Kirjoittaja /

Näin tekoälyn käyttöönotto onnistuu – myös ESG-näkökulmasta, 5/5

Blogisarjan ”AI ilman uudelleensuunnittelua on ESG-velka” osa 5/5

Essee sarjani neljä ensimmäistä osaa diagnosoivat ongelman: ilman uudelleensuunnittelua tekoäly kerryttää ESG-velkaa – energiavelkaa, ylikuormitusvelkaa ja päätöksenteon laatuvelkaa. Tämä päätösosa kääntää katseen ratkaisuun. Onnistuminen ei ala teknologiavalinnasta vaan kahdesta strategisesta päätöksestä ja yhdestä arkisen konkreettisesta listasta. Kun ne tehdään oikeassa järjestyksessä, sama käyttöönotto, joka tuottaa tulosta, vahvistaa myös vastuullisuutta.

Useimmat tekoälyhankkeet alkavat väärällä kysymyksellä: mitä tekoäly osaa tehdä? Sitten etsitään paikkoja, joihin tuo osaaminen voisi sopia. Lähestymistapa kuulostaa järkevältä, mutta se on sama kuin ostaisi työkalun ensin ja etsisi remonttikohteen jälkeenpäin. Onhan olemassa se klassinen sanonta, että jos vasara on ainoa työkalu, alkavat kaikki ongelmat näyttää nauloilta. Juuri tästä syntyvät ne hankkeet, jotka Gartnerin mukaan kaatuvat epäselvään liiketoiminta-arvoon ja joiden jälkiä tämä esseesarja on neljän tekstin verran kartoittanut: turhaan kulunutta energiaa, kuormittuneita ihmisiä, hallitsematonta kokeilujen saaristoa.

Onnistuva käyttöönotto kääntää järjestyksen. Se alkaa kahdella päätöksellä, jotka vain johto voi tehdä, ja jatkuu yhdellä listalla, joka jokaisella organisaatiolla varmasti on jo.

Ensimmäinen päätös: mitä ihmiset tekevät jatkossakin?

Tavallinen tapa lähestyä automaatiota on kysyä, mitä tekoälylle voisi siirtää. Hedelmällisempi kysymys on käänteinen: mitä me haluamme ihmisten tekevän jatkossakin – siksi, että juuri siitä pyrimme saamaan kilpailuetumme?

Logiikka on suoraviivainen. Kaikki se, minkä tekoäly tekee, on lähtökohtaisesti myös kilpailijoiden ulottuvilla. Samat mallit ovat kaikkien hankittavissa, samat työkalut saatavilla ja prosessit kopioitavissa. Kestävä erottautuminen voi syntyä vain siitä, mitä ja miten organisaation ihmiset tekevät eli asiakassuhteista, harkinnasta, luovuudesta, vastuunkannosta, kyvystä kohdata ja ymmärtää asiakkaan tilanne syvemmin kuin kukaan muu. Siksi ensimmäinen päätös ei koske teknologiaa vaan identiteettiä. Nimetään se inhimillinen työ, jota ei automatisoida, koska se on arvon ydin. Vasta tämän päätöksen jälkeen kaikki muu kognitiivinen työ voidaan siirtää tekoälylle – siltä osin kuin se on toistaiseksi mahdollista ja järkevää.

Järjestys ratkaisee myös ESG-näkökulmasta. Kun ihmistyön ydin on päätetty ensin, automaatio ei ole ihmisille epämääräinen uhka vaan rajattu, konkreettinen ja ymmärrettävä. Jokainen tietää, mikä omassa työssä on suojattua ja arvostettua. Uhasta tulee mahdollisuus. Tämä purkaa juuri sitä epäselvien odotusten kuormaa, jonka sarjan S-osa tunnisti ylikuormitusvelan keskeiseksi lähteeksi.

Toinen päätös: mihin vapautuva aika käytetään?

Sarjan kolmas osa kiteytti ikävän lainalaisuuden. Sen, että tekoäly ilman työn uudelleensuunnittelua ei vapauta aikaa vaan täyttää sen. Lainalaisuudesta seuraa johtamisvelvoite. Jos tekoäly vapauttaa aikaa, jonkun on päätettävä, mihin se käytetään – ennen kuin kalenteri ehtii täyttyä itsestään ja on jälleen niin kiire soutaa, ettei ehdi perämoottoria käynnistää.

