Kuinka teemme Suomesta tekoälyn soveltamisen kärkimaan?

Panostuksen ohjelmistosuunnittelu (software engineering) koulutukseen eli EU suosituksen mukaiseen Software University toteuttamiseen. Suomessa ei ole kykyä luoda tekoälylle käyttöä, koska emme luo ohjelmistotalouden alustoja.

Meillä on rakenteellisia esteitä ratkaista isoja ongelmia esim liittämällä erilaisia järjestelmiä ja tietokantoja yhteen jotta voisimme rakentaa sujuvia prosesseja tiettyihin tarkoituksiin. Tekoälyä hyväksi käyttämällä voisimme ehkä ohitella näitä esteitä jossakin määrin, kunhan ratkaisujen tietoturva ja vastuut pysyvät kunnossa.

Oleellisinta on huolehtia, että Suomessa on riittävästi osaajia jotka ymmärtävät nimenomaan tekoälyä teknologiana; hahmottavat tekoälyn mahdollisuudet ja rajoitukset, pystyvät pitämään osaamisensa ajantasaisena, sekä osaavat kehittää sisäisesti uusia tekoälyn sovelluksia. Tämä on mahdollista vain keskittymällä riittävän syvälliseen sisältökoulutukseen, jotta yhteiskunnan ja liike-elämän eri alueille on tarjolla riittävästi tekoälyn osaajia (joista tällä hetkellä on merkittävä pula). Erityisen tärkeää on ymmärtää, että alan asiantuntijoilta vaaditaan nykyistä enemmän osaamista nimenomaan tekoälyn ydinalueilla, koneoppimisessa, tilastollisessa mallinnuksessa ja algoritmiikassa -- tarpeeseen ei voida vastata lisäämällä ohjelmistoalan tai tietojärjestelmien koulutusta, eikä etenkään muuntokoulutuksella.

Tekoäly helpottamassa ihmisen ja teknologian välistä vuorovaikutusta. Tekoälykkäät ohjelmistoagentit ja robotit. Tekoäly energiakulutuksen minimoijana. Tekoäly teollisuuden prosessien hienosäätäjänä.

Suomen kannalta on tärkeätä kouluttaa sekä domain-asiantuntijoita jotka osaavat soveltaa tekoälyteknologioita, että ohjelmistoasiantuntijoita jotka osaavat sitten rakentaa tekoälyratkaisuihin perustuvat tuotteet. Suomessa on tällä hetkellä laiminlyöty ohjelmistosuunnittelun koulutus. Tästä on tulossa ongelma, koska trivialisoidusti ohjelmistosuunnittelijat ovat rakennusmiehiä jotka rakentavat kaikki ne hienot himmelit joita visioidaan, eivät tekoälyasiantuntijat.

Mikäli Suomi haluaa olla merkittävä tekijä tekoälyn kehittämisessä ja haluaa saada uutta liiketoimintaa alalle meidän pitää panostaa enemmän tekoälyn tutkimiseen, opettamiseen ja kehittämiseen, niin laitosten kuin yksityisten yritysten kautta. Ottaen huomioon Suomen pienet resurssit suuriin maihin, niin meidän pitää yhdistää kehitystyö jonkin tahon/viraston kautta. Tekoälyn mahdollisuudet ovat huikeat ja jo yksinkertaisemmillakin tekoäly ratkaisuilla voidaan saada merkittäviä parannuksia yritysten prosesseihin ja kehitystyöhön. Tekoäly tulee olemaan yksi tärkeimmistä asioista kun siirrytään Industry 4.0 aikakauteen.

- nopea soveltaminen olisi Suomen vahvuus tässä - valmiutta on yrityksissä ja halua luoda uutta liikevaihtoa tai tehostaa toimintaa. Tekoäly voi olla yksi tärkeä työkalu tässä kehityksessä.
- tärkeää on ottaa tarpeeksi ylätason / järjestelmätason näkökulma soveltamiseen. Ei pelkästään yksittäisen "mielenkiintoisen" ongelman ratkaisemista uudella tavalla, vaan tekoäly tulisi ottaa laajemmin systeemitasolla hyötykäyttöön esim. yrityksen tietyn toiminnon kaiken tekemisen uudistajana tai tähdätä siihen, että tekoälyn löydökset ja johtopäätökset ajavat bisnestä. Tekoäly ei ole pelkästään kehittäjien työkalupakin palanen, vaan fokus pitää saada siihen miten tekoälyn avulla voidaan ajaa isompaa yrityksen (tms.) uudistumista.

