Luovan eli generatiivisen tekoälyn läpimurto muuttaa liiketoimintaa ja luo mahdollisuuksia yrittäjille ja yrityksille. Tämän hyödyntäminen edellyttää panostusta osaamiseen. Korkeakoulutetut yrittäjät luovat korkeamman tuottavuuden työpaikkoja ja tekoäly tarjoaa keinon nopeuttaa tätä kehitystä. Suomen on keskityttävä systemaattisesti tekoälyn ja siihen liittyvään osaamisen kehittämiseen, jotta tekoälyn tarjoamat mahdollisuudet saadaan hyödynnettyä ja saavutetaan tulevaisuuden kilpailukykyinen talous.
Tässä artikkelissa tarkastellaan tekoälyn ja tekoälyyn perustuvien sovellusten vaikutuksia yrittäjyyteen ja yritystoimintaan. Tekoäly on mullistamassa liiketoimintaympäristöä parantamalla tehokkuutta, mahdollistamalla innovaatioita ja muokkaamalla markkinoita. Mutta tekoälyn käyttöönotto luo myös uhkia, kuten teknojättien kasvava valta, lisääntyvä säätely, työmarkkinoiden murros eli disruptio, eettiset haasteet ja yksityisyydensuojan riskit.
Tekoäly mullistaa työmarkkinat ja luo uutta liiketoimintaa
Tekoäly muokkaa yrityksiä ja yritystoimintaa muuttaen tietotyön luonnetta, korvaten ammatteja ja automatisoiden yhä korkeamman abstraktiotason tehtäviä. Tämä vapauttaa asiantuntijoiden aikaa luovempaan työhön. Luova eli generatiivinen tekoäly kykenee suorittamaan tehtäviä, jotka ovat perinteisesti vaatineet inhimillistä älykkyyttä ja luovuutta, kuten luonnollisen kielen ymmärtämistä ja tuottamista, kuvantunnistusta ja päätöksentekoa.
Tekoälyn tuoma muutos ei ole tulevaisuutta, vaan se on jo alkanut, erityisesti generatiivinen tekoäly on kiihdyttänyt tätä kehitystä. Jokainen ChatGPT:tä käyttänyt voi itse todeta, miten paljon se helpottaa jokapäiväistä työtä. Mutta tekoälyn tarjoamat mahdollisuudet liiketoiminnan kasvulle ylittävät jatkossa moninkertaisesti aikaisen vaiheen sovellukset, kuten nopeamman sähköpostin kirjoittamisen, markkinointitekstien luomisen tai yhteenvetojen nopeamman tuottamisen.
Tekoäly tuhoaa ja muuttaa ammatteja, luo uusia ja vaikuttaa siihen, miten työtä tehdään. Esimerkiksi ohjelmistokehityksessä tekoälyn vastuulle siirtyy merkittävä osa toteutuksesta ja testauksesta, mikä kasvattaa ohjelmistoarkkitehtien merkitystä kokonaisuuden hallinnassa. Aiemmin juristin työtä opittiin tekemällä rutiinityötä, vaikkapa luonnostelemalla sovintoehdotuksia vanhemman juristin ohjauksessa. Tekoälyn hoitaessa tällaisen rutiinityön vapautuu aikaa, mutta samalla nousee esiin kysymys, miten hoidetaan nuorempien ammatinharjoittajien koulutus.
Generatiivinen tekoälyn avulla voidaan kloonata ihmisen ääni. Kun tekoäly lukee äänikirjan, voidaan erikieliset versiot tehdä huomattavasti helpommin ja nopeammin kuin jos ihmiset lukisivat kirjat. Näin äänikirjojen kattavuus laajenee nopeammin uusille kielialueille. Tekoälypohjaiset chatbotit voivat tehostaa asiakaspalvelua. Arkkitehdit voivat nopeuttaa luomisprosessiaan ja saada uudentyyppisiä oivalluksia sisällyttämällä kuvantamispalvelut, kuten Midjourneyn, osaksi työnkulkuaan. Valokuvaus ja kuvien tuottaminen muuttuu, kun tekoälyn luomat kuvat näyttävät todellisemmilta kuin nykykameroiden tuottamat kuvat.