Vaihtoehtoja on käytännössä kolme, ja jokainen on legitiimi, kunhan se valitaan tietoisesti ja sanotaan ääneen:

  1. Tehokkuus: sama tuotos pienemmillä resursseilla, ääritapauksessa henkilöstövähennysten kautta.
  2. Kasvu: vapautunut aika suunnataan innovointiin, uusiin tuotteisiin ja asiakkaisiin – sama väki, suurempi tuotos.
  3. Korkeampi arvo: aika investoidaan laadukkaampaan ajattelutyöhön – parempaan harkintaan, syvempään asiakasymmärrykseen, huolellisempiin päätöksiin – ja sitä kautta korkeampaan arvoon työtuntia kohden.

Vaarallisin vaihtoehto on jättää valinta tekemättä. Silloin organisaatio ajautuu Upworkin tutkimusten kuvaamaan paradoksiin, jossa tuottavuus nousee ja ihmiset uupuvat. Hyöty otetaan ulos tahtia kiristämällä, koska kukaan ei päättänyt muuta. Ja jos todellinen suunta on tehokkuus irtisanomisten kautta mutta viestitty suunta on ”helpotamme työtänne”, luottamus murenee tavalla, joka näkyy ennen pitkää sekä S- että G-mittareissa. Rehellinen valinta ja sen ääneen sanominen on myös vastuullisuusteko.

Lista, josta kannattaa aloittaa: nykyiset ongelmat

Kun kaksi päätöstä on tehty, käyttötapauksia ei tarvitse keksiä – ne kaivetaan esiin. Suositukseni on aloittaa listaamalla nykyisen toiminnan tiedossa olevat ongelmat. Ne asiat, jotka hiertävät asiakkaita, hidastavat toimituksia, kuormittavat ihmisiä tai vuotavat rahaa, ja jotka jokainen organisaatiossa osaa kyllä nimetä viimeistään, kun joku kysyy. Sitten lista käydään läpi yksi kerrallaan kysyen: voisiko tekoäly ratkaista tämän – nyt, kun ratkaisu ei enää ole liian kallis tai käytännössä mahdoton?

Tämä kysymys osuu tekoälyn todelliseen ytimeen. Generatiivisen tekoälyn merkittävin ominaisuus ei ole se, että se tekee entisiä asioita nopeammin, vaan se, että se laskee isojenkin ongelmien ratkaisemisen kustannuksen tasolle, jolla ratkaisu voi muuttua ensimmäistä kertaa mahdolliseksi. Moni vuosia ”liian kalliina” hyllytetty kehityskohde – vaikkapa koko asiakaspalautemassan systemaattinen analysointi, hiljaisen tiedon dokumentointi tai monikielisen materiaalin ylläpito – on nyt viikkojen, ei vuosien hanke.

Ongelmalähtöisyydellä on kolme etua, jotka kytkeytyvät suoraan sarjan teemoihin. Ensinnäkin jokainen käyttötapaus on valmiiksi sidottu tunnustettuun liiketoimintatarpeeseen – ja useimmiten myös olemassa olevaan mittariin, koska tunnetuilla ongelmilla on yleensä jo hintalappu tai tunnusluku. Arvon todentaminen ei vaadi uutta mittaristoa, mikä purkaa G-osan kuvaamaa mittarittomuutta.

Toiseksi resurssit kohdistuvat kohteisiin, joiden arvo on ilmeinen, jolloin turhien pilottien energia- ja resurssivelka jää syntymättä. Kolmanneksi ihmiset lähtevät mukaan, koska ratkaistaan heidän tuntemiaan ongelmia eikä jalkauteta teknologiaa sen itsensä vuoksi.

Oma arvioni on, että näin toimien myös investoinnin tuotto on olennaisesti varmempi – ja vaikka tästä ei ole suoraa tutkimusnäyttöä, epäsuora näyttö tukee sitä vahvasti. Epäselvä liiketoiminta-arvo toistuu kärkisyynä hankkeiden kaatumiselle, ja parhaiten onnistuvat organisaatiot erottuvat juuri arvoperusteisella käyttökohdevalinnalla ja työn uudelleensuunnittelulla.

