Välttämättömät evästeet

Tämä sivusto käyttää toimintansa kannalta välttämättömiä evästeitä tarjotakseen käyttäjälle sisältöä ja tiettyjä toiminnallisuuksia (esim. kielivalinta). Et voi vaikuttaa näiden evästeiden käyttöön.

Verkkosivuston kävijätilastot

Keräämme sivuston käytöstä kävijätilastoja. Tiedot eivät ole henkilöitävissä ja ne tallennetaan ainoastaan CSC:n hallinnoimaan Matomo-kävijäanalytiikkatyökaluun. Hyväksymällä kävijätilastoinnin sallit Matomon hyödyntää erilaisia teknologioita, kuten analytiikkaevästeitä ja verkkokutsuja, kun se kerää tilastoja sivun käytöstä.

Muuta tekemiäsi evästevalintoja ja lue lisätietoa kävijätilastoinnista ja evästeitä 

CSC
Concert stage with shining lights and crowd

Poutanetin tarjontaan kuuluvat kompakti ”network-in-a-box” -ratkaisu, suuremmat siirrettävät tukiasemat sekä yksinkertaistettu hallinta-alusta, jonka avulla verkkojen käyttö ja halilnta onnistuu tehokkaasti myös ilman alan erityisosaamista. 

Väliaikaisten verkkoratkaisujen monimutkaistuessa Poutanet tutkii tekoälypohjaisia työkaluja, joiden avulla toimintaa voidaan yksinkertaistaa, vianmääritystä nopeuttaa ja operatiivista monimutkaisuutta vähentää. 

“Tekoälyn tuominen osaksi nykyisiä työkalujamme on luonteva lähestymistapa”, sanoo Poutanetin toimitusjohtaja Martti Ylikoski

Tavoitteena on kehittää tekoälypohjaisia työkaluja, jotka tekevät tuotteesta mahdollisimman helppokäyttöisen loppukäyttäjälle. Tässä vaiheessa yritys kääntyi LUMI-tekoälytehtaan palveluiden puoleen. 

Poutanetin tiimin jäsenet
Poutanetin tiimin jäsenet Tuomo Peltola, Martti Ylikoski, Heikki Almay ja Kaarle Ritvanen

Poutanet testaa parhaillaan tekoälyominaisuuksia Sunshine-hallintaratkaisuunsa. Näihin kuuluvat dynaamista Retrieval-Augmented Generation-menetelmää (RAG) hyödyntävä vianmääritysvelho sekä OpenClaw-alustalla toimivat autonomiset agentit. Tulevaisuudessa näitä ja muita tekoälyominaisuuksia tarvitaan kaupallisissa käyttöönottoympäristöissä. 

LUMIn avulla laitteistosta ei enää muodostu rajoitetta 

Testatessaan avoimesti saatavilla olevia suuria kielimalleja (LLM) olemassa olevalla koulutusdatalla kehittäjät havaitsivat puutteita erityisesti toimialakohtaisissa aiheissa. Näitä ei ollut helppo korjata vain lisäämällä dokumentaatiota. Haasteen ratkaisemiseksi Poutanet päätti hienosäätää oman kielimallinsa hyödyntämällä omaa aineistoaan ja LUMI-supertietokonetta mallin koulutukseen ja datan valmisteluun. Näin tavoitteena oli saavuttaa paras mahdollinen lopputulos. 

“LUMI-supertietokoneen avulla laitteisto ei ole enää meille rajoite, vaan voimme tehdä huomattavasti enemmän hienosäätökierroksia kuin omilla palvelimillamme. Toisin sanoen halusimme siirtää rajoitteen itsellemme siihen, pystymmekö tuottamaan ja keräämään riittävästi koulutusdataa”, Ylikoski jatkaa. 

