Tällä luennolla sukellamme AI-kehityksen kriittisimpään vaiheeseen: oikean ongelman löytämiseen ja määrittelyyn.
Käymme läpi, miksi ongelman tunnistaminen on tärkeämpää kuin teknologian valinta – sillä väärin määritelty ongelma johtaa helposti hukkaan heitettyihin resursseihin ja epäonnistuneisiin projekteihin.
Luennolla tarkastelemme Double Diamond -mallia, jossa pureudumme kahteen vaiheeseen:
Laaja ongelmien kartoittaminen– Ideointi, käyttäjäymmärryksen rakentaminen, data-analyysi ja haastattelut.
Ongelman fokusoitu määrittely ja priorisointi– Valitaan vaikuttavin ja toteuttamiskelpoisin kehityskohde.
Käymme käytännön esimerkkien kautta läpi, miten tekoälyn kehitystyö aloitetaan ongelmasta käsin. Opit hyödyntämään työkaluja kuten Value Proposition Canvas, priorisointimatriiseja sekä tekoälyavusteisia haastatteluanalyysejä. Tarkastelemme, kuinka asiakashaasteita ja datalähteitä hyödynnetään aidon ongelman kirkastamisessa ennen ratkaisujen suunnittelua.
Lopputuloksena määritetään selkeä, perusteltu ongelma, johon tekoälyratkaisuja voidaan lähteä kehittämään seuraavassa osiossa. Tavoitteena ei ole hypätä ratkaisuihin – vaan rakastua ensin ongelmaan.
