Tekoälystrategian kehittäminen sisälogistiikan tarpeisiin: Nykytila, kehityskohteet ja jatkotoimenpiteet

Abstract

Opinnäytetyössä laadittiin logistiikka-alan yritykselle tekoälystrategia, jonka tavoitteena oli selvittää sisälogistiikan nykytila tekoälyn hyödyntämisen näkökulmasta ja tunnistaa keskeiset kehityskohteet. Työn lähtökohtana oli yrityksen tarve ymmärtää, millaisia mahdollisuuksia tekoäly tarjoaa terminaalityöskentelyyn ja varastonhallintaan sekä mitä teknologian käyttöönotto edellyttää organisaation toiminnan, resurssien ja osaamisen kannalta. Työn tavoitteena oli luoda yritykselle vaiheittainen etenemismalli, joka tukee tekoälyn käyttöönottoa. Työ toteutettiin toiminnallisena opinnäytetyönä, ja aineisto koostui yrityksen avainhenkilöiden haastatteluista (N=4), sisäisestä materiaalista ja havainnoinnista. Analyysin perustana käytettiin AI-CAM-kyvykkyysmallia, jonka avulla arvioitiin datan, osaamisen, prosessien ja teknologioiden valmiutta tekoälyn hyödyntämiseen. Teoreettisena viitekehyksenä hyödynnettiin lisäksi aiSTROM-tiekarttaa ja AI Canvas -mallia strategisten toimenpiteiden jäsentämiseksi. Tulokset osoittivat, että yrityksessä on perusedellytykset tekoälyn hyödyntämiselle, mutta keskeisiä kehitystarpeita ovat datan laadun parantaminen, yhtenäisen järjestelmäarkkitehtuurin rakentaminen ja henkilöstön osaamisen vahvistaminen. Haastattelujen perusteella tekoälyn hyödyntämisen potentiaali nähtiin erityisesti resurssisuunnittelussa ja raportoinnin analysoinnissa. Työn lopputuloksena muodostettiin yritykselle tekoälystrategia ja alustava etenemissuunnitelma, joka kokoaa keskeiset kehityskohteet ja ohjaa tekoälyn vaiheittaista käyttöönottoa. Strategia tukee yrityksen pitkän aikavälin digitalisaatiota ja tarjoaa rakenteen tuleville kehityshankkeille.

This thesis developed an artificial intelligence strategy for a logistics company with the aim of assessing the current state of its internal logistics in terms of AI utilization and identifying key needs for improvement. The thesis project was initiated by the company’s interest in understanding how AI could support terminal operations and warehouse management, as well as what organizational, resource-related and competence-related requirements the adoption of AI would entail. An additional objective was to create a step-by-step roadmap to support the company in taking its first steps towards using AI. The thesis was carried out as a functional study, and its empirical data consisted of interviews with key personnel (N = 4), internal company documents, and observational data. The analysis was based on the AI-CAM capability model, which was used to assess the organization’s capability to utilize AI in terms of data, skills, processes and technologies. The theoretical framework was complemented with the aiSTROM roadmap and the AI Canvas model to structure strategic measures. The results indicated that the company has the basic prerequisites for adopting AI. However, key needs for improvement include improving data quality, building a unified system architecture, and strengthening staff competencies. Based on the interviews, the most promising AI opportunities were related to resource planning and analytical reporting. The final output of the thesis was an AI strategy and an initial implementation roadmap that summarizes the essential development areas and provide guidance for the gradual introduction of AI. The strategy supports the company’s long-term digital development and offers a foundation for future initiatives.