Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena

Tämä kandidaatintutkielma käsittelee hakuavusteisen generoinnin (engl. retrieval augmented generation, RAG) merkitystä tietojohtamisessa, painottaen erityisesti tiedon strategista hyödyntämistä. Tutkielmassa tarkastellaan, kuinka RAG voi auttaa ylittämään perinteisten suurten kielimallien (engl. lar...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Iljin, Niko
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Kandityö
Kieli:fin
Julkaistu: 2025
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/102785
_version_ 1833317359706701824
author Iljin, Niko
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Iljin, Niko Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Iljin, Niko Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Iljin, Niko
datasource_str_mv jyx
description Tämä kandidaatintutkielma käsittelee hakuavusteisen generoinnin (engl. retrieval augmented generation, RAG) merkitystä tietojohtamisessa, painottaen erityisesti tiedon strategista hyödyntämistä. Tutkielmassa tarkastellaan, kuinka RAG voi auttaa ylittämään perinteisten suurten kielimallien (engl. large language models, LLM) rajoituksia, kuten staattista tietopohjaa ja hallusinaatioita. Lisäksi arvioidaan RAG:n soveltuvuutta strategiseen päätöksentekoon, organisaation oppimiseen ja tiedon jakamiseen. Tutkielman keskeiset havainnot osoittavat, että RAG parantaa tiedon ajantasaisuutta, tarkkuutta ja kontekstisidonnaisuutta, mikä tukee strategista päätöksentekoa ja tiedon jakamista. Organisaation oppimisen osalta RAG:n hyödyt jäävät kuitenkin pienemmiksi, koska se ei täysin pysty käsittelemään hiljaisen tiedon osioita. RAG:n käyttöönotto vaatii laadukkaita tietolähteitä, teknistä osaamista ja organisaatiokohtaista räätälöintiä. Tutkielma toteaa, että RAG-pohjaiset kielimallit voivat tehostaa tietojohtamisen prosesseja, mutta niiden potentiaalin täysi hyödyntäminen edellyttää lisätutkimusta. Työ luo pohjaa tekoälyn ja tietojohtamisen yhdistämiselle sekä tunnistaa tutkimusmahdollisuuksia RAG:n käytännön sovellusten ja vaikutusten tarkempaan arviointiin organisaatioissa. This bachelor's thesis investigates the role of retrieval augmented generation (RAG) in knowledge based managament, focusing specifically on how it can be used strategically to leverage knowledge. The research looks into how RAG addresses the shortcomings of traditional Large Language Models (LLMs), such as their reliance on static knowledge bases and their tendency to produce hallucinations (inaccurate or fabricated outputs). The study also assesses RAG's potential in areas like strategic decision-making, organizational learning, and knowledge sharing. The main findings show that RAG enhances the timeliness, accuracy, and contextual relevance of knowledge. This makes it a valuable tool for supporting strategic decision-making and improving knowledge sharing within organizations. However, its effectiveness in organizational learning is limited because it struggles to capture the subtleties of tacit knowledge (knowledge that is hard to formalize or communicate). Implementing RAG successfully depends on having high-quality data sources, technical expertise, and customization tailored to the organization. The thesis suggests that RAG-based language models can improve knowledge based management processes, but more research is needed to unlock their full potential. This work provides information for combining artificial intelligence with knowledge management and highlights new possibilities for studying RAG's practical applications and effects in organizations.