Chatbottialusta on kehitetty Pythonilla, ja se toimii LUMIn tehokkaalla AMD-GPU-infrastruktuurilla. Käyttöliittymässä hyödynnetään Streamlitia, taustapalveluissa FastAPIa, tekoälymallien paikallisessa ajamisessa Ollamaa ja tietolähteistä olennaisen tiedon hakemisessa LlamaIndexiä. Näin chatbot pystyy antamaan käyttäjälle tarkkoja, kontekstin huomioivia vastauksia sekä integroitumaan ulkoisiin järjestelmiin ja reaaliaikaisiin tietolähteisiin. 

Koulutusta, asiantuntijatukea ja tekoälylaskentaa LUMI-tekoälytehtaasta

Kehitystyön vauhdittamiseksi Poutanet hyödynsi useita LUMI-tekoälytehtaan palveluita. Try & Buy -palvelun avulla yritys pystyi kokeilemaan ja validoimaan tekoälyn käyttötapauksia ennen sitoutumista laajamittaisempaan käyttöönottoon. LUMI-tekoälytehtaan koulutukset ja asiantuntijatuki auttoivat tiimiä kasvattamaan tarvittavaa osaamista ja tunnistamaan parhaita käytäntöjä toimialakohtaisten tekoälyratkaisujen kehittämiseen. 

Hanke hyötyi myös LUMIn kehittyneistä tekoälylaskentaresursseista, joita hyödynnettiin datan käsittelyssä, mallien hienosäädössä ja testauksessa. Tämä mahdollisti nopeammat kokeilukierrokset ja poisti infrastruktuuriin liittyviä rajoitteita, jolloin Poutanet pystyi keskittymään mallin laadun parantamiseen ja ratkaisun valmisteluun tosielämän käyttöä varten. 

Teknisen tuen prototyyppi jo käytössä 

Poutanet toteuttaa parhaillaan ensimmäisiä sisäisiä käyttötapaustestejä, joiden tavoitteena on lyhentää ongelmien ratkaisuun kuluvaa aikaa sekä vähentää käyttäjien kognitiivista kuormitusta ja stressiä. Alustavat tulokset ovat lupaavia, mutta kehitystyö jatkuu edelleen. 

Hankkeen tuloksena on syntynyt toimiva tekoälyavustajan prototyyppi teknisen tuen kyselyihin. Ensimmäiset testit osoittavat, että ratkaisu voi tehostaa verkkojen käyttöönottoa. Yrityksessä kehitetään ja arvioidaan parhaillaan kahta prototyyppiversiota. Tuotantokäytön pilotti on suunniteltu syksylle 2026. Tavoitteena on validoida ratkaisu todellisessa toimintaympäristössä ja luoda pohja tulevaisuuden tekoälyavusteisille operaatioille. 

Eurooppalaisen tekoälyinfrastruktuurin, kuten LUMI-tekoälytehtaan, hyödyntäminen mahdollistaa organisaatioille tekoälyratkaisujen kehittämisen ja käyttöönoton siten, että ne voivat säilyttää paremman hallinnan dataan, osaamiseen ja teknologiaan. 

“LUMI-supertietokoneen käyttäminen paikallisten mallien kouluttamiseen säilyttää kriittisiä teknologiapinon osia Euroopassa, auttaa rakentamaan paikallista tekoälyosaamista ja vähentää kilpailukykyisen datan vuotamiseen liittyviä riskejä. Paikalliset mallit tarjoavat asiakkaillemme myös paremman tietosuojan ja data-autonomian, poistavat API-kustannuksia ja varmistavat keskeytymättömän toiminnan. Toisaalta pilvipohjaiset frontier-mallit tarjoavat korkeimman tason suorituskykyä. Viime kädessä kyse on kompromissista, ja meidän tehtävämme on tarjota asiakkaille joustavuutta valita heidän tarpeisiinsa parhaiten sopiva lähestymistapa”, Ylikoski sanoo. 

Hankkeen edetessä Poutanetin esimerkki osoittaa, miten LUMI-tekoälytehdas voi tukea tietoliikennealan innovaatioita tekoälyavusteisen verkonhallinnan avulla niin, että samalla huolehditaan datan omavaraisuudesta ja toiminnan häiriönsietokyvystä. 

Kuvat: Adobe Stock (pääkuva) ja Poutanet