Chatbotin käyttöönoton malli sosiaali- ja terveydenhuol-
lossa
Katariina Siimeslehto Pro gradu -tutkielma Sosiaali- ja Terveydenhuol- lon tietohallinto
Itä-Suomen yliopisto Sosiaali- ja terveysjohtami- sen laitos
Toukokuu 2019
ITÄ-SUOMEN YLIOPISTO, yhteiskuntatieteiden ja kauppatieteiden tiedekunta Sosiaali- ja terveysjohtamisen laitos, Sosiaali- ja terveydenhuollon tietohallinto
SIIMESLEHTO, KATARIINA: Chatbotin käyttöönoton malli sosiaali- ja terveydenhuol- lossa
Pro gradu -tutkielma, 77 sivua, 4 liitettä (14 sivua)
Tutkielman ohjaajat: Professori, TtT Kaija Saranto, TtM Anne Linden
Toukokuu 2019_________________________________________________________
Avainsanat: Tekoäly, koneoppiminen, semanttinen web, verkkojuttelu, kehittäminen Tämän tutkimuksen tarkoitus oli Palveluseteli- ja ostopalvelu (PSOP) -chatbotin käyt- töönottoprosessin kuvauksen avulla tuottaa teoreettinen malli siitä, mitä asioita ja vaiheita tulee huomioida chatbotin tietokannan rakentamisen yhteydessä, ennen ja jälkeen käyt- töönoton sekä ylläpitoon siirryttäessä. Tässä tutkimuksessa chatbotin käyttöönottoproses- sia sekä toteutettuja interventioita tarkasteltiin, jotta sosiaali- ja terveydenhuollon palve- lua antavan, luonnollisen kielen (NLP) chatbotin tietokannan rakentaminen ja ylläpito olivat mahdollisia toteuttaa. Tutkimuksen tavoitteena oli lisätä ymmärrystä chatbotin käyttöönottoprosessista. Dokumentoidun tiedon avulla voidaan tehostaa ja parantaa ky- seisen luonnollista kieltä tulkitsevan chatbotin vastaamisosaamista ja -tarkkuutta.
Tämän tapaustutkimuksen aineisto kerättiin käyttämällä apuna kysymysmatriisia kah- dessa eri vaiheessa, johon kysymykset olivat kerätty kolmella eri tavalla: 1) Hankintapal- veluiden keräämät ”usein kysytyt kysymykset”, Suunterveydenhuollon palvelusetelivas- taavien tuottama materiaali sekä 3) tutkijan itsensä, että vapaaehtoisten testaajien esittä- mät kysymykset botille. Ensimmäisessä kyselyvaiheessa matriisissa kysymyksiä oli kaik- kiaan 225 kysymystä. Tutkimuskysymysten määrää lisättiin toiseen kyselyvaiheeseen, jotta voitaisiin paremmin tarkastella botin kehittymiskykyä sekä sitä, miten hyvin se pys- tyy mukautumaan ja vastaamaan kysymyksiin samasta aiheesta, useammalla eri tavalla kysyttynä samaa asiaa. Samoin tarkasteltiin chatbotin antaman tiedon, informaation saa- tavuutta, eheyttä, ymmärrettävyyttä sekä vastausten asiaan kuuluvuutta ja vakuuttavuutta DeLonen ja McLeanin (2003) Tietojärjestelmän onnistumismallin mukaan. Toisessa ky- selyvaiheessa kysymysten lukumäärä oli matriisissa 276. Aineiston harmonisoinnin ja redudantisoinnin jälkeen kysymysten määrä vakioitui 235 kysymykseen. Sisällönanalyy- sin tuloksena aineistosta muodostui teemoja yhteensä 18, jotka sisälsivät erilaisia vas- tauksia yhteensä 62. Näihin liitettyjä avainsanojen yhdistelmiä oli yhteensä 69. Toisessa kyselyvaiheessa PSOP -chatbotin vastaamistarkkuus oli keskimäärin kolme kysymystä kymmenestä.
Tutkimuksessa saatujen tulosten perusteella chatbotin käyttöönottoprosessista pystyttiin mallintamaan ja huomioimaan useita kriittisiä kohtia. Tekoälyä ja koneoppimista voidaan kehittää edelleen julkisessa sosiaali- ja terveydenhuollossa, johon tämän tutkimuksen tu- loksista saatiin lisäymmärrystä määrittelytyöhön chatbotin tietokannan rakentamiseksi ja tuotettiin teoreettinen malli käyttöönoton tueksi.
Jatkotutkimusaiheina olisi mielenkiintoista tutkia semanttisen chat- ja chatbot ekosystee- min rakentamista hyödyntämällä sosiaali- ja terveydenhuollon tiedonhallintaan liittyviä kansallisia ja kansainvälisiä sanastoja sekä erilaisia tekoälysovelluksia.
UNIVERSITY OF EASTERN FINLAND, Faculty of Social Sciences and Business Studies
Department of Health and Social Management, Health and Human Services Informatics SIIMESLEHTO, KATARIINA: Introduction Model of a Chatbot in Social and Health Services
Master's thesis, 77 pages, 4 appendices (14 pages)
Advisors: Professor, PhD Kaija Saranto, M.Sc. Anne Lindén
May 2019_____________________________________________________
Keywords: Artificial Intelligence (AI), machine learning, semantic web, chat, develop- ment
The purpose of this case study of the introduction of the Service Voucher and Purchased Service (PSOP)-chatbot was to produce a theoretical model about what phases to take into account when building a chatbot database, before and after introduction, and when migrating to maintenance. This research looked at the process of how a chatbot can be introduced, and the interventions that enabled building and maintaining a database for a Natural language processing (NLP) chatbot in health and human services. The aim of this study was to gain more knowledge on the process of introducing a chatbot to an environ- ment. The documented information helps make the knowledge and answer accuracy of an NLP interpreting chatbot better and more effective.
The data for the research was collected by using a question matrix in two different phases.
the questions had been collected using three different methods: 1) “frequently asked ques- tions” collected by the Procurement services, 2) material produced by the service voucher managers of dental healthcare, and 3) questions asked from the chatbot by the researcher and volunteer testers. In November (phase one) the matrix had 225 questions. The number of research questions were increased for January (phase two), to better look at the devel- opment capability (Systems quality) of the chatbot and how well it can adapt (adaptabil- ity) and answer questions on the same topic, when the same thing is asked in different ways. Also looked at were, the availability, completeness and understandability of the information provided by the chatbot, as well as the relevancy and how convincing (assur- ance) the information was according to DeLone and McLean’s (2003) Information Sys- tems Success Model. In January the matrix had 276 questions. After harmonizing and removing redundant questions the number was 235. Content analysis grouped the data into 18 themes, which included a total of 62 different answers. In January 2019 (phase two) the answer accuracy of the chatbot was 3 questions out of 10.
Based of research results numerous critical parts were modeled and noted in the chatbot introduction model. In order to develop Artificial Intelligence and machine learning in public social and healthcare, this research provided more understanding on how to define the build of a chatbot database, and it also created a theoretical model to support the in- troduction of a chatbot
Interesting topics for further research would be the building of a semantic chat and chatbot ecosystem by taking advantage of the national and international social and healthcare glossaries and different AI applications.
SISÄLTÖ
1 JOHDANTO ... 5
2 CHATIT JA CHATBOTIT SOSIAALI- JA TERVEYDENHUOLLON SÄHKÖISINÄ PALVELUKANAVINA ... 8
2.1. Tietojärjestelmän onnistumismalli ... 8
2.2. Sosiaali- ja terveydenhuollon sähköisten palvelujen saavutettavuus ... 11
2.3. Palvelusetelin käyttäjät ... 12
2.4. Sosiaali- ja terveydenhuollon ammattilaiset ja chatbot -tietokanta ... 13
2.5. Tekoälyn toteutuksena chatbot ... 17
2.6. Tieto- ja viestintätekniikan tutkimus sosiaali- ja terveydenhuollossa .... 22
3. TUTKIMUKSEN TARKOITUS JA TAVOITE ... 26
4 TUTKIMUSAINEISTON HANKINTA JA KÄYTETYT MENETELMÄT ... 27
4.1. Sosiaali- ja terveydenhuollon tiedonhallinnan paradigma ... 27
4.2. Tapaustutkimus ja matriisi -metodi ... 29
4.3. Tutkimusympäristön kuvaus ... 31
4.4. Tutkimuksen aineiston hankinta ... 35
4.5. Aineiston analyysi ... 36
6 TULOKSET ... 39
6.1. Chatbotin haastattelukertojen perusteella saadut tutkimustulokset ... 39
6.2. PSOP -chatbotin vastaustarkkuuden muutos ... 40
6.3. PSOP -chatbotin informaation ja neuvontapalvelun laatu ... 46
6.4. Chatbotin vastaamisosaamisen parantamiseksi tehdyt interventiot ... 53
6.5. Yhteenveto tuloksista ... 54
7 POHDINTA ... 59
7.1. Tutkimuksen eettisyys ja luotettavuus ... 59
7.2. Pohdintaa tutkimustuloksista ... 64
7.3. Jatkotutkimusaiheet ... 69
8 LÄHTEET ... 71
9 LIITTEET ... 78
KUVIOT
KUVIO 1. Tietojärjestelmän onnistumismalli (DeLone ja McLean 2003, 24) .... 10 KUVIO 2. Helsingin kaupungin Sosiaali- ja terveystoimialan chat -prosessi (Linden, Siimeslehto Raatikainen & Kantsila 2019) ... 14 KUVIO 3. Tekoälyn kymmenen osaamisaluetta. (Valtioneuvosto 2019, 7) ... 18 KUVIO 4. Chatbotin yksinkertainen päättelyalgoritmi (Cameron ym.. 2017, 4/
Figure 3 Proposed chatbot script) ... 21 KUVIO 5. Sosiaali- ja terveydenhuollon tietohallinnan paradigma. (Saranto &
Kuusisto-Niemi 2012) ... 28 KUVIO 6. Esimerkki Helsingin kaupungin Sosiaali- ja terveystoimialan chat- ja chatbot tietovirroista (Linden, Siimeslehto, Raatikainen & Kantsila 2019.) ... 34 KUVIO 7. Botin antamien vastausten saatavuus vasteaikoina ... 40 KUVIO 8. Botin osaamisen muutos ensimmäisen ja toisen vaiheen kyselyissä .. 41 KUVIO 9a. Botin vakuuttavuus arvioituna oikeiden vastauskertojen määrällä vaiheessa 1 ja vaiheessa 2 ... 44 KUVIO 9b. Botin vakuuttavuus arvioituna väärien tai puuttuvien vastauskertojen määrällä vs. kysymysten kokonaismäärä (n=235) ... 44 KUVIO 10. Botin vaiheessa 2 antamien vastauksien jakauma suhteessa
kysymysmatriisin kysymyksiin ... 45 KUVIO 11a. Botin tiedon eheys arvioituna kysymysten määrällä, joihin botti ei osannut liittää tietokannasta vastausta ... 46 KUVIO 11b. Botin tiedon eheys arvioituna teemoittain korjattavien kysymysten perusteella ... 47 KUVIO 12a. Vastausten asiaankuuluvuus vaiheissa 1 ja vaiheissa 2 sekä
vastausosaamisen huonontuminen vaiheessa 2. ... 49 KUVIO 13. Botille esitetyt kysymykset teemoittain, joihin se on vastannut oikein.
