Tekoäly ja asiakaslähtöinen tuotekehitys – käytännön malli pk-laitevalmistajalle

Pk-laitevalmistajan tuotekehityksessä ei yleensä ole pulaa ideoista. Kehitysehdotuksia syntyy asiakaskeskusteluissa, tarjouspyynnöissä, huoltokäynneillä, reklamaatioissa, tuotannon poikkeamissa ja tuotteen käytön aikana.

Vaikeampi kysymys on, mitkä havainnot kertovat todellisesta asiakastarpeesta ja mitkä ratkaisut kannattaa toteuttaa. Yhden asiakkaan äänekäs toive ei välttämättä edusta laajempaa tarvetta. Teknologisesti kiinnostava ominaisuus ei puolestaan automaattisesti tuota asiakkaalle arvoa tai valmistajalle kannattavaa liiketoimintaa.

Tekoäly voi auttaa pk-yritystä kokoamaan hajallaan olevaa tietoa, tunnistamaan toistuvia tarpeita, vertailemaan vaihtoehtoja ja nopeuttamaan suunnittelua. Se voi toimia myös tehokkaana innovaattorina, joka tuo tarkasteluun uusia ratkaisumalleja.

Tekoäly ei kuitenkaan päätä, mitä yrityksen kannattaa kehittää. Ihminen vastaa edelleen tavoitteista, teknisistä ratkaisuista, tuoteturvallisuudesta ja lopullisista päätöksistä.

Tekoälyn tärkeä tehtävä tuotekehityksessä on auttaa muuttamaan hajallaan oleva tieto perustelluiksi valinnoiksi.

Mitä asiakaslähtöinen tuotekehitys tarkoittaa?

Asiakaslähtöisyys ei tarkoita kaikkien asiakastoiveiden toteuttamista. Se tarkoittaa asiakkaan toiminnan, ongelmien ja tavoitteleman hyödyn ymmärtämistä ennen ratkaisun valintaa.

Asiakkaan esittämä toive on usein jo valmiiksi muotoiltu ratkaisu:

• tarvitaan tehokkaampi moottori
• ohjauspaneeliin halutaan uusi painike
• laitteesta pitäisi tehdä suurempi
• mobiilisovellukseen tarvitaan uusi ominaisuus
• yksi työvaihe pitäisi automatisoida.

Tuotekehityksen tehtävänä on selvittää, mikä varsinainen ongelma ehdotuksen taustalla on. Tehokkaamman moottorin sijasta ratkaisu voi löytyä välityksestä, ohjauksesta tai käyttötavasta. Uuden painikkeen sijasta käyttöliittymän toimintalogiikkaa voidaan ehkä selkeyttää.

Asiakaslähtöisyys on hyvä erottaa muutamista sitä muistuttavista lähtökohdista.

Lähtökohta	Käytännön merkitys
Asiakaslähtöisyys	Selvitetään asiakkaan todellinen ongelma ja tavoiteltu hyöty
Asiakasohjautuvuus	Toteutetaan asiakkaan ehdottama ratkaisu sellaisenaan
Teknologialähtöisyys	Kehittäminen alkaa uuden teknologian mahdollisuuksista
Datalähtöisyys	Päätöksiä perustellaan palautteella, käyttödatalla ja toteutuneilla tuloksilla
AI-avusteisuus	Tekoäly auttaa yhdistämään tietoa, löytämään vaihtoehtoja ja tekemään vertailuja

Tekoälyn käyttäminen ei tee tuotekehityksestä automaattisesti asiakaslähtöistä. Tekoäly voi yhtä hyvin nopeuttaa väärän asian kehittämistä, jos ongelma, tavoite ja arviointiperusteet on määritelty puutteellisesti.

Tuotekehitys on enemmän kuin teknistä suunnittelua

Tuotekehitys ja tuotesuunnittelu eivät tarkoita aivan samaa asiaa.

Tuotekehityksessä ratkaistaan, mitä kehitetään, kenelle, miksi ja millaiseksi kokonaisuudeksi. Siihen kuuluvat asiakastarpeiden lisäksi kaupalliset tavoitteet, tuotestrategia, kustannukset, riskit ja elinkaaren hallinta.

Tuotesuunnittelussa määritetään, miten valittu ratkaisu toteutetaan teknisesti. Siihen voivat kuulua mekaniikka, automaatio, elektroniikka, ohjelmisto, materiaalit ja teollinen muotoilu.

