Tekoälychatbot suomeksi — miksi moni puhuu kankeaa suomea ja miten laatu testataan
"Kiitos yhteydenotosta! Voitko kertoa lisää sinun ongelma, niin minä autan sinua parhaani mukaan Yritys Oy asiakas."
Tuo ei ole rikki. Se toimii täsmälleen niin kuin on rakennettu. Se on vain käännetty, ja suomalainen lukija tunnistaa sen sekunnissa — usein osaamatta sanoa, mikä siinä tarkalleen mättää. Fiilis on sama kuin huonosti käännetyssä käyttöohjeessa: sanat ovat suomea, mutta kukaan ei puhu näin.
Tämä on suomenkielisen chatbotin tärkein ja aliarvioiduin laatukysymys. Se ei näy demossa, jossa esitellään kolme siistiä esimerkkivastausta, ja se paljastuu vasta kun oikeat asiakkaat kysyvät oikeita kysymyksiä omilla sanoillaan. Käydään läpi miksi suomi on kielimallille poikkeuksellisen hankala, mitkä neljä virhettä toistuvat, ja miten kielen laadun testaa itse vartissa ennen kuin allekirjoittaa mitään.
Miksi suomi on kielimallille vaikeampi kuin englanti
Kaksi syytä, ja ne ovat erilaisia.
Ensimmäinen on kielen rakenne. Suomessa on Kotimaisten kielten keskuksen kuvauksen mukaan viisitoista sijamuotoa, ja niiden lisäksi sanavartalo muuttuu taivutettaessa. Kauppa on kaupassa, katu on kadulla, lupa on luvan. Tätä kutsutaan astevaihteluksi, ja se tarkoittaa, ettei suomen kielessä voi liimata päätettä sanan perään ja toivoa parasta. Englannissa voi: at the shop, on the street. Prepositio pysyy erillään eikä koske sanaan.
Lisäksi suomi rakentaa yhdyssanoja rajattomasti (asiakaspalvelujärjestelmä), sanajärjestys on vapaa ja merkitystä kantava, ja kieltomuoto taipuu persoonassa (en, et, ei, emme). Jokainen näistä on paikka, jossa käännetty teksti kompastuu.
Toinen on datan määrä. Suomea puhuu noin viisi ja puoli miljoonaa ihmistä. Internetin suomenkielinen aineisto on murto-osa englanninkielisestä, ja kielimallit oppivat juuri siitä aineistosta. Suomenkielisten kielimallien kehitystä on Suomessa tehty pitkäjänteisesti muun muassa Turun yliopiston TurkuNLP-tutkimusryhmässä, ja työn perussyy on juuri tämä: pienen kielen aineistoa on vähän, joten se pitää kerätä ja kuratoida tietoisesti.
Käytännön seuraus on se, että suurten mallien suomi on nykyään yllättävän hyvää — mutta se on keskimäärin hyvää. Harvinaisemmat rakenteet, ammattitermit ja pitkät virkkeet ovat juuri se alue, jossa ero englantiin näkyy edelleen.
Suurin osa huonosta bottisuomesta ei tule kielimallista lainkaan. Se tulee alustan omista valmiista fraaseista, jotka on käännetty koneellisesti englannista, ja tietopohjasta, joka on käännetty suomeksi sen sijaan että se olisi kirjoitettu suomeksi. Malli on harvoin se heikoin lenkki.
Neljä virhettä, jotka toistuvat
1. Taivuttamaton mallipohjateksti
Kaikkein yleisin. Alustan valmiiseen fraasiin on jätetty paikka muuttujalle, ja englanniksi se toimii, koska englannissa sanaa ei tarvitse taivuttaa:
Väärin: "Tervetuloa Rakennus Mäkinen Oy asiakaspalveluun!"
Oikein: "Tervetuloa Rakennus Mäkinen Oy:n asiakaspalveluun!"
Väärin: "Etsitkö tietoa aiheesta ilmalämpöpumppu?"
