Kolmion jälkeen – osa 3/5, tekoäly ja organisaatiorakenne

Kun yksi ihminen seisoo kaikilla kolmella tasolla

Istuin viime keväänä iltana koneen ääressä tehtävän kanssa, joka olisi muutama vuosi sitten vaatinut kolme ihmistä ja viikon. Piti hahmottaa, mihin suuntaan eräs asiakkaan hanke kannatti viedä, rakentaa sille karkea suunnitelma ja tuottaa ensimmäinen versio materiaaleista. Ennen tämä olisi kulkenut porrasta pitkin: joku miettii suunnan, joku pilkkoo sen tehtäviksi, joku tekee. Nyt tein kaikki kolme itse, yhdessä istunnossa, tekoäly vieressä. Kysyin miksi, suunnittelin miten ja tuotin mitä — peräkkäin, saman illan aikana, ilman että mitään tarvitsi lähettää kenellekään ja odottaa takaisin.

En kerro tätä kehuakseni. Kerron sen, koska siinä tapahtui jotain, mikä on tämän koko sarjan ydin. Pyramidi oletti, että nuo kolme tasoa ovat eri ihmisillä ja että työ kulkee niiden välillä hitaasti ja vaivalla. Sinä iltana ne kolme tasoa olivat yhdessä päässä, eikä työ kulkenut minnekään — se vain tapahtui. Siksi aloin tutkia aihetta tekoäly ja organisaatiorakenne.

Tekoäly iskee pyramidin perustuksiin

Edellisessä osassa kuvasin, miksi pyramidi oli aikanaan järkevä: tieto liikkui hitaasti ja kalliisti, joten se kannatti koota ylös, tehdä päätökset siellä ja lähettää porrasta alas. Koko rakenne lepäsi tällä yhdellä oletuksella. Tekoäly osuu juuri siihen — ja vieläpä kolmesta suunnasta yhtä aikaa.

Ensimmäinen isku osuu tiedonsiirron hintaan. Organisaatiotutkijat ovat pitkään osoittaneet, että kerrokset ovat pohjimmiltaan tiedon pakkaus- ja suodatuskoneita: alempi taso kokoaa ja tiivistää, ylempi taso saa valmiiksi pureskellun yhteenvedon eikä raakaa dataa. Ajattele tavallista viikkoraporttia: joku kerää luvut, joku tiivistää ne, joku tekee niistä kalvon, ja vasta sitten ne päätyvät johtoryhmän pöydälle — ja matkalla osa tiedosta suodattuu pois, osa vääristyy, ja kaikki vie aikaa. Mitä kalliimpaa tämä kokoaminen ja siirtäminen oli, sitä enemmän kerroksia kannatti olla niitä hoitamassa. Mutta juuri sen kielimallit tekevät nyt lähes ilmaiseksi. Ne lukevat, jäsentävät ja tiivistävät tietoa sekunneissa. Kun tiedon pakkaaminen ja siirtäminen ei enää maksa juuri mitään, katoaa myös se peruste, jonka takia välissä piti olla kerros sitä tekemässä. Suodatin, jonka olemassaolo oli kallista, muuttuu napin painallukseksi.

Tahti, jota et itse aseta

Toinen isku osuu nopeuteen. Tähän liittyy ajatus, jonka esitti amerikkalainen hävittäjälentäjä ja strategi John Boyd. Boyd oli omituinen nero: hän ei juuri kirjoittanut, vaan esitti ajatuksensa briiffauksina, joita hioi vuosikymmeniä. Hänen tunnetuin ideansa on OODA-silmukka — havaitse, orientoidu, päätä, toimi. Boydin pointti oli, että se osapuoli, joka kiertää tämän silmukan nopeammin, pääsee vastustajan päätössyklin sisälle: tekee toisen havainnot vanhentuneiksi ennen kuin tämä ehtii edes orientoitua, ja saa aikaan sekaannuksen, joka lopulta lamauttaa.

Tärkeää on huomata, mikä vaihe oli Boydille kaikkein olennaisin. Ei nopeus sinänsä, vaan orientointi — se hetki, jossa havainnot muuttuvat ymmärrykseksi. Boyd sanoi, ettei täydellisestäkään tiedosta ole hyötyä, jos sitä ei ole kytketty terävään käsitykseen siitä, mitä se tarkoittaa. Ratkaisee arvostelukyky, ei tiedon määrä. Ja juuri tähän tekoäly tekee jotain kiinnostavaa: se puristaa kasaan havaitsemisen ja toimimisen — datan keruun ja tuotosten tekemisen — mutta orientointi, harkinta, jää yhä ihmiselle.

