Datan ja tekoälyn käyttö ajoneuvon realisointi- ja korjauspäätösten tukena
Jaakola, Miko (2025)
Jaakola, Miko
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-2025052114332
https://urn.fi/URN:NBN:fi:amk-2025052114332
Tiivistelmä
Opinnäytetyön tavoitteena oli tutkia tekoälyn käyttömahdollisuuksia ajoneuvon realisointi- ja korjauspäätösten tukena. Samalla määritettiin malliehdotus huutokaupattavien ajoneuvojen vikaluokitusten päivittämisestä Copart Suomi Oy:n järjestelmiin. Tutkimuksen aikana suoritettiin asiakkuushaastattelut ja -kyselyt neljän eri toimialan yrityksen kanssa. Haastattelut tehtiin puhelimitse ja kyselyt sähköisellä Google Forms-lomakkeella. Ohessa esiteltiin lyhyesti myös toimihenkilön arkea ajoneuvojen hankinnan parissa Copartin Ostotiimissä.
Työ on toteutettu päiväkirjamuotoisena ja siinä seurataan tutkimuksen eri vaiheiden edistymistä viiden viikon ajan. Tutkimuksessa keskitytään erityisesti nykyisen toimintamallin päätöksen teon haasteisiin ajoneuvojen realisoinnin ja korjaamisen välillä ja annetaan niistä konkreettisia esimerkkejä. Näiden pohjalta keskitytään tutkimaan, miten tekoälyn käyttö on ratkaisu useaan ongelmaan.
Tutkimustyön perusteella todettiin, että työkalulla on merkittäviä positiivisia vaikutuksia sekä Copartille että asiakkuusyrityksille. Sen todettiin säästävän huomattavasti työaikaa, ehkäisevän kiirettä, helpottavan päätöksentekoa sekä säästävän yrityksiltä turhia kuluja. Copartin sisäisessä testauksessa saatiin selville, että tekoäly pystyi laskemaan ajoneuvojen myyntiennusteita jopa tarkemmin kuin vahinkotarkastajat. Samalla paljastui myös kuitenkin se, että tekoälyn haasteena oli harvinaisten automallien hintojen arviointi. Tämä on kuitenkin pieni haaste, sillä työkalun käyttöä jatkaessa se oppii jatkuvasti lisää ja todennäköisesti pystyisi hyvin nopeasti tekemään laskelmiinsa korjauksia.
Asiakashaastatteluiden perusteella työkalulle oli suuresti kysyntää. Asiakkaiden vastauksista saatiin paljon hyödyllistä lisätietoa erilaisista toimintamalleista, haasteista sekä toiveista työkalun ja realisointikumppanuuden suhteen. Vastausten ja tutkimustyön perusteella voidaan todeta, että työkalu vastaa erinomaisesti näihin haasteisiin ja toiveisiin.
Työ on toteutettu päiväkirjamuotoisena ja siinä seurataan tutkimuksen eri vaiheiden edistymistä viiden viikon ajan. Tutkimuksessa keskitytään erityisesti nykyisen toimintamallin päätöksen teon haasteisiin ajoneuvojen realisoinnin ja korjaamisen välillä ja annetaan niistä konkreettisia esimerkkejä. Näiden pohjalta keskitytään tutkimaan, miten tekoälyn käyttö on ratkaisu useaan ongelmaan.
Tutkimustyön perusteella todettiin, että työkalulla on merkittäviä positiivisia vaikutuksia sekä Copartille että asiakkuusyrityksille. Sen todettiin säästävän huomattavasti työaikaa, ehkäisevän kiirettä, helpottavan päätöksentekoa sekä säästävän yrityksiltä turhia kuluja. Copartin sisäisessä testauksessa saatiin selville, että tekoäly pystyi laskemaan ajoneuvojen myyntiennusteita jopa tarkemmin kuin vahinkotarkastajat. Samalla paljastui myös kuitenkin se, että tekoälyn haasteena oli harvinaisten automallien hintojen arviointi. Tämä on kuitenkin pieni haaste, sillä työkalun käyttöä jatkaessa se oppii jatkuvasti lisää ja todennäköisesti pystyisi hyvin nopeasti tekemään laskelmiinsa korjauksia.
Asiakashaastatteluiden perusteella työkalulle oli suuresti kysyntää. Asiakkaiden vastauksista saatiin paljon hyödyllistä lisätietoa erilaisista toimintamalleista, haasteista sekä toiveista työkalun ja realisointikumppanuuden suhteen. Vastausten ja tutkimustyön perusteella voidaan todeta, että työkalu vastaa erinomaisesti näihin haasteisiin ja toiveisiin.