Tiekartta: kuusi askelta vastuulliseen käyttöönottoon

Kootaan edellinen toimenpidejärjestykseksi: pilottivaiheen kysymykset ja skaalauspäätökset tiivistyvät samaan kuuteen askeleeseen, joihin sarjan E-, S- ja G-opit on rakennettu sisään:

  1. Tee ihmispäätös. Nimeä työ, jota ei automatisoida, koska se on kilpailuedun ydin. Viesti se selvästi – tämä on samalla S-ulottuvuuden perusta.
  2. Tee aikapäätös. Valitse, haetaanko vapautuvalla ajalla tehokkuutta, kasvua vai korkeampaa arvoa – ja sano valinta ääneen, myös silloin kun se on epämukava.
  3. Listaa nykyiset ongelmat ja käy ne läpi. Poimi 3–5 kohdetta, joissa tekoäly tekee aiemmin liian kalliista tai muutoin vaikeasta ratkaisusta mahdollisen ja joiden arvo näkyy olemassa olevissa mittareissa.
  4. Suunnittele työ uudelleen, älä lisää työkalua entisen päälle. Päätä jokaisen käyttötapauksen kohdalla, mikä vaihe poistuu tai kevenee – luopumispäätös on uudelleensuunnittelun kova ydin.
  5. Budjetoi oppiminen ja tuki työajaksi. Osaaminen on käyttöönoton edellytys, ei sen sivutuote.
  6. Aseta skaalaus- ja lopetuskriteerit etukäteen ja seuraa halutessasi tai tarvitessasi myös ESG-mittareita. Resurssien käyttö suhteessa hyötyyn (E), työn kuormittavuus ja kokemus (S) sekä omistajuus, riskirajat ja mittarit (G) kuuluvat samaan seurantanäkymään kuin eurot.

Järjestys ei ole satunnainen vaan toiminnallinen: askeleet 1–2 ovat strategiapäätöksiä, jotka tekevät askeleista 3–6 mahdollisia. Ilman niitä ongelmalista typistyy tehostamislistaksi ja uudelleensuunnittelu jää tekemättä.

Nyanssi: tämä ei ole hitaampi tie

Ennakoitava vastaväite kuuluu, että eikö tällainen valmistelu hidasta, kun kilpailijat jo kokeilevat? Ei – se siirtää ajattelun hankkeen alkuun, missä se on halpaa, sen sijaan että se tehtäisiin hankkeen lopussa, missä se on kallista. Kokeilla saa ja sitä pitääkin tehdä matalalla kynnyksellä ja kokemuksia kerryttäen. Nämä kuusi askelta koskevat sitä hetkeä, kun kokeilusta aiotaan tehdä toimintatapa. Juuri siinä kohdassa kaksi kolmasosaa organisaatioista tällä hetkellä jumittaa – ei kokeilujen puutteen vaan päätösten puutteen vuoksi.

Sarja alkoi velkayhtälöstä: AI without redesign = ESG debt. Sen vastinpari on tämän tekstin viesti: AI with redesign = ESG dividend. Sama teknologia, joka huonosti johdettuna kuluttaa, kuormittaa ja hämärtää, tuottaa hyvin johdettuna resurssiviisautta, parempaa työtä ja laadukkaampia päätöksiä – eli osinkoa kaikilla kolmella ESG-ulottuvuudella. Erotus ei synny malleissa tai työkaluissa. Se syntyy kahdessa päätöksessä ja yhdessä listassa, jotka ovat jokaisen johtoryhmän ulottuvilla vaikka heti.

Puhun näistä teemoista keynote-puheenvuoroissa, johtoryhmävalmennuksissa ja paneelikeskusteluissa. Jos haluat haastaa organisaatiosi ajattelua tekoälyn vastuullisesta käyttöönotosta, ota yhteyttä → lenni@lennilaukkanen.fi

Edellinen osa: Useimmat tekoälyongelmat eivät ole teknisiä vaan johtamisongelmia

Lähteet

Huom. tekstin ydinsuositukset (ihmispäätös, aikapäätös, ongelmalähtöisyys) on esitetty kirjoittajan näkemyksinä, joita yllä mainittu tutkimusnäyttö tukee epäsuorasti.

1 ajatus aiheesta “Vastuullinen tekoälyn käyttöönotto – AI with redesign = ESG dividend, 5/5”

  1. Paluuviite: Tekoälyn governance - Lenni Laukkanen

Kommentoi

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *

Scroll to Top