Oikein: "Etsitkö tietoa ilmalämpöpumpuista?"
Nämä eivät ole pilkunviilausta. Ne ovat juuri se signaali, joka kertoo lukijalle, että tämä on halpa ulkomainen työkalu eikä teidän palvelunne. Ja niitä esiintyy erityisen sitkeästi juuri niissä kohdissa, joita ei ehdi testata: virheilmoituksissa, painikkeissa, aikakatkaisuviesteissä.
2. Käännöskukkaset ja anglismit
Kun tietopohja on kirjoitettu englanniksi ja käännetty, käännös tuo mukanaan rakenteita, joita suomenkielinen ei käyttäisi:
- "Kuinka voin auttaa sinua tänään?" — englannin today on kohteliaisuusfraasi, suomessa se herättää kysymyksen, mitä tänään tarkoittaa.
- "Ole hyvä ja odota hetki" — muodollisesti oikein, mutta suomenkielinen sanoisi "Hetki, tarkistan asian."
- "Meillä on erinomaisia ratkaisuja tarpeisiisi" — myyntikieltä, joka ei kerro mitään.
Sävy menee tässä pieleen ennen kuin kielioppi ehtii. Suomalainen asiakaspalvelu on lyhyttä ja asiapitoista, ei ylistävää.
3. Sinuttelu ja teitittely sekaisin
Suomessa sinuttelu on B2C-palvelussa oletus, ja teitittely elää yhä tietyillä aloilla ja tietyissä asiakassuhteissa: lakiasiat, terveydenhuolto, hautaustoimi, osa rahoitusalasta, ja usein selvästi iäkkäämpää asiakaskuntaa palvelevat yritykset.
Ongelma ei ole valinta vaan epäjohdonmukaisuus. Botti aloittaa "Hei, miten voin auttaa?" ja päättää "Ottakaa yhteyttä toimistoomme". Kumpikin on kelvollinen. Yhdessä keskustelussa ne kertovat, ettei sävyä ole päätetty. Tämä ratkaistaan järjestelmäkehotteessa yhdellä lauseella, mutta se lause pitää muistaa kirjoittaa.
4. Alan termit väärin
Tämä maksaa eniten, koska se rikkoo uskottavuuden juuri asiantuntevan asiakkaan silmissä.
- Rakennusalalla urakkatarjous ei ole sama asia kuin tarjous, eikä urakoitsija sama kuin aliurakoitsija.
- Kirjanpidossa tilinpäätös ja veroilmoitus eivät ole synonyymejä, vaikka ne tehdään peräkkäin.
- Kiinteistöalalla toimeksianto, myyntitoimeksianto ja arviokäynti tarkoittavat kolmea eri asiaa.
Yleinen kielimalli tuntee nämä sanat, mutta se ei tiedä, kumpaa sinun yrityksesi tarkoittaa, ellei sitä ole kerrottu. Korjaus on yksinkertainen: kirjoita tietopohjaan lyhyt sanasto, jossa kerrot mitä termejä käytätte ja mitä ette.
Missä laatu oikeasti ratkeaa
Kielen laatu ei ratkea mallivalinnassa läheskään niin paljon kuin toimittajat antavat ymmärtää. Se ratkeaa kolmessa asiassa, ja kaikki kolme ovat rakennusvaiheen päätöksiä.
Järjestelmäkehote kirjoitetaan suomeksi. Jos botin ohjeistus on englanniksi ja siinä lukee "respond in Finnish", malli kääntää ajatuksensa. Suomeksi kirjoitettu ohjeistus tuottaa suomeksi ajateltua tekstiä. Ero on selvä ja se on ilmainen.
Tietopohja kirjoitetaan suomeksi, ei käännetä. Jos palvelukuvaukset ovat alun perin suomeksi, ne pysyvät suomeksi. Jos ne on käännetty englannista, käännösjälki siirtyy vastauksiin. Tämä on tavallista kansainvälisten yritysten Suomen-sivustoilla.
