Miten nopeuttaa tekoälyn omaksumista suomalaisissa palveluyrityksissä : Case twoday AI Agent
Laitila, Olli (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-2025121637062
https://urn.fi/URN:NBN:fi:amk-2025121637062
Tiivistelmä
Tämän opinnäytetyön tavoitteena oli selvittää, miten tekoälyn käyttöönottoa ja omaksumista voitaisiin helpottaa suomalaisissa palveluyrityksissä. Toimeksiantajayritys twoday Oy on huomannut asiakasyritysten tietämättömyyden vaikeuttaneen tekoälyn käyttöönottoa kyseisissä yrityksissä. Työssä luotiin yksinkertainen ohjeistus, missä vertailtiin erilaisia tekoälyratkaisuja, joiden on tarkoitus auttaa kyseisiä yrityksiä löytämään heille sopivan ratkaisun. Lisäksi työssä etsittiin mahdollisia ongelmakohtia twoday AI Agentin käyttöönottoprosessista. Työn toimeksiantaja twoday on vahvasti kasvava suomalainen teknologiayritys. Yrityksellä on satoja eri alojen asiantuntijoita ympäri Suomen sekä asiakkaina satoja julkisella sektorilla toimivia organisaatioita ja moni suurimmista suomalaisista yrityksistä.
Työn tietoperustassa käytiin läpi erilaisia twodayn kilpailijoita ja tarjolla olevia tekoälytyökaluja, joista asiakasyritys valitsisi itselleen sopivan. Teoriaosiossa käytiin läpi myös tekoälyn historiaa ja tulevaisuutta. Lisäksi teoriaosiossa avataan auki käsitteet generatiivinen tekoäly ja laaja kielimalli eli Large Language Model (LLM). Lopuksi teoriaosiossa käytiin läpi palvelumuotoilun prosesseja auttamaan AI Agentin käyttöönottoprosessin kehittämisessä.
Opinnäytetyö toteutettiin laadullisena tutkimuksena, joka toteutettiin Webropol-kyselynä. Toteutettu kysely sisälsi strukturoituja monivalintakysymyksiä sekä avoimia kysymyksiä. Kyselyn vastaukset analysoitiin laadullisella sisällönanalyysimenetelmällä. Kyselyyn vastaamishalukkuutta tiedosteltiin twodayn kautta yrityksen asiakasyrityksille ja myöntävästi vastanneille laitettiin kysely. Vastaajat olivat joko entisiä tai nykyisiä twodayn AI Agent palvelun asiakkaita. Kyselyyn saatiin 7 vastausta. Kysely sisälsi kysymyksiä twodayn AI Agentin käyttöönottoprosessin vaiheista ja siitä, kuinka hyvin ne olivat onnistuneet. Lisäksi kyselyssä kysyttiin oppaan mielenkiinnosta ja siitä, mitä sen olisi hyvä sisältää.
Johtopäätöksenä syntyi lyhyt kysely tai haastattelututkimus twodayn asiakkaille heidän tietämyksestään tekoälystä ennen käyttöönottoprosessin aloittamista. Kysely tai haastattelututkimus helpottaisi asiakkaiden henkilökohtaisien tarpeiden huomioon ottamista käyttöönottoprosessin aikana, eikä asiat olisi näin heille esimerkiksi liian monimutkaisia. Testausvaiheen palautteen läpikäyntiin suositeltiin myös samaa empaattisempaa ja nopeampaa läpikäyntiä palvelumuotoilun keinoin. Lisäksi johtopäätöksissä suositeltiin testausvaiheen kulujen parempaa läpikäyntiä. Uusina käyttökohteina suositeltiin työtä koostavia agentteja ja salasanan takaa lukevia agentteja. Lopuksi suositeltiin myös käyttöliittymän visuaalisen ilmeen parantamista.
Työn liitteissä olevassa valmiissa oppaassa vertailtiin neljän eri tekoälypalvelun hintoja, tietoturvallisuutta, käyttöönottoprosessia, palveluiden kattavuutta, koulutuksen tarvetta sekä integrointia asiakasyrityksen olemassa oleviin järjestelmiin. Nämä neljä tekoälypalvelua olivat twoday AI Agent, ChatGPT, Microsoft Azure ja Amazon Web Services (AWS Bedrock). The objective of this thesis was to find out how to make it easier for Finnish service companies to adopt and introduce artificial intelligence. Client company of the thesis twoday has noticed that the unawareness of their client companies has made it difficult for those companies to introduce artificial intelligence services. This thesis produced a simple guide for those organizations by comparing different artificial intelligence solutions, with the aim of helping them find the solutions that suite them best. In addition, the thesis also looked for potential problems in the twoday AI Agent implementation process. Client company of the thesis twoday is strongly growing Finnish technology company. The company has hundreds of experts from various fields, as customers it has hundreds of public sector organizations and many of the largest Finnish companies.
Different artificial intelligence solutions and twoday’s competitors was reviewed in the knowledge base of the thesis. The knowledge base of the thesis also covered the history and future of artificial intelligence. In addition, the theory section explores the concepts of generative artificial intelligence and Large Language Model (LLM). Lastly, the theory section covered design thinking processes to help find improvements for the AI Agent implementation process.
The thesis was conducted as qualitative research which contained Webropol survey. The survey comprised both structured multiple-choice questions and open-ended questions. The responses of the survey were analyzed using content analysis method. The company’s client companies were asked to respond to the survey via twoday, and those who responded affirmatively were sent a survey. Respondents were former or current twoday AI Agent service customers. The survey received 7 responses. The survey included questions about the stages in the twoday AI Agent implementation process and how well they had been successful. The survey also asked about the interest in the guide and what would be good to include in it.
