voivat haastaa tätä mallia, vaikkapa tekemällä aiemmin tuntityönä tehtyjä työvaiheita tarpeettomiksi. Tällöin asiantuntijoiden aikaa vapatuu korkeamman lisäarvon työhön, kuten luovuutta ja strategista ajattelua vaativiin tehtäviin.
Seuraava esimerkki kuvaa, kuinka aiemmin työläs ja epätarkka liikennevirtojen mallinnus on nyt mahdollista automatisoida ja tehdä erittäin tarkalla tasolla tekoälyn avulla.
Esimerkkisovellus: Brutus - liikenteen käytön simulointi
Brutus simuloi ihmisten liikkumista eri kulkuneuvoilla paikasta toiseen. Simulointimalli auttaa arvioimaan, miten esimerkiksi uuden sillan rakentaminen tiettyyn paikkaan vaikuttaa muun muassa bussien käyttöön ja yksityisautoilun määrään. Ratkaisu toimii joko kaupungin tai alueen tasolla.
Ramboll sai Brutuksen yrityskaupan yhteydessä, ja sovellus on laajasti käytössä liikennesuunnittelun tukena. Ratkaisu on pilvipalvelu, jonka asiakkaat lisensioivat käyttöönsä SaaS (Software as a Service) -mallin mukaisesti.
Edistykselliset simulaatiomallit vaativat valtavia tietomääriä. Tiedon saatavuus on usein kehityshankkeen pullonkaula, mikä on käynyt ilmi myös Brutuksen tapauksessa. Datan saatavuuden varmistaminen on työlästä, ja liikkumisdatassa tulee erityisesti ottaa huomioon yksilönsuoja. Simulaatiot vaativat myös merkittävästi konetehoja.
On mahdollista, että generatiivinen tekoäly voi lisätä Brutuksen ominaisuuksia esimerkiksi automatisoimalla simulaatioraporttien luomisen käyttämällä GenAI-agenttia, joka keskustelee asiakkaan vaatimuksista ja hienosäätää niitä.
Tähän mennessä opittua
Simulaatiomalleissa, kuten tekoälyratkaisuissa laajemminkin, korostuu tietty epävarmuus. Käyttäjät saattavat nostaa esiin yksittäisiä tapauksia, joissa ennustemalli on selkeästi epäonnistunut ja yrittää todistaa niillä, että ratkaisu ei toimi. Näin voi käydä, vaikka ratkaisun tuottamat ennusteet olisivat keskimäärin hyviä.
Odotusten hallinta tekoälyprojekteissa on tärkeää. Jos käyttäjien odotukset tekoälyratkaisulle ovat ylimitoitettuja, he joutuvat usein pettymään. Ennustemallia käytettäessä tulee viestiä, että se on ainoastaan osa kokonaisuutta. Ratkaisu tarjoaa tietoa, joka tukee asiantuntijan työtä, mutta ei korvaa tämän omaa harkintaa.
Brutus – Brutally detailed transport modelling
Lue Rambollin esittely Brutuksesta.
Tuleva kehitys
Brutus auttaa ennen kaikkea suunnittelemaan investointien järkevää kohdentamista panostusten ja hyötyjen suhteen. Ratkaisuun kytkeytyy myös kestävän kehityksen näkökulma. Esimerkiksi pyörätien rakentamisella on ympäristövaikutuksia, joita ei voi arvioida pelkästään taloudellisilla mittareilla. Tältä osin Ramboll kehittää Brutusta ja siihen liittyviä palveluita jatkuvasti.
Sign up to solve exercises
Granlund - Kiinteistöjen energiaoptimointi
Granlund on rakennus- ja kiinteistöalan asiantuntijakonserni. Se työllistää yli 1000 ammattilaista 27 toimipisteessä Suomessa.
Esimerkkisovellus: AI-Energiakartoitus
Granlund keskittyy data-, analytiikka- ja tekoälytoiminnassaan erityisesti energia- ja vastuullisuusteemoihin, jotka ovat vahvasti mukana yhtiön ydinstrategiassa. Fokus on erityisesti uusissa palveluissa ja tuotteissa, joten tekoälyn käytön tarkoitus on synnyttää uutta liiketoimintaa.
Sisäisesti kehitetty AI-Energiakartoitus -palvelu on Granlundin ensimmäinen tuotteistettu ja kaupallinen tekoälypohjainen ratkaisu. AI-Energiakartoitus mahdollistaa energiansäästöpotentiaalin selvittämisen suurista kiinteistökannoista ja tarjoten konkreettisia toimenpiteitä. Lähtötietona toimii koneluettava yksittäisen rakennuksen energiatodistus.