Tämän kääntöpuoli on epämukava. Kun kone kiihdyttää silmukkaa, tahtia ei enää aseta sinä. Se on kuin pyöräilisi kärkiryhmässä: vauhdin sanelee kärki, ja jos et pysy mukana, sinut pudotetaan — ja pudonnutta on vaikea ottaa enää kiinni. Tekoäly nostaa koko ryhmän vauhtia. Se tarkoittaa, että ihmisen on itsekin liikutettava tietoa ja tehtävä päätöksiä nopeammin kuin ennen, ei siksi että se olisi mukavaa, vaan siksi että hidas jää oman kenttänsä silmukan ulkopuolelle. Espanjalainen Zara on tästä vanha esimerkki: se vie malliston suunnittelusta myymälään kahdessa viikossa, kun alalla siihen menee perinteisesti viitisen kuukautta. Kun joku kiertää silmukkaa noin paljon nopeammin, muut eivät kilpaile samoilla säännöillä — ne kilpailevat jo menneessä ajassa.

Kerros, joka syödään ensin

Kolmas isku osuu siihen, mitä pyramidin pohjalla tehdään. Operatiivinen MITÄ-taso — rutiinikoonti, raportointi, ensimmäiset versiot, tiedonhaku, analyysin valmistelu — on juuri se, jonka tekoäly ottaa haltuunsa ensin. Tämä ei ole arvaus. Harvardin ja MIT:n tutkijat seurasivat yli viittätuhatta asiakaspalvelijaa ja havaitsivat tekoälyn nostavan tuottavuutta keskimäärin noin 15 prosenttia — ja eniten hyötyivät kaikkein kokemattomimmat, joiden työ parani kohti parhaiden tasoa. Tutkimus on sittemmin edennyt vertaisarvioiduksi, mikä tekee siitä tavallista painavamman. Stanfordin tutkijat puolestaan havaitsivat laajasta palkka-aineistosta, että nuorten, vasta-alkajien työllisyys on laskenut juuri niissä ammateissa, joissa tekoäly korvaa kodifioitua osaamista — sitä kirjoista opittua, jolla vasta-alkaja yleensä aloittaa. Suomessa sama kuvio ei toistaiseksi näy. Kun ETLA toisti Stanfordin asetelman Suomen aineistolla, korkealle altistuneiden nuorten työllisyys kehittyi lähes identtisesti muiden kanssa; tutkijoiden tulkinta on, että pohjoismainen työmarkkinamalli ja vahva irtisanomissuoja vaimentavat teknologian iskuja. Iskunvaimennin ei kuitenkaan poista iskua, vaan pehmentää sen. Ero ei ole siinä, ettei murros koskisi meitä — se on siinä, että meillä on hetki enemmän aikaa päättää, miten se kohdataan.

Tähän kuuluu esimerkki, jota tulkitaan jatkuvasti väärin molempiin suuntiin. Ruotsalainen Klarna kertoi alkuvuodesta 2024, että sen tekoälyassistentti hoiti ensimmäisen kuukautensa aikana kaksi kolmasosaa asiakaspalvelun chateista — työmäärän, joka vastasi noin seitsemääsataa kokoaikaista ihmistä. Ratkaisuaika putosi yhdestätoista minuutista kahteen. Hype-leirissä tästä vedetään johtopäätös: tekoäly korvasi ihmiset, piste. Vastaleirissä taas tartutaan siihen, että Klarna alkoi myöhemmin taas palkata ihmisiä vaativampiin tapauksiin, ja julistetaan: kas, eihän tekoäly sittenkään korvaa ihmistä.

