Asiantuntijan tekoälyavustin
Ravolainen, Henri (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202504287962
https://urn.fi/URN:NBN:fi:amk-202504287962
Tiivistelmä
Opinnäytetyön toimeksiantajana oli Valmet Flow Control Oy, joka toimittaa virtauksensäätöratkaisuja- ja palveluita prosessiteollisuuteen. Opinnäytetyön tavoitteena oli selvittää, pystyykö tekoäly toimimaan avustajana asiantuntijatehtävässä siten, että se etsisi tietoa sille annetusta datasta ja kokoaisi vastauksia asiantuntijan käyttöön.
Tekoälyn suorituskykyä tutkittiin suorittamalla tekoälytestejä, jossa tekoälylle esitettiin kysymyksiä sille annetusta datasta. Tutkimukseen haluttiin tuoda lisäarvoa haastattelemalla asiantuntijoita tekoälyn hyödyntämisestä.
Tekoälytesteillä saatiin selkeää tietoa kielimallin vahvuuksista ja kehityskohteista. Suorituskyky oli selkeästi parantunut vanhempaan kielimalliin verrattuna. Haastattelujen avulla kerättiin ideoita tekoälyn tulevaisuuden käyttömahdollisuuksista sekä tietoa siitä, millaista dataa tekoälyratkaisuihin on jo saatavilla. The thesis was commissioned by Valmet Flow Control Oy, a company specializing in providing flow control solutions and related services to the process industry. The objective of the study was to explore the potential of artificial intelligence to assist in expert tasks by retrieving information from structured data and compiling relevant responses for expert use.
The performance of the AI model was evaluated through a series of tests, in which the system was prompted with questions based on the data provided. To enrich the research, expert interviews were conducted to explore the potential applications of AI in the future.
The AI tests provided clear insights into the language model’s strengths and areas for development. The results also indicated a significant improvement in performance compared to an earlier version of the model. The interviews offered valuable ideas on future use cases for AI and information about the types of data already available for AI-driven solutions.
Tekoälyn suorituskykyä tutkittiin suorittamalla tekoälytestejä, jossa tekoälylle esitettiin kysymyksiä sille annetusta datasta. Tutkimukseen haluttiin tuoda lisäarvoa haastattelemalla asiantuntijoita tekoälyn hyödyntämisestä.
Tekoälytesteillä saatiin selkeää tietoa kielimallin vahvuuksista ja kehityskohteista. Suorituskyky oli selkeästi parantunut vanhempaan kielimalliin verrattuna. Haastattelujen avulla kerättiin ideoita tekoälyn tulevaisuuden käyttömahdollisuuksista sekä tietoa siitä, millaista dataa tekoälyratkaisuihin on jo saatavilla.
The performance of the AI model was evaluated through a series of tests, in which the system was prompted with questions based on the data provided. To enrich the research, expert interviews were conducted to explore the potential applications of AI in the future.
The AI tests provided clear insights into the language model’s strengths and areas for development. The results also indicated a significant improvement in performance compared to an earlier version of the model. The interviews offered valuable ideas on future use cases for AI and information about the types of data already available for AI-driven solutions.