Conclusion of this thesis was a short survey or interview study for twoday’s customers about their knowledge of artificial intelligence before starting the implementation process. A survey or interview study would make it easier to consider the personal needs of customers during the implementation process, and so things would not be too complicated for them, for example. The same more empathetic and faster review of the feedback during the testing phase was also recommended though design thinking methods. In addition, the conclusions recommended a better review of the costs of the testing phase. Agents that compose work and agents read passwords were recommended as new use cases. Finally, it was also recommended to improve the visual appearance of the user interface.
The finished guide included in appendices of the thesis compared the prices, information security, implementation process, scope of services, education needs, and integration into the client company’s existing systems of four different AI services. These four AI services were twoday, AI Agent, Microsoft Azure and Amazon Web Services (AWS Bedrock).
Työn tietoperustassa käytiin läpi erilaisia twodayn kilpailijoita ja tarjolla olevia tekoälytyökaluja, joista asiakasyritys valitsisi itselleen sopivan. Teoriaosiossa käytiin läpi myös tekoälyn historiaa ja tulevaisuutta. Lisäksi teoriaosiossa avataan auki käsitteet generatiivinen tekoäly ja laaja kielimalli eli Large Language Model (LLM). Lopuksi teoriaosiossa käytiin läpi palvelumuotoilun prosesseja auttamaan AI Agentin käyttöönottoprosessin kehittämisessä.
Opinnäytetyö toteutettiin laadullisena tutkimuksena, joka toteutettiin Webropol-kyselynä. Toteutettu kysely sisälsi strukturoituja monivalintakysymyksiä sekä avoimia kysymyksiä. Kyselyn vastaukset analysoitiin laadullisella sisällönanalyysimenetelmällä. Kyselyyn vastaamishalukkuutta tiedosteltiin twodayn kautta yrityksen asiakasyrityksille ja myöntävästi vastanneille laitettiin kysely. Vastaajat olivat joko entisiä tai nykyisiä twodayn AI Agent palvelun asiakkaita. Kyselyyn saatiin 7 vastausta. Kysely sisälsi kysymyksiä twodayn AI Agentin käyttöönottoprosessin vaiheista ja siitä, kuinka hyvin ne olivat onnistuneet. Lisäksi kyselyssä kysyttiin oppaan mielenkiinnosta ja siitä, mitä sen olisi hyvä sisältää.
Johtopäätöksenä syntyi lyhyt kysely tai haastattelututkimus twodayn asiakkaille heidän tietämyksestään tekoälystä ennen käyttöönottoprosessin aloittamista. Kysely tai haastattelututkimus helpottaisi asiakkaiden henkilökohtaisien tarpeiden huomioon ottamista käyttöönottoprosessin aikana, eikä asiat olisi näin heille esimerkiksi liian monimutkaisia. Testausvaiheen palautteen läpikäyntiin suositeltiin myös samaa empaattisempaa ja nopeampaa läpikäyntiä palvelumuotoilun keinoin. Lisäksi johtopäätöksissä suositeltiin testausvaiheen kulujen parempaa läpikäyntiä. Uusina käyttökohteina suositeltiin työtä koostavia agentteja ja salasanan takaa lukevia agentteja. Lopuksi suositeltiin myös käyttöliittymän visuaalisen ilmeen parantamista.
Työn liitteissä olevassa valmiissa oppaassa vertailtiin neljän eri tekoälypalvelun hintoja, tietoturvallisuutta, käyttöönottoprosessia, palveluiden kattavuutta, koulutuksen tarvetta sekä integrointia asiakasyrityksen olemassa oleviin järjestelmiin. Nämä neljä tekoälypalvelua olivat twoday AI Agent, ChatGPT, Microsoft Azure ja Amazon Web Services (AWS Bedrock).
Different artificial intelligence solutions and twoday’s competitors was reviewed in the knowledge base of the thesis. The knowledge base of the thesis also covered the history and future of artificial intelligence. In addition, the theory section explores the concepts of generative artificial intelligence and Large Language Model (LLM). Lastly, the theory section covered design thinking processes to help find improvements for the AI Agent implementation process.
The thesis was conducted as qualitative research which contained Webropol survey. The survey comprised both structured multiple-choice questions and open-ended questions. The responses of the survey were analyzed using content analysis method. The company’s client companies were asked to respond to the survey via twoday, and those who responded affirmatively were sent a survey. Respondents were former or current twoday AI Agent service customers. The survey received 7 responses. The survey included questions about the stages in the twoday AI Agent implementation process and how well they had been successful. The survey also asked about the interest in the guide and what would be good to include in it.
Conclusion of this thesis was a short survey or interview study for twoday’s customers about their knowledge of artificial intelligence before starting the implementation process. A survey or interview study would make it easier to consider the personal needs of customers during the implementation process, and so things would not be too complicated for them, for example. The same more empathetic and faster review of the feedback during the testing phase was also recommended though design thinking methods. In addition, the conclusions recommended a better review of the costs of the testing phase. Agents that compose work and agents read passwords were recommended as new use cases. Finally, it was also recommended to improve the visual appearance of the user interface.
The finished guide included in appendices of the thesis compared the prices, information security, implementation process, scope of services, education needs, and integration into the client company’s existing systems of four different AI services. These four AI services were twoday, AI Agent, Microsoft Azure and Amazon Web Services (AWS Bedrock).