... 51 KUVIO 14. Chatbotin käyttöönoton malli sosiaali- ja terveydenhuollossa ... 57 KUVIO 15. Tutkijan visio loogisesta tietokannasta, jossa chatbotti pystyy
hakemaan semantiikan ja ontologian säännöillä tietoa. ... 68
TAULUKOT
TAULUKKO 1.: Mitattavat tietojärjestelmän ulottuvuudet (DeLone & McLean 2003, 26) ... 9 TAULUKKO 2a. Esimerkki vaiheen 1 kyselyn tuloksista: vastauspoikkeama samoilla avainsanoilla ... 42 TAULUKKO 2b. Esimerkki vaiheen 2 kyselyn tuloksista: vastauksen muokkaus samoilla avainsanoilla kuin vaiheessa 1 ... 42 TAULUKOT 3a ja 3b. Esimerkki ehdollisesta lausekkeesta, jossa käyttäjä valitsee botin tarjoamista vaihtoehdoista ... 43 LIITTEET
LIITE 1a. Identtiset tutkimuskysymykset vaiheissa 1 ja 2 LIITE 1b. Vapaaehtoisten tutkimuskysymykset
LIITE 1c. Lisätyt tutkimuskysymykset vaiheessa 2
LIITE 2. Asiakasohje suunterveydenhuollon palveluseteliasiakkaille chatbotista LIITE 3a TAULUKKO. Vastauksen asiaan kuuluvuus botille esitettyyn
kysymykseen
LIITE 3b TAULUKKO. Avainsanojen ja vastauksen asiaan kuuluvuus botille esitettyyn kysymykseen
LIITE 4a TAULUKKO. Teeman sisältämät vastaukset ja esitettyjen kysymysten suhde
LIITE 4b TAULUKKO. Täydentää taulukon 4a esimerkkiä vastaukseen liitetyistä avainsanoista ja esitetyistä kysymyksistä
1 JOHDANTO
Digitaalisuuden ja sähköisten palvelujen lisääminen kansalaisille oli yksi Juha Sipilän hallitusohjelman (2015-2019) kärkihankkeita. Yksi pääteemoista oli sähköisten palvelui- den kehittäminen asiakaslähtöisemmiksi sekä sosiaali- ja terveyspalveluiden tuottaminen kansalaisille mahdollisimman helpolla saavutettavuudella. (STM 2018a; Valtioneuvosto 2018.) Digitaaliseen yhteiskuntaan siirtyminen vaatii kuitenkin laajempaa yleiskäsitystä teknologisesta osaamisesta maassamme ja selvitystä tekoälyn mahdollisuuksista. Valtio- neuvoston kansliasta käsin käynnistettiin erilaisia ministeriötason työryhmiä selvittä- mään, miten tekoälyteknologiat ja niiden hyödyntäminen nähdään julkisen sektorin ja yk- sityisten toimijoiden toiminnan tehostamisen keinoina sekä politiikassa. Valtiovarainmi- nisteriöllä (VN) oli rinnakkain eteneviä tekoälyyn liittyviä selvityshankkeita: Tekoälyn kokonaiskuva ja kansallinen osaamiskartoitus (VN, TEAS 5.2.A), jonka tehtävänä oli sel- vittää tekoälyn moniulotteisuutta ja keinoja sen jäsentämiseen sekä laatia kansallinen osaamiskartoitus. Hankkeessa ”Tekoäly viranomaistoiminnassa ja tietoinfrastruktuurin muutosvaateet” (VN, TEAS 5.2.B) keskityttiin tarkastelemaan ohjelmistorobotiikkaa ja tekoälyn hyödyntämistä viranomaistoiminnassa juridiikan ja säännösten asettamien puit- teissa. Samalla edellisen hankkeen tehtävänä oli selvittää lainsäädäntöön kohdistuvia muutostarpeita. Lisäksi käynnissä olivat hankkeet: ”Lohkoketjuteknologian ja ohjelmoi- tavan rahan hyödyntämismahdollisuudet palkkatulojen verotuksessa” (VN, TEAS 5.2.C) ja ”Robotiikan ja tekoälyn sääntelyn ja hyväksikäytön etiikka sekä yhteiskunnallinen hy- väksyttävyys” (VN, TEAS 5.2.D) -hanke. (Valtioneuvosto 2019.) Näiden hankkeiden lop- puraporttien perusteella voidaan todeta, että tekoäly tulee tekemään erilaisia läpilyöntejä monella eri alalla. Yhteiskuntamme siirtyessä 2020 -luvulle on mahdollista, että tekoälyn ja robotiikan avulla voidaan tuottaa aivan uudenlaisia palveluita ja liiketoimintamalleja.
(Valtiovarainministeriö 2019b.) Myös Euroopan komissio kohdentaa tutkimus- ja kehit- tämistoimintaa julkisen terveydenhuollon valmiuksille hyödyntää tulevaisuudessa teko- älyä. Yksi kehittämisohjelmista on Horisontti 2020 -ohjelma. (Euroopan komissio 2018.)
Helsingin kaupunki on edistänyt digitalisaatiota sosiaali- ja terveyspalveluissa. Sosiaali- ja terveystoimialan sähköisten palveluiden kehittäminen on osa Helsingin kaupungin pal- velujen uudistamisen 2030 -strategiaa. Tämä on näkynyt viimeisten parin vuoden aikana
sähköisten asiointikanavien lisäämisenä. Tällaisia ovat olleet esimerkiksi erilaiset asiak- kaille suunnatut matalan kynnyksen sosiaali- ja terveydenhuollon chat -palvelut sekä suo- jatut sähköiset yhteydenottolomakkeet www -sivustoilla (Rautamäki 2016; Helsingin kaupunki 2017g). Reaaliaikaisella chatillä tarkoitetaan asiakkaan ja ihmisasiakaspalveli- jan välistä vuorovaikutteistakeskustelua sähköisessä ympäristössä. Sosiaali- ja terveys- toimialan chat -palveluissa kansalaisen on mahdollista tunnistautua kesken chat -keskus- telun Suomi.fi -palvelun kautta, jolloin palvelun luotettavuus, saatavuus ja esteettömyys ovat selkeästi parantuneet. (Helsingin kaupunki 2019d.) Toisaalta sosiaali- ja terveyden- huollon asiakkaille voitaisiin tarjota paljon nopeammin ”yhden luukun” palveluja, jos hyödynnettäisiin jo nykyisellään käytettävissä olevaa teknologiaa ja tekoälyä vieläkin te- hokkaammin.
Yksi näistä käytettävissä olevista teknisistä innovaatioista ja matalan tekoälyn sovelluk- sista on chatbot. Robotti, jonka avulla asiakasneuvontaa voidaan antaa 24/7/365 ja skaa- lautuvasti. Tällä tarkoitetaan, ettei palvelutoimintaa rajoita enää se, miten paljon asiak- kaita on linjoilla ja etsimässä tietoa samaan aikaan. Samoin chatbottia ei rajoita se, mon- tako asiakaspalvelijaa on vapaana, kuten reaaliaikaisen chatin haasteena on. Tulevaisuu- dessa tekoälyn kehittyessä ja laajentuessa chatbot todennäköisesti on itseoppiva haku- kone useimmissa käyttötapauksissa, joissa se toimii vuorovaikutuksessa ihmisen kanssa.
Tosin tekoälyä hyödynnettäessä tiedonhaun käynnistäjinä voivat toimia kirjoitetun ja pu- hutun luonnollisen kielen lisäksi myös esimerkiksi ihmisen kasvojen mikroilmeet, liike- radat tai älylaitteen antama paikannussignaali. (Rotonen 2017; Voutilainen 2018; Valtio- neuvosto 2019, 14.)
Kotimaisten kielten keskus (KOTUS) neuvoo käyttämään englanninkielen sanan ”chat”
tilalla suomenkielistä ”tsät” -termiä. Mutta keskusteltaessa chatbotista, joka on chatkes- kusteluun eli tsättäilyyn tarkoitettu robotti, voidaan käyttää myös termiä botti (KOTUS 2017). Tässä tutkimuksessa käytetään puhekielessä vakiintuneita termejä chat, chatbotti tai botti. Chat tarkoittaa reaaliaikaista ihmisten välistä sähköistä viestinnällistä vuorovai- kutusta älylaitteella tai tietokoneen välityksellä. Chatbot tai botti -termiä käytetään silloin, kun kyseessä on robottiasiakaspalvelijan ja ihmisen välinen sähköinen viestintä älylait- teen tai tietokoneen välityksellä.
Molemmat 24/7/365 toiminnassa oleva chatbot sekä reaaliaikainen chat, asiakkaan ja am- mattilaisen sähköinen viestintäkanavana vaativat toimiakseen teknisen alustan. Näitä ovat ammattilaisen käyttöliittymä sekä palveluntarjoajan asiakkaille tarjoama chat -kuvake web-sivustojen puolella, jonka kautta keskusteluyhteys yksittäiseen chat -kontaktiin ava- taan, oli sitten keskusteluosapuolena ihminen tai robotti. Sähköisten palvelujen toiminta- prosessien ei pitäisi olla paperimaailman kopioita ilman suurempaa kehittämistyötä vaan taustalla tulisi olla aina visio siitä, miten asiakkaita voidaan palvella paremmin, tehok- kaammin ja laadukkaammin digitalisoimalla palveluprosessit. Kaupungin ja toimialan ta- solla tulee olla ylätason suunnitelma, strategia siitä, miten palvelut ovat saatavilla ilman, että kansalainen joutuu etsimään internetistä mutkikkaiden palvelupolkujen päästä tarvit- semaansa tietoa (Rusama 2018).
Tämän tutkimuksen merkitys korostuu, koska Helsingin Sosiaali- ja terveystoimialalla ei ole aiemmin ollut käytössä yhtään chatbottia. Tästä syystä on tämän chatbotin käyttöön- ottoprosessin kuvaus ja sen ongelmakohtien selvittäminen sekä dokumentoiminen tar- peellista seuraavia hankkeita ajatellen. Tämä tutkimus antaa uutta tietoa sähköisen asi- oinnin kehittämiselle sekä digi- että chat -strategioiden tueksi.
Tämän tutkimuksen tuloksena saadaan ymmärrystä botin käyttöönottoprosessista sekä mittaustulosten perusteella tuotettua tietoa. Niitä tarvitaan, niin Palvelu- ja ostopalvelu- seteli (PSOP) -chatbotin kuin muidenkin tulevien chatbottien luonnollisen kielen perus- teella toimivien tietokantojen rakentamisen tueksi ja vastaamistarkkuuden kehittämiseen.