AI-Energiakartoitus-palvelun eri vaiheet. Palvelun lähtötietona toimii koneluettava rakennuksen energiatodistus, jota rikastetaan yhtiön omilla tietokannoilla, kuten kustannustietopankilla, CO2-tietopankilla ja kiinteistödatalla (vaiheet “Simulointi” ja “Optimointi”). Tietojen perusteella järjestelmä pystyy tuottamaan rakennuskohtaisia toimenpide-ehdotuksia (“Lopputulos”).
Tekoälypalvelun kehityspolku
Granlund rakensi palvelun kuudessa kuukaudessa ideasta tuotantokäyttöön. Alussa oli tarkoitus toteuttaa työkalu sisäiseen käyttöön, mutta projektin aikana kävi ilmi, että ratkaisulla oli selvää liiketoimintapotentiaalia. Tämä oivallus syntyi ennen kaikkea siksi, että kehitystyössä oli alusta asti mukana henkilö, joka toimi asiakkaiden kanssa.
Ahaa!
Tekoälyprojekteissa on tärkeää, että ratkaisun tai palvelun loppukäyttäjä on mukana kehitystyössä alusta asti. Tämä lisää projektin onnistumisen mahdollisuuksia huomattavasti.
Kehityksestä vastasi yrityksen sisäinen pieni tiimi kahdesta syystä. Ensinnäkin ratkaisun toteuttaminen edellytti asiakas- ja substanssiymmärrystä. Toiseksi sovellus rakentui Granlundin jo olemassa olevan Energiasimulointi-työkalun päälle.
Kehitystiimi varmisti energiakartoituksen toimivuuden rakentamalla muutamassa kuukaudessa karvalakkimallin, jonka tuloksia se vertasi aikaisempiin, manuaalisesti tehtyihin analyyseihin.
Skaalautuvaa asiantuntijatyötä
AI-Energiakartoitus tekee asiantuntijapalvelusta skaalautuvan. Kun käsityönä on mahdollista analysoida yksittäisiä rakennuksia, uudella työkalulla voi kerralla analysoida ja simuloida suuria kiinteistömassoja.
Palveluun sisältyvä simulointityökalu hyödyntää useita tietokantoja. Aikaisemmin mainittua energiatodistusta rikastetaan muun muassa kustannustietopankilla, CO2-tietopankilla ja kiinteistödatalla. Kaikki tietokannat ovat Granlundin omia ja itse ylläpitämiä.
Kustannustietopankissa on tietoa eri energiasäästötoimenpiteiden kustannuksista, esimerkiksi tietyn kokoisen lämpöpumpun asennuksesta tai ikkuna- ja eristetyyppien vaihdosta. Vastaavasti CO2-tietopankki kertoo potentiaalisen investointitoimenpiteen päästöt tarjoten parhaan vaihtoehdon.
Kiinteistödata sisältää tietoa rakennuksen tyypistä, sen käyttötarkoituksesta, pinta-alasta, tilavuudesta, sijainnista ja teknisten järjestelmien iästä. Tietojen perusteella järjestelmä pystyy tuottamaan rakennuskohtaisia toimenpide-ehdotuksia esimerkiksi rakenteiden mahdolliseksi uusimiseksi, lämpöpumppujen asentamiseksi ja aurinkopaneelien optimimitoitukseksi. Kaikki tähtää rakennuksen elinkaarikustannusten minimointiin ja sitä kautta säästöihin.
Palvelu on suunnattu erityisesti sellaisille kiinteistönomistajille, joilla on merkittävä määrä asuin- ja toimistorakennuksia. Jatkossa Granlundin on tarkoitus kehittää palvelua siten, että se kattaa myös muita kiinteistöjä, kuten sairaaloita, kauppakeskuksia ja teollisuuskiinteistöjä. Tämä vaatii tietopankkien ja datan jatkojalostusta ja siten myös lisäresursseja.
Onnistunut tekoälyprojekti ruokkii uusia ideoita. Näin on käynyt myös Granlundilla. Projektiaihioita syntyy kiihtyvällä tahdilla ja ne esitellään talon väelle kuukausittaisissa data- ja tekoälywebinaareissa.
Granlund aikoo kehittää AI-Energiakartoitus -työkalua edelleen ja monistaa sen ideaa myös yhtiön muihin palveluihin.
Granlund voi mahdollisesti hyödyntää tulevaisuudessa generatiivista tekoälyä asiantuntijapalveluidensa laajempaan skaalaamiseen. Esimerkiksi GenAI-pohjainen agentti voi orkestroida koko tietoon perustuvan liiketoimintaprosessin energiakartoituksesta, kysymyksiin vastaamisesta, suosituksista ja optimoinneista, korjausehdotusten luomisesta myyntitilausten tekemiseen.
