Tekoäly on mahdollisuus, ei uhka - rohkealla testauksella selvitetään tekoälyn hyödyt asiakaspalvelussa ja projektinhallinnassa

Ollakseen edelläkävijä, tulee myös tehdä ensin. Vuosi sitten Carunalla alettiin pohtia voisiko liiketoimintoja kehittää ja palveluita parantaa tekoälyn avulla. Ajatus jalostettiin toiminnaksi ja vuoden 2020 aikana Caruna toteutti neljä pilottia, joissa tekoälyä optimoitiin asiakaspalvelun ja projektien tehostamiseen, ennustamiseen sekä automatisointiin.

Pilotit pohjautuivat henkilöstölle tehdyistä haastatteluista sekä alalla käydystä keskustelusta nousseisiin ideoihin. Kirjava joukko ideoita priorisoitiin niin, että lopulliset pilotit palvelevat Carunan visiota ja tuovat lisäarvoa niin asiakkaille kuin carunalaisille.

Ideoista rakentui neljä pilottia:

  1. Asiakaspalvelun työkuormituksen ennustaminen
  2. Investointiprojektin aikataulun tarkastustyökalu
  3. Paikallisen sähkönkulutuksen pitkänajan ennuste
  4. Avoimen asiakaspalautteen automaattinen tulkinta

Koronapandemia hieman viivästytti pilottien käynnistymistä, mutta neljästä AI Fast Track -ohjelman pilotista kolme on nyt saatu päätökseen.

"Projekti kasvatti ymmärrystämme tekoälyn mahdollisuuksista. Parhaillaan tekoälyllä voidaan nostaa palvelun laatua ja kehittää ennustettavuutta", kertoo innovaatiohankepäällikkö Mika Suomi.

Voiko asiakaspalvelun kiirepiikkejä ennustaa?

Caruna palvelee asiakkaittaan puhelimitse, sähköpostitse, verkkosivujen kautta sekä sosiaalisessa mediassa. Monikanavaisen palvelun haasteena on kuitenkin työkuorman hallinta ja resursointi. Asiakaskontaktien määrään vaikuttaa moni asia, kuten myrskyt, vuodenaika ja erilaiset asiakkaille suunnatut kampanjat. Asiakaspalvelun työkuormituksen ennustaminen -pilotilla päätettiinkin kartoittaa voiko datan avulla ennakoida asiakaspalvelun työkuormitusta, jolloin resursointia voitaisiin kehittää ja asiakkaita palvella tehokkaammin.

Ennusteessa otettiin huomioon eri kanaviin tulevat asiakaskontaktit, niiden aiheet ja syyt sekä asiakkaan maantieteellinen sijainti ja asiakasluokitus. Lisäksi huomioitiin kausivaihtelu, pyhäpäivät ja työjonojen kertymät.

"Datan analysoinnin jälkeen jouduttiin kuitenkin toteamaan, ettei resursointi onnistu riittävällä tarkkuudella pelkästään historiadatan pohjalta, vaan työ tarvitsee tuekseen myös ulkoisten tekijöiden arviointia. Niiden arviointi on kuitenkin työlästä ja aikaa vievää, minkä vuoksi pilotin ennustemallia ei kannata lähteä edistämään", sanoo verkkopalvelukeskuksen palveluhallintapäällikkö Jenna Brunfeldt.

Voiko projektien suunnittelun automatisoida?

Investointiprojekteissa aikataulut ovat usein turhan optimistisia ja projektit valmistuvat ennemmin myöhässä kuin ajoissa. Ongelmaan päätettiin tarttua Investointiprojektin aikataulun tarkastustyökalu -pilotilla, jossa hyödynnettiin kokemuksia ja dataa aikaisemmista investointiprojekteista. Projektissa haluttiin rakentaa työkaluja luotettavampien aikataulusuunnitelmien tekemiseen ja tarkastamiseen.