Tekoälyn taloudellinen arvo konkretisoituu sovellusten ja tuotteiden kautta, ei teknologian itsensä kautta. Generatiivinen tekoäly otetaan osaksi ohjelmistotuotteita. Aluksi tämä johtaa uusien ominaisuuksien tuomiseen olemassa oleviin ohjelmistoihin, kuten Microsoftin Copilot, Google Duet -tekoälyassistentti, Adoben Creative Fill -ominaisuudet ja Autodeskin tekoälyavustaja. Mutta kuten internet aikoinaan tekoäly luo täysin uusia innovatiivisia tuotteita ja palveluita. Jo nyt on syntynyt lukemattomia startup -yrityksiä, jotka hyödyntävät generatiivisen tekoälyn mahdollisuuksia. Esimerkiksi, tekoäly-yritys Leo AI on kouluttanut suunnittelukuvien avulla tuotesuunnittelun tekoälyavustajan (text-to-design). Sen avulla käyttäjä kuvailee haluamansa tuotteen tekstimuodossa tai hahmotelmana, jonka jälkeen ohjelmisto tekee tuotesuunnittelun sekä määrittää, mistä osista tuote tehdään. Suunnitelmaa voidaan kehittää vuorovaikutteisesti.
Uudet teknologiat luovat myös hassuilta tai oudoilta tuntuvia ilmiöitä. Sosiaalinen media ja sen tuoma käyttäytymisen muutos oli edellisen murroksen hedelmiä. Somepäivityksiä ja selfieitä pidettiin aluksi nuorten ilmiönä, mutta niistä tuli koko yhteiskunnan yhteinen käytäntö ja vaikuttamismekanismi. Nyt nuoret shokeeraavat jakamalla yksityiset WhatsApp-keskustelut ChatGPT-palveluun, joka antaa analyysin ihmissuhteista, huolista ja ongelmista keskusteluihin perustuen. Kyseessä on käytännössä tekoälyn kanssa käytävä terapiasessio. Vaikuttaa oudolta, mutta kun pääsemme eroon ennakkoluuloistamme, huomaamme, että kyseessä on uusi liiketoimintamahdollisuus ja jopa yhteiskunnallinen missio. Mielenterveyspalveluiden kysyntä kasvaa jatkuvasti ja emme pysty vastaamaan siihen ihmisvoimin. Tekoäly voi auttaa ja on selvää, että näin käy joka tapauksessa. Joku tarttuu tähän mahdollisuuteen, miksi ei siis suomalainen yrittäjä.
Generatiivinen tekoäly mahdollistaa kokonaan uusien kokemusten ja palveluiden luomisen. Vertaus internetin vallankumoukseen on osuva. Se mullisti tapamme kommunikoida ja loi aivan uudentyyppisiä palveluita. Tekoäly luo perustan uudenlaiselle liiketoiminnalle ja palveluille, joiden olemassaolosta meillä ei vielä ole käsitystä. On todennäköistä, että muutamista seuraavien vuosien aikana perustetuista yrityksistä tulee yhtä suuria tai ne jopa ohittavat edellisen aikakauden voittajat, kuten Googlen ja Facebookin.
Tekoälyn käyttö säästää aikaa ja laskee kustannuksia monella tavalla. Tekoäly voi esimerkiksi avustaa työntekijää markkinointitekstien laadinnassa. Näin työntekijältä vaaditaan vähemmän taitoja samaan työhön kuin aiemmin ja siten tarjolla on enemmän työvoimaa alemmalla kustannustasolla. Tekoäly voi korvata äänikirjan lukijat ja alentaa kustannuksia jopa 95 prosenttia verrattuna ihmislukijaan. Ohjelmistotyö nopeutuu, kun tekoäly koodaa käyttöliittymän kuvan perusteella. Aiemmin vastaavaan työhön olisi vaadittu ohjelmoija tai kokonainen ohjelmoijatiimi. Nyt työ sujuu muutamassa sekunnissa aiemman viikon tai kahden sijaan.
Toisaalta yrityksille tekoälyn kehitys ei vielä tunnu suurelta vallankumoukselta. Jos tekoäly säästää tunnin päivittäistä työaikaa, työntekijä ei välttämättä käytä vapautuvaa aikaa tuottavasti. Tarvitaan suurempi muutos työnkuluissa ja toimintamalleissa, jotta hyötyä kertyy. Tämä vie aikaa, mutta muutos on vääjäämätön.
