AI-SIM-hankkeen päätösseminaarissa tarkasteltiin tekoälyn roolia hankinta- ja toimittajahallinnassa tutkimuksen ja käytännön näkökulmista
AI-SIM-hankkeen päätösseminaari Gaining benefits from AI in purchasing and supply management järjestettiin Tampereella 29. lokakuuta 2026. Tilaisuus kokosi yhteen tutkijoita, yritysten edustajia sekä hankinta- ja toimittajahallinnan ammattilaisia keskustelemaan siitä, miten tekoäly muuttaa alaa.
Seminaari oli tärkeä etappi AI-SIM-hankkeelle (AI-Driven Renewal of Business and Supplier Information Management), joka käynnistyi vuoden 2024 alussa ja päättyy marraskuun 2026 lopussa. AI-SIM on Business Finlandin rahoittama Co-Innovation-hanke, jossa ovat mukana Tampereen yliopisto, Turun yliopisto sekä yrityskumppanit AGCO Power, Integrata ja Sievo. Hankkeessa on tutkittu erityisesti tekoälyn ja luonnollisen kielen käsittelyyn (NLP) perustuvien ratkaisujen mahdollisuuksia uudistaa toimittajatiedon hallintaa hankinnoissa ja toimitusketjuissa.
Tilaisuus herätti runsaasti kiinnostusta sekä yritysten että tutkijoiden keskuudessa. Seminaariin oli ilmoittautunut noin 80 osallistujaa, mikä kuvastaa kasvavaa kiinnostusta siihen, mitä tekoälyllä voidaan tehdä ja miten organisaatiot voivat hyödyntää sen mahdollisuuksia konkreettisten liiketoimintahyötyjen saavuttamiseksi.
Tutkimustuloksista tekoälyn käytännön sovelluksiin
Iltapäivän ohjelma käynnistyi Tampereen yliopiston professori Aki Jääskeläisen avaussanoilla. Tämän jälkeen kuultiin esityksiä AI-SIM-hankkeen tuloksista ja yhteistyökumppaneiden kokemuksista. AGCO Power, Integrata, Sievo, Tampereen yliopisto ja Turun yliopisto esittelivät erilaisia näkökulmia tekoälyn hyödyntämiseen hankinnoissa, toimittajatiedon hallinnassa ja muissa organisaatioiden toiminnoissa.
Yrityskumppaneiden esitykset osoittivat, miten hankkeessa tutkittuja kysymyksiä voidaan soveltaa käytännön toiminnassa. AGCO Powerin Jaakko Sundberg esitteli yrityksen työtä tekoälyavusteisen hankintapäätöksenteon kehittämisessä. Esimerkkeinä olivat komponenttien automaattinen luokittelu sekä samankaltaisuusmalli, jossa yhdistetään komponenttien ominaisuuksia hinta- ja toimittajatietoihin. Automaattisessa luokittelussa saavutettiin lupaavia tarkkuustuloksia, ja samalla tunnistettiin merkittäviä säästömahdollisuuksia. Yksi keskeisistä opeista oli kuitenkin se, että tarvittavan datan valmistelu ja yhdistäminen voivat vaatia huomattavasti enemmän työtä kuin itse tekoälyalgoritmin kehittäminen.
Integratan Riku Honkanen esitteli tekoälyn sovelluksia henkilöstö- ja palkkahallinnon palveluissa. Esimerkkeinä olivat tekoälyavusteinen asiakaspalvelu ja tekoälyyn perustuva palkkalaskelmien analysointi. Hankkeessa osoitettiin myös, miten tekoälyn hyödyntäminen voi edetä yksittäisten työtehtävien tukemisesta laajempien työnkulkujen koordinointiin organisaatio- ja järjestelmärajojen yli.
Sievon Saana Kivimaa tarkasteli aihetta ratkaisutoimittajan näkökulmasta. Yrityksen työssä nousivat esiin toistuvat haasteet, kuten eri tietolähteissä olevien toimittajatietojen yhdistäminen, toimittajatiedon hajanaisuus sekä vaikeudet tärkeän ulkoisen tiedon saatavuudessa. Hankkeessa selvitettiin, miten tekoäly voi tukea toimittajatiedon käsittelyn eri vaiheita tietojen yhtenäistämisestä ja rikastamisesta niiden hyödyntämiseen tekoälyavustajien avulla sekä lopulta valittujen toimintojen tukemiseen tai automatisointiin.
Hankkeessa tehty tutkimus täydensi näitä käytännön esimerkkejä. Tampereen yliopiston Elviira Saarelma ja Abul Khair Jyote esittelivät lyhyesti hankkeen tutkimustuloksia, kuten kyselytutkimuksen havaintoja tekoälyn käyttöönoton tasosta, tekoälyn käytön vaikutuksista toiminnan tuloksellisuuteen sekä tekijöistä, jotka vaikuttavat tekoälyn käyttöönottoon hankinta- ja toimittajahallinnassa.
