Data ja tekoäly avaavat uusia mahdollisuuksia merkittävään tuottavuuden parantumiseen Suomen julkisella sektorilla, kuten valtionhallinnossa, kunnissa ja hyvinvointialueilla. Tuottavuusloikan avulla voidaan varmistaa kansalaisten ja yritysten tarvitsemien palveluiden saatavuus ja jopa parantaa niiden laatua tiukassa taloustilanteessa.

Mutta mihin tekoäly kykenee käytännössä? Tässä artikkelisarjassa esittelemme maailmalta ja Suomesta konkreettisia esimerkkejä siitä, miten tekoäly on parantanut tuottavuutta. Sarjan ensimmäisessä osassa käsittelimme kansainvälisiä verrokkeja, ja nyt nostamme esille ratkaisuja kotimaasta.

Listaus liittyy Sitran laajaan panostukseen, jossa vauhditamme yhdessä kumppaneiden kanssa tuottavuuden merkittävää parantumista Suomen julkisella sektorilla datan ja tekoälyn avulla.

Näin esimerkit valittiin

Tähän katsaukseen on poimittu esimerkkejä, jotka edustavat konkreettisia askelia kohti tuottavampaa julkista sektoria. Valinnassa painotettiin seuraavia kriteerejä:

  • Ajankohtaisuus ja tuottavuus: Mukana on tuoreita hankkeita, joissa data- ja tekoälyratkaisut ovat todistetusti tehostaneet työtä.
  • Todennetut hyödyt: Emme etsineet pelkkiä visioita, vaan ratkaisuja, joiden hyödyt on jo alustavasti todennettu tai ne ovat uskottavasti todennettavissa lähitulevaisuudessa.
  • Realistinen mittakaava: Kriteerinä ei ollut ratkaisun valtakunnallinen skaalautuvuus tai massiiviset euromääräiset säästöt, sillä julkisista lähteistä todennettavia jättihankkeita on toistaiseksi vähän. Tavoitteena on nostaa esiin suuntaa näyttäviä onnistumisia, joista muut voivat oppia.

Esimerkit on koonnut LUT-kauppakorkeakoulun tekoälyyn erikoistunut teollisuusprofessori Mika Ruokonen.

1. Verohallinto: Tekoäly esikäsittelee vihjeitä verovilpeistä

Haaste

Verohallinto vastaanottaa verkkosivujensa kautta vuosittain tuhansia vihjeitä mahdollisista verovilpeistä. Tämän valtavan vihjemassan manuaalinen läpikäynti sitoisi paljon virkailijoiden työaikaa ja resursseja.

Ratkaisu

Koneoppimismallia voidaan käyttää tunnistamaan vähäriskiset tapaukset, jotka eivät aiheuta jatkotoimia. Henkilöstö voi keskittyä vain tärkeimpiin tapauksiin.

Tekoälyn tekemien ratkaisujen oikeellisuutta seurataan säännöllisesti, ja virkailijat puuttuvat niihin tarpeen mukaan. Mallia myös opetetaan jatkuvasti virkailijoiden ratkaisemilla, uusilla tapauksilla, joten kaava tarkentuu ja ratkaisujen laatu paranee koko ajan.

Hyöty

Verohallinnon mukaan malli säästää merkittävästi resursseja vuosittain.

Lue lisää:

Tekoälyn käyttö Verohallinnossa

2. HUS: Tekoälystä apua aivoverenvuotojen tunnistamiseen

Haaste

Terveydenhuollossa kovan päänsäryn takia päivystykseen tuleville potilaille tehdään tietokonetomografiakuvaus (TT-kuvaus) mm. aivoverenvuodon poissulkemiseksi. Suomessa tehdään vuosittain yli 180 000 pään TT-kuvausta ja näistä suuri osa terveydenhuollon päivystyksissä.

Kiireisissä päivystyspisteissä lääkäreillä ja radiologeilla on valtava paine tunnistaa vaarallisimmat löydökset nopeasti kymmenien tai satojen kuvien joukosta.  Lukinkalvonalaisen aivoverenvuodon saaneista potilaista jopa 75 prosenttia kuolee vuoden kuluessa uusintavuotoon, jos aivoverenvuotoa ei tunnisteta oikea-aikaisesti.

Ratkaisu

HUS on kehittänyt yhdessä yrityskumppanien kanssa tekoälyratkaisun, joka auttaa havaitsemaan hengenvaaralliset aivoverenvuodot TT-kuvista.