Kuten aiemmatkin teknologiamurrokset, tekoäly on synnyttänyt pöhinää eli hypeä ja siihen liittyvän kuplan. Korkojen noustessa kasvuyritysten rahoitus on laskenut, mutta tekoäly-yritysten rahoitus on kasvanut. Vuonna 2023 tekoäly-yritykset saivat rahoitusta yli 50 miljardia dollaria. Tyypillisesti kuplan kasvaessa myös investoinnit nopeutuvat ja kasvavat, samoin innovaatiotoiminta, minkä seurauksena syntyy uusia yrityksiä, puhutaan ”tuottavasta kuplasta”.
Laajat kielimallit toimivat kasvun moottorina
Tekoälymurroksen taustalla ovat neuroverkkoihin perustuvat laajat kielimallit, jotka koulutetaan valtavalla määrällä tekstiaineistoa ymmärtämään kielen rakenteita ja merkityksiä. Sittemmin tekoälymalleja on koulutettu myös kuvilla, videoilla ja muilla aineistoilla. Nämä niin sanotut perustamallit (foundation models) tuottavat tekstiä, kuvia, musiikkia, liikkuvaa kuvaa ja jopa 3D-malleja tavalla, jonka ei aiemmin uskottu olevan mahdollista koneille. Kehitystä ovat vieneet eteenpäin pitkälti amerikkalaiset yritykset, mutta eurooppalaisetkin yritykset ovat aloittaneet omien tekoälymallien kehityksen, kuten suomalainen Silo AI Poro kielimallillaan samoin kuin saksalainen Aleph Alpha.
Tekoälymallit tarjoavat monipuolisia hyödyntämismahdollisuuksia. Sovellukset, kuten ChatGPT ja Bard, pystyvät vastaamaan kysymyksiin ja avustamaan erilaisissa tehtävissä, esimerkiksi sähköpostien, esseiden ja koodin kirjoittamisessa. Yrittäjille erityisen kiinnostavaa on kuitenkin se, miten he voivat rakentaa omia sovelluksiaan hyödyntäen laajoja kielimalleja. Tämä on mahdollista antamalla kehotteita mallille eli promptaamisen kautta sähköisen rajapinnan välityksellä tai ulkoisia tietovarastoja käyttäen. Lisäksi on mahdollista hienosäätää olemassa olevaa mallia tai kehittää omia erikoistuneita malleja. Loppujen lopuksi käyttötarkoitus ja investointikyky määrittävät, mikä menetelmä on paras.
Kehotteet eli promptit ovat ohjeita, joita hyödynnetään tekoälyohjelmiston suuntaamiseen siten, että se tuottaa käyttäjän toivomaa informaatiota tai lopputuloksia. Kehotteilla ohjaaminen eli promptien laatiminen on kehittynyt erityisosaamiseksi, ja yritykset rekrytoivat ”prompt-insinöörejä” luomaan näitä ohjeita. Kehotteille on myös muodostunut omia markkinapaikkoja, esimerkiksi PromptBase. Yhtenä esimerkkinä prompt engineering -menetelmällä tuotetusta sovelluksesta on Traverse AI, joka on oikeudellisiin kysymyksiin erikoistunut tekoälypalvelu. Sen pohjana oleva laajaa kielimallia on ohjattu noin 80 erilaisen lakialaan liittyvän kehotteen avulla sähköisen rajapinnan kautta. Sovelluksen kehittäminen kesti noin kaksi kuukautta.
Helpottaakseen tekoälysovellusten kehitystä Open AI on julkaissut oman alustansa, jonka avulla käyttäjät voivat luoda erilaisia versioita ChatGPT:stä omiin käyttötarpeisiinsa. Sovelluksen voi tehdä selittäen, mitä haluaa luoda. Koodaustaitoja ei tarvita. Kehitetyn tekoälybotin voi julkaista ChatGPT-sovelluskaupassa, (GPTStore). Näin yrittäjälle syntyy jakelukanava ja myöhemmin mahdollisuus ansaita tekoälysovelluksellaan. Esimerkiksi, Consensus-tekoälytutkimusavustaja hakee vastauksia ja voi laatia uutta sisältöä perustuen 200 miljoonaan tieteelliseen artikkeliin.