first_indexed 2025-05-27T20:00:26Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Lakanen, Antti-Jussi", "language": null, "element": "contributor", "schema": "dc", "qualifier": "advisor"}, {"key": "dc.contributor.author", "value": "Iljin, Niko", "language": null, "element": "contributor", "schema": "dc", "qualifier": "author"}, {"key": "dc.date.accessioned", "value": "2025-05-27T07:03:31Z", "language": null, "element": "date", "schema": "dc", "qualifier": "accessioned"}, {"key": "dc.date.available", "value": "2025-05-27T07:03:31Z", "language": null, "element": "date", "schema": "dc", "qualifier": "available"}, {"key": "dc.date.issued", "value": "2025", "language": null, "element": "date", "schema": "dc", "qualifier": "issued"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/102785", "language": null, "element": "identifier", "schema": "dc", "qualifier": "uri"}, {"key": "dc.description.abstract", "value": "T\u00e4m\u00e4 kandidaatintutkielma k\u00e4sittelee hakuavusteisen generoinnin (engl. retrieval augmented generation, RAG) merkityst\u00e4 tietojohtamisessa, painottaen erityisesti tiedon strategista hy\u00f6dynt\u00e4mist\u00e4. Tutkielmassa tarkastellaan, kuinka RAG voi auttaa ylitt\u00e4m\u00e4\u00e4n perinteisten suurten kielimallien (engl. large language models, LLM) rajoituksia, kuten staattista tietopohjaa ja hallusinaatioita. Lis\u00e4ksi arvioidaan RAG:n soveltuvuutta strategiseen p\u00e4\u00e4t\u00f6ksentekoon, organisaation oppimiseen ja tiedon jakamiseen.\n\nTutkielman keskeiset havainnot osoittavat, ett\u00e4 RAG parantaa tiedon ajantasaisuutta, tarkkuutta ja kontekstisidonnaisuutta, mik\u00e4 tukee strategista p\u00e4\u00e4t\u00f6ksentekoa ja tiedon jakamista. Organisaation oppimisen osalta RAG:n hy\u00f6dyt j\u00e4\u00e4v\u00e4t kuitenkin pienemmiksi, koska se ei t\u00e4ysin pysty k\u00e4sittelem\u00e4\u00e4n hiljaisen tiedon osioita. RAG:n k\u00e4ytt\u00f6\u00f6notto vaatii laadukkaita tietol\u00e4hteit\u00e4, teknist\u00e4 osaamista ja organisaatiokohtaista r\u00e4\u00e4t\u00e4l\u00f6inti\u00e4.\n\nTutkielma toteaa, ett\u00e4 RAG-pohjaiset kielimallit voivat tehostaa tietojohtamisen prosesseja, mutta niiden potentiaalin t\u00e4ysi hy\u00f6dynt\u00e4minen edellytt\u00e4\u00e4 lis\u00e4tutkimusta. Ty\u00f6 luo pohjaa teko\u00e4lyn ja tietojohtamisen yhdist\u00e4miselle sek\u00e4 tunnistaa tutkimusmahdollisuuksia RAG:n k\u00e4yt\u00e4nn\u00f6n sovellusten ja vaikutusten tarkempaan arviointiin organisaatioissa.", "language": "fi", "element": "description", "schema": "dc", "qualifier": "abstract"}, {"key": "dc.description.abstract", "value": "This bachelor's thesis investigates the role of retrieval augmented generation (RAG) in knowledge based managament, focusing specifically on how it can be used strategically to leverage knowledge. The research looks into how RAG addresses the shortcomings of traditional Large Language Models (LLMs), such as their reliance on static knowledge bases and their tendency to produce hallucinations (inaccurate or fabricated outputs). The study also assesses RAG's potential in areas like strategic decision-making, organizational learning, and knowledge sharing.\n\n The main findings show that RAG enhances the timeliness, accuracy, and contextual relevance of knowledge. This makes it a valuable tool for supporting strategic decision-making and improving knowledge sharing within organizations. However, its effectiveness in organizational learning is limited because it struggles to capture the subtleties of tacit knowledge (knowledge that is hard to formalize or communicate). Implementing RAG successfully depends on having high-quality data sources, technical expertise, and customization tailored to the organization.\n\n The thesis suggests that RAG-based language models can improve knowledge based management processes, but more research is needed to unlock their full potential. This work provides information for combining artificial intelligence with knowledge management and highlights new possibilities for studying RAG's practical applications and effects in organizations.", "language": "en", "element": "description", "schema": "dc", "qualifier": "abstract"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2025-05-27T07:03:31Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "schema": "dc", "qualifier": "provenance"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2025-05-27T07:03:31Z (GMT). No. of bitstreams: 0\n Previous issue date: 