Yliopistomaailmassa on tekoälytutkimus keskittynyt muutamalle hyvin kapealle alueelle, yliopistotason koulutuksessa tekoälyä on aivan liian vähän, ja koko maassa tekoälyteknologioiden tuntemus ja kyky soveltaa niitä on heikko. Lisäksi olemassaolevaa asiantuntemusta hyödynnetään huonosti, ja sitä kohdistetaan vähämerkityksisiin asioihin.

Tärkeää on saada yritykset ymmärtämään, mitä ihan oikeasti tekoäly on tällä hetkellä ja mitä sillä voidaan ensi tulevaisuudessa. Yritysten ennakkoluuloton mukaan tulo tekoälyn osa-alueelle. Koulutuksen näkökulmasta olisi tarve saada esimerkiksi 15 op erikoistumisopintoja, joissa tekoälyä sovellettaisiin käytännön tasolla.

Verkottuvan tekoälyn ja siihen kehitettävän sovellusosaamisen hyödyntäminen liikenteessä ja esineiden internetissä.

Suomi on vain teköäly tuotteiden soveltaja jolla ei ole omaa alustatalouden kyvykkyyttä. Alustatalous kyvykkyys vaatii 1-2 uutta ohjelmistoyliopistoa nykyisten rinnalle sekä kansallisen strategisen digitaalisen johtamisen yksikön VNK alaisuuteen.

Tekoälyn sovellukset ovat pääosin digitaalisia ja niiden markkinat ovat siten globaaleja. Sopivasti valittuun tekoälyn sovellukseen panostava yritys voi pienilläkin resursseilla nousta kansainvälisesti merkittäväksi tekijäksi toteuttamalla ylivertaisen palvelun; ala on tässä mielessä hyvin samankaltainen peliteollisuuden kanssa, jossa alle 200 hengen yritykset voivat olla markkinajohtajia, ja siten ideaali mahdollisuus nimenomaan Suomen kaltaiselle teknogisesti kehittyneelle mutta sisämarkkinoiltaan pienelle maalle.

Suurin riski on sallia tekoälyn markkinoita tällä hetkellä aggressiivisesti valtaavien suuryritysten (Google, IBM, Microsoft, jne) ottaa haltuunsa kansallisesti tärkeät tietoaineistot (terveys, ostostiedot, jne) tarjoamalla niiden avulla kehitettyjä puolivillaisia ratkaisuja joita ei ole räätälöity meidän tarpeisiimme. Jos näiden aineistojen osalta luovutetaan yksinoikeus käyttöön tai päädytään vendor lock-in -tilanteeseen niin tilanne on menetetty vuosikymmeniksi. Erityisesti julkisten organisaatioiden tulee huolehtia, että aineistot säilyvät vapaassa käytössä ja ensisijaisesti suomalaisten toimijoiden hallussa.

Mahdollisuuksia: Tekoälyä voidaan käyttää optimoimaan useita yhteiskunnan prosesseja. Tekoäly vapauttaa ihmisten aikaa tietotyön rutiinitehtävistä.
Riskejä: Tietoturva, tekoälyn pitäminen ihmisten hallinnassa, loogisesti perustellut mutta kuitenkin kokonaisuuden kannalta väärät valinnat.

Tekoälyn vaikutukset voi jakaa kahteen alueeseen:
- Uudet aluevaltaukset, esim autonomisen liikenne
- Olemassa olevien teollisuusalojen toimintojen optimointi
Mahdollisuus on että syntyy tuottoisa alustatalous jonka kautta saadaan suomeen hyvinvointia, parannetaan ympäristöä jne.
Riski on että tässä epäonnistutaan, ja suomi palaa sellunkeiton kärkimaaksi.