Generatiiviset tekoälymalleissa on myös ongelmia, kuten hallusinointi eli epätarkan tai väärän tiedon tuottaminen sekä ajantasaisen tiedon puute. Näitä ongelmia voidaan ratkaista *RAG (Retrieval-Augmented Generation) -lähestymistavalla, joka hyödyntää ulkoisia tietokantoja. Yhdistämällä käyttäjän prompti ja tietokannasta haettu informaatio tuotetaan laajan kielimallin avulla haluttu tulos. Tämä integraatio parantaa mallien tarkkuutta ja luotettavuutta erityisesti laajaa tietämystä vaativissa tehtävissä.
Hienosäätö on menetelmä, jossa perustamalli koulutetaan pienemmällä, tehtäväkohtaisella datajoukolla. Ajatuksena on hyödyntää mallin alkuperäisen koulutusprosessin aikana hankkimaa tietoa ja räätälöidä se tarkempaan tehtävään. Koulutus vaatii enemmän laskentaresursseja kuin kehotteilla ohjaus ja on siten kalliimpaa, mutta tuloksena on paremmin tehtävään sopiva malli.
Jos käytettävissä on omaa dataa, on myös mahdollista kouluttaa omia, erikoistuneita malleja, jotka ovat halvempia käyttää, energiatehokkaampia ja tarkempia kuin yleiset laajat kielimallit kuten GPT-4. Kääntöpuolena erikoistuneiden mallien kehittämisessä on usein suuremmat investoinnit, sillä ne vaativat merkittävän kokoluokan laskentatehoa.
Yritysten ja yrittäjien kannalta tilanne on erinomainen. Tekoälyä voi käyttää hyvin pienellä alkuinvestoinnilla ja tekoälysovellukset ovat kenen tahansa käytettävissä. Alkuun pääsee promptauksella, joka on yksinkertaisin ja edullisin tapa hyödyntää perustamalleja tiettyyn sovellukseen. Ja jos tarvitsee tarkempia tai monipuolisempia tuloksia, voi hyödyntää monimutkaisempia menetelmiä kuten ulkoista tietokantaa hyödyntävää RAGia, hienosäätöä tai erikoistuneita malleja.
Tekoälyagentit – korkeamman abstraktiotason automaatio
Generatiivisen tekoälyn mallit ja niiden saatavuus on demokratisoinut tekoälyä ja tuonut tekoälyn erityisesti yksilöiden ja Pk-yritysten saataville. **Mutta parempaa on luvassa, kun tekoäly kykenee suoriutumaan yhä monimutkaisemmista tehtävistä. Seuraava lupaava vaihe tekoälyn kehityksessä ovat tekoälyagentit. Ne ovat autonomisia tekoälytoimijoita, joille voidaan antaa itsenäisesti hoidettavia tehtäviä. Autonomiset tekoälyagentit voivat esimerkiksi tuottaa ja julkaista markkinointisisältöä eri alustoille ja määritellylle kohdeyleisölle mukautuen ulkoisen ympäristön muutoksiin säästäen aikaa ja vaivaa. Tai autonominen koodausagentti nopeuttaa sovelluskehitystä kirjoittamalla, testaamalla ja korjaamalla koodia.
Alla olevassa kuvassa kuvataan autonomisen tekoälyagentin toimintaa. Agentille asetetaan tavoite, jonka se jakaa pienempiin alatehtäviin käyttäen laajaa kielimallia eli agentti hyödyntää tekoälyä ymmärtääkseen tehtävän ja miten se jaetaan osatehtäviin. Tämä jakamisprosessi jatkuu itseään toistaen eli rekursiivisesti, kunnes alitehtävä on tarpeeksi pieni suoritettavaksi suoraan. Tehtävän suorittamisessa agentti hyödyntää kielimalleja, internettiä ja muita ulkoisia resursseja. Suorittamisen jälkeen agentti arvioi, onko tehtävä suoritettu. Jos se ei ole valmis, prosessi jatkuu. Agentti kykenee myös mukauttamaan toimintaansa tehtävän kuluessa ja saadessaan uutta informaatiota.
Agentteja varten on kehitetty useita ohjelmistoalustoja, joiden avulla käyttäjät voivat määrittää ja ottaa käyttöön autonomisia tekoälyagentteja, esimerkiksi AutoGPT ja BabyAGI. Agenttien kehityksessä on vielä useita pulmia, esimerkiksi ohjelman sivuraiteille eksyminen, prosessien toistuminen, tehtävien keskeneräisyys ja kestävyyden puute.