Vastaustarkkuuden avulla voidaan arvioida botin tuottamaa arvoa sosiaali- ja terveyden- huollon uutena palvelukanavana. Tutkimuksen keskeinen tavoite on dokumentoida ja saada tutkittua tietoa chatbottien opetusinterventioiden parantamiseen. Tämän tapaustut- kimuksen tarkoitus on kuvata PSOP -chatbotin käyttöönottoprosessi ja tuottaa malli siitä, mitä asioita tulee huomioida chatbotin tietokannan rakentamisen yhteydessä ja käyttöön- oton jälkeen ylläpitoon siirryttäessä. Chatbotin vastausosaamisen kehittymistä seurattiin tämän tutkimuksen osalta ensimmäisten kahden kuukauden aikana käyttöönotosta.
2 CHATIT JA CHATBOTIT SOSIAALI- JA TERVEYDENHUOLLON SÄH- KÖISINÄ PALVELUKANAVINA
2.1. Tietojärjestelmän onnistumismalli
William H. DeLone ja Ephraim R.McLean (2003) kuvaavat toimivaa ja käyttäjäystäväl- listä tietojärjestelmää kolmen laatu-ulottuvuuden kautta: Tieto/Informaatio, järjestelmä ja palvelu. Tämä vuonna 2002 päivitetty versio mallista pohjautuu vuonna 1992 julkaistuun alkuperäismalliin. Sen mukaan onnistuneen tietojärjestelmän käyttöönotossa jokaisen tunnistetun ulottuvuuden tulee olla erikseen mitattavissa ja kontrolloitavissa. Tietojärjes- telmän hyötykäytön edellytyksenä on, että järjestelmän käyttäjät kokevat saavansa hyötyä järjestelmän käytöstä, jonka ansiosta käyttäjätyytyväisyys paranee. Vastaavasti parantuva käyttäjätyytyväisyys edesauttaa parempaa järjestelmän käyttöä. Vain tällöin on saavutet- tavissa paras nettohyöty tietojärjestelmäkokonaisuuden käytöstä.
Alkuperäinenmalli käsitti vuonna 1992 kuusi eri ulottuvuutta, joiden kautta järjestelmän nettohyötyä voitiin mitata. Ne olivat tuolloin: 1) järjestelmän laatu, 2) informaation laatu, 3) järjestelmän käytettävyys, 4) käyttäjätyytyväisyys, 5) henkilökohtainen vaikutus ja 6) organisaation vaikutus. Huomioitavaa on, että onnistuneiden tietojärjestelmien käyttöön- ottoa mitattaessa olisi tarkasteltava aina järjestelmän moniulotteisuutta ja ainutkertai- suutta. Etenkin, jos samassa yhteydessä suoritetaan mittauksia ja arviointia. Oleellista on mitata mahdollisimman paljon ristikkäisiä ulottuvuuksia, joiden välillä havaitaan riippu- vuussuhteita ja niiden vaikutuksia toisiinsa kerätyn aineiston perusteella. Tutkimuksen kohteena olevat ulottuvuudet tulee valita huolellisesti, joiden avulla mahdollistetaan ob- jektiivinen ja luotettava tutkimustulos. (DeLone & McLean 2002.)
DeLonen ja McLeanin (1992) mallin mukaan mitattavia ulottuvuuksia ovat esimerkiksi järjestelmän laadun vaikutus yksilöön, organisaatioon että tiedon laadun vaikutus käyttä- jätyytyväisyyteen. Järjestelmän laatua voidaan mitata tutkimalla tiedontuottamisen pro- sessin sisältämiä numeraalisia muuttujia, kuten tiedonsiirron vasteaikoja. Vastaavasti tie- don laatua voidaan mitata tutkimalla järjestelmän tuottaman tiedon luotettavuutta, paik- kaansa pitävyyttä, eheyttä ja ymmärrettävyyttä. Samoin yksi mittaamisen ulottuvuus voi olla järjestelmän tuottaman tiedon ja vastaanottajan kyky hyödyntää vastaanottamaansa tietoa. Toinen mittaamisen ulottuvuus on järjestelmän tuottaman tiedon vaikutus yksilön
käyttäytymiseen. Muita mitattavia ulottuvuuksia ovat esimerkiksi DeLonen ja McLeanin alkuperäisen mallin mukaan käyttäjätyytyväisyyden mittaaminen käyttäjän käyttäessä järjestelmää tai järjestelmän tuottaman tiedon vaikutus organisaation käyttäytymiseen.
(DeLoan & McLean 1992, 64-75.)
Vuonna 2003 DeLone ja McLean ovat tarkentaneet määritelmäänsä mitattavista ulottu- vuudet Tietojärjestelmän onnistumismallissa. Tarkastelun kohteena on heidän nykyisen määrittelynsä mukaan seuraavat ulottuvuudet: 1) Järjestelmän laatu, 2) Tiedon/ informaa- tion laatu, 3) Käyttö, 4) Käyttäjätyytyväisyys ja 5) Nettohyöty. Mallista poistettiin hen- kilökohtainen vaikutus ja organisaatio vaikutus. Ne ovat korvattuja Nettohyöty -ulottu- vuudella. Mallin ulottuvuudet ovat kuvattu tarkemmin taulukossa 1.
Ulottuvuus Mitattava suure
Järjestelmän laatu (Systems quality) Mukautuvuus (Adaptability) Saatavuus (Availability) Uskottavuus (Reliability) Vasteaika (Response time) Käytettävyys (Usability) Tiedon/ informaation laatu (Information qual-
ity)
Eheys (Completeness)
Ymmärrettävyys (Ease of understanding) Yksilöllisyys (Personalization)
Asiaankuuluvuus (Relevance) Turvallisuus (Security)
Palvelun laatu Vakuuttavuus (Assurance)
Empaattisuus (Empathy)
Vastaanottavuus (Responsiveness)
Käyttö Käytön luonne (Nature of use)
Sivustojen navigoitavuus (Navigation patterns) Sivuvierailujen määrä (Number of site visits) Toteutuneitten toimintojen määrä (Number of transactions executed)
TAULUKKO 1.: Mitattavat tietojärjestelmän ulottuvuudet (DeLone & McLean 2003, 26)
Käyttäjätyytyväisyys (User satisfaction) Toistuvat suoritteet (Repeat purchases) Toistuvat käynnit (Repeat visits) Käyttäjätutkimus (User surveys) Nettohyöty (Net benefits) Kustannussäästö (Cost savings)
Laajentuvat markkinat (Expanded markets) Myyntivoittojen nopea kasvu (Incremental ad- ditional sales)
Ei lisääntyviä kustannuksia (Reduced search costs)
Ajansäästö (Time savings)
William H. DeLone ja Ephraim R. McLean (2003) toteavat 2002 päivitetyssä mallissaan, että: ”Palvelun laatu on uskottavasti mitattu, kun siihen liitetään järjestelmän laadusta ja tiedon laadusta tehdyt erilliset mittaukset”. Kuviossa 1 on kuvattuna prosessimalli, joka etenee vasemmalta oikealta vaiheittain. Nettohyötyä arvioitaessa olisi tutkijan esitettävä kysymyksiä siitä, millaisia seuraamuksia järjestelmän käytöllä ja olemassaololla on eri tahoille, jotka kuuluvat järjestelmän ekosysteemiin. Nettohyödyn ulottuvuuksia on arvi- oitava mahdollisimman monessa eri yhteydessä, jolloin saadut tulokset voivat olla sekä positiivisia että negatiivisia. (DeLone&McLean 2003.)
KUVIO 1. Tietojärjestelmän onnistumismalli (DeLone ja McLean 2003, 24)
Samoin DeLone ja McLean (2003) toteavat, että tietojärjestelmän nettohyötyyn vaikuttaa aina myös järjestelmän käyttäjätyytyväisyys. Toisaalta tämän tutkimuksen ulkopuolelle rajataan Palvelusetelien palvelujentarjoajien käyttäjätyytyväisyyskysely, joka suoritetaan toisaalla käyttöönottoprojektin yhteydessä osana uuden chatbot -palvelun ulkoista vies- tintäsuunnitelmaa. Tässä tutkimuksessa lähestytään PSOP -chatbotin käyttöönottoa De- Lonen ja McLeanin Tietojärjestelmän onnistumismallin (2002) tiedon/ informaation ja järjestelmän laadun näkökulmista.
2.2. Sosiaali- ja terveydenhuollon sähköisten palvelujen saavutettavuus
Sosiaali- ja terveydenhuollon palvelut ovat erityislainsäädännöllä määriteltyjä, jolla tar- koitetaan sosiaali- ja terveyspalvelujen sekä niiden yhteistenpalvelujen järjestämisen oh- jausta. Sisällöltään palvelut ovat organisoitua toimintaa. Lisäksi sosiaali- ja terveyden- huollon palveluilla voidaan tarvittaessa edistää tietyn väestön tai väestöryhmän hyvin- vointia ja terveyttä esimerkiksi palvelusetelien avulla. Palvelunantajiksi kutsutaan palve- luja järjestäviä, tuottavia ja toteuttavia toimijoita. Palvelunantajat ovat palvelunjärjestäjiä, palvelutuottajia ja palveluntoteuttajia (THL 2017.)
Kunnilla on useita sosiaali- ja terveydenhuollon lainsäädännöllä määriteltynä järjestämis- vastuita. Lakisääteisyys tarkoittaa tarkoituksenmukaisella tavalla järjestettyjä julkisia so- siaali- ja terveydenhuollonpalveluita. Järjestämisvastuista säädetään laissa sosiaali- ja ter- veydenhuollon suunnittelusta ja valtionavustuksesta 733/1992. Tarkoituksenmukaisuus palvelujen tuottamisessa tarkoittaa sitä, että kunta voi tuottaa palvelut itse tai järjestää ne ostopalveluina sekä valitsemalla palvelujen toteuttamistavan palvelutarpeen arvioinnin perusteella (THL 2017; STM 2018b.) Laki digitaalisten palvelujen tarjoamisesta (306/2019) astui voimaan 1.4.2019. Siinä on kuvattu ne vaatimukset, jotka koskevat kaik- kia niitä viranomaisia, jotka hoitavat julkista hallintotehtävää sekä Euroopan Unionin saa- vutettavuusdirektiivin toimeenpanoa Suomessa. Lain keskeisiä uudistuksia on, että viran- omaisen on tarjottava asiakkailleen mahdollisuus lähettää asiointiinsa liittyvät asiakirjat sähköisesti sekä varmistettava, että sen vastuulla olevat digitaaliset palvelut ja sähköiset tiedonsiirtomenetelmät ovat saatavilla myös palvelupisteiden aukiolon ulkopuolella.
(Valtiovarainministeriö 2019a.)
2.3. Palvelusetelin käyttäjät
Palvelusetelin käyttäjällä tarkoitetaan sosiaali- ja terveydenhuollon palvelusetelistä anne- tun lain (569/2009) mukaan asiakasta, joksi kutsutaan niin sosiaalihuollon asiakaslaissa kuin myös potilaslaissa tarkoitettua potilasta. Palveluseteli on kyseisen palvelun järjestä- misvastuussa olevan kunnan sosiaali- ja terveyspalvelun saajalle myöntämä maksusitou- mus, jolla korvataan palvelun kustannukset ennalta määrättyyn arvoon asti. Palvelusete- listä on käytävä ilmi, mihin palveluun seteli on myönnetty ja kenelle se on myönnetty.