Vakiofraasit kirjoitetaan käsin. Tervehdys, "en tiedä" -vastaus, siirtoviesti ihmiselle, aikakatkaisu, virheilmoitus. Näitä on kymmenkunta, ne toistuvat joka keskustelussa, ja niiden kirjoittaminen käsin vie kaksikymmentä minuuttia. Se on koko projektin paras tuottoprosentti.
Testi, jonka teet itse vartissa
Ennen kuin ostat botin tai päästät oman versiosi julki, kysy siltä nämä kymmenen. Ne on valittu niin, että jokainen paljastaa eri ongelman.
- "Mitä te teette?" — Katso, käyttääkö vastaus yrityksen nimeä luontevasti taivutettuna. Jos nimeen on liimattu pääte oudosti, mallipohjat ovat kääntämättä.
- "Paljonko maksaa?" — Antaako haarukan ja perustelun, vai keksiikö luvun. Tämä testaa myös rehellisyyttä, ei vain kieltä.
- Kysy alan omalla termillä. Käytä sitä sanaa, jota asiakkaasi oikeasti käyttävät. Vastaako botti termin merkityksen mukaisesti vai yleisellä tasolla?
- Kirjoita kysymys kirjoitusvirheellä. "Kuinka pallon tama maksa" — ymmärtääkö silti? Oikeat asiakkaat kirjoittavat puhelimella ja kiireessä.
- Kysy puhekielellä. "Onks teil aikoja ens viikol?" Suomalainen kirjoittaa chattiin puhekieltä paljon useammin kuin lomakkeeseen.
- Kysy sama asia kolmella eri tavalla. Pysyykö vastaus sisällöllisesti samana? Vaihteleva vastaus tarkoittaa, että tietopohja on ohut ja malli täyttää aukkoja.
- Kysy jotain, mitä sivuillasi ei lue. Sanooko rehellisesti ettei tiedä, vai keksiikö uskottavan kuuloisen vastauksen? Tämä on tärkein yksittäinen testi.
- Katso sävyn johdonmukaisuutta. Sinuttelee vai teitittelee — ja pysyykö valinta samana koko keskustelun ajan, myös siirtoviestissä ja lopputervehdyksessä?
- Pyydä pitkä vastaus. "Kerro tarkemmin." Pitkissä virkkeissä taivutusvirheet ja kankeat rakenteet tulevat esiin, lyhyissä eivät.
- Pyydä päästä ihmisen puheille. Onko siirtoviesti kirjoitettu suomeksi vai käännetty? Tämä on lähes aina alustan valmis fraasi ja siksi paljastavin.
Jos kohdat 1, 7 ja 10 menevät läpi, botti on todennäköisesti kunnossa. Jos kohta 7 epäonnistuu — botti keksii vastauksen sen sijaan että myöntäisi tietämättömyytensä — kielen laadulla ei ole enää väliä. Silloin ongelma on isompi kuin kielioppi.
Miten asiakkaat oikeasti kirjoittavat chattiin
Yksi asia erottaa chatin lomakkeesta enemmän kuin mikään tekninen ominaisuus: chattiin kirjoitetaan puhekieltä. Lomakkeeseen kirjoitetaan kokonaisia virkkeitä, chattiin näppäillään puhelimella se, mikä ensimmäisenä tulee mieleen.
Käytännössä se näyttää tältä: "onks teil vapaita aikoja ens viikol", "paljo maksaa jos vaihetaan koko keittiön kalusteet", "teettekste myös lohjalla". Sanat ovat lyhentyneitä, välimerkit puuttuvat, ja kysymys on usein epätäydellinen. Suomen puhekieli poikkeaa kirjakielestä selvästi enemmän kuin monissa muissa kielissä — me mennään eikä me menemme, mä eikä minä — ja se on juuri se muoto, jota harjoitusaineistossa on vähiten.
