Entä jos kehittäminen ei enää kuulu vain kehittäjille?

Tekoäly voi tuoda kehittämisen lähemmäs ihmistä, joka tuntee työn parhaiten. Sinne ruohonjuuritasolle, jossa prosessien ongelmat, turha työ ja asiakkaiden tarpeet oikeasti näkyvät.

Omassa työssä huomaa jatkuvasti asioita, jotka voisi tehdä paremmin. Jokin työvaihe vie joka päivä turhaan aikaa. Sama tieto kulkee kolmen ihmisen kautta. Asiakkaalta kysytään uudestaan asia, jonka hän on jo kertonut. Jossakin prosessin kohdassa tulee jatkuvasti virheitä tai epäselvyyttä.

Usein ensimmäisenä tämän huomaa juuri se ihminen, joka tekee työtä päivittäin.

Silti hän ei välttämättä pysty muuttamaan järjestelmää, prosessia tai palvelua itse. Havainto lähtee eteenpäin esihenkilölle, kehitykseen tai johonkin projektiin. Sen jälkeen asiaa määritellään, arvioidaan ja priorisoidaan muiden kehitystarpeiden joukossa.

Ketju vie aikaa titteliltä tittelille — ja kun ratkaisu lopulta valmistuu, alkuperäinen ongelma on jo muuttunut.

En ajattele niin, ettei ohjelmistokehittäjiä tai muita asiantuntijoita tarvittaisiin tulevaisuudessa vähemmän. Pikemminkin työnjako alkaa muuttua. Tekijä, joka tuntee ongelman, voi päästä paljon aikaisemmin mukaan myös ratkaisun tekemiseen.

Ensimmäisen version rakentaminen ei välttämättä enää vaadi sitä, että asia kulkee heti kokonaisen kehitysprosessin läpi.

Kun toteuttaminen helpottuu, ongelman ymmärtäminen korostuu

Ohjelmistokehityksessä tästä näkyy jo tutkimustuloksia.

Vuonna 2026 julkaistussa tutkimuksessa seurattiin lähes 4 900 ohjelmistokehittäjää Microsoftilla, Accenturella ja yhdessä Fortune 100 -yrityksessä. AI-avustinta käyttäneet saivat keskimäärin noin 26 prosenttia enemmän tehtäviä valmiiksi. Erityisesti vähemmän kokeneet kehittäjät hyötyivät työkalusta.

On helppo ajatella, että tutkimus kertoo ennen kaikkea nopeammasta koodaamisesta.

Minulle siitä nousee toinen kysymys. Jos tekninen toteuttaminen muuttuu koko ajan helpommaksi, silloin myös se työ, joka tehdään ennen toteutusta, muuttuu entistä tärkeämmäksi.

Pitää ymmärtää, mikä ongelma oikeastaan on.

Jos asiakas ei saa jotakin tehtyä, ongelma ei välttämättä ole huono käyttöliittymä. Taustalla voi olla epäselvä prosessi, puuttuva tieto, väärässä kohdassa kysytty kysymys tai kokonaan tarpeeton työvaihe.

Siksi palvelumuotoilu liittyy tähän mielestäni niin olennaisesti. Palvelumuotoilusta puhutaan helposti asiakaspolkuina, työpajoina, persoonina ja erilaisina menetelminä. Ne ovat työvälineitä. Olennaisempaa on ymmärtää ihmistä, hänen tilannettaan ja ympäristöä, jossa palvelua käytetään.

Jos tätä ymmärrystä ei ole, voimme rakentaa täysin toimivan ratkaisun väärään ongelmaan.

Tämä korostuu entisestään, jos tekoälyn avulla pystymme tekemään uusia ratkaisuja aikaisempaa nopeammin. Nopeus ei auta kovin paljon, jos suunta on väärä.

Palvelumuotoilu tulee lähemmäs tuotekehitystä

Palvelumuotoilussa tutkitaan ja havainnoidaan. Tuotekehityksessä rakennetaan, kokeillaan ja tehdään uusia versioita.

Todellisuudessa raja ei ole koskaan ollut näin yksinkertainen, mutta tekoäly näyttää pienentävän sitä entisestään.

Technovationissa julkaistussa vuoden 2026 systemaattisessa kirjallisuuskatsauksessa käytiin läpi 98 tutkimusta tekoälyn käytöstä uuden tuotteen kehittämisessä. AI:n käyttö näkyi kehitysprosessin eri vaiheissa tiedon yhdistämisestä ja mahdollisuuksien tunnistamisesta testaamiseen, päätöksentekoon ja siihen, mitä tuotteesta opitaan käyttöönoton jälkeen.

Tällaisessa kehittämisessä kaikkea ei tarvitse päättää valmiiksi ennen ensimmäistä kokeilua.

Voidaan huomata ongelma, tehdä siitä ensimmäinen versio ja katsoa, mitä oikeassa käyttötilanteessa tapahtuu. Käyttäjän reaktio kertoo usein enemmän kuin pitkä suunnitteluprosessi etukäteen.

