Tekoälyperusteiset tiedonhallintamallit prosessiteollisuuden investointihankkeissa

Ongelmana suurissa prosessiteollisuuden EPC-mallisissa investointihankkeissa on valtavan tietomäärän hallinta, sillä se on hajautettuna eri paikkoihin, järjestelmiin ja projektin sidosryhmille. Tiedon hajanaisuus vaikeuttaa dataan pohjautuvaa päätöksentekoa, kustannusarvioiden tekemistä sekä aiheuttaa ongelmia riskientunnistukseen. Aiemmat alan kirjallisuuden käsikirjat ja viitekehykset antavat hyvän pohjan toteuttaa projekteja, mutta ne eivät käsittele tiedonhallintaa riittävästi. Tutkimuksessa toteutettiin kirjallisuuskatselmus, jossa ongelma tunnistettiin ja sitä varten määriteltiin strategiset, operatiiviset sekä tiedonhallinnalliset tavoitteet, joita voitiin hyödyntää suunnittelututkimus-menetelmän mukaisen artefaktin luomisessa. Artefaktilla demonstroitiin prototyyppiä järjestelmästä, mikä koostuu monista tekoälyä hyödyntävistä agenteista. Tällainen moniagenttijärjestelmä rakennettiin Microsoft-natiiville AutoGen-alustalle, sillä se on myöhemmin mahdollista skaalata suuremmaksi ja laajemmaksi hyödyntäen Azure-ekosysteemin palveluja. Käyttäjälle luotiin intuitiivinen käyttöjärjestelmä, jonka kautta järjestelmän hyödyntäminen olisi mahdollisimman helppoa. Artefaktin demonstroitava osuus sisälsi HAZOP-aiheisia projektidokumentteja, jotka käsiteltiin tekoälytyökaluja apuna käyttäen, jolloin käyttäjä pystyi luonnollisella kielellä tekemään järjestelmään kysymyksiä ja saaden vastauksia dokumentteihin liittyen. Arviointi ja validointi suoritettiin luoduilla avainsuorituskykymittareilla kvantitatiivisesti ja kvalitatiivisesti. Keskeiset työn tulokset tiedonhallinnasta olivat, että järjestelmä nopeutti merkittävästi tiedon hakua tietokannasta vähentäen manuaalisen työn määrää. Lisäksi päätöksenteko dataan perustuen oli merkittävästi nopeampaa, mitä manuaalisella työllä on mahdollista saavuttaa. Järjestelmän dokumentaatio oli läpinäkyvää ja käyttäjä pystyy tarkistamaan manuaalisesti kyselyjen tulokset, mikä tuo jäljitettävyyden ja auditointimahdollisuuden. Tiedon jakaminen voidaan hoitaa myös tulevaisuuden visiota ajatellen turvallisesti hyödyntäen Azure-ekosysteemiä, jolloin myös sidosryhmien projektiin osallistaminen on helpompaa. Lopuksi vielä tuloksina voidaan todeta, että työvoimakustannuksia voidaan säästää, jos työaikaa manuaaliseen tiedon etsimiseen voidaan minimoida, mikä parantaa taloudellista ja operatiivista tehokkuutta. Yhteenvetona voidaan todeta, että tekoälypohjainen moniagenttijärjestelmä kykenee oikein konfiguroituna merkittävästi parantamaan prosessiteollisuuden investointiprojektien tiedonhallintaa, päätöksentekoa ja tuottavuutta toimimalla projektipäällikköä tukevana työkaluna ja samalla tukien toimintaa eri sidosryhmien välillä. Lopuksi tulevaisuuden tutkimuksissa voitaisiin keskittyä teknologiseen, metodologiseen ja organisatoriseen jatkokehitykseen. Näistä teknologiseen näkökulmaan kuuluisi AI-agenttien autonomian sekä integroinnin kehitys. Toisessa jatkotutkimuksen aiheessa painottuisi selittävä tekoäly ja päätösten läpinäkyvyys turvallisuuskriittisissä käyttötapauksissa. Viimeisenä jatkotutkimuksen aiheena olisi muutosjohtaminen sekä eettisten kysymysten käsittely tekoälyperusteisten moniagenttijärjestelmien käyttöönottoon organisaatiossa. Näillä jatkotutkimussuunnilla voitaisiin saavuttaa kokonaisvaltaisempi ymmärrys tekoälyjärjestelmien toiminnasta prosessiteollisuuden investointihankkeiden kontekstissa luoden samalla lisäarvoa tehdylle tutkimukselle.