Palveluseteli on viranomaispäätös, joka voi olla kirjallisessa tai sähköisessä muodossa.
Asiakas voi käyttää palveluseteliä, kun hänellä on mahdollisuus käyttää valinnanvapaut- taan ja valita tarvitsemansa palveluntuottaja kunnan hyväksymältä palveluntarjoajalta.
Kunnalla on velvollisuus pitää luetteloa hyväksymistään palvelujen tuottajista, jossa on mainittu palvelujen tuottajat, palvelut ja hinnat. Mikäli palvelujen tuottajaluetteloa ei ole saatavilla sähköisessä muodossa internetistä, niin se tulisi olla saatavissa sosiaali- ja ter- veydenhuollon toimipisteistä. Internetissä julkaistavassa palvelujen tuottajaluettelossa on hyvä olla linkit suoraan palvelujen tarjoajien sivustoille vertailun helpottamiseksi. Kunta hyväksyy palveluntarjoajat, jotka voivat täyttää laissa heille esitetyt vaatimukset. Lisäksi kunta voi asettaa myös omia vaatimuksia. (Uotinen 2009.)
Useamman kunnan yhteistyönä on internettiin perustettu ”Parastapalvelua.fi” -sivusto, jossa kansalainen voi tarkastella ja vertailla hänelle myönnettyä palveluseteliä sekä pal- veluntarjoajat voivat markkinoida omia palveluitaan ja kertoa yrityksestään. Parastapal- velua.fi -sivuton yksi tärkeimmistä tehtävistä on toteuttaa valinnanvapautta sekä mahdol- listaa tulevaisuudessa mahdollisten valinnanvapauslainsäädännön myötä käyttöönotetta- vien asiakasseteleiden ja henkilökohtaisen budjetin käytön. (Parastapalvelua.fi 2018).
Helsingin Sosiaali- ja terveystoimialan yksi palvelujen kehittämiskohde on selkiyttää ja tehostaa kaupunkilaisille tarjottavaa palveluseteli- ja ostopalvelu -palvelua (PSOP). Pal- veluseteleitä oli vuonna 2018 Helsingillä käytössään 16 erilaista (Helsingin kaupunki 2018a) ja vuonna 2019 jo 21 erilaista (Helsingin kaupunki 2019b.) Palvelusetelejä myön- netään vuosittain 20 000 henkilölle, joista 15 000 on suunterveydenhuollon palvelusete- lien tarvitsijoita (Helsingin kaupunki 2017f).
Huomioitavaa on, että ostopalvelut erottuvat palvelusetelitoiminnasta. Ostopalveluilla tarkoitetaan palveluja, jonka palvelunjärjestäjä hankkii korvausta vastaan oman organi- saationsa ulkopuolelta. Mikäli palveluntuottaja hankkii palveluja palveluntoteuttajalta, niin kyseessä ei ole ostopalvelu vaan alihankinta (THL 2017, 25). Ostopalvelujen tarjonta sekä palvelusetelitoiminta kuuluvat molemmat kunnan järjestämiin sosiaali- ja tervey- denhuollon tehtäviin, joista säädetään laissa sosiaali- ja terveydenhuollon suunnittelusta ja valtionosuudesta (1706/2009). Kunta voi antaa palvelun käyttäjälle palvelusetelin, jol- loin kunta sitoutuu maksamaan palvelun käyttäjän, kunnan hyväksymältä yksityiseltä pal- velujen tuottajalta hankkimat palvelut, kunnan päätöksellä asetettuun setelin arvoon asti (Uotinen 2009, 34). Lisäksi samaisessa laissa säädetään palvelun vähimmäislaadusta, mi- käli kunta hankkii sen ostopalveluna tai palvelusetelin avulla yksityisiltä palveluntuotta- jilta. Yksityiseltä hankittavien palvelujen tason tulee vastata julkisen palvelun minimita- soa (Uotinen 2009, 35). Palvelusetelillä järjestettävän palvelun tuottaminen kuuluu kui- tenkin ostopalveluvaltuutuksen piiriin, joka laaditaan OSVA -lomakkeella, joka edelleen tallennetaan Potilastiedon arkistoon. (Kanta.fi 2019; Helsingin kaupunki 2018e).
2.4. Sosiaali- ja terveydenhuollon ammattilaiset ja chatbot -tietokanta
Sosiaali- ja terveydenhuollon asiakas- ja potilastietojärjestelmiä saavat käyttää vain pal- veluntarjoajalle työsuhteessa olevat sosiaali- ja terveydenhuollon ammattilaiset (Laki so- siaali- ja terveydenhuollon asiakastietojen sähköisestä käsittelystä 9.2.2007/159). Sosi- aali- ja terveydenhuollon palveluita tuottavien yksiköiden henkilöstöstä on säädetty laissa sosiaalihuollon ammattihenkilöistä 817/2015 ja laissa terveydenhuollon ammattihenki- löistä 559/1994. Terveydenhuollon ammattihenkilöllä tarkoitetaan laissa henkilöä, joka on saanut ammatinharjoittamisoikeuden tai ammatinharjoitusluvan sekä henkilöä, jolla tämän lain nojalla oikeus käyttää valtioneuvoston asetuksella säädettyä terveydenhuollon ammattihenkilön ammattinimikettä.
Reaaliaikaiset chatit ja chatbot -palvelukanavat toimivat ” matalan kynnyksen” palvelu- kanavina kansalaisille. Reaaliaikaisten chattien kautta asiakkaat voivat lähestyä suoraan ammattilaisia ja kysyä heitä askarruttavia asioita. Chat- ja chatbot palvelukanavien kautta kansalainen tavoittaa ammattilaisen periaatteessa kaikkialta, missä vain internet toimii ja asiakkaalla itsellään on nykyaikainen tietokone tai matkapuhelin käytössään. Myös eri
aistivammaiset, kuten kuulo- tai puhevammaiset saavat chatin kautta helposti suoraan henkilökohtaista neuvontaa. Reaaliaikainen chat -keskustelu ja chatbot eroavat tässä koh- din, koska chatbot keskustelu on kommunikointia virtuaalisen asiakaspalvelijan eli toisin sanoen robotin kanssa. (Stadin sote digisti 2018.) Kuviossa 2 on kuvattu chatbot -prosessi Helsingin kaupungin Sosiaali- ja terveystoimialalla (Linden A., Siimeslehto K., Raatikai- nen A-M. & Kantsila J. 2019).
Vaira, Bochicchio, Conte, Casaluci & Melpignano (2018) kuvaavat chatbotin rakenta- misprojektia raskaana olevien naisten ja pienten lasten vanhempien tiedon tarpeeseen ja neuvontaan siitä lähtökohdasta, että kansalaisilla on tarve saada nopeasti laadukasta ja luotettavaa tietoa terveyteen ja sairauteen liittyvissä kysymyksissä. Luotettavan infor- maation turvaaminen on yhteistä kaikissa chatbotin käyttöönottoon liittyvissä tutkimuk- sissa. (Coleman, Olsen, Sauter, Baker, Hodgin, Stanfield, Emerling, Hruban & Nolan 2005; Cameron, Cameron, Megaw, Bond, Mulvenna, O´Neill, Amour & McTear 2017;
Armstrong 2018; Vaira ym.. 2018; Wilson 2018.)
KUVIO 2. Helsingin kaupungin Sosiaali- ja terveystoimialan chat -prosessi (Linden, Siimeslehto Raatikainen & Kantsila 2019)
Chatbotin avulla tuotettavaa asiakasneuvontaa on seurattava tarkoin. Sosiaali- ja tervey- denhuollon alalla toimivan chatbotin näkökulmasta viranomainen, sosiaali- ja terveyden- huollon ammattilainen, on velvoitettu tietokannan rakentamiseen ja täydentämiseen, vaikka itse sovellus ostetaan yksityiseltä toimittajalta. Julkisen viranomaispalvelun tieto- kannan täydentämiseen osallistuvat henkilöt eivät voi olla yksityisen yrityksen työnteki- jöitä, ellei kyseisen palvelun neuvontatehtävän ulkoistamista ole mahdollistettu erityis- lainsäädännössä. Perustuslain §124 määrittelee ne vaatimukset, joiden perusteella ulkois- tamiset ovat sallittuja lailla tai lain nojalla. (Voutilainen 2018, 912.) Lisäksi tulee huomi- oida, että chatbottien tietokannan kehittämistä tulee arvioida aina riskiperusteisesti. Chat- botin antaman vastauksen perusteella asiakkaalle ei pitäisi päästä syntymään väärinkäsi- tystä siitä, mihin hän on oikeutettu tai velvoitettu. (Voutilainen 2018, 921.) Julkisten palvelujen kohdalla tulisi aina huomioida, että asiakkaalla on oikeus saada palvelua suo- men kielen lisäksi myös ruotsinkielellä, mikäli tämä on hänen asiointikielensä. Näissä tapauksissa, joissa reaaliaikaista chattiä tai chatbot -palvelua ei ole rakennettu toiselle kotimaisista virkakielistä, asiakkaalla tulisi olla vaihtoehtoinen tapa saada hoidettua asi- ansa viranomaisen kanssa, kuten puhelimitse tai asioimalla asiointipisteessä. (Voutilainen 2018, 919.)
Kansainvälisesti tehtyjä tutkimuksia chatbottien käytöstä terveydenhuollossa on tehty toistaiseksi muutamia kymmeniä. Yhteistä niissä on, että chatbotit ovat rakennettu tuot- tamaan terveydenhuollon sähköisiä palveluja kustannustehokkaasti. Chatbotin käyttötar- koitus on toimia joko itsenäisenä hakukoneena kansalaisen tiedontarpeelle tai se voidaan integroida osaksi muuta palvelukokonaisuutta. Botti voi myös toimia itsehoidon diagnoo- sityökaluna, jolloin siihen voidaan liittää erilaisia lisätoimintoja helpottamaan kansalai- sen tiedontarvetta esimerkiksi tunteiden ilmentämiseen emojita tai karttapalvelun kautta näytettäviä lähellä sijaitsevia terveydenhuollon yksiköitä. Chatbotin tietokanta tulee kui- tenkin olla lähtökohtaisesti rakennettu niin laajasti, että se pystyy ohjaamaan kansalaisen oikeaan hoitopaikkaan tai antamaan oikeanlaiset itsehoito-ohjeet. Chatbotin osaaminen perustuu tietokantaan, joka sille on tallennettu aihealueittain. Usein taustamateriaalina on käytetty palveluiden web-sivustojen ”usein kysyttyjä kysymyksiä” tai vastaavia tietoläh- teitä, kuten paperisia esitietokyselyjä, jotka on täytetty ennen hoitoon hakeutumista. (Ca- meron ym. 2017.)
