AI-readinessistä AI-resilienssiin

Tekoälystä puhuttaessa organisaatioilta kysytään aika samoja kysymyksiä. Onko data kunnossa, ovatko työkalut käytössä, osaavatko ihmiset käyttää tekoälyä, mitä voidaan automatisoida ja kuinka paljon tehokkuutta siitä syntyy? Käytännössä kysytään, onko organisaatio AI-ready.

Sana ready kuulostaa siltä, että valmius olisi joskus saavutettavissa. Rakennetaan teknologia, koulutetaan ihmiset, sovitaan pelisäännöt ja siirrytään seuraavaan vaiheeseen.

Tekoälyn kanssa seuraavaa pysyvää vaihetta ei välttämättä tule samalla tavalla kuin aikaisemmissa teknologiamuutoksissa. Teknologia muuttuu tällä hetkellä nopeammin kuin organisaatiot ehtivät rakentaa käytäntöjä sen ympärille. Työkalut muuttuvat agenteiksi, yksittäiset tehtävät kokonaisiksi työprosesseiksi ja samalla muuttuu käsitys siitä, mitä ihmisen työssä kannattaa tai pitäisi tehdä itse.

Siksi AI-readinessin rinnalla voisi olla tarpeen puhua enemmän AI-resilienssistä.

AI-resilientti organisaatio pystyy toimimaan tilanteessa, jossa kukaan ei tarkasti tiedä, mitä seuraavaksi tapahtuu. Se pystyy oppimaan, muuttamaan suuntaa ja rakentamaan uusia toimintatapoja ilman, että jokainen teknologinen muutos horjuttaa koko organisaation toimintakykyä.

Olen hahmotellut tätä seitsemän asian kautta: technology readiness, human readiness, trust readiness, power & governance, futures literacy, adaptive capacity ja belonging. Ne ovat isoja otsikoita, mutta niiden väliin jäävät kysymykset tuntuvat koko ajan kiinnostavammilta. Mitä tapahtuu, jos tehokkuus kasvaa nopeammin kuin ymmärryksemme sen seurauksista? Mitä voidaan menettää juuri silloin, kun mittareiden perusteella näyttää siltä, että kaikki menee paremmin?

Yksi muutos liittyy siihen, mistä työ alkaa.

Aikaisemmin edessä saattoi olla tyhjä paperi, epäselvä ongelma tai suuri määrä raakaa tietoa. Aineisto piti koota, siitä piti yrittää ymmärtää jotakin ja vasta sen jälkeen muodostaa ensimmäinen näkemys.

Nyt tekoäly tekee yhä useammin juuri tämän vaiheen. Se muodostaa ensimmäisen luonnoksen, ehdottaa vaihtoehtoja, kokoaa argumentteja, tiivistää keskusteluja, etsii tietoa ja rakentaa analyysin.

Työ nopeutuu valtavasti, mutta samalla yksi ajattelun vaihe voi jäädä vähemmälle harjoittelulle. Jos ensimmäinen hypoteesi tulee jatkuvasti järjestelmältä, kuinka usein ihminen enää muodostaa sen itse? Jos vastaus tulee ennen kuin kysymystä on ehtinyt kunnolla sisäistää, kuinka hyväksi tulemme tunnistamaan huonosti asetettuja kysymyksiä?

Tästä voisi puhua kognitiivisena resilienssinä. Tulevaisuudessa tarvitaan ihmisiä, jotka osaavat käyttää tekoälyä erittäin hyvin, mutta samalla tarvitaan ihmisiä, jotka huomaavat, milloin tekoälyn tuottama vastaus näyttää vakuuttavalta vaikka koko lähtökohta olisi väärä.

World Economic Forumissa tekoälyä on kuvattu osaksi kognitiivista infrastruktuuria. Ajatus on kiinnostava, koska kun tekoäly osallistuu jatkuvasti tiedonhakuun, analyysiin ja päätöksentekoon, se osallistuu väistämättä myös siihen, miten muodostamme käsityksiä asioista.

Yksi AI-resilienssin keskeisistä kysymyksistä voikin olla se, mitä meidän täytyy edelleen osata itse.

Sama kysymys tulee vastaan siinä, miten asiantuntijuus syntyy.

Uran alussa tehdään paljon työtä, joka näyttää ulospäin yksinkertaiselta. Etsitään tietoa, käydään dokumentteja läpi, ratkaistaan tavallisia asiakastapauksia ja tehdään ensimmäisiä analyysejä. Samalla seurataan, miten kokenut ihminen ratkaisee tilanteita, ja vähitellen samoja asioita opitaan tekemään itse.

Juuri näissä tehtävissä tekoäly on usein ensimmäisenä todella hyödyllinen.

Lyhyellä aikavälillä tämä näyttää järkevältä. Tekoäly hoitaa rutiinia ja ihmisille jää enemmän aikaa vaativiin tehtäviin. Pidemmällä aikavälillä vastaan tulee kuitenkin kysymys siitä, miten uransa alussa oleva ihminen pääsee niihin vaativampiin tehtäviin, jos hän ei enää käy läpi niitä vaiheita, joiden kautta osaaminen aikaisemmin rakentui.

Hiljainen tieto syntyy myös toistosta. Kun on nähnyt sata tavallista tapausta, alkaa huomata, että tapaus numero 101 näyttää jotenkin erilaiselta. Jos tekoäly tekee suuren osan sadasta ensimmäisestä tapauksesta, organisaation täytyy miettiä paljon tietoisemmin, missä ihmiselle syntyy sama ymmärrys.