Lopuksi Turun yliopiston Laleh Davoodi esitteli tutkimusta luonnollisen kielen käsittelyn ja suurten kielimallien (LLM) hyödyntämisestä toimitusketjujen riskienhallinnassa. Hänen esityksessään käsiteltiin sitä, miten kielimalleja voidaan käyttää riskisignaalien tunnistamiseen ja luokitteluun rakenteettomista tietolähteistä, kuten talous- ja yritysuutisista. Samalla hän korosti asiayhteyden ymmärtämisen ja ihmisen tekemän arvioinnin merkitystä luotettavien tulosten varmistamisessa.
Useita esityksiä yhdistänyt teema oli tekoälyn poikkeuksellisen nopea kehitys AI-SIM-hankkeen aikana. Kun hanke käynnistyi alkuvuodesta 2024, odotukset tekoälyn mahdollisuuksista olivat huomattavasti erilaiset kuin nykyisin. Tekoälyn kyvykkyyksien kehittyessä myös hankkeen alkuperäiset suunnitelmat ja tutkimuskohteet muuttuivat eri yhteistyökumppaneiden toiminnassa. Monet mahdollisuudet, jotka hankkeen alussa vaikuttivat vielä kaukaisilta, muuttuivat hankkeen edetessä yhä realistisemmiksi. Samalla uusia teknologisia mahdollisuuksia syntyi jatkuvasti.
Toinen seminaarin aikana toistunut havainto oli, ettei tekoälyn nopea kehitys poista dataan liittyviä perushaasteita. Monissa tapauksissa datan saatavuuden, luotettavuuden ja käyttökelpoisuuden varmistaminen vaatii huomattavaa työtä, ennen kuin yhä kehittyneempien tekoälymallien mahdollisuuksia voidaan hyödyntää täysimääräisesti.
Luonnollisen kielen käsittely, kielimallit ja agenttipohjainen tekoäly tulevaisuuden näkökulmina
Seminaarissa suunnattiin katse myös tulevaisuuteen kahden pääpuheenvuoron kautta.
Turun yliopiston professori Filip Ginter käsitteli suurten kielimallien kasvavaa merkitystä tutkimuksen ja kehitystyön keskeisenä infrastruktuurina. Hän tarkasteli kielimallien kehittämistä sekä suljettujen mallien, avoimilla painokertoimilla julkaistujen mallien ja täysin avoimien mallien välisiä eroja. Ginter nosti esiin myös läpinäkyvyyteen, tutkimustulosten toistettavuuteen, yksityisyyden suojaan ja teknologiseen itsemääräämisoikeuteen liittyviä kysymyksiä. Hänen mukaansa täysin avoimilla malleilla voi tulevaisuudessa olla yhä tärkeämpi rooli, kun organisaatiot ja yhteiskunnat tulevat entistä riippuvaisemmiksi tekoälystä.
Zeal Sourcingin Teemu Marttinen toi keskustelun suoraan hankintatoimen käytäntöihin esittelemällä katsauksen tekoälyavusteisen hankinnan markkinatilanteeseen. Hänen pääpuheenvuorossaan korostui kehityssuunta, jossa tekoälyn käyttö siirtyy yksittäisten hankintatehtävien tukemisesta automatisoituihin työnkulkuihin ja lopulta eri järjestelmien välillä toimiviin tekoälyagenttien muodostamiin kokonaisuuksiin.
Marttinen havainnollisti esimerkkien avulla, miten agenttipohjainen tekoäly voi muuttaa sekä hankintateknologioita että hankinta-ammattilaisten työtä. Esimerkit liittyivät muun muassa hankintamenojen analysointiin, toimittajien kartoittamiseen ja valintaan, tilauksesta maksuun -prosessiin sekä sopimusten hallintaan. Yksi esityksen keskeisistä viesteistä oli, ettei tekoälyä tulisi vain lisätä olemassa oleviin työkaluihin, vaan sen mahdollisuudet pitäisi ottaa huomioon hankintaprosessien ja toimintamallien laajemmassa uudistamisessa.
Keskustelut jatkuivat myös esitysten ulkopuolella
Yksi päätösseminaarin tärkeistä tavoitteista oli tuoda tutkijat ja käytännön toimijat yhteen sekä tarjota mahdollisuuksia kokemusten vaihtamiseen. Siksi ohjelmassa oli tutkimus- ja yritysesitysten lisäksi aikaa verkostoitumiselle ja yhteiselle keskustelulle. Tilaisuuden jälkeen saatu myönteinen palaute kertoi myös järjestelyjen onnistumisesta.
AI-SIM-hankkeen lähestyessä päätöstään sen tuloksista voidaan nostaa esiin tärkeä viesti tulevaisuutta varten. Tekoälyn hyödyntämiseen käytettävät teknologiat kehittyvät edelleen, minkä vuoksi kokeilujen ja jatkuvan oppimisen merkitys kasvaa. Samalla organisaatioiden on panostettava tekoälyn käyttöönoton vähemmän näkyviin edellytyksiin, erityisesti dataan, tiedonhallintaan, järjestelmien integrointiin ja organisaation osaamiseen. Näiden tekijöiden kehittäminen on keskeistä, jotta teknologinen kehitys voidaan muuttaa kestäväksi liiketoimintahyödyksi.