Hyvä botti selviää tästä. Testaa se kirjoittamalla itse niin kuin asiakkaasi kirjoittaa, älä niin kuin kirjoittaisit sähköpostia. Jos botti vastaa puhekieliseen kysymykseen "en valitettavasti ymmärtänyt kysymystäsi", ongelma tulee vastaan ensimmäisenä päivänä oikeassa käytössä.
Toinen sama ilmiö näkyy murresanoissa ja alueellisissa ilmauksissa. Botin ei tarvitse osata vastata murteella, mutta sen pitää ymmärtää, kun asiakas kysyy pihatöistä tai remppafirmasta. Tämä ratkeaa lisäämällä tietopohjaan ne arkikielen synonyymit, joita asiakkaasi käyttävät virallisten termien sijaan — käytännössä listaamalla molemmat rinnakkain.
Sävy on brändipäätös, ei asetus
Kun kielioppi on kunnossa, jäljelle jää sävy, ja se on liiketoimintapäätös. Kolme kysymystä riittää:
Sinuttelu vai teitittely? Valitse toinen ja kirjoita se ohjeistukseen. Suurimmalle osalle pk-yrityksistä sinuttelu on oikea valinta. Jos epäröit, katso miten kirjoitatte tällä hetkellä sähköposteissa asiakkaille.
Kuinka pitkä vastaus? Chatissa kolme lausetta on yleensä maksimi. Pitkä vastaus näyttää puhelimen ruudulla seinältä ja jää lukematta.
Miten paljon persoonaa? Botti saa olla ystävällinen. Sen ei tarvitse olla hauska. Huumori kääntyy huonosti ja vanhenee nopeasti, ja väärässä tilanteessa — asiakas on tyytymätön — se on suoranainen riski. Sama aihepiiri laajemmin artikkelissa tekoäly ja brändin ääni.
Suomenkielinen ei tarkoita EU:ssa käsiteltyä
Yksi yleinen sekaannus kannattaa oikaista: se, että botti puhuu suomea, ei kerro mitään siitä, missä tiedot käsitellään. Suomenkielinen vastaus voi hyvin syntyä palvelimella Yhdysvalloissa.
Kysy toimittajalta kolme asiaa: missä kielimalli ajetaan, missä keskustelulokit säilytetään ja kuinka kauan, ja onko käsittelijäsopimus tehty. Jos käsittely tapahtuu ETA:n ulkopuolella, siirrolle tarvitaan peruste. Aihe on käyty perusteellisesti läpi sivulla tietoturva ja GDPR sekä artikkelissa chatbotin tietoturva ja asiakastiedot.
Hinta ja käyttöönotto lyhyesti
Suomenkielinen botti ei ole kalliimpi kuin englanninkielinen. Kielimallit veloittavat käytöstä, ja suomi kuluttaa hieman enemmän laskentayksiköitä kuin englanti sanojen pituuden vuoksi, mutta ero on kuukausilaskussa muutamia euroja — ei tekijä päätöksessä.
Todellinen kustannusero syntyy siitä, tehdäänkö kielityö kunnolla: vakiofraasien kirjoittaminen, sanaston määrittely ja testauskierrokset vievät muutaman tunnin. Tyypilliset hintahaarukat on käyty läpi sivulla AI-agentin hinta, ja jos harkitset botin rakentamista itse, tämä artikkeli käy läpi mitä se vaatii ja missä se kaatuu.
Käyttöönotto suomenkielisenä ei eroa muusta prosessista: sisältö kokoon, sävy lukkoon, kolme testauskierrosta, julkaisu, ja lokien luku kerran kuussa. Ainoa lisä on se, että testauskierroksilla katsotaan myös kieltä eikä pelkkää asiasisältöä.
Jos haluat nähdä, miltä oman alasi kysymykset kuulostavat suomenkielisen botin käsittelyssä, ota yhteyttä — tai katso ensin, mitä chatbot kotisivuille sisältää.