Chatbotin kehittäminen ja juurruttaminen, Etelä-Pohjanmaan HVA (RRP, P4, I4)
Toimintamalli kehittää Konsti-chatbotin sisältöä ja hallintaa, lisää generatiivisen tekoälyn toimintoja, vahvistaa bottikuiskaajien osaamista ja perustuu suunniteltuun hallintamalliin, joka tukee jatkuvaa kehittämistä ja yhteistyötä.
Etelä-Pohjanmaan hyvinvointialueella Konsti-chatbotin kehittämistä ohjaavat strategiset päätökset ja resursointi, jotka linjaavat mm. generatiiviset tekoälyn käyttöä ja kielikäännöksien toteuttamista.
Palvelu toimii julkisissa kanavissa (hyvaep.fi ja omaep.fi), mikä edellyttää ajantasaista sisältöä ja kykyä reagoida nopeasti palveluympäristön muutoksiin (esim. Omaolo yhteistyön päättyminen).
Lainsäädäntö ja sääntely muodostavat kehittämisen reunaehdot: tietosuojan vaikutustenarvioinnin (DPIA) päivitys LLM -ominaisuuksien käyttöönoton yhteydessä, lääkinnällisne laitteen MDR-tulkinnat oire- ja lääkeneuvonnan rajaamiseksi ei-lääkinnälliselle chatbotille sekä tuleva EU:n tekoälysääntely ja saavutettavuusvaatimukset korostavat läpinäkyvyyttää, dokumentoitia ja selkokielisyyttä.
Hallintamalli varmistaa jatkuvan laadunparannuksen sekä ajankohtaisen tiedon chatbotissa. Kun chatbot toimii optimoidusti se vähentää asiointiliikkumista, mutta chatbotin ylläpitäminen vaatii resurssiviisasta käyttöä.
Kehittämistyön lähtötilanteessa Etelä-Pohjanmaan asiakasohjaus toimi useissa kanavissa (chat, chatbot, verkkosivut & puhelin), mutta Konstin päivittäminen oli mennyt heikkoon kuntoon, jota varten tarvittiin erillinen laadunparannusprojekti, jossa hyödynnettiin Konstin pääkäyttäjiä, jotka koulutuksen kautta osasivat parantaa chatbotin laatua sekä käytettiin myös Accenturen palveluita tähän laadunparantamiseen.
Lähtötilanteesta puuttui vielä selkeä toimintatapa, kuinka pääkäyttäjät jakavat tehtäviään sekä mikä on bottikuiskaajien rooli, jota varten myöhemmin laadittiin toimintamalli.
Kielikäännösten toteuttaminen oli myös kysymysmerkki kuinka nämä toteutetaan sekä miten saadaan erillisten VAN -integraatiot (Virtual Assistant Network) toimimaan Kelan ja Mielenterveystalon chatbottien kanssa.
Pääsääntöinen kehittäjäjoukko koostuu hankkeen työntekijöistä (1-2 kpl), pääkäyttäjistä, bottikuiskaajista (n. 20 kpl), toimittajista (Accenture & Boost.AI). Kehittäjäjoukon tukijoukot koostuvat toimialojen asiantuntijoista, tietohallinnosta(tietosuoja), viestinnästä. Pääkäyttäjät johtavat julkaisuprosessia ja mittarointia, bottikuiskaajat tuottavat ja päivittävät sisällöt, toimialat ilmoittavat päivityksistä chatbottiin ja toimittajat tuovat alustan sekä asiantuntija‑avun. Yhteinen tavoite varmistetaan selkeällä hallintamallilla, kuukausipalavereilla ja roolikohtaisella koulutuksella.
Tavoitteena on vahvistaa EP HVA:n asiakasohjausta niin, että ajantasainen tieto ja ohjaus löytyvät 24/7, asiointi sujuvoituu ja yhteydenottotarve puhelin‑ ja käyntikanaviin vähenee. Kehittämällä selkeää hallinta‑ ja julkaisumallia sekä bottikuiskaajien osaamista varmistamme yhdenmukaiset, selkokieliset ja monikieliset vastaukset. Generatiivisen tekoälyn (LLM) toiminnoilla tehostamme sisällön tuottamista ja FI→EN‑käännöksiä sekä parannamme vastausten luettavuutta, mikä nopeuttaa muutoksiin reagointia.
Organisaation kyvykkyys kasvaa (pääkäyttäjät, koulutettu bottikuiskaajaverkosto, toimittajayhteistyö), ja asiakkaiden yhdenvertaisuus ja saavutettavuus paranevat. Tulokset näkyvät kasvavana itsepalvelun onnistumisasteena, nopeampina päivityksinä, parempana asiakaskokemuksena ja kohdentuneempana ammattilaisten työaikana.
Laadunparannusprojektin myötä saada chatbotin laatu toimivalle tasolle, jotta se ei anna käyttäjille virheviestejä, vaan vastaa heidän kysymiin kysymyksiinsä.