Ennen kuin chatbotin antamat vastaukset ovat luotettavia sekä se voidaan ottaa hyväksy- tysti käyttöön, niin sitä tulee testata monin tavoin. Järjestelmän on todella pystyttävä suo- riutumaan niistä kysymyksistä, joita sen on tarkoitus ymmärtää. (Armstrong 2018; Vou- tilainen 2018.) Eräs terveydenhuollon chatbot käyttöönotoista tehtiin Britanniassa, Lon- toossa vuonna 2017. Siellä otettiin käyttöön Babylon Health -terveysteknologiayrityksen valmistama chatbot. Sen sanottiin pystyvän vastaamaan 72% varmuudella oikein akuut- tihoidontarpeen yhteydessä esitettyihin oirekysymyksiin (Wilson 2018). Kuin taas Mic- rosoftin Tay -chatbotti jouduttiin ottamaan pois käytöstä Twitterissä vain 16 käyttötunnin jälkeen, koska sen oppisprosessi perustui botin saamaan palautteeseen sekä automaatti- seen vahvistettuun oppimiseen. Yllättäen botin saama käyttäjäpalaute oli ollut odottamat- toman negatiivista, jolloin botin tulkinnat ”oikeista vastauksista” vinoutuivat heti alkuun ja se jouduttiin poistamaan käytöstä (Cameron ym. 2017).
Chatbotin tietokantaa ja vastaamisosaamista voidaan täydentää myös analysoimalla sille kansalaisten esittämien kysymysten perusteella. Coleman, Olsen, Sauter, Baker, Hodgin, Stanfield, Emerling, Hruban & Nolan (2005) tutkivat syöpäsairaiden potilaiden ja omais- ten tukeen perustetun www -sivuston, kansalaisten keskustelupalstan ”kysymys -vastaus”
aineistoa (eng. FAQ), keräämällä kuukauden aikana sivuston keskustelupalstalle tehdyt postaukset (n=300). Poiminnan jälkeen aineisto oli teemoitettu ja sisällön analyysin avulla oli määritelty ne aihealueet, joista potilaat olivat tarvinneet lisää tietoa. Saatujen tulosten perusteella oli pystytty täydentämään ja kohdentamaan sivustolla jaettavaa infor- maatiota ja parantamaan sivuston kautta tarjottavaa tukea syöpäsairaille ja heidän omai- silleen. (Coleman ym. 2005.)
Digitaalista palvelua kehitettäessä on aina noudatettava suurta huolellisuutta tietoturva ja -suoja kysymyksissä sekä palvelun eettisyydestä. Vastuullisesti suunniteltu ja käyttötes- tattu chatbot osaa vastata käyttäjiensä odotuksiin, mutta myös antaa palvelua kohdates- saan sille vieraita kysymyksiä (Cameron ym. 2017; Armstrong 2018; Voutilainen 2018.) Yhtenä esimerkkinä toimii tässäkin Babylon Health chatbotin toiminta. Sen luotettavuutta oli kritisoitu Britannian terveydenhuollon julkaisuissa voimakkaasti, mutta siitä huoli- matta testausten tulokset olivat hyväksyviä. Järjestelmän tulee kestää tieteellisiin lähtö- kohtiin perustuva arviointi. Babylon Health chatbotin tapauksessa järjestelmätestaukset
olivat tieteellisesti arvostetun tahon, Britannian kansallisen lääkäriseuran “the Royal Col- lege of General Practitioners” (RCGP) hyväksymiä. Testien taustalle oli laadittu useita erilaisia potilastapauksia, joiden oirekyselyä pyrittiin simuloimaan botille. Testin tulok- sena botti oli pystynyt tasalaatuisempaan diagnostiikkaan kuin ihmislääkärit. Lähtökoh- taisesti chatbotilla ei kuitenkaan ollut tarkoitus korvata ihmislääkäreitä, vaan sen toivot- tiin tuovan lisäarvoa ja tukea päätöksenteolle asiakaskontaktin aikana. (Olson 2018.) Luonnollista kieltä käyttävän chatbotin avainsanat ovat usein tuotettuja oletetuista tai asi- akkaiden ”usein kysytyistä” -kysymyksistä ja näin ollen toimivat ”laukaisijoina tai im- pulsseina” halutuille vastauksille. Ihmisten kielellinen ilmaisu on kuitenkin kovin väri- kästä ja monimuotoista, jolloin chatbotin käyttöönoton alkuvaiheessa kaikkia mahdollisia avainsanayhdistelmiä tai puhekielen ilmaisuja ei ehkä ole vielä kartoitettu ja siten osattu tallentaa botille. Lisäksi tekninen toteutus vaatii palvelimen, johon vastaukset on tallen- nettu ja, josta botti osaa ne hakea. Tulevaisuudessa avainsanojen rinnalle tai tueksi tulee myös muita chatbotin tietokannan hakutoiminnon laukaisevia tekijöitä, kuten toinen so- vellus tai päätelaite lähettää herätteen, joka toimii avainsanan kaltaisena impulssina tai mobiililaitteen paikkatieto aktivoi haun tai käyttäjän keskusteluun liittämät kuvat tekevät hakuja eri tietokannoista. (Cameron ym. 2017; Vaira ym. 2018; Voutilainen 2018.)
2.5. Tekoälyn toteutuksena chatbot
Tekoäly käsitteenä on julkaistu ensi kerran jo vuonna 1956 matemaatikko Alan Turingin toimesta. Hän kehitti ensimmäisen tietokoneen ja häntä voidaan pitää tietojenkäsittelytie- teen uranuurtajana. Tänä päivänä puhutaan edelleen ”Turning testistä”, jolla testataan te- koälyn kykyä ratkaista sille esitetyt tehtävät ihmistä paremmin. Tekoäly (Artificial Intel- ligence, AI) määritellään keinotekoisena luomuksena, yleensä tietokoneohjelman osoit- tamaksi ”älykkyydeksi”. Automatisoituja järjestelmiä, jotka saadaan toimimaan tekoälyn avulla voivat olla esimerkiksi ohjaus (control), suunnittelu ja ajoitus (planning and scheduling) ja puheentunnistus (speech recognition). Tällaisia järjestelmiä on hyödyn- netty esimerkiksi taloustieteissä, lääketieteessä ja videopeleissä (Raatikainen 2007, 31.) Valtioneuvoston julkaisemassa (2019) ”Tekoälyn kokonaiskuva ja kansallinen osaamis- kartoitus” -loppuraportissa määritellään tekoälyn sisältävän 10 eri osaamisaluetta, jotka
ovat kuvattu kuviossa 3. Keskeisenä osa-alueena on tunnistettu data-analyysi (data ana- lytics, data analysis), jossa dataa jalostetaan korkeamman tason tiedoksi ja hyödyllisten johtopäätösten tekemiseksi. Siihen liittyy tiiviisti toinen osa-alue: Koneoppiminen (machine learning), jossa tilastotieteen menetelmien avulla tietokoneet saavat kyvyn op- pia datasta ilman suoranaista ohjelmointia. Tätä käytetään ennustamaan ja luokittelemaan ilmiöiden lopputulemia. Valtioneuvoston raportissa (2019) yhdeksi tekoälyn osaamisalu- eeksi tunnistettiin myös niin kutsutut ”syvät neuroverkot” (deep neural networks). Ne perustuvat vahvasti koneoppimiseen, kuten kuvan- ja puheentunnistusohjelmat sekä kie- len kääntäminen. Omana tekoälyn osa-alueena on kuitenkin luonnollisen kielen käsittely (Natural Language Processing, NLP), jolla tarkoitetaan tietokoneohjelmien käyttämistä luonnollisen tekstin ja puheen analysointiin sekä tuottamiseen. Kun puhutaan keinotekoi- sen systeemin kyvystä ennustaa tarve toimille ja arvioida niiden vaikutusta puhutaan kog- nitiosta, jolloin tulevaisuuden tutkimuksessa tullaan hyödyntämään erilaisia tietämyksen hallinnan menetelmiä, kuten ontologioita ja semantiikkaa. Erityisen mielenkiintoinen te- koälyn osa-alue on vuorovaikutus ihmisen kanssa, kun keskustellaan tekoälyä hyödyntä- vien järjestelmien käytettävyydestä. Tälle osa-alueelle sijoittuvat esimerkiksi suosittelu- järjestelmät, palvelurobotit, chatbotit sekä henkilökohtaiset assistentit, joiden tehtävä on tukea ja lukea ihmistä erilaisissa vuorovaikutustilanteissa. (Valtioneuvosto 2019.)
KUVIO 3. Tekoälyn kymmenen osaamisaluetta. (Valtioneuvosto 2019, 7)
Pauli Brattico ja Otto Lappi (2008) ovat käsitelleet tekoälyn luonnetta artikkelissaan ”Kii- nalaisesta huoneesta”, joka on filosofi John Searlen (1980) esittämä väittämä tekoälyn luonteesta. Heidän näkemyksensä on, ettei ole olemassa konetta tai tietokoneohjelmaa, joka pystyisi ajattelutoimintaan eli ymmärtämään käsittelemäänsä tiedon merkitystä. Tä- män ajattelun lähtökohtana on ymmärrys siitä, että tietokone käsittelee saamaansa tietoa syntaksiin perustuen. Tällä tarkoitetaan tiedon käsittelyä puhtaasti rakenteisesti, jolloin tietokone ottaa vastaan syötteitä ja tunnistaa niistä vain merkkien ulkomuodon ja antaa siihen liitetyn merkkijonon tulosteena. Tätä kutsutaan myös symbolien manipuloinnin ideaksi. Voidaankin sanoa, että tietokoneohjelma vastaa sääntökirjaa, joukkoa algorit- meja eli sääntöjä ja ohjeita, jotka ovat tallennettu ennalta määrättyyn järjestykseen.
(Searle 1980; Brattico & Lappi 2008.)
Searlen (1980) mukaan on olemassa heikkoa ja vahvaa tekoälyä. Vahva tekoäly on oh- jelma, joka pystyy tuottamaan mentaalisia tiloja, kuten tietoisuutta, tunteita ja ajatuksia.
Vastaavasti heikon tekoälyn ohjelma voi olla vain kuvaus jostain kohteesta; Systeemillä ei voi olla ymmärrystä, jos se on vain oikealla ohjelmalla varustettu tietokone. Tietokone noudattaa vain sille opetettuja symbolisääntöjä, jolloin puhutaan merkitysominaisuuksien teoriasta (Searle 1980). Jo heikolla tekoälyllä pystytään toteuttamaan yksittäisissä tehtä- vissä taitaviin suorituksiin kykeneviä algoritmeja, kuten hakukoneita, roskapostisuodat- timia tai vaikkapa robottiruohonleikkureita. Lisäksi pystytään tekemään myös jo paljon edistyneempiäkin toimintoja, kuten kameroiden keinonäköön perustuvaa kasvojen tun- nistamista, hahmon- ja liiketunnistusta. Myös puheentunnistusta on jo hyödynnetty eri aloilla tai sovellutuksissa, kuten esimerkiksi Applen Siri. Vahvalla tekoälyllä puolestaan tarkoitetaan tulevaisuuteen ennustettavaa tekoälyä, joka pystyisi toimimaan täysin irral- laan ihmisälystä. (Raatikainen 2007; Brattico & Lappi 2008; Oravec 2018.)