Tuotannollistamisessa varmistetaan, että tuote voidaan valmistaa, testata, dokumentoida ja toimittaa hallitusti.

Elinkaaren hallinnassa huolehditaan muutoksista, ohjelmistoversioista, varaosista, huollosta, dokumentaatiosta ja tuotteen hallitusta poistamisesta.

Tekoäly voi tukea kaikkia näitä vaiheita, mutta eri tavoin. Asiakastarpeiden analysointi, generatiivinen suunnittelu, testitulosten käsittely ja huoltotiedon tulkinta ovat erilaisia käyttökohteita. Siksi myös tarvittava tieto, työkalut ja ihmisen valvonta vaihtelevat.

Asiakastietoa on paljon, mutta se on hajallaan

Pk-laitevalmistajan tuotekehityksessä tarvittavaa tietoa voi olla:

• CRM-järjestelmän asiakastiedoissa
  • AI-CRM yrityksessä – miten tekoäly muuttaa myyntiä ja asiakkuudenhallintaa?
• myyjien sähköposteissa ja muistiinpanoissa
• tarjouspyynnöissä ja hävityissä tarjouksissa
• reklamaatioissa
• huoltoraporteissa
• tuotannon poikkeamissa
• ERP-järjestelmän toimitus- ja kustannustiedoissa
• PDM- tai PLM-järjestelmän piirustuksissa ja tuoterakenteissa
• käyttöohjeissa ja teknisissä dokumenteissa
• jälleenmyyjien ja kumppanien palautteessa
• laitteiden IoT- ja sensoridatassa
• työntekijöiden kokemuksessa ja hiljaisessa tiedossa.

Ongelma ei välttämättä ole tiedon puute. Ongelma on, ettei eri lähteistä muodostu yhteistä näkymää.

Tekoäly voi ryhmitellä palautteita, tiivistää raportteja, tunnistaa toistuvia aiheita ja etsiä eri dokumenteista samaan ongelmaan liittyviä havaintoja. Se voi esimerkiksi havaita, että tietyn laitetyypin asiakaspalautteissa, huoltokäynneissä ja varaosamyynnissä toistuu sama ilmiö eri sanoin kuvattuna.

Tekoäly ei silti tiedä automaattisesti, ovatko lähdetiedot oikeita, vertailukelpoisia tai riittävän kattavia. Siksi havaintojen merkitys on varmistettava yhdessä asiakkaiden, käyttäjien ja yrityksen asiantuntijoiden kanssa.

Mistä asiakkaan todellinen tarve löydetään?

Asiakastarpeen selvittämisessä kannattaa edetä ratkaisuehdotuksesta ongelmaan ja ongelmasta tavoiteltavaan hyötyyn.

Hyviä kysymyksiä ovat:

1. Mitä asiakas yrittää saada aikaan?
2. Missä tilanteessa ongelma esiintyy?
3. Ketä ongelma koskee?
4. Kuinka usein se toistuu?
5. Mitä kustannuksia, viivettä tai muuta haittaa siitä syntyy?
6. Millainen parannus tuottaisi asiakkaalle todellista arvoa?
7. Voidaanko hyöty tai vaatimus mitata?
8. Onko sama tarve myös muilla asiakkailla?

Tekoäly voi auttaa valmistautumaan haastatteluihin, tiivistämään keskusteluja ja vertaamaan uusia havaintoja aikaisempaan aineistoon. Se voi myös nostaa esiin ristiriitoja: käyttäjä voi painottaa helppokäyttöisyyttä, huolto korjattavuutta, ostaja hankintahintaa ja johto elinkaaren kustannuksia.

Asiakasta ei tarvitse ottaa mukaan jokaiseen tekniseen yksityiskohtaan. Asiakasyhteistyö on arvokkainta, kun:

• selvitetään ongelmaa ja käyttötilannetta
• tarkennetaan vaatimuksia
• arvioidaan konsepteja
• testataan prototyyppiä tai pilottia
• varmistetaan käytettävyys ja saavutettava hyöty
• kerätään kokemuksia tuotteen käytöstä.

Katso myös: Miten AI auttaa ymmärtämään asiakkaan todellisia tarpeita?

Asiakashavainnosta mitattavaksi vaatimukseksi

Asiakashavainto ei vielä ole tuotevaatimus. Se pitää tulkita, rajata ja muuttaa sellaiseksi tavoitteeksi, jonka toteutuminen voidaan todentaa.

