Data-analytiikan ja generatiivisen tekoälyn vaikutus kustannuslaskennan tarkkuuteen

Tämän tutkielman tavoitteena on tarkastella, miten data-analytiikka ja generatiivinen tekoäly vaikuttavat kustannuslaskennan tarkkuuteen erityisesti ennustettavuuden, tehokkuuden ja luo- tettavuuden näkökulmasta. Teknologia alan kehitys, erityisesti generatiivinen tekoäly sekä da- tan määrän kasvu ovat tuoneet yrityksille mahdollisuuden analysoida kustannuksia tarkemmin sekä tehokkaammin. Koneoppimisen yleistyminen sekä syvät neuroverkot tarjoavat uusia tapoja analysoida sekä käsitellä suuria datamääriä. Tutkielmassa havaittiin, että data-analytiikka ja business intelligence & analytics (BI&A) -työkalut parantavat kustannuslaskennan tarkkuutta automatisoinnin kautta, jolla pystytään vähentä- mään inhimillisten virheiden määrä. Generatiivisen tekoälyn laajat kielimallit (LLM) voivat puo- lestaan parantaa monimutkaisten data-analyysien muodostamisen selkeämpään raportointiin sekä paljastaa kustannusrakenteita syvällisemmin. Tänä päivänä kuitenkaan generatiivisella te- koälyllä ei voida täysin automatisoida datan analysointia, mutta sitä pystytään käyttämään te- hokkaasti apuvälineenä. Uusien teknologioiden käyttöönotto myös tuo kustannuslaskentaan uudenlaisia haasteita. Data- analytiikkaan vaikuttaa merkittävästi käsiteltävän datan laatu, jotta voidaan olla varmoja loppu- tulosten olevan oikeita. Generatiivisissa tekoälyissä suurimpana uhkana nähdään koulutusdatan ja algoritmien läpinäkymättömyys. Generatiivisen tekoälyn vastauksien oikeel