Miksi tarve syntyi?

Academy of Brainin myyntiprosessissa myyjän on tunnistettava asiakkaan haaste ja löydettävä siihen sopiva koulutuskokonaisuus laajasta kurssitarjoomasta. Tarjoomassa on kolminumeroinen määrä koulutusvideoita — eli satoja vaihtoehtoja, joista oikea kombinaatio tulisi löytää nopeasti.

Käytännössä tämä tarkoitti, että myyjien (5 henkilöä) tuli käydä läpi laajaa dokumentaatiota: sisältökuvauksia, avainsanoja ja transkriptioita. Prosessi oli hidas ja altis henkilökohtaiselle vaihtelulle:

• kokenut myyjä saattoi tuntea tarjooman hyvin
• uudempi myyjä jätti relevantteja kursseja suosittelematta

Lopputuloksena oli epätasalaatuinen asiakaskokemus ja potentiaalisesti menetettyjä myyntimahdollisuuksia.

Toinen lähtöhaaste oli rakenteellinen: Academy of Brainilla ei ollut aiemmin käytössä ympäristöä tai rakenteita, joiden päälle agenttiratkaisuja olisi voinut rakentaa.

Mitä tavoitteita projektille asetettiin?

Tavoitteena oli rakentaa AI-agentti, joka:

• vertaa asiakkaan tarvetta koko kurssitarjoomaan ja suosittelee sopivat koulutukset perusteluineen
• toimii myyjien sisäisenä työkaluna osana normaalia työympäristöä (Teams)
• tukee päätöksentekoa, mutta jättää lopullisen valinnan myyjälle (human-in-the-loop)

Tämän rinnalla — ja vähintään yhtä tärkeänä — tavoitteena oli rakentaa asiakkaalle kyvykkyys jatkokehittää itse. Astu Labs ei halunnut toimittaa vain ratkaisua, vaan opettaa Academy of Brainin oman edustajan rakentamaan vastaavia agentteja itsenäisesti.

Miten agentti rakennettiin?

Mitä agentti tekee

Myyjä kuvaa agentille asiakkaan haasteen tai tarpeen. Agentti vertaa kuvausta Academy of Brainin koko koulutustarjoomaan RAG-haun (Retrieval-Augmented Generation) avulla ja palauttaa suosituksen sopivista kursseista perusteluineen.

Kyseessä ei ole pelkkä hakutoiminto tai chatbot, vaan agentti, joka ymmärtää kontekstin: asiakkaan haasteen luonteen, kurssien sisällön ja näiden välisen yhteyden. Agentti tekee itsenäisesti päätelmän siitä, mitkä kurssit vastaavat parhaiten kuvattua tarvetta — ja perustelee valintansa.

Myyjä tekee lopullisen valinnan. Kyseessä on human-in-the-loop-malli, jossa agentti tukee päätöksentekoa mutta ei korvaa myyjän harkintaa.

Hyödynnetyt teknologiat

Ratkaisu on toteutettu kokonaan Microsoft-teknologioilla ilman kolmannen osapuolen komponentteja. Toteutus on instruction-pohjainen: agentin käyttäytymistä ohjataan ohjeistuksilla (system prompt), topiceja on muokattu ja kielimalli valittu käyttötarkoitukseen sopivaksi.

Miten projekti eteni

Aktiivista yhteistyötä tehtiin noin yhden henkilötyöviikon verran Astu Labsin puolelta. Kalenteriajassa projekti kesti useamman kuukauden, koska asiakkaan IT-kumppanin konfiguraatiomuutokset viivästyivät ja asiakkaan edustaja teki työtä opintojen ohessa katkonaisesti.

Yksi tekijä auttoi: teknologian kypsyminen kesästä 2025 vuoteen 2026 mahdollisti tuotantokelpoisen ratkaisun rakentamisen Copilot Studiolla.

Mitä projekti tuotti?

Konkreettiset lopputuotokset:

• Tuotannossa oleva AI-agentti käytössä myyntitiimissä (5 henkilöä)
• Konfiguroidut Microsoft-ympäristöt, jotka luovat pohjan tuleville agenttiratkaisuille
• Asiakkaan oma kyvykkyys rakentaa vastaavia agentteja jatkossa itsenäisesti

Liiketoimintahyödyt

Tasalaatuisuus: Myyjien henkilökohtainen vaihtelu kurssituntemuksessa poistuu. Jokainen myyjä saa agentin kautta yhtä kattavan näkymän tarjoomaan riippumatta omasta kokemuksestaan.