Hyvä etenemisketju on:

Asiakashavainto → todellinen tarve → mitattava vaatimus → ratkaisuvaihtoehdot → testaus → päätös

Vaihe	Tekoälyn mahdollinen apu	Ihmisen vastuu
Asiakashavainto	Kokoaa ja luokittelee palautetta	Arvioi tiedon alkuperän ja luotettavuuden
Todellinen tarve	Tunnistaa toistuvia ongelmia ja yhteyksiä	Ymmärtää asiakkaan käyttötilanteen
Vaatimus	Laatii vaatimusluonnoksia ja löytää ristiriitoja	Määrittää ja hyväksyy vaatimukset
Ratkaisuvaihtoehdot	Ehdottaa vaihtoehtoja ja kokoaa vertailuja	Arvioi toteutettavuuden, arvon ja riskit
Testaus	Käsittelee mittaus- ja testituloksia	Määrittelee testit ja hyväksymisperusteet
Päätös	Kokoaa perustelut ja avoimet kysymykset	Tekee, perustelee ja dokumentoi päätöksen

Tekoälyllä laadittu vaatimusluonnos voi nopeuttaa työtä, mutta se ei korvaa suunnittelijan, käyttäjän tai tuoteturvallisuuden asiantuntijan tarkastusta.

Kaikkea tekoälyn löytämää ei kannata kehittää

Kun tekoäly pystyy käsittelemään suuria määriä palautetta, se voi tuottaa pitkän listan mahdollisia kehityskohteita. Runsas idealista ei kuitenkaan ole vielä tuotekehitysstrategia.

Tuoteidean arvioinnissa kannattaa kysyä:

• Kuinka monelle asiakkaalle ratkaisusta on hyötyä?
• Kuinka suuri ja mitattava asiakkaan saama hyöty on?
• Ovatko asiakkaat valmiita maksamaan siitä?
• Parantaako ratkaisu myyntiä, hintaa tai asiakaspysyvyyttä?
• Sopiiko se yrityksen tuotestrategiaan ja osaamiseen?
• Kuinka vaikea ja kallis se on toteuttaa?
• Mitä turvallisuus-, laatu- ja vaatimustenmukaisuusriskejä siihen liittyy?
• Miten ratkaisu vaikuttaa valmistettavuuteen ja huollettavuuteen?
• Mitä jatkuvia kustannuksia se aiheuttaa?
• Lisääkö se tuotevalikoiman monimutkaisuutta?

Tekoäly voi pisteyttää vaihtoehtoja yrityksen määrittelemillä kriteereillä, tehdä herkkyysvertailuja ja näyttää, miten painotusten muuttaminen vaikuttaa järjestykseen. Yrityksen johdon ja asiantuntijoiden pitää kuitenkin määrittää käytettävät kriteerit ja päättää, millaisia riskejä ollaan valmiita ottamaan.

Tekoäly innovaattorina ja suunnitteluprosessin kiihdyttäjänä

Tekoäly voi toimia tuotesuunnittelussa sekä ideointikumppanina että työvaiheiden nopeuttajana. Sen vahvuutena on kyky tuottaa nopeasti useita vaihtoehtoja, yhdistellä eri alojen tietoa ja kyseenalaistaa ensimmäinen mieleen tullut ratkaisu.

Tekoäly voi auttaa esimerkiksi:

• vaihtoehtoisten tuotekonseptien ideoinnissa
• uusien käyttötapojen löytämisessä
• aikaisempien ratkaisujen ja dokumenttien hakemisessa
• komponenttien ja materiaalien vertailussa
• vaatimusristiriitojen tunnistamisessa
• laskelmien ja simulointien valmistelussa
• generatiivisessa suunnittelussa
• valmistettavuuden ja huollettavuuden arvioinnissa
• riskien ja vikaantumistapojen alustavassa tarkastelussa
• testien, työohjeiden ja teknisen dokumentaation luonnostelussa
• suunnittelumuutosten vaikutusten selvittämisessä.

Tekoälyn arvo ei aina ole siinä, että se tuottaa valmiin ratkaisun. Se voi auttaa suunnitteluryhmää tarkastelemaan ongelmaa useammasta näkökulmasta ja löytämään vaihtoehtoja, jotka muuten jäisivät kiireessä tutkimatta.

