Tekoälyn hyödyntäminen yrityksen vastuullisuusraportin noutamiseen

Abstract

Opinnäytetyössä keskitytään toimeksiantajan Vastrap verkkosivuston jatkokehittämiseen. Vastrapin tehtävänä on hakea yhtiöiden vastuullisuusraportteja tekoälyä hyödyntäen. Työn tärkeimpänä tavoitteena on parantaa tekoälyn kykyä tunnistaa vastuullisuusraportteja eri lähteistä. Lisäksi palvelimen tehokkuutta sekä käyttöliittymää jatkokehitetään.

Tekstin luokittelua varten luodaan uusi tekoälymalli suurella määrällä koulutusmateriaalia. Uutta ja vanhaa tekoälymallia verrattaessa huomattiin, että uudempi suoriutuu paremmin. Vastrapin vanha palvelin kaapi verkkosivuja. Kaapiminen teki palvelimesta vikaherkän ja tehottomamman. Kaapiminen nosti myös eettisiä ongelmia verkkosivujen kaapimisen kannalta. Palvelin kehitettiin hyödyntämään hakukonetta ja käyttöliittymää parannettiin mukautuvaksi tehostaen käyttäjäkokemusta.

Opinnäytetyön tuloksena jatkokehitetty Vastrap toimii huomattavasti paremmin, mutta parannettavaa myös on. Tekoälymallin parantamiseksi voitaisiin sitä kouluttaa suuremmalla määrällä koulutusmateriaalia. Tämän lisäksi useita tekoälymalleja voitaisiin kouluttaa, joista kukin erikoistuu erilaisiin raporttimuotoihin, kuten linkkeihin tai tiedostoihin.

This thesis focuses on the further development of the commissioner's website. The task of the website is to retrieve corporate responsibility reports using artificial intelligence. The main objective of the thesis is to improve the AI's ability to identify sustainability reports from different sources. In addition, the efficiency of the server and the user interface will be further developed.

A new AI model will be created for text classification, with a larger amount of training material. A comparison of the new and old AI models shows that the newer one performs better. The software's old server scraped web pages, which turned out to be error-prone, as well as less efficient. This also raised ethical concerns about website scraping. The server was upgraded to make use of a search engine. In addition, the user interface was made more adaptive, improving the user experience.

As a result of the thesis, the newer software works much better, but there is room for improvement. The AI model could be trained with more training material, or several AI models could be trained, each specialised in a different report format.