Muuten tehokkuuden mukana voidaan menettää osa siitä prosessista, jossa kokemattomasta ihmisestä kasvaa kokenut asiantuntija.

Tekoäly nostaa myös työn nopeutta tavalla, joka voi muuttaa odotuksia huomaamatta. Jos raportti syntyy minuuteissa ja vaihtoehtoja voidaan tuottaa kymmeniä siinä ajassa, jossa aikaisemmin syntyi yksi, nopeasti alkaa tuntua luonnolliselta, että myös päätökset pitäisi tehdä nopeammin.

Kaikki hitaus ei silti ole tehottomuutta. Vaikean ongelman ymmärtäminen voi vaatia useita keskusteluja ennen kuin edes tiedetään, mikä ongelma oikeastaan on. Luottamus syntyy hitaasti ja ajatuskin tarvitsee joskus aikaa ennen kuin siitä tulee käyttökelpoinen.

Jos tekoäly vapauttaa työpäivästä kaksi tuntia, organisaatio joutuu päättämään, mitä niille tunneille tapahtuu. Ne voidaan käyttää oppimiseen, kehittämiseen, asiakkaan parempaan ymmärtämiseen tai palautumiseen. Ne voidaan myös täyttää nopeasti uudella työllä. Tekoäly ei ratkaise tätä kysymystä, vaan organisaation oma toimintakulttuuri ratkaisee.

Sama koskee mittaamista. Mitä enemmän työstä pystytään tekemään näkyväksi, sitä helpompaa toimintaa on optimoida. Palveluiden ja prosessien kehittämisessä tämä on valtavan hyödyllistä, mutta kaikkea arvokasta työtä ei saada yhtä helposti näkyviin.

Organisaation toimivuuteen vaikuttaa paljon sellainen, joka ei näy suoraan järjestelmissä. Tieto siirtyy kokeneemmalta uudelle työntekijälle, joku auttaa toista ratkaisemaan ongelman, joku uskaltaa sanoa ääneen ettei ymmärrä ja joku huomaa ensimmäisenä tilanteen, jossa numerot näyttävät hyviltä mutta ihmiset alkavat voida huonosti.

Mitä enemmän johtaminen perustuu näkyvään dataan, sitä tärkeämpää on ymmärtää myös sitä, mitä data ei näytä. Tämä liittyy suoraan kuulumiseen.

Hyperdigitaalinen maailma voi synnyttää uuden tarpeen analogiselle kuulumiselle.

Organisaation työntekijöillä ja heidän välisillä suhteillaan on merkitystä. Pyydänkö apua toiselta ja samalla osoitan, että hänen osaamisellaan on merkitystä? Kun mietimme jotakin yhdessä, meille syntyy yhteistä ymmärrystä. Toinen voi jatkaa keskeneräistä ajatustani siitä kohdasta, johon itse jäin, ja yhdessä voimme päätyä lopputulokseen, jota kumpikaan ei olisi yksin saanut aikaan.

Jos yhä suurempi osa näistä hetkistä siirtyy ihmisen ja tekoälyn välille, kuulumista täytyy alkaa rakentaa työelämässä paljon tietoisemmin ja paljon suurempana kysymyksenä kuin tähän asti.

Hyperdigitaalinen työelämä voi samalla nostaa fyysisen kohtaamisen arvoa. Työn tekemiseen emme välttämättä tarvitse toimistoa samalla tavalla kuin ennen, mutta yhteisen historian, keskinäisen luottamuksen, spontaanien kohtaamisten ja kuulumisen rakentamiseen voimme tarvita.

Ajatus toimistosta sosiaalisena infrastruktuurina tuntuu paljon kiinnostavammalta kuin keskustelu siitä, kuinka monta päivää viikossa siellä pitäisi viettää.

Tekoäly muuttaa samalla ihmisten asemaa työyhteisössä. Työhön liittyy paljon muutakin kuin tehtävälista, sillä osa ammatillisesta identiteetistä rakentuu tilanteissa, joissa minulta kysytään tietystä asiasta, tunnen osaavani jotakin erityisen hyvin tai tiedän, että juuri tässä asiassa minuun luotetaan.

Kun tekoäly pystyy tekemään sekunneissa saman asian, jonka oppimiseen ihminen on käyttänyt vuosia, myös ammatti-identiteetti voi alkaa horjua. Silloin vastaan tulee hyvin inhimillinen kysymys siitä, mikä oma arvo tässä yhteisössä nyt on.

Jos siihen ei löydy vastausta, kyse ei ole enää pelkästään siitä, kuinka hyvin ihminen osaa käyttää tekoälyä.

Technology readiness, human readiness, trust readiness, power & governance, futures literacy, adaptive capacity ja belonging antavat hyvän rungon AI-resilienssin tarkasteluun. Niiden väleihin jäävät kuitenkin kysymykset siitä, säilyykö ihmisellä kyky ajatella itse, miten tulevaisuuden asiantuntijat pääsevät kasvamaan, mihin tekoälyn vapauttama aika käytetään, mitä ihmisten välisille suhteille tapahtuu ja miten oma paikka työyhteisössä rakentuu uudelleen osaamisen arvon muuttuessa.

Digitalisaation ensimmäisissä vaiheissa fyysisiä asioita siirrettiin digitaaliseen maailmaan. Tekoälyn myötä sinne siirtyy yhä enemmän myös ajattelua, keskustelua, neuvon kysymistä, ideointia ja yhteistyötä.

Siksi yksi kiinnostavimmista kysymyksistä voi olla lopulta hyvin yksinkertainen:

Kun työelämä muuttuu yhä digitaalisemmaksi, tuleeko analogisesta samalla yhä tärkeämpää?