Samalla on varottava näennäistä vakuuttavuutta. Tekoälyn ehdotus voi näyttää teknisesti perustellulta, vaikka se perustuisi väärään oletukseen, puutteelliseen lähtötietoon tai käyttökohteeseen sopimattomaan ratkaisuun.

Tekoäly voi laajentaa ratkaisuavaruutta. Suunnitteluryhmän tehtävänä on rajata siitä toteuttamiskelpoiset, turvalliset ja asiakkaalle arvokkaat vaihtoehdot.

Katso tietoisku: Tekoäly tuotesuunnittelun innovaattorina

Teollinen muotoilu, käyttökokemus ja brändi

Asiakaslähtöinen tuote ei ole vain teknisesti toimiva. Sen pitää olla myös ymmärrettävä, käytettävä, turvallinen, huollettava ja käyttökohteeseensa sopiva.

Teollinen muotoilu vaikuttaa muun muassa:

• tuotteen käytettävyyteen ja ergonomiaan
• toimintojen ymmärrettävyyteen
• turvallisuuden kokemukseen
• puhdistettavuuteen ja huollettavuuteen
• materiaalien ja rakenteiden valintaan
• valmistettavuuteen
• tuotteen tunnistettavuuteen
• yrityksen brändiin ja laatumielikuvaan.

Tekoälyä voidaan käyttää konseptien, muotojen, pintojen, värivaihtoehtojen ja käyttöliittymänäkymien ideointiin. Se voi myös auttaa käyttäjäpalautteen analysoinnissa ja erilaisten käyttötapausten tarkastelussa.

Generoidut kuvat eivät kuitenkaan ole sama asia kuin teollinen muotoilu. Näyttävä konseptikuva voi olla ergonomisesti huono, teknisesti mahdoton tai kallis valmistaa. Muotoilun, mekaniikan, käyttöliittymän, turvallisuuden ja brändin pitää kehittyä yhtenä kokonaisuutena.

Yrityksen oma tunnistettava ilme ei myöskään synny kokoamalla yhteen satunnaisia tekoälyehdotuksia. Brändin suunnan ja tuotemuotoilun jatkuvuuden pitää säilyä ihmisten hallinnassa.

Kun tekoäly on osa itse tuotetta

Tekoälyn hyödyntäminen tuotekehityksessä on eri asia kuin tekoälyn rakentaminen valmistettavaan tuotteeseen.

Moniin laitteisiin liittyy jo digitaalinen ohjain, sulautettu ohjelmisto, verkkopalvelu tai mobiilisovellus. Näihin voidaan lisätä AI-toimintoja, jotka esimerkiksi:

• optimoivat laitteen toimintaa
• tunnistavat poikkeamia
• mukautuvat käyttötilanteeseen
• opastavat käyttäjää
• ennakoivat huollon tarvetta
• tunnistavat virheellistä käyttöä
• parantavat energiatehokkuutta
• kokoavat valmistajalle käyttö- ja kehitystietoa.

AI-toiminto voi muuttaa myös tuotteen liiketoimintamallia. Kertaluonteisesti myydyn laitteen rinnalle voi syntyä seuranta-, optimointi- tai ennakoivan huollon palvelu.

Samalla valmistajan vastuu laajenee. Huomioon on otettava ainakin:

• mitä tietoa laite tai sovellus kerää
• missä tieto käsitellään ja säilytetään
• miten yhteydet ja ohjelmistopäivitykset suojataan
• miten AI-toiminto käyttäytyy poikkeustilanteessa
• voiko käyttäjä ohittaa automaattisen toiminnon
• miten toiminta testataan ja dokumentoidaan
• kuka vastaa algoritmien ja mallien ylläpidosta
• kuinka pitkään digitaalista palvelua tuetaan.

AI-ominaisuus ei ole vain lisätoiminto myyntiesitteeseen. Se voi vaikuttaa tuoteturvallisuuteen, tietoturvaan, tietosuojaan, ylläpitoon ja koko tuotteen elinkaareen.

Vakioitu tuote, tuoteoptio vai asiakaskohtainen ratkaisu?

Yhden asiakkaan tarpeeseen tehty muutos voi näyttää hyvältä kaupalta. Se voi kuitenkin synnyttää vuosiksi uusia nimikkeitä, piirustuksia, varaosia, ohjelmistoversioita, koulutustarpeita ja virhemahdollisuuksia.