Kumpikin lukutapa on epärehellinen. Rehellinen kuva on mutkikkaampi. Klarna tekee nyt aidosti suurempaa liikevaihtoa selvästi pienemmällä väellä — se ei ole illuusiota. Samalla työn luonne muuttui: tilalle ei tullut samanlaista kokoaikaista, paikkaan sidottua työtä, vaan joustavampaa keikkaa, jota voi tehdä vaikka opiskelija tai maakunnassa asuva, jolle kokoaikaista konttorityötä ei olisi ollut tarjolla. Osa menetti vakaan työn, osa sai työn, jota ei ennen ollut. Tekoäly ei siis korvannut ihmistä eikä epäonnistunut korvaamaan häntä. Se söi operatiivisen kerroksen toistuvan osan — sen rutiininomaisen MITÄ:n — ja jätti ihmiselle sen, mitä kone ei osaa: hankalan tapauksen, harkinnan, vastuun. Puolensa ja puolensa, ei kumpaakaan äärilaitaa.

Kone ei kuitenkaan syö kaikkea, eikä syö tasaisesti. Harvardin ja BCG:n tutkijat antoivat reilulle seitsemällesadalle konsultille tehtäviä tekoälyn kanssa ja ilman. Tehtävissä, jotka osuivat tekoälyn vahvuusalueelle, tulokset paranivat rajusti — työ eteni neljänneksen nopeammin ja laatu nousi selvästi. Mutta kun tehtävä osui sen näkymättömän rajan ulkopuolelle, jota tutkijat kutsuivat rosoiseksi rajaksi, tekoälyä käyttäneet tuottivat oikean vastauksen selvästi epätodennäköisemmin kuin ne, joilla ei ollut konetta lainkaan. Sama väline siis sekä auttoi että vahingoitti, riippuen kummalla puolen rajaa oltiin. Ja koko juju on tässä: rajan paikan tunnistaminen on ihmisen työtä. Se on Boydin orientointia — harkintaa siitä, milloin koneeseen voi luottaa ja milloin ei. Juuri sen kone jättää meille.

Tasot alkavat sulaa

Kun nämä kolme rajoitetta purkautuvat yhtä aikaa, tapahtuu se, mistä aloitin. Procter & Gamblella tehtiin vuonna 2025 koe, jossa lähes kahdeksansataa ammattilaista ratkoi oikeita tuotekehitystehtäviä. Yllättävin tulos: yksi ihminen tekoälyn kanssa ylsi suunnilleen samalle tasolle kuin kahden hengen tiimi ilman tekoälyä. Eikä siinä kaikki — ilman tekoälyä tekniikan ihmiset ehdottivat teknisiä ratkaisuja ja kaupalliset kaupallisia, mutta tekoälyn kanssa molemmat tuottivat tasapainoisia, oman siilonsa ylittäviä ehdotuksia. Raja-aidat funktioiden välillä alkoivat haihtua.

Tässä palaamme sarjan ensimmäisen osan havaintoon. Robert Anthony, jota pidetään johtamispyramidin isänä, ei alun perin puhunut kerroksista vaan tekemisen lajeista, ja sanoi että sama ihminen tekee niitä kaikkia. Pyramidi syntyi, kun nuo lajit jouduttiin jakamaan eri ihmisille, koska yksi ihminen ei ehtinyt eikä kyennyt kaikkeen. Tekoäly purkaa juuri tuon pakon. Se palauttaa tilanteen, jossa yksi ihminen voi taas seistä kaikilla kolmella tasolla yhtä aikaa — kysyä miksi, suunnitella miten ja tehdä mitä saman istunnon aikana. Tasot eivät katoa. Ne lakkaavat olemasta eri ihmisiä.

Käytännössä tämä näkyy jo siinä, että pieni, tekoälyllä varustettu yksikkö pystyy tekemään sen, mihin ennen tarvittiin oma osasto. Kahden hengen tiimi voi nyt operoida kuin kymmenen, koska se kymmenpäisen porukan koonti-, valmistelu- ja rutiinityö hoituu koneella. Eikä tämä koske vain startupeja. Sama logiikka pätee mihin tahansa joukkueeseen, joka saa työkalut käyttöönsä ja luvan käyttää niitä: sen ei tarvitse enää lähettää jokaista kysymystä porrasta ylös ja odottaa vastausta, vaan se voi hahmottaa kokonaisuuden itse. Pyramidi oletti, että harva ylhäällä näkee kauas ja moni alhaalla näkee lähelle. Tekoäly antaa myös alhaalla olevalle kaukoputken.