Käyttäjän näkökulmasta mittaamme, löytääkö asiakas oikean vastauksen ja ohjauksen 24/7: ratkaisuaste (tavoite ≥ 75 %), ohjautuminen oikeille sivuille, palaute ja FI→EN‑käännöskattavuus. Tähän meillä tuli muutoksia, kun toimittajalla tuli päivitys, joka muutti keskusteluanalytiikan toimivuutta.
Ammattilaisen näkökulmasta seuraamme rakennettujen sisältöjen määrää, joka on määritelty 1000:n ja unknown aiheen-osuutta 20% kaikista käydyistä keskusteluista. Laadunparannusprojektissa seurattiin projektin ajan chatbotin laatua pääkäyttäjien sekä Accenturen tekemää laadunparannustyötä Boost.AI:n omalla mittarilla.
Menetelmät tiivistetysti: kuukausipalaverit, kuukausiraportit (volyymit, ratkaisuaste, palaute), keskusteluanalytiikka ja unknown-keskustelujen läpikäynti.
1) Laadunparannusprojekti. Maalis-toukokuun välissä otettiin laadunparannussprintti, jonka aikana toteutettiin koulutuksia lähinnä pääkäyttäjille ja tarjottiin myös mahdollisuutta bottikuiskaajille. Projektin aikana Accenturen konsultit opastivat ja ohjasivat pääkäyttäjiä kuinka chatbotin laatua pystytään parantamaan. Jokainen koulutusosa sisälsi oman osansa ja tehtäviä jaettiin sitten pääkäyttäjien kesken, kuka korjaa mitäkin osiota chatbotissa. Tämän koulutuksen avulla chatbotin laatu saatiin parannettua entistä paremmaksi missä se on koskaan ollut. Tämä paransi chatbotin laatua sekä ratkaisuastetta. Jotta tämä chatbotin laadun heikentyminen ei toistu tarvittiin hallintamalli sekä julkaisuprosessi, joista lisää seuraavaksi.
2) Hallintamallin jalkautus ja vastuut. Vahvistetaan pääkäyttäjien, bottikuiskaajien, toimialojen asiantuntijoiden ja toimittajien roolit sekä päätös‑ ja julkaisuketju (ohjausryhmän suunta, kuukausirytmi). Pääkäyttäjät vastaavat mittareista ja julkaisuista, bottikuiskaajat sisällöstä ja opetuslauseista.
3) Vakioitu julkaisuprosessi (intent → training → test → QA → julkaisu). Määritellään yhdenmukaiset vaiheet ja tarkistuslistat (toinen henkilö testaa, pääkäyttäjä julkaisee). Tavoitteena lyhyempi muutospyynnöstä julkaisuun ‑läpimeno ja rollback‑vapaa tuotanto.
4) Säännöllinen ylläpitosykli ja backlog. Tehdään kuukausittain keskusteluanalyysi, unknown‑aiheiden läpikäynti (tavoite < 20 %), korjaustaskit (synonyymit, linkit, sisällöt) ja mallin koulutus (clean‑up). Käsitellään myös “Solved/Transfer/Unknown” ‑kirjaamisen periaatteet, jotta ratkaisuaste kuvaa todellista kyvykkyyttä.
5) LLM‑toimintojen tuotannollistaminen. Laajennetaan generatiivisen tekoälyn käyttöä FI→EN‑käännöksiin ja vastausten muotoiluun (selkokieli, ymmärrettävyys), seuraten vaikutuksia laatuun ja julkaisutemppuun
Konstin ensisijainen kohderyhmä on Etelä‑Pohjanmaan hyvinvointialueen asukkaat kaikissa ikäryhmissä sekä heidän omaisensa; palvelua käytetään erityisesti terveys‑, ikä‑, perhe‑ ja sosiaalipalveluiden teemoissa sekä vammaispalveluissa. Konsti toimii hyvinvointialueen julkisilla kanavilla (hyvaep.fi ja omaep.fi) ja sitä hyödyntävät myös ammattilaiset asiakkaan ohjauksen tukena. Lisäksi saavutettavuus ja monikielisyys huomioidaan: ruudunlukijatoimivuus on testattu ja FI→EN‑käännöksiä laajennetaan generatiivisen tekoälyn avulla.
Asiakasymmärrystä kerrytetään jatkuvasti alustan analytiikalla (keskustelumäärät, ratkaisuaste, siirrot ammattilaiselle, “unknown”‑aiheet), asiakaspalautteella. Historiadatassa Konstin itsenäinen ratkaisukyky on ollut hyvä, mutta on parantamisen varaa, mikä ohjaa sisällön ja laadun priorisointia. Kuukausipalavereissa käydään läpi tilastot, määritellään ratkaisuasteen kirjaamisen periaatteet ja nostetaan kehityskohteet (esim. unknown‑listat, linkkikorjaukset, intenttien tarkennukset); julkaisut viedään hallitusti pääkäyttäjän kautta.
Accenturen konsulteilta olemme saaneet apua toisista heidän mukana olevista projekteista, joista otetaan meille sopivimmat käytönnöt käyttöön. Tulevaisuudessa on tarkoitus hyödyntää Vantaa-Keravan hyvinvointialueen käytäntöjä LLM:n implimentointiin, jotta chatbot pystyisi entistä paremmin ohjaamaan käyttäjiä oikean tiedon äärelle.