Tekoälyn käyttö projektiriskien tunnistamisessa ja luokittelussa : teoreettinen tutkimus koneoppimismallien soveltuvuudesta ja hyödyistä

Abstract

Riskien tunnistaminen ja niiden hallinta on erittäin keskeinen osa liiketoimintaa. Riskienhallinta on erityisen merkittävässä asemassa, kun työtä tehdään ainutkertaisten projektien muodossa. Projektien ainutkertaisuus tuo työhön, sen suunnitteluun sekä päätöksentekoon erittäin paljon epävarmuutta tiedon puutteen ja arvioinnin vaikeuden vuoksi. Jatkuvasti kehittyvät tekoälyjärjestelmät tarjoavat uusia mahdollisuuksia kyseisten toimintojen tehostamiseksi, mutta niiden monimutkaisuus edellyttää jatkuvaa tutkimusta ja kehittämistä luotettavuuden varmistamiseksi.

Tutkimus on laadullinen teoreettinen kehittämistutkimus kirjallisuuskatsauksen pohjalta. Sen tarkoitus on jäsentää aiheeseen liittyviä tietoja sekä tulkita olemassa olevaa tietoa potentiaalisten kehitysmahdollisuuksien tunnistamiseksi. Työssä keskitytään tutkimaan erillisiä aineistoja ja teoriaa työhön liittyvistä aiheista siten, että aineistojen teoreettisena viitekehyksenä toimivat projektin- ja riskinhallinnan prosessit sekä tekoälyn ja koneoppimisen keskeiset menetelmät ja olemassa olevat käyttömahdollisuudet.

Tutkimuksen perusteella voidaan todeta, että koneoppimismalleista löytyy projektiriskienhallinnan tehostamiseen soveltuvia vaihtoehtoja. Kaikkiin tekoälyjärjestelmiin liittyy kuitenkin niiden ymmärrettävyyden haasteellisuus, ja niiden toimintaan saattaminen vaatii paljon dataa sekä ihmistyötä.

Recognising and managing risks is an important part of business management. Risk management is especially important when work is done as unique projects. The uniqueness of projects brings a great deal of uncertainty to the work itself, as well as to its planning and decision-making, due to the lack of information and the difficulty of evaluation. The continuous development of artificial intelligence systems brings opportunities to improve such activities, but due to their complexity, they require continuous research and development to increase their reliability.

The study is a qualitative theoretical development study based on a review of literature. Its purpose is to structure information related to the topic and to interpret existing knowledge in order to identify potential opportunities for development. The study focuses on examining material and theories related to the subject. The theoretical framework consists of project and risk management processes, as well as the key methods and existing applications of artificial intelligence and machine learning.

Based on the study, it can be stated that there are machine learning models suitable for improving the process of project risk management. However, all artificial intelligence systems involve challenges in interpretability and implementing them requires a large amount of data and a lot of human work.