Pk-laitevalmistajan tuoterakenne voidaan jakaa kolmeen tasoon:

1. Vakioitu ydin, joka pidetään mahdollisimman yhtenäisenä.
2. Ennalta suunnitellut vaihtoehdot ja moduulit, kuten koko-, teho-, varustelu- ja ohjelmistovaihtoehdot.
3. Aidosti asiakaskohtaiset ratkaisut, jotka arvioidaan, hinnoitellaan ja hallitaan erillisinä.

Tekoäly voi analysoida aikaisempia tarjouksia, toimituksia ja muutostöitä. Sen avulla voidaan tunnistaa asiakaskohtaisia ratkaisuja, jotka toistuvat niin usein, että niistä kannattaa muodostaa hallittu tuoteoptio tai moduuli.

Tämä voi parantaa asiakaslähtöisyyttä ilman, että tuotevalikoiman monimutkaisuus kasvaa hallitsemattomaksi.

Prototyypit, simulointi ja digitaalinen kaksonen

Ratkaisun testaaminen kannattaa aloittaa ennen kuin kaikki yksityiskohdat on viimeistelty. Testattavana voi olla luonnos, käyttöliittymämalli, laskelma, simulaatio, osaprototyyppi tai rajattu asiakaspilotti.

Tekoäly voi auttaa:

• simulaatioiden lähtötietojen käsittelyssä
• testitapausten muodostamisessa
• mittaustulosten analysoinnissa
• poikkeamien tunnistamisessa
• eri versioiden vertailussa
• testiraporttien kokoamisessa
• käyttäjäpalautteen ryhmittelyssä.

Digitaalinen kaksonen voi mahdollistaa laitteen toiminnan seuraamisen, simuloinnin ja ennakoinnin digitaalisessa ympäristössä. Kaikki pk-yritykset eivät kuitenkaan tarvitse laajaa digitaalisen kaksosen ratkaisua.

Kevyempi aloitus voi perustua tavallisiin testiraportteihin, Excel-taulukoihin, huoltotietoihin ja laitteen käyttölokeihin. Ratkaisun laajuuden pitää perustua tavoiteltavaan hyötyyn, ei teknologian näyttävyyteen.

Tekoäly yhdistää CRM-, ERP-, PDM- ja huoltotietoa

Tuotekehityksen tarvitsema tieto ulottuu useisiin järjestelmiin:

• CRM kertoo, mitä asiakkaat kysyvät, millaisia tarpeita eri asiakasryhmillä on ja miksi tarjouksia voitetaan tai menetetään.
• ERP näyttää materiaalit, kustannukset, työvaiheet, toimitukset ja toteutuneet poikkeamat.
• PDM tai PLM hallitsee piirustukset, tuoterakenteet, versiot ja suunnittelumuutokset.
• Laatujärjestelmä kokoaa poikkeamia, reklamaatioita ja korjaavia toimenpiteitä.
• Huoltojärjestelmä kertoo vikakohteista, varaosista ja ylläpidon tarpeista.
• IoT- ja sensoridata näyttää, miten laitteita todellisuudessa käytetään.
• Projektinhallinta tekee tehtävät, vastuut, aikataulut ja päätökset näkyviksi.

Tekoälyn suuri mahdollisuus on muodostaa näistä lähteistä aiempaa yhtenäisempi kokonaiskuva. RAG-ratkaisussa tekoäly voi hakea vastauksia yrityksen omista suunnittelu-, tuotanto-, huolto- ja asiakasdokumenteista sen sijaan, että sen pitäisi toimia vain yleisen tietämyksen varassa.

Järjestelmien yhdistäminen ei kuitenkaan onnistu pelkällä tekoälyllä. Tuotetunnusten, asiakastietojen, laiteversioiden ja dokumenttien pitää olla riittävän yhdenmukaisia, jotta eri lähteistä löytyvä tieto voidaan liittää oikeaan tuotteeseen ja toimitukseen.

Toiminnan kehittäminen alkaa siitä, että työnkulut, vastuut ja tieto tehdään näkyviksi.

Tuotekehitys ylittää organisaatiorajat

Tuotekehitys ei ole vain suunnitteluosaston tehtävä. Asiakasarvo voi kadota, jos tieto katkeaa myynnin, suunnittelun, tuotannon ja huollon välillä.