Mutta — sama voima voi myös kovettaa kerrokset

Tässä on rehellistä pysähtyä. Sama teknologia, joka voi sulattaa tasot, voi myös kovettaa ne. Jos tekoäly tuottaa johdolle reaaliaikaisen näkymän kaikkeen, mitä reunalla tapahtuu, se voi houkutella keskittämään valtaa entistä enemmän ylös, ei vähemmän — sama putki, joka vie tiedon halvalla ylös, vie myös kontrollin halvalla alas. Algoritminen valvonta on jo arkea monella alalla. Ja on toinenkin mahdollisuus: ehkä tasot eivät sulakaan, vaan pohja vain katoaa — operatiivinen kerros amputoidaan ja strateginen ja taktinen jäävät päälle. Silloin herää kiusallinen kysymys: jos vasta-alkajan työ häviää, mistä tulevat ne kokeneet, joiden hiljainen tieto syntyy juuri niistä vuosista pohjalla? Päälle tulee vielä se, että mallit ja palvelinkapasiteetti ovat harvojen omistuksessa: kolme suurinta pilvitoimijaa hallitsee jo noin kahta kolmasosaa yritysten pilvi-infrastruktuurin markkinasta. Yksilön vapaus operoida kaikilla tasoilla tapahtuu vuokratulla kyvyllä, jonka ehdot määrää joku muu.

En siis väitä, että pyramidi on automaattisesti kuollut. Väitän, että se oletus, jonka varaan se rakennettiin, on murtumassa — ja että lopputulos riippuu siitä, mitä me valitsemme tehdä murtuman kanssa.

Sillä jos tieto on halpaa, päätössykli nopea ja paikan päällä oleva ihminen näkee yhtäkkiä saman kokonaiskuvan kuin keskusjohto, herää väistämätön kysymys: minne päätösvalta silloin oikeastaan kuuluu? Edellisessä osassa jätin auki Hayekin särön — sen, että tärkein tieto on aina ollut alhaalla, reunalla. Nyt särö on muuttumassa halkeamaksi. Ja halkeamasta valuu valta. Minne se valuu, on seuraavan osan aihe.

Lenni Laukkanen auttaa johtoryhmiä tekemään tekoälystä kilpailuetua ihmisten kautta. Pyydä puhumaan tilaisuuteesi tai sparraamaan johtoryhmääsi — vastaan arkipäivässä.

Lähteet

Kestävä teoria

John Boyd, Patterns of Conflict / A Discourse on Winning and Losing (briiffaukset 1976–1995). Taustaksi: Frans Osinga, Science, Strategy and War: The Strategic Theory of John Boyd (2007); Robert Coram, Boyd (2002).
Garicano, Luis. ”Hierarchies and the Organization of Knowledge in Production.” Journal of Political Economy, 2000. (Kerroksellisuus vasteena tiedonsiirron kustannukseen.)

Tuore näyttö

Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey. ”Generative AI at Work.” The Quarterly Journal of Economics 140(2), 2025, s. 889–942 (NBER WP 31161, 2023). Vertaisarvioitu: +15 % keskimäärin, eniten kokemattomilla.
Dell’Acqua, Fabrizio ym. ”Navigating the Jagged Technological Frontier.” Harvard Business School WP 24-013 (2023) → Organization Science, 2025. Vertaisarvioitu.
Dell’Acqua, Fabrizio ym. ”The Cybernetic Teammate.” HBS WP 25-043 / NBER WP 33641, 2025. Työpaperi; P&G-kenttäkoe (n≈776): yksilö + tekoäly ≈ tiimin taso, murtaa siilot.
Brynjolfsson, Erik; Chandar, Bharat; Chen, Ruyu. ”Canaries in the Coal Mine?” Stanford Digital Economy Lab, 2025. Työpaperi; nuorten työllisyyden lasku altistuneissa ammateissa.
Kauhanen, Antti & Rouvinen, Petri. ”Tekoäly ei ole vaikuttanut nuorten työmarkkina-asemaan Suomessa.” ETLA Muistio 173, 27.1.2026 (englanniksi: ”AI has not impacted the youth labor market in Finland”, Etla Working Papers 135). Stanford-asetelman toisto Suomen aineistolla.
Klarna/OpenAI (lehdistötiedote 2/2024) sekä Klarnan myöhemmät päivitykset 2025 (työn profiilin muutos).
Synergy Research Group, Q3 2025 (pilvi-infran keskittymä). Algoritminen johtaminen: Kellogg, Valentine & Christin, ”Algorithms at Work”, Academy of Management Annals, 2020.