PSOP -chatbotin toimintaperiaate perustuu nykyisellään syntaksiin ja toteuttaa käytän- nössä merkitysominaisuuksien teoriaa. Sen logiikkaa voidaan peilata yleisemmällä ta- solla tietojenkäsittelytieteessä ja informaatiotutkimuksen kohteena oleviin älykkäisiin web-palveluihin, joissa tiedonhaun edellytyksenä on vastaavasti, että kone osaa tulkita ja ymmärtää laajempia tietosisältöjä käsitteiden semantiikkaan eli merkitysoppiin perus- tuen. Tällöin tutkitaan tiedon merkitystä symbolisten ilmausten (signifier) ja niiden tar-
koitteiden (denotation) välisissä suhteissa. (Hyvönen 2018, 33-39.) Tekoälytutkimus (Ar- tificial Intelligence) hyödyntää semanttisen webin tapauksessa predikaattilogiikkaa (pre- dicate logic), jonka taustalla toimii lauselogiikka. Siinä tieto kuvataan väitelauseina (pro- positio), jotka ovat sovellusmaailman tilasta riippuen joko tosia tai epätosia. Lauselogii- kan avulla voidaan johtaa sisäkkäisiä ohjelmointilauseita, joiden keskinäiset suhteet voi- vat olla myös keskenään tosia tai epätosia. (Hyvönen 2018, 151-157.)
Neuroverkko -käsite on lainattu lääketieteeltä ja sen avulla yritetään jäljitellä aivojen ra- kennetta tekoälylle. Syvässä neuroverkossa on useita kerroksia, joissa monimutkaisem- paa abstraktisempaa dataa pystytään käsittelemään. Ohjatussa oppimisessa kone tietää vastauksesta tekemänsä päättelyn avulla, että se on oppinut tekemään oikean valinnan jäljittelemällä muita oikeita vastauksia (Yonck 2011; Rotonen 2017.) Vahvistusoppimi- sen logiikka perustuu kausaalisuuden ymmärtämiseen, ”kun on x, niin silloin y on jotain
”. Kone kirjoittaa algoritmia saamansa palautteen perusteella ja parantaa tulostaan. Oh- jaamatonta oppimista tapahtuu esimerkiksi sosiaalisessa mediassa, jossa käyttäjät ryhmi- tellään heidän tekemiensä valintojen perusteella tiettyihin joukkoihin eli klustereihin. Täl- löin kone tarkastelee ainoastaan syötteenä saamansa dataa ja muokkaa aineistoa sen mu- kaan. (Hoyer 2011; Rotonen 2017; Oravec 2018.) PSOP -chatbotin opettamisessa käyte- tään vahvistusoppimista, joka perustuu sosiaali- ja terveydenhuollon ammattilaiseen te- kemään lokianalyysiin botin kyvystä vastata sille esitettyihin kysymyksiin.
Chatbottien käyttöönoton ja yleensä koneoppisen on mahdollistanut käytettävissä olevan alati lisääntyvän datan hyödyntäminen. (Hoyer 2011; Yonck 2011; Valtioneuvosto 2019b; Valtiovarainministeriö 2019b.) Chatbotin ohjelmointialgoritmit voivat perustua yksinkertaiseen kyllä-ei valintaan tai monimutkaisempaan luonnollisen kielen tunnistus (NLP) -logiikkaan. Viimeksi mainitun yhteydessä toteutuu ajatus siitä, että chatbot -ro- botti osaa tunnistaa käyttäjän syöttämästä kysymyksestä aihealueen avainsanan perus- teella ja tarjota tämän perusteella ennakkoon tietokantaan syötettyä vastausta. (Cameron ym. 2017; Voutilainen 2018.) Kuviossa 4 on toisaalta kuvattu esimerkkinä yksinkertaisen chatbotin algoritmi, joka on sille valmiiksi ohjelmoitu. Siinä kysytään käyttäjältä vas- tausta kysymykseen: ” Onko sinulla ongelmia työssäsi?”, johon vastaamalla kyllä tai ei - päättelyketju etenee sen perusteella, mitä käyttäjä vastaa botille. (Cameron ym. 2017.)
Chatbotin opettaminen on jo paljon haasteellisempaa luonnollisen kielen prosessiin (Na- tural Language Processing, NLP) kuin sen toimintalogiikan perustuminen pelkkiin kyllä ja ei vastauksiin. Luonnollisen kielen ymmärtämisellä tarkoitetaan koneen ja ihmisen vä- listä vuorovaikutusta ”kysymys - vastaus” -kontekstissa. Chatbottien käyttöönotto on re- sursseja vaativaa työtä, jotka pitää suunnitella hyvin. Jotta chatbotti voisi palvella parhai- ten eli tuottaa laadukkaita vastauksia mahdollisimman nopeasti asiakkaan esittämiin ky- symyksiin, niin sille on määriteltävä toimintaa ohjaavat säännöt eli algoritmit. Yksinker- taisimmillaan ne tarkoittavat yksittäisiä avainsanoja tai niistä koottuja ehtolausekkeita, joiden tuloksena botti antaa toivotun vastauksen. (Vaira ym. 2018; Voutilainen 2018.) Tietokantaan tallennetun tiedon saatavuutta parantaa myös media- ja kommunikaatiotek- nologian hyödyntäminen oikeanlaisen käyttöliittymän välityksellä. Teknologian avulla käyttäjä pystyy vastaanottamaan hakemaansa tietoa omaan käyttötarkoitukseensa, jolloin puhutaan yleisellä tasolla tapahtuvasta teknologiavälitteisestä sosiaalisesta vuorovaiku- tuksesta (Saari 2011). Chatbot -ohjelmoituna hakukoneena, joka on liitetty tieteellisesti korkeatasoiseen tietokantaan, voisi hyvin olla yksi tällainen tieto- ja viestintäteknologian KUVIO 4. Chatbotin yksinkertainen päättelyalgoritmi (Cameron ym. 2017, 4/ Figure 3 Proposed chatbot script)
käyttöliittymä sosiaali- ja terveydenhuollon ammattilaisten käyttöön. Tekoälystä on hyö- tyä tiedon saatavuuden parantamisessa. Tämän on esimerkiksi Euroopan komissio toden- nut keväällä 2018, jolloin se antoi ehdotuksen direktiivin uudistamisesta julkisen sektorin tietoaineiston toisiokäytöstä. (Voutilainen 2018, 905.)
Lisääntynyt kansalaisten mobiili- ja älylaitteiden käyttö mahdollistaa etähoidon ja -pal- velut. Tämä tiedon tarve yhdistettynä ennakko-olettamukseen, että tekoäly (Artificial In- telligence, AI) tulee lähivuosina muuttamaan myös täysin terveydenhuollon neuvontapal- velut, diagnoosien laatimisen, lääkehoidon ja ylipäätänsä koko terveydenhuollon analy- tiikan. Kansanterveystyön näkökulmasta preaktiivinen toiminta interventioineen tervey- denhuollossa tulee mahdolliseksi tekoälyn käyttöönoton myötä. Samoin palvelujen koh- dentaminen tasapuolisesti ja oikea aikaisesti eri väestöryhmille mahdollistuu tehokkaam- min. (Valtioneuvosto 2019; Valtiovarainministeriö 2019.)
2.6. Tieto- ja viestintätekniikan tutkimus sosiaali- ja terveydenhuollossa
Tehtyjen aineistohakujen perusteella eri tieteellisten julkaisujen tietokannoista, voidaan todeta, ettei sosiaali- ja terveydenhuollon chatbot -aiheesta ole vielä tehty laajemmin tie- teellistä tutkimusta. Yksi selittävä syy tutkimusten vähyydelle on, että sosiaali- ja tervey- denhuollossa chatbotteja on ollut käytössä vasta erittäin lyhyen aikaa. Tutkijalla oli ai- neiston hakua varten laadittuna esitutkimuskysymykset liittyen tutkimusaiheeseen, joiden avulla laadittiin ensin asiasanalistat ja sen perusteella lähdettiin etsimään kansainvälisistä julkaisuista tutkimustietoa, koska kotimaista tieteellistä tutkimustietoa ei ollut saatavissa lainkaan.
Yksi vähäisen tutkimustiedon puuttumisen syy voi olla, että varhaisimmat terveydenhuol- lon tietojärjestelmätutkimukset on epäonnistuneet tunnistamaan ihmisen keskeisen roolin sosiaalisessa ja organisatorisessa ympäristössä, jossa tietojärjestelmiä käytetään. Tutki- mushaaste on syntynyt siitä, miten ymmärretään havainnot teknisen järjestelmän käytön ja toimintaprosessien sekä sosiaalisen- ja organisatorisen järjestelmän välillä. Organisa- toriseen järjestelmään mukaan luetaan organisaatiokulttuuri, sosiaaliset käytännöt ja käyttäytymismallit, juurtuneet toimintamallit ja poliittinen ilmapiiri. (Callen, Coiera &
Westbrook 2010.)
Tieto- ja viestintäteknologian käyttöönottoa seuraavissa raporteissa yksi mielenkiintoinen kohde on internetin www-sivustojen palvelujen sähköisten kysymys-vastauspalvelujen saatavuus. Kyseistä palvelua tarjotaan niin tunnistautumattona kuin tunnisteellisenakin.
Sairaanhoitopiirien tarjoamissa tunnistautumattomissa palveluissa ei ole ollut suurta muutosta vuosien 2014-2017 välillä ja tunnisteellinen ”kysymys - vastaus” -palvelu oli ollut käytössä kuudessa sairaanhoitopiirissä: Etelä- ja Itä -Savo, Pohjois-Pohjanmaa, Etelä- ja Pohjois -Karjala ja Kainuu. Muita www -sivuilla tarjottavia palveluita olivat olleet asioiminen Hyvis -portaaliin, kirjautuminen omahoito -palveluihin, lomakkeet, toi- mipaikkatietojen esittäminen, toimeentulotukipalvelut, linkitykset KanTa - ja sosiaali- huollon palveluihin sekä ilmoittautuminen vapaaehtoistoimintaan. Perusterveydenhuol- lossa tunnisteetonta ”kysymys – vastaus” -palvelua ylläpiti 16% ja tunnisteellista 19%
terveyskeskuksista. Vain 11 organisaatiolla oli hakutoiminto eri palveluita tuottavista yk- siköistä tai palvelunantajista. Web-sivujen esteettömyydestä oli raportoinut viisi organi- saatiota THL:n raportin mukaan (THL 2018b). Sähköinen kysymys-vastauspalvelu oli ollut käytössä tunnisteettomana kuudessa ja tunnisteellisena viidessä organisaatiossa.
Sähköisiä esitietolomakkeita ja riskitietolomakkeita oli muutamalla organisaatiolla ollut tarjottavana kansalaisille. 17 organisaatiota tarjosi ilmoituksensa mukaan luotettavaa ter- veys- ja hyvinvointitietoa (THL 2018b.) THL:n Tieto- ja viestintäteknologian käyttö ter- veydenhuollossa 2017 -raportissa (THL 2018) ei otettu kantaa siihen, millaisella tekni- sellä ratkaisulla ”kysymys - vastaus” -palvelut olivat www-sivuilla toteutettu. Ainut pois- sulkukriteeri oli, joka raportissa mainittiin, etteivät puhelinpalvelut olleet luvuissa mu- kana. Chat-, tsät -tai chatbot -termiä ei julkaisussa ollut määriteltynä erikseen tai sitä, oliko palvelu ollut reaaliaikaista sähköistä asiointia verkossa.