Toimija	Tuotekehitykseen tuoma tieto
Asiakas ja käyttäjä	Käyttötilanne, ongelma ja odotettu hyöty
Myynti	Kysyntä, kilpailutilanne ja maksuhalukkuus
Suunnittelu	Tekninen toteutettavuus ja riskit
Teollinen muotoilu	Käytettävyys, ergonomia, ilme ja brändin jatkuvuus
Tuotanto	Valmistettavuus, laatu ja työmenetelmät
Hankinta	Saatavuus, kustannukset ja toimittajariskit
Huolto	Vikakohteet, ylläpidettävyys ja elinkaaren tarpeet
Johto	Strateginen sopivuus ja resurssien kohdentaminen

Tekoäly voi tehdä eri toimintojen havaintoja näkyviksi, mutta yhteinen käsittely ja päätöksenteko pitää järjestää. Muuten jokainen toiminto tarkastelee edelleen vain omaa osaansa kokonaisuudesta.

Pk-laitevalmistajan AI-avusteinen etenemismalli

1. Kokoa asiakas-, huolto- ja käyttötieto

Määritä yhteinen paikka, johon myynnin, huollon, tuotannon ja asiakkaiden havainnot kirjataan. Kaikkea ei tarvitse heti siirtää yhteen järjestelmään, mutta tiedon lähteet ja omistajat pitää tunnistaa.

2. Anna tekoälyn jäsentää havaintoja

Ryhmittele palautetta, etsi toistuvia ongelmia ja vertaile eri asiakasryhmien kokemuksia. Säilytä yhteys alkuperäiseen lähteeseen, jotta tekoälyn tekemät tulkinnat voidaan tarkistaa.

3. Selvitä todellinen ongelma

Älä siirrä asiakkaan esittämää ratkaisua suoraan suunnittelutehtäväksi. Selvitä käyttötilanne, ongelman syy, yleisyys ja asiakkaalle syntyvä haitta.

4. Muunna tarve mitattaviksi vaatimuksiksi

Määritä tekniset, toiminnalliset, kaupalliset ja turvallisuuteen liittyvät vaatimukset. Kirjaa myös, miten niiden toteutuminen testataan.

5. Arvioi asiakasarvo, liiketoiminta-arvo ja riskit

Vertaa asiakkaan saamaa hyötyä, markkinapotentiaalia, kustannuksia, strategista sopivuutta ja elinkaarivaikutuksia. Tekoäly voi auttaa vertailussa, mutta yritys määrittää painotukset.

6. Suunnittele ja vertaa vaihtoehtoja

Hyödynnä tekoälyä ideoinnissa, aikaisempien ratkaisujen löytämisessä ja vaihtoehtojen arvioinnissa. Ota tuotanto, hankinta, huolto ja muotoilu mukaan riittävän aikaisin.

7. Testaa, varmista turvallisuus ja tuotannollista

Käytä prototyyppejä, simulointia ja asiakaspilotteja. Varmista materiaalit, työvaiheet, ohjelmistot, laadunvarmistus, dokumentaatio ja hankintaketju ennen laajempaa käyttöönottoa.

8. Seuraa tuotetta käytössä ja palauta tieto kehitykseen

Kerää käyttökokemukset, poikkeamat, huoltotiedot ja sensoridata. Vertaa toteutuneita tuloksia alkuperäisiin tavoitteisiin ja käytä opit seuraavan version lähtötietoina.

Prosessin voi tiivistää seuraavasti:

Kerää tieto → AI jäsentää → ihminen tulkitsee → määritä vaatimus → AI auttaa vertailemaan → suunnittele ja testaa → ihminen hyväksyy → seuraa käyttöä → opi

Tekoälyn rajat, vastuu ja turvallisuus

Laitevalmistuksessa tekoälyn virhe voi vaikuttaa muutakin kuin tekstin tai kuvan laatuun. Se voi vaikuttaa tuotteen turvallisuuteen, käyttövarmuuteen, valmistukseen ja vaatimustenmukaisuuteen.

Huomioon pitää ottaa ainakin:

• luottamuksellisen asiakas- ja suunnittelutiedon suojaaminen
• käytettävän tiedon laatu, kattavuus ja ajantasaisuus
• aineistojen käyttöoikeudet ja tekijänoikeudet
• tekoälyn tuottamien virheellisten päätelmien mahdollisuus
• teknisten laskelmien ja suunnitteluratkaisujen tarkastaminen
• muutosten, perustelujen ja hyväksyntöjen dokumentointi
• tuoteturvallisuus ja vaatimustenmukaisuus
• ohjelmistojen ja AI-mallien versionhallinta
• tuotteen tietoturva ja päivitettävyys
• ihmisen mahdollisuus puuttua järjestelmän toimintaan.