Tekoäly tukee yritysten ja virastojen prosessien yksinkertaistamista, tiedon nopeampaa liikkumista sekä päätösten tekemistä paremmilla tiedoilla jolloin toimenpiteet ovat tehokkaampia. Tekoälyn kehittyminen johtaa työpaikkojen vähenemiseen, mikä on jo nähtävissä sekä kysymyksiin kuka omistaa tiedon ja missä tiedot säilötään, kenellä on pääsy tietoihin. Toisaalta kilpailukyky kasvaa ja syntyy uusia liiketoiminta mahdollisuuksia.

- työsisällön uudistuminen, korvataan tarpeeton manuaalinen tekeminen tekoälyn sovelluksilla, vapautetaan asiantuntijatyön kaistaa oikeasti siihen missä asiantuntemusta tarvitaan
- tavoitetason tulisi olla että tekoälyn soveltamisella mahdollistetaan radikaali liiketoiminnan uudistaminen

Suomessa ei pystytä kilpailemaan sovelluksissa ja teknologioissa, joita muualla maailmassa pystytään tukemaan monikymmenkertaisilla rahallisilla resursseilla. Kaikki resurssit täytyy kohdistaa asioihin, joilla on realistinen mahdollisuus olla kilpailukykyinen ja kasvaa maailmanlaajuiseksi menestykseksi.

Rutiininomaisten töiden automatisointi, mutta miten työnkuvat ja tehtävät tulevat muuttumaan tulevaisuudessa?

Tekoäly muuttaa yritysten ja kansantalouksien kilpailudynamiikkaa. Suorittavan tekemisen tehokkuus vähenee kilpailutekijänä ja luovan tekemisen osuus kasvaa. Koulutuksen ja uudelleenkoulutuksen tulee ajoissa sopeutua muutokseen.

Tekoäly mahdollistaa tehokkaammat prosessit, kustannussäästöt. Päästöjen alenemisen kun liikutaan fiksummin. Luo hyvinvointia.

Perustaa ohjelmistoyliopistot sekä FITRE Tanskan Digital Styrelsen mallilla.

Utrechtin Yliopiston Filosofisen tiedekunnan Cognitiivisen tekoälyn linjalla oli ainakin aikoinaan hyvin tasapainotettu viisi toisiinsa liittyvää osa-aluetta: AI-softat, filosofia, kielitiede, psykologia ja logiikka. Opetus on yksi asia mutta tarvitaan myös ratkaisujen tekijöitä ja niitä ylläpitäviä rakenteita.

Useassa maassa on viime vuosina tehty merkittäviä avauksia tekoälyn osalta. Suomen oloihin hyvin soveltuvia malleja voisivat olla esimerkiksi Element AI (Kanada) ja Alan Turing Instituutin Data-centric engineering -hanke (Englanti). Ensimmäisessä tuetaan tekoälyn startup-toimintaa 200 miljoonan rahoituksella ja tuomalla yliopistoissa toimivat alan tutkijat yritysten tueksi, kun taas jälkimmäinen hanke tuo tekoälyosaamista ICT-alan ulkopuolella toimiville insinöörialoille yhdistämällä merkittävän julkisen rahoituksen yritysten panostukseen.

Piilaaksossa tekoäly on nyt lähes jokaisen puheissa. Siellä on mittavat taloudelliset resurssit panostaa valittuihin teemoihin. Suomen ei kannata lähteä kehittämään tekoälyä vain kansallisesti, vaan tiiviissä yhteistyössä esimerkiksi USA:n, muiden EU-maiden ja Japanin kanssa.

Suomi on liian pieni toimimaan yksin tekoälyn alueella, mutta se ei estä meitä olemasta mielenkiintoinen partneri EU- ja globaalilla tasolla. On tärkeää saada yksi globaali järjestö/virasto jonka kautta suomalaiset instituutiot, virastot ja yritykset pääsevät mukan globaaliin liiketoimintaan. Suomalaisten tulee tutustua muutamaan hyvään esimerkkiin maailmalta ja ottaa niistä parhaimmat ominaisuudet joiden pohjalta rakennamme oman tavan toimia.