Autonomiset agentit tuovat siis aivan uusia mahdollisuuksia liiketoimintaan. Yritykset voivat siirtää yhä monimutkaisempia tehtäviä tekoälyn suoritettavaksi tehostaen toimintaansa. Uusille yrityksille autonomiset agentit tuovat yhä uusia kyvykkyyksiä käyttöön entistä halvemmalla. Tulevaisuudessa näemme varmaan ihan uudentyyppisiä yrityksiä ja liiketoimintamalleja, jotka perustuvat autonomisiin agentteihin.
Kielimallit ja robotit luovat uusia liiketoimintamahdollisuuksia
Kun yhdistämme laajat kielimallit ja robotiikan, syntyy oppivia robotteja. Älykkään robotiikan ydin on kyky oppia ja soveltaa oppimaansa uusiin, ennenkokemattomiin tilanteisiin. Näin robotit kykenevät suoriutumaan tehtävistä, joita ne eivät ole aiemmin kohdanneet. Kielimallit antavat myös roboteille uudenlaisia kognitiivisia kykyjä, jotka parantavat niiden toimintaa ja vuorovaikutusta ihmisten kanssa.
Robotiikan kehitys on viime aikoina ollut lupaavaa. Tutkijat kehittivät videodatasta oppivan järjestelmän. Se oppii videodatasta, joka esittää ihmisen tekemiä tehtäviä, jotka vaativat kahden käden ja koko kehon hallintaa. Robotti oppi muun muassa itsenäisesti valmistamaan ruokaa ja tarjoilemaan sitä. Norjalainen 1X Technologies on integroinut laajan Open AI -kielimallin kehittämäänsä humanoidirobottiin, joka toimii vartiointitehtävissä teollisuudessa. 1X:n lisäksi Tesla ja useat muut yritykset ovat kehittäneet yleiskäyttöisiä humanoidirobotteja, joiden ensimmäisten käyttökohteiden oletetaan olevan logistiikassa ja varastotöissä.
Robotit tarjoavat myös muunlaisia mahdollisuuksia kuin humanoidirobotit. Sveitsiläisen yliopiston EPFL:n tutkijat ovat kehittäneet neliömäisiä robottimoduuleja (roombots), jotka voivat liikkua ja tarttua toisiinsa sekä yhteistyössä muodostaa esineitä kuten tuoleja ja pöytiä. Rolls Royce on kokeillut hyönteis- ja käärmemäisen robotin soveltamista moottorin korjaukseen.
Robotiikan yleistyminen luo myös muita mahdollisuuksia yrittäjille, sillä robotteja pitää hallita. Karelics Cloud on kehittänyt robottilaivueiden hallintajärjestelmän rakennusroboteille, jonka tavoitteena on lisätä tehokkuutta, vähentää kustannuksia ja parantaa turvallisuutta rakennustyömaalla.
Tekoälyn soveltamiseen liittyvät uhkakuvat yrittäjyyden näkökulmasta
Tekoälyn käyttöönottoon liittyy uhkakuvia, jotka voivat vaikuttaa sen mahdollistamiin liiketoimintamahdollisuuksiin ja yrittäjyyteen. Tekoälyteknologia ja valta voi keskittyä teknojätteille, jolloin ne määrittävät, mitä mahdollisuuksia jää muille. Niiden tekoälyalustojen nopea kehitystahti voi tehdä yrittäjien ponnistuksista turhia. Esimerkiksi liiketoiminnan perustaminen vanhan teknologian päälle voi olla riskialtista, kuten GPT-3:n tapauksessa. Useat yritykset rakensivat liiketoimintaa sen varaan mutta GPT-4:n tulo markkinoille toi mukanaan monia aiemmin erillisinä sovelluksina tarjottuja kyvykkyyksiä perusalustan osana.
***Euroopan tekoälyasetus pyrkii luomaan yhteiset pelisäännöt tekoälyn käytölle. Haasteena on teknologian jatkuva kehitys ja tekoälyn monimuotoisuus. Sääntelyn valvonta saattaa myös olla vaikeaa. Pahimmassa tapauksessa lisääntyvä sääntely johtaa byrokratiaan, liiketoimintamahdollisuuksien menetykseen ja tekoäly-yrittäjyysinnostuksen laimenemiseen Euroopassa.
