Tekoäly on siirtynyt nopeasti erilaisista kokeiluista käytännön automaatioon. Työprosessien ohjauksessa tekoälyn vahvuus on kyvyssä tulkita vapaan tekstin dataa (kuten sähköposteja), tehdä niistä luokittelupäätöksiä ja palauttaa nämä päätökset takaisin työnkulkuun. Tässä artikkelissa havainnollistamme ratkaisua, jossa avoimen koodin prosessiautomaatioalusta (Camunda) hoitaa prosessilogiikan BPMN (Business Process Model and Notation) – standardin mukaisesti, ja Node.js-pohjainen ulkoinen apuri (External Task Worker) hyödyntää Gemini 2.5-flash -mallia ITIL-luokitteluun.
Camunda-ohjelmisto on asennettuna Karelia-ammattikorkeakoulun omaan konesaliin, mikä mahdollistaa ratkaisun ajamisen paikallisesti ilman ulkoisia pilvipalveluriippuvuuksia. Tämä tarjoaa merkittäviä etuja myös Karelian tutkimus-, kehitys- ja innovaatiohankkeiden näkökulmasta, sillä konesaliympäristöä voidaan tällä tavoin hyödyntää suoraan kehitystyössä. Kun kehitettävän järjestelmän äly, toiminnallisuus ja data säilytetään paikallisesti, sekä lähetetään ulkopuolella olevalle tekoälylle vain kehitystyön kannalta välttämätön ja anonymisoitu data varmistetaan samalla tietoturvan korkea taso ja mahdollistetaan luottamuksellinen käsittely esimerkiksi henkilö-, sopimus- tai asiakastietojen osalta.
Mitä ITIL tarkoittaa?
ITIL (aiemmin Information Technology Infrastructure Library) on kokoelma parhaita käytäntöjä IT-palvelunhallintaan. Se tarjoaa viitekehyksen, jonka avulla organisaatiot voivat suunnitella, toimittaa ja hallita IT-palveluita.
ITIL-luokittelu tarjoaa yhteisen kielen ja standardoidut kategoriat palvelunhallintaan, joiden varaan palvelusopimukset, eskaloinnit ja mittarit rakentuvat.
Mitä prosessien hallinta ja BPMN tarkoittavat?
Prosessien hallinta (Business Process Management, BPM) on kokonaisvaltainen lähestymistapa organisaation työnkulkujen ja prosessien analysointiin, mallintamiseen, toteutukseen, seurantaan ja optimointiin. Sen tavoitteena on varmistaa, että työt tehdään mahdollisimman tehokkaasti, johdonmukaisesti ja mitattavasti.
- Camunda on tässä ratkaisussa alusta, joka hoitaa prosessinohjauksen.
- BPMN (Business Process Model and Notation) on kansainvälinen standardi, jota käytetään työprosessien graafiseen mallintamiseen ja automatisointiin. Se tarjoaa yhteisen kielen ja symbolijoukon prosessin kulun ymmärtämiseksi (ks. Kuva 1).
Kun Camundan kaltaista alustaa hyödynnetään BPMN-mallinnuksen kanssa, lopputuloksena syntyy vakioitu, mitattava ja skaalautuva prosessi.
Demoesimerkki: Helpdesk-sähköpostien luokittelu
Demoesimerkkinä meillä on helpdeskille saapuvien sähköpostien luokittelu, joka ohjaa saapuvat yhteydenotot eri käsittelypoluille riippuen tekoälyn tekemästä ITIL-luokitteluun perustuvasta arviosta
Arkkitehtuurin ja prosessin keskeiset kohdat
- Käynnistys ja tietojen välitys: Demoprosessi Camundassa käynnistyy HTTP-pyynnöllä REST-rajapintaan. Pyynnön mukana Camunda saa viestin käsittelyn kannalta tärkeät tiedot: sender, recipient, subject ja body, jotka ovat peräisin saapuvasta sähköpostista.
- Ulkoinen tehtävä ja tekoälyluokittelu: Camundaan määritelty ulkoinen tehtävä (Luokittele pyyntö) käynnistyy ja lähettää ulkoiselle palvelulle tehtävän luokitella sähköposti ITIL:n rakenteen mukaisesti
- Ulkoinen palvelu välittää tekoälylle halutun luokittelukriteeristön ja sähköpostitiedot (subject ja body).
- Luokittelutuloksen palautus: Tekoäly palauttaa ulkoiselle palvelulle tiedon sähköpostin luokasta, ja tämä tieto palautetaan Camundaan prosessinmukaiseen jatkokäsittelyyn.