- maailmalla on monia mielenkiintoisia pieniä tai hieman suurempiakin yrityksiä, jotka käyttävät tekoälyä monipuolisesti erilaisten bisneshaasteiden ratkaisemiseen. Näitä löytyy eri toimialoilla monipuolisesti. Suomen näkökulmasta yhteistyö näiden yritysten kanssa voi olla mielekkäämpää kuin yliopistokumppaneiden hakeminen ympäri maailman. Yliopistoissa tutkimus voi olla hyvin syvällistä kapealla osa-alueella, mutta se ei välttämättä tarjoa tukea esim. yritysten radikaaliin uudistumiseen. Kannattaa miettiä onko tekoälyn kohdalla syytä rakentaa suuria ohjelmia ja vai miten yhteistyö kannattaa järjestää. Relevantit yhteistyötahotkin voivat vaihtua nopeasti.

Kannattaa katsoa, mitä muualla on tehty väärin, ja minkälainen panostus ei johda haluttuihin lopputuloksiin. Suuri virhe on ryhtyä keksimään muiden keksimiä pyöriä uudestaan.

Tekoälyn avulla pystytään diagnostisoimaan sairauksia ihan eri tavalla kuin nyt. Trkoälyn avulla big datasta voidaan nopeasti visualosoida merkityksellisiä asioita - tosin merkityksellisyysen arviointiin tarvitaan ihminen.

Esim. DeepLearning:n osaajien tuotannon vahvistaminen; pitäisi heti saada 5 siihen liittyvää professuuria auki ja hakuun välittömästi, tähän liittyvien labrojen perustamiseksi; painotus toimialasoveltamisessa voisi olla eri toimialoille; vähintään yksi liikenteelle

Tekes-ohjelmat toimivat käytännön työkaluna

Software engineering koulutus jonka avulla varmisteaan omien alustojen synnyttäminen ja kyky kilpailla
Siirtyminen omaan ohjelmistokehittämiseen julkisten hankkeiden sijaa
Osaavan johdon palkaaminen hankkeiden ja valmistelun johtoon nykyisten tavisten sijaan

Osaajien olemassaolo (koulutus), Suomen ja KV-tason ratkaistavien isojen asioiden syvällinen tuntemus, ja fokusoidut resurssit (ohjaavat päätökset, organisaatiot)

Suomen on pidettävä huolta siitä, että sekä korkeakoulutuksessa että yritysten sisäisissä tuotekehitysvalinnoissa painotetaan tekoälyratkaisujen toteuttamista itse avoimen lähdekoodin laskenta-alustoja ja -kirjastoja (TensorFlow, Torch, DyNet, Keras, ...) käyttämällä, sen sijaan että ostettaisiin valmiiksi paketoituja ratkaisuja (IBM Watson, ...). Näin Suomeen syntyy todellisia asiantuntijoita joiden osaaminen pysyy relevanttina myös jatkossa, samaan tapaan kuin ohjelmointikoulutukseen panostaminen Excelin käytön opettelun sijaan oli välttämätöntä ohjelmistoteollisuuden synnylle.

Suomessa on pitkään ollut erittäin korkeatasoista tekoälyn tutkimusta. Se on saatava paremmin yritysten ja yhteiskunnan käyttöön.

On taattava riittävän pitkäkestoinen ja vakaa rahoitus, jonka avulla tekoälyn seuraavia läpimurtoja voidaan etsiä sekä yliopistoissa, tutkimuslaitoksissa että yrityksissä. Uudenlaisen tekoälyn luominen vie aikaa, mutta onnistuessaan tuottavat nopeasti määräävän markkina-aseman koska voidaan tehdä jotain mikä ennen oli mahdotonta. Esimerkiksi syviä neuroverkkoja tutkittiin Kanadassa yli vuosikymmenen ajan suurella julkisella panostuksella ennen kuin ne johtivat nyt nähtävään murrokseen joka on parissa vuodessa maksanut Kanadalle tuon panostuksen takaisin moninkertaisesti startup-teollisuutena ja alan suuryritysten merkittävinä investointeina.

Alan koulutus nykyistä laajemmaksi. Rahoitusta tutkimukseen ja tutkijoiden verkottumiseen kansainvälisesti. Tiiviit yritysyhteydet kansallisesti ja kansainvälisesti.