Tietojärjestelmien käytettävyyttä tarkasteltaessa sosiotekninen lähestymistapa on tie- teessä noussut vastaamaan ymmärrettävyyshaasteeseen, joka ilmenee monimutkaisessa vaikutussuhteessa teknisen järjestelmän ja ihmisen välillä. Usein räätälöidysti suunnitel- lut tietojärjestelmäkokonaisuudet, saattavat valmistuttuaan lopulta vaikuttaa suunnitteli- joistaankin käsittämättömiltä ja toimimattomilta. Toisaalta taas odottamattomat yhteydet ihmisten ja kohteiden välillä ovat tuottaneet myös loistavia yllättäviä kokonaisuuksia, mutta useimmiten ennakoimattomat tulokset muodostuvat ongelmaksi. Odottamattomat
virheet, kuten järjestelmien kaatuminen käyttöönoton jälkeen, aiheuttavat yleensä lisä- kustannuksia ja lamaannuttavat järjestelmän käytön alkumetreillä. Ongelmat voivat joh- tua teknologian käytöstä tai väärinkäytöstä, mutta taustalla on kuitenkin suora yhteys sii- hen, miten suunnittelija on olettanut tietojärjestelmän toimivan. (Coiera 2006.) Viestintä- teknologia on kehittynyt viime vuosina terveydenhuollossa, mutta jokainen IT-interven- tio saattaa tuottaa jonkin odottamattoman tapahtuman, joilla saattaa on negatiivistä vai- kutusta potilaiden hoitoon (Coiera 2006).
Viime aikoina julkisessa keskustelussa on nostettu esille myös kansalaisten keskuudessa esiintyvä ”digitaalisen vieraantumisen” -ilmiö. Tällä tarkoitetaan tilannetta, jossa kehitet- tävät terveyspalvelut ja uudet sähköiset sovellukset kansalaisille on suunniteltu vain pa- rempiosaisille kansalaisille teknologia- ja lakiohjaukseen perustuen. Todellisuudessa tie- toon, olemassa olevaan dataan pohjautuvaa sekä käyttäjälähtöistä tutkimusta ei ole tehty.
Yleisesti ottaen sähköisten palvelujen saatavuus ja saavutettavuus tulisi voida turvata myös niille, joilla ei ole samoja taloudellisia mahdollisuuksia hankkia uusimpia digitaa- lisia älylaitteita taloudellisista syistä kuin parempi tuloisilla. (Voutilainen 2018, 920.) Tämä tulee huomioida myös suunniteltaessa kansalaisille tarjottavien chat -palvelujen www -sivustoja, että ne toimivat myös vanhemmilla Internet selaimilla ja yleisimmillä älylaitteilla, jotka ovat saattaneet olla markkinoilla jo pidemmän aikaa. Samoin sähköiset palvelut pitäisi olla käytettävissä erilaisilla aistivammaisten tai senioreiden käyttöön suunnatuilla helppokäyttöisillä älylaitteilla.
Tarkasteltaessa lähemmin chatbotin käyttäjän toimintaa on pystyttävä käyttämään chat- botin käyttöliittymää ilman erillistä ohjausta ja luottamaan sen kautta saamansa informaa- tioon. Epäonnistuneita kokemuksia sovellusten käyttöönottoista on lukuisia ja silloin taustalla on usein syynä, että järjestelmän suunnittelu on epäonnistunut tai suunnitteli- joilla ei ole ollut suunnitteluvaiheessa selkeää käsitystä siitä, mitä käyttäjä tarvitsee. Tästä syystä tietojärjestelmätutkimusta tulee suorittaa samanaikaisesti kehittämisprojektin ai- kana, jolloin arviointiprosessi on jatkuvaa. Tietoa kerätään ennen ja jälkeen käyttöönoton.
Toisaalta tiedon keruu voi tapahtua sekä laadullisesti että määrällisesti. Oleellista on kui- tenkin tutkimuksen keinoin selvittää, miten tietojärjestelmään tai sovellukseen tehtävät muutokset ja kehittämistoimet vaikuttavat tietojärjestelmän käytettävyyteen. (Li 2010.) Tämän tutkimuksen yhtenä tavoitteena on tunnistaa niitä PSOP -chatbotin käyttöönotossa
ilmentyneitä puutteita, joita seuraavien käyttöönottojen yhteydessä olisi syytä ratkaista toisin.
Toistaiseksi viestintäteknologia ei ole optionaalinen lisä terveyspalveluissa vaan tulisikin kehittää järjestelmien käytettävyyttä seuraavien vuosikymmenten aikana. Tällöin voitai- siin lisätä teknologian vaikuttavuutta tilanteessa, jossa työvoima vähentyy, väestö ikään- tyy ja työkuorma lisääntyy. Ei ole selvää, minkä tyyppistä järjestelmää tarvitaan eniten, mutta sen tulisi sisältää automaattisesti toimivia osioita kuten, tiedonhallinta ja edistää vuorovaikutuksellista viestintää terveydenhuollon työntekijöiden keskuudessa. Tervey- denhuollon työntekijät eivät ole kyvykkäitä lukemaan kaikkea saatavilla olevaa ammat- tikirjallisuutta tai käsittelemään kasvavaa biolääketieteellistä kirjallisuutta tai aineistoa sellaisenaan. Mutta, jos yhdistetään erityisasiantuntijoiden tietoutta tai käytetään älyk- käitä tiedonhallintajärjestelmiä ja tuotetaan synteesi, jolla luodaan tietovarannon perusta sekä keinot olemassa olevan informaation, tietämyksen hallintaan, niin ammattilaisten kuin kansalaistenkin käyttöön. Tiedon hyötykäyttö paranee, kun useampi toiminto ja tie- totaito-osatekijä mallinnetaan terveydenhuollossa ja niistä tunnistetaan yhdenmukaiset elementit. (Coiera 2006.)
3. TUTKIMUKSEN TARKOITUS JA TAVOITE
Tämän tutkimuksen tarkoitus on kuvata interventiot, joita tarvitaan chatbotin tietokannan laajentamiseksi ja vastaustarkkuuden parantamiseksi sekä tuottaa niistä teoreettinen malli. Kuvata, mitä asioita, millaisia eri prosessivaiheita, olisi hyvä huomioida chatbotin tietokannan rakentamisen yhteydessä ja käyttöönoton jälkeen ylläpitoon siirryttäessä.
Tämän tutkimuksen tavoitteena on lisätä ymmärrystä kahden kuukauden käyttökokemuk- sen perusteella siitä, miten PSOP -chatbotin vastaustarkkuus ja asiakkaalle tarjottu infor- maation laatu muuttuvat ja saada tietoa luonnollista kieltä tulkitsevien chatbottien ope- tusinterventioiden parantamiseen. Lähtökohtana on, että botin vastaustarkkuuden ja osaa- misen tulee kehittyä käyttöönoton ja pilottivaiheen aikana projektiryhmän suorittamien interventioiden myötä.
Tutkimuksella etsitään vastauksia seuraaviin kysymyksiin:
1. Miten chatbotin vastaustarkkuus muuttui käyttöönoton ja kaksi kuukautta käyt- töönoton jälkeen välillä?
2. Millaista informaation ja neuvontapalvelun laatu oli kaksi kuukautta käyttöönoton jälkeen?
3. Millaisilla interventioilla chatbotin vastaamisosaamiseen vaikutettiin käyttöönot- toa seuranneiden kahden kuukauden aikana?
4 TUTKIMUSAINEISTON HANKINTA JA KÄYTETYT MENETELMÄT 4.1. Sosiaali- ja terveydenhuollon tiedonhallinnan paradigma
Sosiaali- ja terveydenhuollon tiedonhallinnan paradigma tarjoaa teoreettisen viitekehyk- sen tieteenalalla tehtävälle kehittämiselle ja opetustoiminnalle. Samalla tiedonhallinnan tutkimusta ohjataan kehittämisen näkökulmasta oleellisille alueille paradigman tuke- mana. Tutkimuksen kohteena ovat tiedonhallinnan prosesseista nouseva käytännönlähei- nen informaatio ja havaittujen ilmiöiden merkitykset. Eri tieteenalojen kysymyksenaset- telua, menetelmiä ja teoreettisia lähtökohtia voidaan hyödyntää tiedonhallinnan tutki- muksessa, kun tarkastellaan tiedonhallinnan tutkimusongelmaa tai sen osa-alueita. Tutki- mukseen tiedonhallinnan tieteenalalla käytetään hyväksi niin määrällisiä kuin laadullisia- kin menetelmiä. (Kuusisto-Niemi & Saranto 2009.)
Tiedonhallinnan tiedeperusta on systeemiteoriassa. Lisäksi se on saanut vaikutteita rin- nakkaistieteenaloista, kuten tietojenkäsittely- ja tietojärjestelmätieteet ja -informaatiotie- teestä sekä muutos- ja innovaatioteorista. Oleellista tiedonhallinnalle on sen substanssi- lähtöisyys, jolloin se voidaan lukea yhteiskuntatieteisiin. Muita lähitieteitä ovat terveys- tieteet, sosiologia, sosiaali- ja hallintotieteet sekä informaatiotieteet. Tutkimustoimintaan ovat vaikuttaneet myös filosofia, tulevaisuuden tutkimus, taloustieteet ja luonnontieteet.
Tutkimusmetodeihin kuuluvat arviointitutkimus, kehittävätyön tutkimus ja ihmisen sekä koneen vuorovaikutusta tutkiva tutkimusote. Siten sosiaali- ja terveydenhuollon tiedon- hallinta on monitieteellinen kokonaisuus, jossa hyödynnetään erilaisia tiedonkeruun ja analysoinnin menetelmiä. Aineistolähtöisen sisällönanalyysin ja tilastomatemaattisten menetelmien avulla kerättyä aineistoa voidaan käsitellä ja tuottaa uutta tietoa tutkittavasta aiheesta. (Kuusisto-Niemi & Saranto 2009, Kuusisto-Niemi 2016.)
Sosiaali- ja terveydenhuollon tiedonhallinnan paradigma on kuvattu kuviossa 5. Se pe- rustuu neljälle entiteetille eli näkökulmalle, joiden avulla voidaan lähestyä tiedonhallintaa eri suunnista. Nämä neljä näkökulmaa ovat: tieto, toiminta, menetelmät ja toimijat. Tie- dolla tarkoitetaan tiedon arvoketjua. Siinä pelkistetystä tietojärjestelmästä poimitusta da- tasta käsittelyprosessien jälkeen saadaan ensin informaatiota ja päätyen lopulta viisauteen eli tietoon. Toiminnalla tarkoitetaan palvelujen suunnittelua, toteutusta, käyttöä ja arvi- ointia. Menetelmillä tarkoitetaan niitä teknisiä ja sosiaalisia toimintatapoja, joita tarvitaan
tuotettujen tietojen käsittelyyn, tallentamiseen ja välittämiseen. Toimijoilla tarkoitetaan henkilöitä tai yhteisöjä, jotka käyttävät sosiaali- ja terveydenhuollon palveluja. (Kuusisto- Niemi 2016; Kuusisto-Niemi &Saranto 2009.)