- Työnkulun haarautuminen: Saadun luokittelun mukaan Camunda haarauttaa työnkulun. Demoesimerkissä käytimme luokkia Incident, Service Request, Major Incident tai Non-IT (ei-IT-asia)
- Jatkotoimenpiteet: Prosessi etenee Camundan ohjaamana luokittelun määräämiin toimenpiteisiin (esim. eskalointi, tiketin luonti, palvelusopimusten (SLA) mukainen käsittely, jne.).
- Prosessimäärittely voidaan instrumentoida palvelun tasoa tai prosessin suorituskykyä kuvaavilla mittareilla ja kirjauksilla käsiteltävien tapausten toteumasta esimerkiksi käsittelyaikojen, työnkulun haarautumisen ja asiakaspalautteiden osalta. Mittarointi mahdollistaa prosessin analyysin ja kehittämisen palvelun toteuman perusteella.

Kuva 1. Demoprosessin kulku Camunda modellerin BPMN-kaaviossa palvelun päästä päähän. Tekoäly (kuvassa LLM API -elementti) luokittelee pyynnön, joka ohjataan prosessin seuraavassa vaiheessa tehtävään parhaiten soveltuvalle prosessille ja sitä operoivalle tiimille tai tekoälyagentille.
Demoprosessissa Camunda siis hoitaa prosessiohjauksen, kun taas Node.js-avustaja tuo tekoälyn osaksi päätöksentekoa ITIL-kategorioiden kautta. Lopputuloksena syntyy vakioitu, mitattava ja skaalautuva prosessi.
Mitä merkitystä tällä on?
Kun tekoäly kytketään luotettavasti ITIL-kategorioihin, ja prosessinohjaus on Camundan kaltaisen alustan hallinnassa:
- Palvelupyyntöjen käsittelyn rutiinityöt voidaan automatisoida entistä paremmin.
- Tekoälyä voidaan hyödyntää palveluprosesseissa kohdennetusti myös käyttäjien suoraan tukemiseen.
- Prosessien tehostamien on helpompaa, koska Camundan tallentamista tiedoista selviää kunkin prosessivaiheen tarvitsema aika ja mahdolliset ”pullonkaulat”.
- Raportointi ja palvelusopimusten toteutumisen seuranta tarkentuvat.

Tekoäly mahdollistajana prosessiautomaatiossa
Edellä esitelty helpdesk-luokitteludemo on vain yksi esimerkki siitä, miten tekoälyn kykyä tulkita vapaata dataa voidaan hyödyntää työprosessien ohjauksessa. Ratkaisun periaatteet ovat yleistettävissä mihin tahansa prosessiin, jossa:
- Tunnistetaan tarve tulkita tekstiä tai strukturoimatonta dataa: Sen sijaan, että Camunda odottaisi vain strukturoituja lomaketietoja, ulkoinen apuri (External Task Worker) voi välittää tekoälylle minkä tahansa tekstin – vaikkapa sopimusehdot, hakemusten liitteet, tai sosiaalisen median palautteet – ja pyytää niistä luokitusta, tai muuta ennalta määriteltyä tarvetta vastaavaa.
- Tehdään älykkäitä päätöksiä ja haarautumisia: Tekoälyn palauttama tieto (esim. luokittelu ”Incident”, ”Service Request”, … ) toimii kriittisenä datapisteenä. Tämän tiedon perusteella prosessinohjaus (Camunda) pystyy suorittamaan monimutkaisen logiikan mukaisia automaattisia haarautumisia ja toimenpiteitä, kuten eskaloinnin, tiedon päivittämisen järjestelmään tai aloittaa palvelusopimuksessa sovitun vasteajan laskennan.
- Kytketään tekoäly toiminnalliseen standardiin: Ratkaisun vahvuus on tekoälyn kytkeminen vakiintuneeseen kehykseen (kuten ITIL ja BPMN), mikä luo pohjan mitattavalle ja standardoidulle automaatiolle. Tällä tavoin tekoälyä voidaan hyödyntää kohdennetusti palveluprosesseissa ja rutiinityöt voidaan automatisoida entistä paremmin.
Pohjimmiltaan tämä arkkitehtuuri luo mitattavan ja skaalautuvan sillan ihmiskielen monimutkaisuuden ja liiketoimintaprosessien tarkan logiikan välille.
Kirjoittajat:
Jyri Kemppainen, yliopettaja, Karelia-ammattikorkeakoulu
Petri Laitinen, lehtori, Karelia-ammattikorkeakoulu
Tämä artikkeli on tuotettu ICT-konesali investointi ja integraatiot oppimislaboratorioihin -hankkeessa, jota rahoittaa Pohjois-Karjalan maakuntaliitto.
