Helsingin tekoälykokeilu nopeutti työtä 2000‑kertaa

Helsingin kaupunki toteutti yhdessä Digian kanssa kokeilun, jossa tekoälypohjainen kuvantunnistus auttoi yleisten alueiden tietorekisterin ylläpidossa. Tavoitteena oli vähentää manuaalista ilmakuvien läpikäyntiä ja tutkia, voiko prosessi automatisoida luotettavasti. Kokeilussa työkalu tunnisti 87 prosenttia kohteista oikein, eli noin 13 % tunnistuksista vaati jälkikäsittelyä.

Nopeus vs. tarkkuus

Digian tekninen konsultti Hilla Tilhi kertoi tiedotteessa, että samalla työmäärä pieneni merkittävästi: kaksi viikkoa ihmistyötä kutistui kymmeneksi minuutiksi. Käytännössä tämä tarkoittaa 2000‑kertaista nopeutta prosessissa, mikä voi vapauttaa resursseja tietojen laadun parantamiseen sen sijaan, että aikaa kuluu virheiden etsimiseen.

Tuoteominaisuudet

• Tekoälypohjainen kuvantunnistus ja lajittelu
• Skaalautuvuus pilvipalveluihin ja paikallisiin rekistereihin
• Mahdollisuus integrointiin paikkatieto‑ (GIS) ja kuntien järjestelmiin
• Käyttöliittymän lokalisaatio suomeksi ja tuki GDPR‑vaatimuksille

Vertailu ja markkinarelevanssi

Suomessa kuntien digitalisaatio on edennyt aktiivisesti, ja ratkaisu on kiinnostava myös muille Pohjoismaiden ja Baltian toimijoille. Esimerkiksi Lietuva ja Lietuvos rinka voivat hyötyä samaan tapaan automatisoidusta kuvantunnistuksesta: kaupunkien järjestelmissä Vilniuje ja Kaune vastaavat haasteet liittyvät usein resurssipulaan ja datan yhtenäistämiseen. Ratkaisun saatavuus suomeksi ja integraatiomahdollisuudet tekevät siitä houkuttelevan vaihtoehdon suomalaisille ja lietuvalaisille kunnille.

Edut ja käyttötapaukset

Hyödyt kaupunkitasolla ovat selkeät: ajansäästö, parempi tieto‑omaisuuden laatu ja nopeampi reagointi esimerkiksi infran kunto‑havaintoihin. Käyttötapauksia ovat katuvarustelu, viheralueiden hallinta, rakennusluvat ja hätätilanteiden kartoitus. Yrityksille, kuten paikallisille kartta‑ ja GIS‑toimijoille, mahdollisuus tarjota suomenkielisiä palveluja kasvattaa markkinapotentiaalia.

Mitä seuraavaksi?

Helsinki aikoo jatkaa menetelmän kehittämistä ja testata, miten virheprosenttia voidaan laskea. Kaupunkien kannattaa arvioida, miten automatisointi voidaan yhdistää olemassa oleviin työprosesseihin niin, että ihmiset keskittyvät arvon luomiseen virheiden etsinnän sijaan.