1. Koulutus - erityisesti ohjelmistotekniikan koulutus
2. Koulutus - päättäjien digitaidot, ymmärys siitä miten digitaalisuus muttaa julkishallintoa
3. Julkisten hankintojen tapojen muuttaminen - Isojen suljettujen megapakettien hankinntoijen sijaan pientä ketterää ohjemistokehitystä

1. Riittävän suuri tieteellinen verkosto, eli tutkimus ja koulutus
2. Yksi verkosto/järjestö/tms. jonka alle Suomalaisten yliopistojen, instituutioiden ja yritysten toiminta yhdistetään. Toimintaa koordinoidaan tämän kautta ja esittäydytään EU:ssa ja muualla maailmassa.
3. Panostetaan yritysten halukkuutten kehittää AI-ratkaisuja yhdessä muiden yritysten ja yliopistojen/instituutioiden kautta.

- tavoitetason on oltava riittävän korkealla, fokus yritysten toiminnan kokonaisvaltaisessa uudistumisessa ja liiketoiminnan kehityksessä - nyt ei ole varaa näprätä pienten parannusten ympärillä
- mietitään tarkasti miten tutkimus tukee parhaiten yritysten uudistumista, tehdään tästä aidosti liiketoimintatavoitteista toimintaa
- yhteistyökumppanit - ei yritetä tehdä yhtä mallia toimia vaan annetaan tämän tapahtua yritysten tahtotilan mukaan - tavoitellaan mahdollisuuksien mukaan isojen yritysten kumppanuuksia tällä alueella, jotta näytään isoille kv-toimijoille mielenkiintoisena yhteisönä

1. Koulutus. 2. Olemassaolevien kompetenssien tunnistaminen ja tukeminen. 3. Tavoitteiden laittaminen realistiselle tasolle. Suomi ei kuitenkaan koskaan tule olemaan kärkimää pienuutensa vuoksi. Tässä ovat tavoitteet täysin epärealistiset.

Tekoälyn käytön kouluttaminen (Yliopistot, AMK) ja yritykset saada ymmärtämään tekoälyn mahdollisuudet heidän liiketoiminnassa. Yritysten rohkaiseminen kokeilemaan ja testaamaan tekoälyä, esim. yhteistyö yritysten ja oppilaitosten välillä.

Open source AI-työkalut, laskenta-aikaa Yliopistoille ja AMKeille tekoälyn opetamiseen ja kehittämiseen. Laskenta-aika on hieman rajoittava tekijä ainakin tekoälyn opetuksessa, jos ei haluta sitoutua johonkin kansainväliseen omaan toimijaan ja maksaa laskenta-ajasta.

Tekoälyosaamisen lisääminen
Nopeat kokeilut
Käyttäjälähtöinen kehitys

Kaksi ohjelmistoyliopistoa
Yksi FITRE Tanskan Digital Styrelsen mallilla

Spesifi AI-ohjelmistokoulutus muutamaan korkeakouluun, sekä matriisiin AI business development modulit kaupallisille linjoille useaan korkeakouluun. Suomalaiset alan huippuosaajat houkutellaan Suomeen opettamaan.

Huomattava ja riittävän pitkäkestoinen julkinen panostus tekoälyn tutkimukseen, erityisesti sellaisella tavalla joka tukee yritysten ja yliopistojen välisen vuorovaikutuksen merkittävää kasvua ja tehostumista.

Todellisen osaamisen kartoitus. Suomessa on paljon toimijoita jotka väittävät toimivansa tekoälyn saralla, mutta varsinaisen tekoälyn osaamisen kirjo on näiden joukossa hyvin leveä. Julkiset panostukset, julkisen sektorin hankinnat, koulutustarjonta ja yritysten välinen liiketoiminta tulee pystyä kohdistamaan niin, että resurssit päätyvät aidosti alaa ymmärtäville.

Peruskoulujen ja lukion matemaattisten aineiden koulutusta on aletttava kehittää pitkäjänteisesti, erityisesti siten että aluillaan oleva ohjelmoinnin koulutus huomioi jo alusta asti datan käsittelyn tärkeyden ohjelmoinnissa.

