Tekoälyn hyödyntäminen työllisyydenhoidon neuvonta- ja ohjaustyössä.

Kokeilun tavoitteet 

Työllisyydenhoidon palveluiden määrä suuri ja usein tietylle asiakasryhmälle määritelty. Palvelut ovat hajallaan, joten palveluiden muistaminen / löytäminen on vaikeaa. Tavoitteena on tutkia, voiko tekoälyyn perustuva palveluiden suosittelu avustaa työllisyydenhoidon työntekijöitä sopivien palveluiden suosittelussa. 

Pääideana oli löytää erilaisin NLP-menetelmin (Natural Language Processing) palveluiden joukosta mahdollisimman hyvin asiakashenkilöstä tehtyä vapaata kuvaustekstiä vastaavia palveluita 

Kokeilun opit 

Tekoäly toimii välineenä asiakastyössä helpottaen asiantuntijan muistitaakkaa. Se nopeuttaa työntekoa ja auttaa yhdistämään tietoa eri tietolähteistä. 

Valmiiksi opetetut mallit toimivat hyvin tämäntyyppisellä tekstidatalla​. Saatiin hyviä tuloksia, vaikka malleja ei jatko-opetettu suoraan kokeilun datalla​.

Valmiit mallit mahdollistavat kokeilut ja jopa tuotantokäytön rajoitetuilla datamäärillä ja laskentaresursseilla.​ Kokeilussa olleen datan määrä oli suhteellisen pieni, 93 palvelua. Yksinkertaisen TF-IDF mallin kouluttaminen tällä määrällä onnistui hyvin, semanttinen Fasttext-malli vaatisi suuremman opetusdatan Mallien systemaattinen vertailu on vaikeaa ilman dataa hyvistä ja huonoista suosituksista

Suositukset jatkotoimenpiteiksi 

Kokeilu on erittäin tarpeellinen ja käytännöllinen jatkotyöstettäväksi. Palvelukuvausten tekstejä tulisi yhdenmukaistaa. Asiakkaat mukaan pilotointiin ja ratkaisun vaikuttavuuden tutkiminen.

Parempiin tuloksiin voidaan jatkossa päästä jatko-opettamalla valmismalleja luokitellulla palveludatalla, ​sekä kasvattamalla datan määrää