Tekoäly ja sen hyödyntäminen teollisuudessa

Abstract

Opinnäytetyö tarkastelee monipuolisesti ja syvällisesti tekoälyn hyödyntämistä teollisuudessa. Työn tavoitteena on määritellä tekoäly käsitteenä, selvittää sen sovelluskohteita teollisuudessa, kuvata käyttöönoton prosessia sekä tutkia pk-yritysten suhtautumista tekoälyyn. Tutkimus toteutettiin laadullisena tapaustutkimuksena narratiivisen kirjallisuuskatsauksen ja teemahaastattelujen avulla.

Työssä käsitellään tekoälyä, sen kehityshistoriaa, koneoppimisen ja syväoppimisen menetelmiä sekä teollisuuden neljättä vallankumousta (Industry 4.0). Teollisuudessa käytössä olevia tekoälyn sovelluksia esitellään laajasti. Näitä esiintyy esimerkiksi ennakoivassa huollossa, laadunvarmistuksessa, toimitusketjun ja valmistuksen optimoinnissa, energian kulutuksen ennustamisessa, turvallisuudessa ja suojauksessa, suunnittelussa, mallintamisessa ja testauksessa sekä teollisuusautomaatiossa. Käyttöönoton prosessia havainnollistetaan CRISP-DM-prosessimallin avulla, ja koneoppimismallin koulutusesimerkki konkretisoi mallinnuksen vaiheita.

Haastattelujen tausta-aineistona ja teollisuussovelluksien rinnalla esitellään Nordic State of AI:n raportteja ja Tilastokeskuksen tilastoja yritysten tekoälyn käytöstä vuosilta 2021–2024 sekä julkaisua Tekoälyn tila Suomessa 2025. Nämä antavat kuvan siitä, miten tekoäly on otettu käyttöön Suomessa ja muissa Pohjoismaissa. Haastatteluista käy ilmi, että pk-yrityksissä suhtaudutaan tekoälyyn pääosin positiivisesti, mutta käyttöönottoa rajoittavat resurssipula, osaamisen puute ja epävarmuus. Tekoälyn katsotaan tuovan hyötyjä, kuten työtaakan kevenemistä, kustannustehokkuutta ja parempaa päätöksentekoa.

Työ osoittaa, että tekoälyn hyödyntäminen teollisuudessa on vielä alkuvaiheessa, mutta sen potentiaali on merkittävä. Kehityksen esteinä ovat erityisesti investointien ja osaamisen puute. Tulevaisuudessa tekoälyn käyttötapauskirjastot ja yhteistyöverkostot voivat madaltaa käyttöönoton kynnystä erityisesti pk-yrityksissä. Tekoälyn kehitystä Suomen teollisuudessa tulee seurata, tutkia ja tukea jatkossakin, jotta osaamista saadaan kasvatettua ja ala pidettyä globaalisti kilpailukykyisenä. Sovelluksien näkökulmasta tekoälyn käyttötapauksista löytyisi mielenkiintoisia ja hyödyllisiä tutkimusaiheita.

The thesis examines the utilization of artificial intelligence (AI) in the industry. The aim of the work is to define AI as a concept, investigate its applications in the industry, describe the implementation process, and study the attitudes of SMEs towards AI. The research was conducted as a qualitative case study us-ing a narrative literature review and thematic interviews.

The thesis addresses AI, its development, machine learning and deep learning methods, as well as the fourth industrial revolution (Industry 4.0). AI applications currently used in the industry are extensively presented. These include Predic-tive Maintenance, Quality Assurance, Energy Use Forecasting, Supply Chain, Process Optimization, Security and Safety, Generative Design, Experimentation and Industrial Automation. The implementation process is illustrated using the CRISP-DM process model, and an example of training a machine learning model concretizes the phases of this model.

As a background for the interviews and in addition to industrial applications you will find reports from the Nordic State of AI and Statistics Finland (2021–2024) on the use of AI by companies, as well as the publication "The State of AI in Fin-land 2025". These summarize the utilization of AI in Finland and other Nordic countries. Based on the interviews, SMEs have a positive attitude towards AI, but the adoption is limited by uncertainty and lack of resources and expertise. AI is considered to bring benefits such as reduced workload, cost efficiency, and better decision-making.

The thesis discloses that the utilization of AI in industry is still in its early stages, but its potential is significant. The main obstacles in development are the lack of investment and expertise. In the future, AI use case libraries and collaboration networks can lower the threshold for adoption, especially in SMEs. The devel-opment of AI in Finnish industry should further be monitored, researched, and supported to increase expertise and maintain global competitiveness. From the perspective of applications, AI use cases would provide interesting and useful research topics.