Tekoäly esianalysoi miljoonien pikseleiden kokoiset kuvat sekunneissa ja voi erotella radiologin tukena tapaukset, jotka vaativat kiireellisintä hoitoa. Neuroverkkopohjainen algoritmi tunnistaa erityisesti lukinkalvonalaisen aivoverenvuodon kuvista erittäin suurella tarkkuudella. Diagnoosin tekee edelleen radiologi ja hoitopäätökset hoitava lääkäri.

Hyöty

Lääkärit voivat kriittisissä tapauksissa aloittaa hoidon nopeammin ja pelastaa ihmishenkiä, sillä aika on oleellinen tekijä aivoverenvuodoissa. HUSin mukaan ratkaisua on viety sairaalassa testikäyttöön vuodesta 2023 lähtien. Kyseessä on Suomessa kehitetty terveysteknologian innovaatio, jolle odotetaan myös kansainvälistä hyötyä. Tavoitteena on, että tekoälytyökalulle saadaan viranomaishyväksyntä ja se saadaan laajaan käyttöön hyvinvointialueilla sekä myöhemmin myös maailmanlaajuisesti.

Lue lisää:

HUSin tiedote: HUSissa kehitetty tekoälyalgoritmi tunnistaa TT-kuvista aivoverenvuodon

Yle: Suomeen kehitettiin tekoälyratkaisu, joka auttaa aivoverenvuotojen tunnistamisessa

3. Kansallisarkisto: Käsin kirjoitettu historia dataksi

Haaste

Kansallisarkistossa on suuri määrä vanhoja, käsin kirjoitettuja asiakirjoja. Aineistot ovat olleet vaikeasti hyödynnettävissä, sillä niiden lukeminen on vaatinut valtavien sivumäärien perkaamista ja vanhojen käsialojen tulkintataitoa. Manuaalinen digitointi tekstimuotoon veisi ihmisvoimin pitkän ajan.

Oivallus

Kansallisarkisto hyödyntää tekoälyä käsinkirjoitettujen tekstien muuttamisessa koneymmärrettävään muotoon. Kansallisarkisto pystyy tällä tavoin muuttamaan 97 prosentin tarkkuudella kaikki käsinkirjoitetut suomen- ja ruotsinkieliset tekstit 1500–1950-luvuilta.

Kirkonkirjojen demopalvelussa tekoäly on lukenut aineistojen vanhan käsialan ja muuttanut sen haettavaksi tekstiksi. Palvelussa on nyt haettavana yli seitsemän miljoonaa tiedostoa renovoituja eli puhtaaksikirjoitettuja tuomiokirjoja 1600–1900-luvuilta.

Hyödyt

Tekoälyavusteinen tekstien käsittely mullistaa historian ja väestön tutkimusta, nopeuttaa huomattavasti tutkimusprosessia sekä mahdollistaa pitkien aikasarjojen nykyaikaisen tutkimuskäytön.

Koneymmärrettävät sisällöt tekevät aineistojen tunnistamisesta ja käsittelystä huomattavasti helpompaa ja avaavat mahdollisuuksia myös tieteenaloille, jotka eivät perinteisesti ole tehneet arkistotutkimusta. Menetelmä on jokseenkin geneerinen ja jo osoittanut skaalautuvuutensa, joten sitä voidaan mahdollisesti laajentaa myös muihin arkistoihin Suomessa.

Lue lisää:

Kansallisarkiston tiedote: Sisältöhaku yli 7 miljoonaan tiedostoon 

Turun Sanomat: Kansallisarkisto julkisti poikkeuksellisen työkalun (maksumuuri)

Julkisen sektorin tuottavuusmurros

Sitra kymmenkertaistaa panostuksensa julkisen sektorin tuottavuuden edistämiseen ja käyttää siihen vuoden 2028 loppuun mennessä yhteensä 50 miljoonaa euroa.

Tuemme julkisen sektorin tuottavuusmurrosta rahoituksella, johdon valmennuksella, ennakointitiedolla ja asiantuntijatuella.

Työ tehdään yhdessä julkisen sektorin kumppaneiden sekä yritysten kanssa. Sitrassa työtä johtaa Tuottavuutta julkiselle sektorille -ohjelma.

Tutustu rahoitushakuihimme!

Lataa tuottavuuslähtöisen uudistumisen toimintamalli!

Tutustu myös