Challenge Finland -tyyppinen tutkimuslaitosten ja yritysten yhteinen rahoituskilpailu tekoälyn soveltamiseksi eri toimialoilla.
Suomen Akatemian ohjelma monitieteiseen tekoälyn perustutkimukseen.
Business Finlandin tukema kansainvälisten yhteyksien luominen sekä yritysten että tutkimuslaitosten välillä.

Kansallinen digikoulutus työikäisille, erityisesti valtionhallinnossa

Lisätään koulutusta ja tutkimusta, mieluiten oma yliopisto tai vähintäänkin osasto.
Yksi yhteinen järjestö/instituutio hallinnoimaan ja koordinoimaan kehitystä.
Taloudellisia instrumentteja jotka houkuttelevat Start-Up ja isompia yrityksiä kehittämään sovelluksia muiden yritysten kanssa.

Kerätään executive-tasoinen kooste missä maailmalla mennään, miten AI:ta sovelletaan bisneksen uudistamisessa (fokus Suomen kannalta relevanteissa toimialoissa), tavoitteena saada yritysten ylin johto ajan tasalle mahdollisuuksista, ja pyritään tätä kautta vaikuttamaan yritysten panostukseen alueelle. Top50-yritysten hallituksille ja/tai johtoryhmille esitys (jos ei ministeritasolta niin korkealta kuitenkin "hallinnon" puolelta).

1. Koulutus kuntoon. 2. Olemassaolevien resurssien ja asiantuntemuksen tarkka kartoitus. 3. Tavoitteiden laskeminen realistiselle tasolle.

- Laskenta-ajan tarjoaminen yliopistoille, AMKeille ja tutkimuslaitoksille
- Panostaa AI-koulutukseen, jotta saadaan hyviä käytännönläheisiä koulutuksia ja käytännön osaamista
- Yrityksiin pitäisi jalkautua ja yhdessä miettiä tekoälyn mahdollisuuksia heidän liiketoiminnassa. Tämä tosin varmaan mahdottomuus, kun on niin raskas prosessi
- Alan asiantuntijoiden tapaaminen, jonne osallistuisi yliopistojen, AMKien ja tutkimuslaitosten AI-osaajat ja vastuuhenkilöt.

Älyliikenteen ekosysteemihanke, jossa toteutetaan ensimmäisenä maailmassa Level 5+ eli itsekartoittaja ja itseajava systeemi, joka tuodaan laajamittaiseen kaupalliseen käyttöön; mahdollisuus olla todellinen edelläkävijä myös teknologian tuottamisessa, ei pelkästään soveltajana. Merkittävä mahdollisuus vientiteollisuuden synnyttämiselle.

Osaamisen hyödyntäminen ja julkisen sektorin parempi valjastaminen ohjelmistoratkaisujen kehittämiseksi

Luodea rakenteet missä syntyy fokusoitua kv-businestä ja kansallisen tason kansainvälistettäviä ratkaisuja, jatkumolla osaajia, sekä Invest-in toiminto varmistamassa kasvua.

Tärkeintä on ylläpitää nyt tehtäviä panostuksia eri sektoreilla. Pahin mahdollinen tilanne olisi panostaa 2-3 vuoden ajan tekoälyyn ja leikata sen jälkeen rahoitus ja uudet toimintamuodot pois. Tekoäly tulee väistämättä mullistamaan koko yhteiskunnan, mutta muutos kestää pidempään ja vaatii jatkuvaa työtä.

Korkeakoutuluksen kehittämisen siten, että entistä suuremmalla osuudella väestöstä on jonkinlainen ymmärrys tekoälystä ja datan käsittelystä, erityisesti niihin liittyvistä rajoituksista.

Selkeä (ei välttämättä julkinen) panostus kaikkein lupaavimpiin tekoälyn sovelluksiin. Yksikään lupaava alan startu-up yritys ei saisi ajautua vaikeuksiin tuotekehitysvaiheessa jos mahdollisuus synnyttää seuraava Supercell on riittävän suuuri.