Kuusisto-Niemi (2016) esittää, että paradigman avulla voidaan perehtyä tiedonhallinnan tutkimuksen teoreettisiin ja metodologisiin lähtökohtiin. Tällöin sen avulla voidaan tun- nistaa mahdollisia tutkimuskohteita sekä analysoida edelleen jo aiemmin tehtyä tutki- musta. Tutkimuskohteita voidaan tunnistaa tiedonhallinnan entiteettien muodostamien yhdistelmien näkökulmasta. Sosiaali- ja terveydenhuollon tiedonhallinnan tutkimuskoh- teita ovat: 1) Toimintaprosessien tiedonhallinnan organisointi ja ohjaus, 2) Tieto- ja vies- tintätekniikan käyttö, 3) Tiedonhallinnan osaaminen ja tiedolla johtaminen sekä 4) Tieto- sisällöt ja tietoperusta. Ensimmäiseen tutkimuskohteiden osa-alueeseen kuuluvat toimin- taprosessien mallinnus, toimintaprosessien arviointi ja tiedon tarve toimintaprosesseissa.
Toiseen osa-alueeseen kuuluvat tietojärjestelmien kehittäminen, käyttöönoton arviointi, sähköinen asiointi, käytettävyys ja tietoturvallisuus. Kolmanteen osa-alueeseen kuuluvat koulutuksen järjestäminen, osaamisen kehittäminen ja henkilöstön tietotekniset valmiu- det. Neljänteen osa-alueeseen kuuluvat tietovarastojen tutkiminen, tietosisällöt, rakentei- nen kirjaaminen, terminologia, standardointi sekä tiedon jäsennys. Arvoilla ja asenteilla
KUVIO 5. Sosiaali- ja terveydenhuollon tiedonhallinnan paradigma. (Saranto & Kuu- sisto-Niemi 2012)
tarkoitetaan toimijoiden ja toiminnan välisen suhteen vaikutusta siihen tietoon, joka on olemassa tiedonhallinnasta ja tietojärjestelmien käytettävyydestä, hyväksyttävyydestä sekä merkityksestä toiminnalle. (Saranto & Kuusisto-Niemi 2016.)
Tässä tutkimuksessa tarkastellaan PSOP -chatbotin käyttöönotto- ja kouluttamisprosessia tieto- ja viestintätekniikan käyttöä sähköisen asioinnin interventiona, jolloin se sijoittuu paradigmassa Toiminta- ja Menetelmät -entiteettisen välille. (Kuusisto-Niemi & Saranto 2009). Koska kyseessä on uudenlaisen sähköisen palvelukanavan käyttöönotto, niin tut- kimuksen lähestymisnäkökulmaan vaikuttaa taustalla DeLone ja McLean (2002) Tieto- järjestelmän onnistumismalli. Se tarjoaa näkökulman, jossa voidaan tarkastella chatbottia järjestelmän laadun ja informaation laadun näkökulmasta.
4.2. Tapaustutkimus ja matriisi -metodi
Pertti ja Annikki Järvinen (2011) ovat kuvanneet yhdeksi tapaustutkimuksen näkökul- maksi tapausten vertailun. Tällöin pyritään laatimaan selitys ensin yhdelle tapaukselle ja sen jälkeen toistamaan se toiselle prosessille tai joukolle tapauksia. Vertailun avulla hae- taan ymmärrystä sille, mitkä tietyt ehdot ovat tarkastelluissa tapauksissa voimassa tai ei- vät ole. Tämän perusteella tutkija voi laatia tulkinnan tapaukselle. (Järvinen & Järvinen 2011,58.)
Tapaustutkimuksen avulla saadaan tietoa kysymyksiin: mitä-, miksi-, miten ja millainen.
Tutkimusprosessin aikana tutkija ei kontrolloi tapahtumaa, vaan keskittyy tarkkailemaan tutkittavaa ilmiötä ja sen liittymäkohtia todellisuuteen. (Vilkka, Saarela & Eskola 2018, 192-193). Tapaustutkimuksessa oletetaan tutkijan noudattavan tieteellisen tutkimuksen sääntöjä. Vertailevassa tapaustutkimuksessa lähdetään ajatuksesta, että tapausten vertai- lun tueksi laaditaan taulukko tai matriisi. Tämän metodin avulla muodostetaan käsiteluo- kat ensimmäisen tapauksen perusteella. Tämän jälkeen verrataan muiden tapausten käsi- teluokitteluja ensimmäiseen ja pyritään löytämään yhtäläisyyksiä (Järvinen & Järvinen 2011, 58; Vilkka ym. 2018). Toisaalta tapaustutkimuksessa saatetaan usein yhdistellä eri menetelmiä ja eri lähteistä kerättyjä aineistoja. Ne voivat olla tutkijan laatimia muistiin- panoja tekemistään havainnoista, haastattelutallenteet sekä erilaiset tutkittavaan tapauk- seen liittyvät asiakirjat. (Hirsjärvi, Remes & Sajavaara 2008, 187.)
Tässä tapaustutkimuksessa tutkija testasi kysymysmatriisin avulla chatbotin tarjoamaa järjestelmä- sekä informaation laatua DeLonen ja McLean (2003) kuvaamalla sitä Tieto- järjestelmän onnistumismallin avulla. Chatbotille tehtiin kahdessa eri vaiheessa samat ky- symykset (liite 1a) ja seurattiin taulukkomatriisin avulla, miten tarkasti chatbot pystyy vastaamaan sille esitettyihin kysymyksiin eri kysymyskerroilla. Matriisi toimi samalla tapaustutkimuksen taulukkometodina, jolla tuotettiin taulukko kuvaamaan asioiden esiin- tymistiheyttä käyttöönoton yhteydessä ja, onko muutosta tapahtunut kahden kuukauden käytön aikana (Järvinen & Järvinen 2011).
Kysymysten toistettavuudella saadaan kerättyä vertailutietoa chatbotin opettamisproses- sin etenemisestä, jotta voidaan arvioida uuden innovaation realisaatiota. Tällä mitattiin muutosta chatbotin tarjoaman informaation laadussa vastata sille esitettyihin kysymyk- siin aina tarkemmin ja paremmin. Raportoinnissa tarkasteltiin muutosta myös informaa- tion laadussa tarkastelemalla chatbotin tallentamaa lokitietoa tilanteista, joissa se ei ole pystynyt vastaamaan kansalaisen sille asettamiin kysymyksiin tai tilanteissa, joissa botti oli vastannut väärin esitettyyn kysymykseen. (Kurunmäki 2007, 75.)
Lisäksi tutkija on kuvannut mahdollisimman tarkalla tasolla ja reaalisesti ne interventiot, joita projektiryhmä toteutti 2kk aikana informaation laadun parantamiseksi sekä arvioi niiden vaikuttavuutta palvelun laatuun. Tutkijalla ei ollut roolia projektiryhmässä chat- botin tietokannan sisällöntuottajana, mutta hänellä on työtehtäviensä puolesta mahdolli- suus seurata projektin etenemistä sekä lupa käyttää projektissa tuotettuja muistiinpanoja ja aineistoja tämän tutkimuksen aineiston keruussa. (Hirsjärvi ym. 2008, 255.)
PSOP -chatbotin käyttöönoton projektiryhmä asetti käyttöönottovaiheessa marraskuussa 2018 tavoitteeksi 10 % vastaustarkkuuden. Projektin päättyessä lokakuussa 2019 vastaus- tarkkuuden pitäisi olla jo 80 %. Projektisuunnitelman mukaan PSOP -chatbotin tietokan- taa täydennetään ja avainsanoihin perustuvaa vastaustarkkuutta seurataan projektiryhmän toimesta viikoittain koko pilottijakson ajan, joka kestää joulukuusta 2018 aina syyskuun loppuun 2019.
4.3. Tutkimusympäristön kuvaus
Helsingin kaupungin sosiaali- ja terveyspalvelujen internetin www-sivustoilla on useam- malle palvelulle avattu ”usein kysytyt kysymykset” -palsta, joille on viety mallivastauksia helpottamaan asiakkaiden tiedon tarvetta kyseisestä palvelusta. Internetissä tieto on kaik- kien kansalaisten ulottuvilla 24/7, mutta toisaalta vaatii sivulla vierailevalta kärsivälli- syyttä etsiä vastausta häntä askarruttavaan kysymykseen. Helsingin kaupungin Palvelu- setelien www -sivustolla internetissä on ollut asiakkaille tarjolla yleistietoa asiakkaille sekä palvelujen tarjoajille sekä kaupungin yleinen neuvontanumero, mutta ei erikseen koottuna tietopankkia ”usein kysytyt -kysymykset”, kansalaisten keskustelupalstaa tai re- aaliaikaista chat -palvelua. (Helsingin kaupunki 2018a.)
Reaaliaikaista chat -neuvontapalvelua tarjotaan Helsingin Sosiaali- ja terveystoimialalla useammassa eri palvelussa, kuten Asumisneuvonnassa, Neuvolassa, Seniori-infossa, So- siaalineuvonnassa ja Suunterveydenhuollossa. Chatin välityksellä annettavaa palvelua tarjotaan helsinkiläisille arkisin palvelukohtaisten chattien lisäksi Helsingin kaupungin keskitetyssä sote -virkaneuvontapisteessä yleisiin palveluja koskeviin kysymyksiin sekä maahanmuuttoasioihin. Reaaliaikaisella chatillä tarkoitetaan asiakkaan ja ihmisasiakas- palvelijan välistä vuorovaikutteistakeskustelua sähköisessä ympäristössä. Sosiaali- ja ter- veystoimialan chat -palveluissa kansalaisen on mahdollista tunnistautua, jolloin palvelun saatavuus ja esteettömyys ovat selkeästi parantuneet. Tunnisteelliset chat -palvelut ovat rakennettu sosiaali- ja terveystoimialalla siten, että asiakaspalvelija voi halutessaan pyy- tää kansalaista tunnistautumaan kesken chat -istunnon väestörekisterikeskuksen Suomi.fi -tunnistautumispalvelun kautta. Chat -keskustelut ovat aina kahdenkeskisiä ja kontaktin päätyttyä siitä ei jää chat -järjestelmään muita tietoja kuin alku- ja lopetusajankohta sekä kontaktin hoitaneen asiakaspalvelijan tiedot. Tunnistautuneista asiakas- ja potilaskontak- teista tehdään kuitenkin tarvittavat merkinnät kyseisen palvelun käyttämään asiakas- tai potilasjärjestelmään aivan, kuten hoitopuhelukontakteistakin tehdään noudattamalla kir- jaamisessa THL:n Hilmo -ohjeistusta. (Helsingin kaupunki 2019d; THL 2018a.)
Yleisesti ottaen ne www -sivustot, joille on sijoitettu chat -kuvake, tarjoavat kansalaisille mahdollisuuden esittää kysymyksensä suoraan asiakaspalvelijalle reaaliaikaisesti. Chat -