Erityisen tärkeää on erottaa toisistaan tekoälyn tuottama ehdotus, asiantuntijan tarkastama ratkaisu ja yrityksen hyväksymä päätös. Näiden vaiheiden pitää näkyä myös dokumentaatiossa.

Tekoäly voi tuottaa vaihtoehtoja, löytää yhteyksiä ja nopeuttaa analyysiä. Laitevalmistaja vastaa silti tuotteen suunnittelusta, turvallisuudesta ja markkinoille saattamisesta.

Tuotekehityksen yleisimmät ongelmat

AI-avusteisessakin tuotekehityksessä kannattaa varoa erityisesti seuraavia tilanteita:

• yksittäinen äänekäs asiakas määrittää kehityksen suunnan
• myynti lupaa muutoksen ennen teknistä ja kaupallista arviointia
• asiakastoive kirjataan ratkaisuna eikä ratkaistavana ongelmana
• tekoälyn yhteenveto hyväksytään tarkistamatta alkuperäistä aineistoa
• suunnittelu optimoi tekniikkaa ilman asiakashyödyn mittaria
• näyttävä AI-konsepti sekoitetaan toteutuskelpoiseen suunnitelmaan
• tuotanto, hankinta, huolto tai muotoilu otetaan mukaan liian myöhään
• projektikustannukset arvioidaan, mutta elinkaarikustannuksia ei
• tuoteversioita ja asiakaskohtaisia muutoksia kertyy hallitsemattomasti
• AI-toiminnon vaatima ohjelmistoylläpito unohdetaan
• pilotista siirrytään tuotantoon ilman selkeitä hyväksymisperusteita
• tuotteen todellisesta käytöstä ei kerätä järjestelmällisesti tietoa.

Miten pk-yritys pääsee alkuun?

AI-avusteista tuotekehitystä ei tarvitse aloittaa generatiivisesta suunnittelusta, digitaalisesta kaksosesta tai laajasta järjestelmäintegraatiosta.

Hyvä ensimmäinen kokeilu voi olla yhden rajatun tietoaineiston analysointi:

1. Valitse esimerkiksi huoltoraportit, reklamaatiot tai hävityt tarjoukset.
2. Määritä yksi käytännön kysymys, johon aineistosta halutaan vastaus.
3. Poista tai suojaa luottamukselliset tiedot.
4. Anna tekoälyn ryhmitellä havainnot ja tunnistaa toistuvat teemat.
5. Tarkista tulokset alkuperäisistä dokumenteista.
6. Käsittele havainnot myynnin, suunnittelun, tuotannon ja huollon kanssa.
7. Valitse yksi kehityskohde tarkempaan asiakas- ja liiketoiminta-arviointiin.

Tavoitteena ei ole osoittaa, että tekoäly osaa analysoida dokumentteja. Tavoitteena on selvittää, syntyykö analyysistä parempia tuotekehityspäätöksiä.

Lopuksi: tekoäly vahvistaa jatkuvaa oppimista

Tekoälyn suurin hyöty tuotekehityksessä ei välttämättä synny tuotteen automaattisesta suunnittelusta. Suurempi arvo voi syntyä siitä, että pk-laitevalmistaja oppii järjestelmällisesti jokaisesta asiakaskohtaamisesta, tarjouksesta, toimituksesta, huoltokäynnistä ja käytössä olevasta laitteesta.

Asiakaslähtöinen tuotekehitys ei ole yksittäinen haastattelu projektin alussa. Se on jatkuva toimintamalli, jossa asiakashavainnot muutetaan vaatimuksiksi, vaatimukset hallituiksi ratkaisuiksi ja käytöstä saatava tieto seuraavan kehityskierroksen lähtökohdaksi.

Tekoäly voi tehdä tästä oppimiskierrosta nopeamman ja kattavamman. Yrityksen pitää silti määrittää suunta, tunnistaa asiakkaalle syntyvä arvo ja kantaa vastuu tehdyistä ratkaisuista.

Parhaimmillaan tekoäly ei korvaa pk-laitevalmistajan kokemusta. Se auttaa yhdistämään asiakkaan tarpeen, yrityksen oman osaamisen ja käytössä syntyvän tiedon aikaisempaa paremmiksi tuotteiksi.