2025", "language": "en", "element": "description", "schema": "dc", "qualifier": "provenance"}, {"key": "dc.format.extent", "value": "27", "language": null, "element": "format", "schema": "dc", "qualifier": "extent"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "schema": "dc", "qualifier": "iso"}, {"key": "dc.rights", "value": "In Copyright", "language": null, "element": "rights", "schema": "dc", "qualifier": null}, {"key": "dc.subject.other", "value": "hakuavusteinen generointi", "language": null, "element": "subject", "schema": "dc", "qualifier": "other"}, {"key": "dc.subject.other", "value": "tiedon strateginen hy\u00f6dynt\u00e4minen", "language": null, "element": "subject", "schema": "dc", "qualifier": "other"}, {"key": "dc.title", "value": "Hakuavusteisen generoinnin hy\u00f6dynt\u00e4minen tietojohtamisen tukena", "language": null, "element": "title", "schema": "dc", "qualifier": null}, {"key": "dc.type", "value": "bachelor thesis", "language": null, "element": "type", "schema": "dc", "qualifier": null}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202505274610", "language": null, "element": "identifier", "schema": "dc", "qualifier": "urn"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "schema": "dc", "qualifier": "faculty"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "schema": "dc", "qualifier": "faculty"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "schema": "dc", "qualifier": "department"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "schema": "dc", "qualifier": "department"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": null, "element": "contributor", "schema": "dc", "qualifier": "organization"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": null, "element": "contributor", "schema": "dc", "qualifier": "organization"}, {"key": "dc.subject.discipline", "value": "Tietojenk\u00e4sittelytiede", "language": "fi", "element": "subject", "schema": "dc", "qualifier": "discipline"}, {"key": "dc.subject.discipline", "value": "Computer Science", "language": "en", "element": "subject", "schema": "dc", "qualifier": "discipline"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_7a1f", "language": null, "element": "type", "schema": "dc", "qualifier": "coar"}, {"key": "dc.rights.copyright", "value": "\u00a9 The Author(s)", "language": "fi", "element": "rights", "schema": "dc", "qualifier": "copyright"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "schema": "dc", "qualifier": "accesslevel"}, {"key": "dc.type.publication", "value": "bachelorThesis", "language": null, "element": "type", "schema": "dc", "qualifier": "publication"}, {"key": "dc.subject.yso", "value": "tiet\u00e4myksenhallinta", "language": null, "element": "subject", "schema": "dc", "qualifier": "yso"}, {"key": "dc.subject.yso", "value": "teko\u00e4ly", "language": null, "element": "subject", "schema": "dc", "qualifier": "yso"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "schema": "dc", "qualifier": "url"}]
id jyx.123456789_102785
language fin
last_indexed 2025-05-27T20:00:26Z
main_date 2025-01-01T00:00:00Z
main_date_str 2025
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/38b361e5-6c25-435b-92f0-55d66ad1622b\/download","text":"URN:NBN:fi:jyu-202505274610.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2025
record_format qdc
source_str_mv jyx
spellingShingle Iljin, Niko Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena hakuavusteinen generointi tiedon strateginen hyödyntäminen Tietojenkäsittelytiede Computer Science tietämyksenhallinta tekoäly
title Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena
title_full Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena
title_fullStr Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena
title_full_unstemmed Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena
title_short Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena
title_sort hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena
title_txtP Hakuavusteisen generoinnin hyödyntäminen tietojohtamisen tukena
topic hakuavusteinen generointi tiedon strateginen hyödyntäminen Tietojenkäsittelytiede Computer Science tietämyksenhallinta tekoäly
topic_facet Computer Science Tietojenkäsittelytiede hakuavusteinen generointi tekoäly tiedon strateginen hyödyntäminen tietämyksenhallinta
url https://jyx.jyu.fi/handle/123456789/102785 http://www.urn.fi/URN:NBN:fi:jyu-202505274610
work_keys_str_mv AT iljinniko hakuavusteisengeneroinninhyödyntäminentietojohtamisentukena