Saalasti Group vahvistaa tekoälyn ja teollisen datan hyödyntämistä konsernitasolla. Työ tukee tekoälyosaamisen kehittämistä, datavarantojen tunnistamista ja kestävien digitaalisten palvelujen kehittämistä.

1. Yrityksen kuvaus

• Saalasti Group on vuonna 1945 perustettu suomalainen perheyritys, joka tarjoaa erikoiskoneita ja -palveluita teollisiin prosesseihin ja rautateille.
• Saalasti Oy on yksi maailman johtavista biopolttoaineiden käsittelylaitteiden valmistajista, ja sen tuotteita on käytössä eri puolilla maailmaa.
• Vuonna 2021 Saalasti osti Cross Wrap Oy: n, joka suunnittelee ja valmistaa käärintälaitteita sekä paalien avaus- ja purkulaitteita jäte-, jätteestä energiaa -, kierrätys- ja puuteollisuuden tarpeisiin.
• Cross Wrap jatkaa toimintaansa itsenäisenä yhtiönä Saalasti Finland Oy: n rinnalla Saalasti Group for Sustainable Development -konsernin alaisuudessa.
• Dokumentissa ei kerrota tarkkoja henkilöstömääriä eikä liikevaihtolukuja.

2. Mikä ongelma tekoälyn oli tarkoitus ratkaista?

• Cross Wrapin oston jälkeen laajentuneen Saalasti Groupin oli palveltava kasvavaa globaalia asiakaskuntaansa entistä tehokkaammin.
• Konserni tunnisti, että tuottavuuden parantaminen, kilpailukyvyn säilyttäminen ja hiilijalanjäljen pienentäminen edellyttivät irtautumista perinteisistä toiminnallisista rajoista.
• Se halusi hyödyntää uudenlaisia tekoälypohjaisia ratkaisuja strategisissa operatiivisissa prosesseissaan ja asiakkaille suunnatuissa digitaalisissa palveluissaan.
• Ensisijaisena esteenä oli laajan organisaatiotasoisen tietoisuuden puute tekoälyn käytännön hyödyistä sekä haaste tunnistaa keskeiset datapisteet ja luoda yhteiset dataan perustuvat toimintatavat vasta yhdistyneiden organisaatiorakenteiden välille.

3. Miten ongelma ratkaistiin ja millä työkaluilla?

• Liiketoiminnan kehityksen ja IT-osaston yhteen saattamiseksi Saalasti Group osallistui AI-TIE-hankkeen Cleantech-tekoälykiihdyttämöön.
• Konserni valitsi poikkiorganisatorisen lähestymistavan ja toi kiihdyttämöön ensimmäisestä päivästä lähtien mukaan liiketoiminnan kehityksen asiantuntijoita, IT-asiantuntijoita sekä ylimmän johdon edustajia niin Saalastilta kuin Cross Wrapilta.
• Sen sijaan että tiimit olisivat ottaneet heti käyttöön erillisiä ohjelmistoja, ne hyödynsivät kiihdyttämön erikoistuneita käsitteellisiä viitekehyksiä ja jäsenneltyjä sparrauskeskusteluja.
• Tässä yhteistyöympäristössä ideoitiin käyttötapauksia, tunnistettiin keskeiset datapisteet teollisten työnkulkujen varhaisessa vaiheessa, analysoitiin datan saatavuutta ja kartoitettiin, miten tekoälyintegraatiot tukisivat konsernin pitkän aikavälin kasvua.

4. Mitä tuloksia saavutettiin?

• Yhteinen osallistuminen vauhditti onnistuneesti osastojen välistä yhteistyötä ja loi yhtenäisen yrityskulttuurin vasta yhdistyneiden yhtiöiden välille.
• Sparrausistunnot toivat abstraktit koneoppimisen mahdollisuudet käytännön tasolle, jolloin konserni pystyi täsmentämään, miten digitaaliset palvelut ja datan hyödyntäminen voivat parantaa asiakastarjoomaa.
• Varmistamalla ylimmän johdon aktiivisen tuen ja ottamalla henkilöstön mukaan heti alusta projekti nosti onnistuneesti sisäistä tekoälytietoisuutta koko konsernissa ja loi kestävän perustan sekä selkeän suunnitelman tulevalle dataan perustuvalle liiketoiminnan kehittämiselle.

5. Mitä ongelmia ilmeni?

• Suurin haaste liittyi yritysrakenteiden uudistamisen kulttuuriseen ja operatiiviseen kitkaan.
• Laajamittaisen tekoälyn käyttöönotto vaatii merkittäviä organisaatiomuutoksia, kuten osastojen välistä uudelleenjärjestelyä, tuttujen työnkulkujen muuttamista ja yrityskulttuurin uudistamista, joka ei tapahdu hetkessä.
• Lisäksi tiimien oli ratkaistava tekninen perusedellytys eli varmistettava keskeisen datan saatavuus ja hyödynnettävien datapisteiden varhainen tunnistaminen erillisissä tuotelinjoissa.

6. Aika- ja rahainvestoinnit

• Dokumentissa ei kerrota sisäisiä kehitysbudjetteja, konsulttisopimusten hinnoittelumalleja eikä pääomainvestointeja.
• Aikataulun osalta kiihdyttämöohjelman läpivientiä käsittelevä tapaustutkimus julkaistiin toukokuussa 2023.

7. Millaista osaamista tarvittiin ja mitä yhteistyökumppaneita käytettiin?

• Projekti vaati erikoisosaamista osastojen välisestä muutosjohtamisesta, puhtaan teknologian teollisista työnkuluista, datapisteiden kartoittamisesta, tekoälyn liiketoimintastrategiasta ja yhteisöllisestä yritysoppimisesta.
• Saalasti Group toteutti tämän strategisen määrittelyvaiheen yhteistyössä AI-TIE-hankkeen ekosysteemin kanssa (kirjoittajina asiantuntijoita Haaga-Helia ammattikorkeakoulusta ja Laurea-ammattikorkeakoulusta).

8. Liiketoimintafunktion luokitus

• Projekti kuuluu strategian ja liiketoimintamallin transformaatioon, tutkimukseen ja kehitykseen (T&K) sekä tuotteen elinkaaren hallintaan (PLM).
• Se liittyy suoraan yrityskulttuuriin ja muutosjohtamiseen, teollisen datan tiedonhallintaan sekä kestävään puhtaaseen teknologiaan.

9. Lähde

Saalasti – the importance of learning together in an AI project – eSignals