Generatiivinen tekoäly liiketoiminnan analytiikassa ja arvonluonnissa

Abstract

Tässä diplomityössä tutkitaan, miten generatiivista tekoälyä voidaan hyödyntää liiketoiminnan analytiikassa ja miten generatiivinen tekoäly voi luoda liiketoiminnalle arvoa analytiikan välityksellä. Työ tarkastelee analytiikkaa erityisesti analytiikkaprosessin näkökulmasta. Liiketoiminta-arvon luomista tarkastellaan informaatioteknologian, analytiikan ja tekoälyn perspektiiveistä. Työssä luodaan eri liiketoiminta-arvon luomisen näkökulmat yhdistävä viitekehys, jossa esitetään, miten generatiivinen tekoäly voi luoda liiketoiminta-arvoa liiketoiminnan analytiikan välityksellä.

Diplomityö toteutetaan laadullisena tapaustutkimuksena. Diplomityön alussa tunnistetaan tutkimusongelma ja työn tavoitteet, sekä pohjustetaan tapaustutkimus kattavalla kirjallisuuskatsauksella. Kirjallisuuskatsauksessa syvennytään tekoälyyn, liiketoiminnan analytiikkaan ja liiketoiminta-arvon luomiseen. Tietoa kerätään puolistrukturoitujen haastattelujen avulla, joiden tavoitteena on syventää ymmärrystä kohdeyrityksen analytiikkaprosessista ja generatiivisen tekoälyn hyödyntämiskohteista. Lisäksi työssä luodaan viitekehys generatiivisen tekoälyn soveltamiskohteista analytiikassa. Työn lopussa vastataan tutkimuskysymyksiin vertailemalla saatuja tuloksia ja olemassa olevaa kirjallisuutta, ja tiivistetään keskeiset havainnot.

Diplomityön päähavaintona on, että generatiivista tekoälyä voi hyödyntää analytiikkaprosessin jokaisessa vaiheessa. Erityisen soveltuvia hyödyntämiskohteita ovat vuorovaikutteiset tehtävät. Generatiivisen tekoälyn analytiikkavälitteiselle arvonluonnille tunnistetaan kaksi reittiä, joita ovat generatiivisen tekoälyn hyödyntäminen analytiikkaprosessissa ja analytiikan itsenäiskäytön tukena. Generatiivisen tekoälyn hyödyntämistä analytiikassa kuitenkin estää datan laatuun, tekoälymallien luotettavuuteen ja työntekijöiden osaamiseen liittyvät haasteet. Näitä haasteita ja riskejä voi kuitenkin hillitä systemaattisella datan hallinnalla, huolehtimalla työntekijöiden tekoälyosaamisesta sekä validoimalla ja arvioimalla tekoälyn tuotoksia.

This thesis examines how generative artificial intelligence can be applied in business analytics, and how it can create business value through business analytics. The thesis approaches business analytics from the perspective of analytics process. Business value creation is examined through the lenses of information technology, analytics and artificial intelligence. By integrating these perspectives, the thesis develops a framework that illustrates how generative artificial intelligence can create business value through business analytics.

This thesis employs a qualitative single-case study approach. The thesis begins by defining the research problem and objectives. A solid theoretical foundation is created through comprehensive literature review focusing on artificial intelligence, business analytics and business value creation. Empirical data is gathered through semi-structured interviews which aim to deepen the understanding of the case company’s analytics process and identify ways of utilizing generative artificial intelligence in business analytics. Additionally, a framework describing use cases of generative artificial intelligence in analytics is created. Lastly, the research questions are addressed by comparing the findings with existing literature, and key conclusions are synthesized.

The findings of the thesis show that generative artificial intelligence can be utilized in every phase of the analytics process. Generative artificial intelligence can support interactive tasks especially well. Two main pathways of generative artificial intelligence value creation through analytics are identified: supporting the analytics process itself and enhancing self-service analytics. However, utilizing generative artificial intelligence in business analytics can be constrained by issues with data quality, model reliability and employees’ capabilities. These challenges can be mitigated by systematic data management, strengthening artificial intelligence literacy and ensuring validation and assessment of the outputs of generative artificial intelligence.