Tekoälyn koulutusdataan ja tuotoksiin liittyvät tekijänoikeudet ovat kiistanalainen aihe, josta käydään oikeutta ja neuvotteluja. EU:n tekoälyasetuksella pyritään myös ottamaan kantaa tekoälyyn liittyviin oikeuksiin. Paljon kysymyksiä herättää esimerkiksi se, mitä dataa voi käyttää tekoälyn koulutukseen ja mitä ei. Tekoälyn tuottamat tekstit, kuvat ja muu sisältö voivat loukata tekijänoikeuksia. Viime kädessä käyttäjä on vastuussa tekoälyn tuotoksista ja siten yrittäjien pitää olla tietoisia tekijänoikeuksiin, yksityisyyden suojaan ja muihin juridisiin sekä eettisiin kysymyksiin liittyvistä kysymyksistä. Koulutuksella on tässä tärkeä merkitys.
Mutta suurempi uhkakuva suomalaisen yrittäjyyden kannalta on, että jäätäisiin vain odottamaan. Tekoälyn murros muuttaa yhteiskuntaa ja erityisesti liiketoimintaa, ja voittajia ovat sen aktiiviset soveltajat. Tekoälyn kehittäminen ja soveltaminen on kuitenkin tehtävä kestävien eettisten periaatteiden mukaan.
Tekoälyn vallankumous on korkeakoulutettujen yrittäjien kultakausi
Generatiivinen tekoäly on ”demokratisoinut” tekoälyn. Tämän vuoksi juuri nyt on korkeakoulutettujen yrittäjien kultakausi. Tuottavuus kasvaa, suunnittelutyön hinta laskee ja tekoälysovelluksia on helpompi rakentaa kuin aikaisemmin. Tekoälyteknologiat ovat nyt helpommin hyödynnettävissä ja saavutettavissa, mikä mahdollistaa innovaatioiden ja liiketoimintamallien kehittämisen ennennäkemättömällä nopeudella. Tämä aikakausi tarjoaa ainutlaatuisen tilaisuuden yrittäjille, jotka ymmärtävät ja osaavat hyödyntää tekoälyn tarjoamia työkaluja ja mahdollisuuksia luoden uudenlaisia palveluita ja ratkaisuja markkinoille.
Suomen Slush-sukupolvi tarttui ennakkoluulottomasti yrittäjyyden haasteeseen, ja syntyi monia yrityksiä, muun muassa Aiven, Supercell, Wolt, Iceye, IQM Quantum Computers, Smartly ja Supermetrics. Ne ovat luoneet talouskasvua ja työpaikkoja. Monet näistä yrityksistä rakensivat liiketoimintansa edellisten teknologiamurroksien tuomien alustojen päälle, kuten sovelluskauppojen, pilvipalveluiden ja sosiaalisen median päälle. Nyt alustana toimii generatiivinen tekoäly.
Jotta tämä mahdollisuus hyödynnettäisiin täysimääräisesti, tarvitaan ymmärrystä tekoälyaallon murroksen tuomista kyvykkyyksistä, muutoksen voimakkuudesta, uhkakuvista ja mahdollisuuksista. Korkeakoulujen pitää ymmärtää asemansa muutoksen mahdollistajana ja tuoda sekä tekoälyn opetus että tekoäly osaksi opetusta nopeammin. Suomen on keskityttävä järjestelmällisesi tekoälyn ja siihen liittyvään osaamisen kehittämiseen.
Artikkelin on kirjoittanut teknologia-alan asiantuntija ja Aalto yliopiston työelämäprofessori Tero Ojanperä.
Artikkeli on seitsemäs osa Akava Worksin ”Näkökulmia tekoälyyn” -artikkelisarjassa.
Kuva: DALL-E -tekoälysovelluksen tuottama kuva artikkelin teemoista.
* https://arxiv.org/pdf/2312.10997.pdf
** https://arxiv.org/pdf/2401.03428.pdf
*** https://www.consilium.europa.eu/fi/press/press-releases/2023/12/09/artificial-intelligence-act-council-and-parliament-strike-a-deal-on-the-first-worldwide-rules-for-ai/