Ajansäästö: Myyjän ei enää tarvitse käydä manuaalisesti läpi laajaa dokumentaatiota. Työhön kului päiviä, nyt agentti tekee vertailun sekunneissa.

Myyntimahdollisuudet: Agentti voi nostaa esiin kursseja, joita myyjä ei olisi itse muistanut tai tuntenut — mikä potentiaalisesti kasvattaa myyntiä.

Asiakkaan ääni

”Hänen luontevalla opastuksellaan projekti eteni jouhevasti alusta loppuun ja haasteet ratkottiin tehokkaasti. Nyt minun on helppo jatkaa itsenäisesti kehitystyötä”

— Academy of Brainin edustaja Astu Labsin Jouni Mannisesta projektin toteutuksessa

Mitä tästä opittiin?

Projektin aikana kirkastui useita oppeja, jotka pätevät laajemminkin AI-agenttien rakentamisessa:

• Toteutuksen yksinkertaisuus on etu, ei puute — Copilot Studio + SharePoint-RAG + instruction-ohjaus riittää tuottamaan tuotantokelpoisen agentin
• Kriittinen menestystekijä ei ole teknologia, vaan taustamateriaalien laatu ja agentin ohjeistuksen hiominen yhdessä liiketoiminnan asiantuntijoiden kanssa
• Asiakkaan oma osallistuminen rakentamiseen on muutosjohtamista — se varmistaa sekä osaamisen siirtymisen että sitoutumisen lopputuotteeseen
• Kumppanin rooli parhaimmillaan on mahdollistaa asiakkaan oma kyvykkyys, ei luoda riippuvuutta ulkopuolisesta toimittajasta

Kenelle tämä case on hyödyllinen?

Tämä case on erityisen relevantti:

• Yrityksille, joilla on laaja tuote- tai palvelutarjooma ja myyntitiimi, joka joutuu yhdistämään asiakastarpeen oikeaan ratkaisuun
• Toimialoille kuten koulutus, konsultointi, ohjelmistot ja asiantuntijapalvelut, joissa myyntiprosessi vaatii tarjooman syvällistä tuntemusta
• Kasvuyrityksille ja pk-yrityksille, jotka haluavat hyödyntää AI-agentteja ilman omaa teknistä tiimiä — ja samalla rakentaa kyvykkyyttä jatkokehittää itse

Miten vastaava agenttiprojekti yleensä etenee?

Academy of Brainin tapaus kuvastaa tyypillistä etenemismallia kun rakennetaan AI-agenttia myynnin tai asiakaspalvelun tueksi:

1. Liiketoimintatarpeen kirkastaminen — mikä on agentin konkreettinen tehtävä, ja miten se tukee ihmistä (ei korvaa)
2. Taustamateriaalien koonti ja kuratointi — RAG-tietolähteen laatu määrittää agentin laadun
3. Ympäristön konfigurointi — Copilot Studio, SharePoint, Microsoft 365 -integraatiot
4. Agentin rakentaminen ja ohjeistuksen hiominen yhdessä asiakkaan kanssa
5. Laatutestit ja iterointi — luotettavuuden varmistaminen
6. Julkaisu tuotantokäyttöön ja käyttöönotto myyntitiimin työnkulkuihin

Kriittinen vaihe on ohjeistuksen hiominen yhdessä asiakkaan kanssa — siinä syntyy sekä agentti että asiakkaan oma kyvykkyys.

Harkitsetko vastaavaa?

Jos teillä on laaja tuote- tai palvelutarjooma ja myyntitiimi, joka käyttää aikaa oikean ratkaisun löytämiseen, AI-agentti voi tehostaa työtä — ja tehdä siitä tasalaatuisempaa.

→ Varaa 30 minuutin keskustelu — käymme läpi miten agentti istuisi teidän myyntiprosessiinne, ja millaisia taustamateriaaleja sen rakentamiseen tarvitaan.

Caseen on Astu Labsilta osallistunut Jouni Manninen, joka vastasi agentin teknisestä toteutuksesta ja asiakkaan opastuksesta. Tutustu Jouniin ja Astu Labsin tiimiin tästä.