Pilotti käynnistettiin visualisoimalla valmistuneiden projektien suunnitelma- ja toteumatiedot, joita pystyy vertailemaan eri parametrejä (urakoitsija, omaisuudenhallinta-alue, budjetti, kaivuuolosuhde, projektipäällikkö) suodattaen. Visualisointi tarjoaa verkkotietoa, jota voi hyödyntää samankaltaisten projektien aikataulua suunnitellessa.

Projektia jatkettiin laatimalla koneoppimismalli projektin keston arviointiin ja automatisointiin. Mallilla pyrittiin löytämään projektiaikataulun viivästyksiä selittäviä tekijöitä, mutta dataa analysoidessa vahvoja korrelaatioita tekijöiden välillä ei löytynyt. Suunnittelutyö todettiin kannattavammaksi pitää projektipäälliköiden, ei tekoälyn hyppysissä.

"Totesimme, että projektin tavoitteet voidaan saavuttaa tuomalla historiatietoa esiin ja hyödyntämällä sitä osana yhteistyötä kumppaniemme kanssa. Tarkempi aikataulu säästää niin Carunan kuin urakoitsijan resursseja, mutta myös asukkaiden hermoja, kun tieto työmaan päättymisestä pitää paikkansa", sanoo investointiprojektipäällikkö Niina Hakkarainen.

Miten sähköä käytetään tulevaisuudessa?

Caruna kehittää jakeluverkkoaan paitsi säänkestäväksi myös tulevaisuudessa entisestään sähköistyvän yhteiskunnan tarpeisiin. Yhtiölle on olennaista ymmärtää sähkön käytön kehitystä pitkäaikaisten investointipäätösten ja kehityssuunnitelmien tekemiseksi. Paikallisen sähkönkäytön pitkänajan ennuste -pilotissa mallinnettavia muuttujia ja niiden vaikutuksia sähkönkäyttöön kunnittain tunnistettaan hyödyntämällä data-analytiikkaa, historiatietoa sekä ihmisen tekemiä arvioita.

"Vielä kesken olevassa pilotissa haetaan vastauksia sille miten eri muuttujat, kuten taloudellisen tilanteen-, tuotantoteknologioiden-, markkinoiden-, tai väestönmuutos, vaikuttavat sähkön käyttöön. Laadukas ennuste paikallisen kulutuksen ja tuotannon kehityksestä mahdollistaa kustannustehokkaan verkon mitoituksen ja suunnittelun", analyysipäällikkö Lasse Konttinen kertoo.

Voiko saatua palautettua analysoida syvällisemmin?

Asiakaspalvelutyötä haluttiin itse kontaktien lisäksi kehittää myös palvelusta saatavan palautteen perusteella. Caruna kerää asiakkailtaan palautetta lähes kaikkiin prosesseihin liittyen, joista helpoiten voidaan analysoida numeerisia palautteita. Koska mahdollisuudet avoimen palautteen käsittelyyn ovat toistaiseksi olleet rajalliset, keskityttiin Avoimen asiakaspalautteen automaattinen tulkinta -pilotissa niiden kehittämiseen.

Pilotissa hyödynnettiin tekstianalyysia asiakaspalautteiden lukemiseen ja palautteista rakennettiin Natural language prosessing -mallin avulla analyysi, jossa algoritmi teemoittelee vastauksia. Analyysin raporttinäkymässä asiakaspalvelun saamaa palautetta voi aihekohtaisesti tarkastella sana- ja pistepilvien, NPS-arvion sekä palautteen sävyn kautta.

Pilotin kehittämistä jatketaan saadun palautteen analysoinnin parantamiseksi.

"Onnistuneen pilotin lopputulos auttaa meitä vastamaan asiakkaan tarpeisiin paremmin sekä suuntamaan kehitystoimenpiteet asiakkaan kannalta tärkeimpiin osa-alueisiin", palveluhallintapäällikkö Jenna Brunfeldt kertoo.