Alan koulutustarpeen ennakointi ja uusien koulutusohjelmien käynnistäminen erillisrahoituksella.
Tekoälyratkaisujen pilotointikohteiden rakentaminen, mikä tukee tutkimusta, PK-yrityksiä ja suuryrityksiä.
Alan kansainvälisten verkostojen luominen.

Ohjelmistokoulutksen kehittäminen

Rahoituksen pitää olla pitkä aikaista, niin koulutuksessa kuin yritystoiminnassa.
Kouluksen pitää olla pitkä jänteistä ja selkeän, tunnetun, yliopiston/yliopistojen alla.
Ohjelma jolla suomalaista osaamista viedään maailmalle.

Saadaan veturiyritykset investoimaan alueelle ja nostamaan AI strategian ytimeen liiketoiminnan uudistajana.

Korkeakoulutuksen ja -tutkimuksen riittävän tason varmistaminen (huippuyksiköt)

Lisää resursseja koulutukseen ja tutkimukseen. Haastaa isot datavetoiset organisaatiot (esim. koko sote-kenttä) avaamaan toimintaansa, jotta sen puitteissa voitaisiin johtaa uusia prosesseja parantavia datalähtöisiä tekoälyratkaisuja. Olla delegoimatta asiaa ulkomaisten suuren yritysten käsiin.

Kyberturvallisuuteen panostaminen
Tiedustelulaki työ siviilitiedustelussa ja sotilastiedustelussa

Luomalla lisää yrityksiä ohjelmistoyliopistojen avulla koska nykyiset yrityksen eivät investoi ja Suomen ICT investointi taso on puolet Ruotsin ja Saksan tasosta.

Valmistella asia success case esimerkein ennen ensimmäistä lähestymistä, ja sitten yritysvetoisin workshop-rakentein jotka tuottavat sellaisia asiakasarvoa tuottavia konseptiaihioita joita he eivät halua päästää käsistään

Luodaan Suomeen vahva ekosysteemi jossa varsinainen tekoälyosaaminen (yliopistot, tutkimuslaitokset, ICT-yritykset) on suorassa vuorovaikutuksessa keskenään, jotta he pystyvät parhaiten tukemaan muiden liike-elämän alojen ja yhteiskunnan tarpeita.

Otetaan soveltava tutkimus alusta alkaen mukaan tuettaviin toimenpiteisiin. Yritykset pystyvät tällöin tulemaan mukaan suoraan T&K-panoksillaan ja mahdollisesti myös pääsevät Business Finland -rahoituksen piiriin.
Luonnollisesti yliopistot on tärkeä ottaa mukaan. Ei vain paria valittua, vaan laajasti tarvittavaa osaamista kartoittaen.
Kunnat ja muut julkiset toimijat voisivat tukea tekoälyn kokeiluympäristöjen rakentamista ja tarjota käytännöllisiä ongelmia tutkijoiden ja yritysten ratkaistavaksi.

Julkisten toimijoiden järjestelmien avaaminen niin että niiden toimittaminen ei keskity vain muutamalle isolle toimijalle.

Yrityksille pitää olla konkreettisia esimerkkejä joita saadaan rakennettua valtion tukemina kehitysprojekteina. Kun hyödyistä tarpeeksi näyttöjä, yritykset ovat valmiita panostamaan enemmän omia resursseja ja rahaa kehitykseen. Taloudelliset porkkanat edistävä yritysten osallimtumista (valtion tukemia projekteja, verohelpotuksia, avoima kilpailua joissa rahapalkinto). Teknillisten oppilaitosten ja instituutioiden pitää olla mukana kehitystyössä yritysten kanssa.

Karismaattinen henkilö puhumaan esimerkein, että millaisia hyötyjä tekoälystä on jo nyt saatu. Jos yritysten kiinnostus herää, niin workshop-tyylisesti asiantuntijan kanssa sparrausta tekoälyn käytön mahdollisuuksista kyseisessä yrityksessä.

Rahoitusmallit niin että yritys voi kehittää osaamistaan

Tekes-ohjelmat

Ehkä tulisi panostaa startup-yrityksiin -- ne voisivat olla ketterämpiä kun isot ja "vanhat".