Helpottiko ratkaisu työtä vai siirsikö se ongelman vain toiseen paikkaan? Ymmärsikö ihminen, mitä hänen piti tehdä? Tuliko vastaan jotain, mitä emme olleet huomioineet? Sen jälkeen jatketaan.

Tässä palvelumuotoilijan roolikin voi muuttua. Havaintoja ei tarvitse vain dokumentoida ja siirtää toteuttajille. Ensimmäisiä vaihtoehtoja voidaan kokeilla jo paljon aikaisemmin yhdessä niiden ihmisten kanssa, joita asia koskee.

Samalla kehittäjät voivat tulla aikaisemmin mukaan ongelman ymmärtämiseen.

Ja substanssiasiantuntija, joka tuntee työn käytännössä, ei jää vain kertomaan muille, mikä siinä on pielessä.

Työn paras kehittämisidea voi tulla ihmiseltä, joka ei kutsu itseään kehittäjäksi

• Asiakaspalvelija tietää, mitä asiakkaat kysyvät joka päivä.
• Sairaanhoitaja tietää, mikä järjestelmän vaihe vie joka vuorossa aikaa.
• Myyjä tietää, minkä tiedon asiakas joutuu aina kysymään erikseen.

Heillä on sellaista tietoa, jota ei välttämättä löydy yhdestäkään oppaasta.

Citizen developmentista on puhuttu jo pitkään. Low-code- ja no-code-ratkaisut ovat tehneet digitaalisten ratkaisujen rakentamisesta mahdollista myös ihmisille, jotka eivät ole ohjelmistokehittäjiä. Generatiivinen tekoäly vie samaa kehitystä pidemmälle.

Työntekijän ei tulevaisuudessa tarvitse välttämättä vain kertoa kehitystiimille, että jokin ei toimi.

Hän voi mahdollisesti tehdä siitä jo ensimmäisen kokeilun ja näyttää paljon konkreettisemmin, mitä tarkoittaa.

Ei puhuta enää pelkästään kehitystoiveesta, vaan jostakin, jota voidaan jo yhdessä tutkia, arvioida ja parantaa.

Hiljainen tieto on kehittämisen kannalta valtava resurssi

Erik Brynjolfssonin, Danielle Lin ja Lindsey Raymondin tutkimuksessa seurattiin yli 5 000 asiakaspalvelutyöntekijää generatiivisen AI-avustimen käyttöönoton yhteydessä.

Tuottavuus kasvoi keskimäärin noin 15 prosenttia. Suurimmat hyödyt näkyivät vähemmän kokeneilla työntekijöillä.

Tutkimuksessa oli kuitenkin toinen havainto, jota pidän vielä kiinnostavampana. AI näytti auttavan levittämään kokeneempien työntekijöiden toimintatapoja myös vähemmän kokeneille.

Organisaatioissa on valtavasti tällaista tietoa.

Kokenut työntekijä tietää, että tietynlainen tilanne kannattaa ratkaista hieman eri tavalla kuin ohjeessa sanotaan. Hän tunnistaa asiakkaan tarpeen aikaisemmin tai tietää, missä järjestyksessä asiat kannattaa tehdä.

Tietoa ei välttämättä koskaan kirjoiteta mihinkään.

Silloin se on organisaation osaamista vain niin kauan kuin kyseinen ihminen on paikalla ja joku muistaa kysyä häneltä.

Tekoäly tekee näkyväksi myös tämän ongelman. Jotta organisaation omaa tietoa voidaan hyödyntää, sen pitää jollakin tavalla olla saatavilla.

Siksi tekoälyn rinnalla pitäisi puhua paljon enemmän dokumentoinnista, tiedon jakamisesta ja siitä, miten työntekijöiden arjen havainnot saadaan osaksi kehittämistä.

Pelkkä teknologia ei muuta kehittämiskulttuuria

Työntekijälle voidaan antaa maailman parhaat työkalut, mutta sillä ei ole kovin paljon merkitystä, jos hänellä ei ole mahdollisuutta käyttää niitä työnsä kehittämiseen.

DORAn vuoden 2025 tutkimuksessa tekoäly näyttäytyy ennen kaikkea organisaation nykyisten toimintatapojen vahvistajana. Hyvin toimivassa ympäristössä sillä voidaan saada paljon aikaan. Jos ympärillä oleva järjestelmä toimii huonosti, tekoäly voi myös nopeuttaa juuri niitä asioita, jotka olivat jo valmiiksi pielessä.

Huonon prosessin automatisointi ei tee prosessista hyvää.

Tämä on minusta tärkeä osa tekoälykeskustelua.

Organisaatio voi hankkia lisenssit, järjestää koulutuksen ja kertoa olevansa AI-organisaatio. Samaan aikaan työntekijä voi edelleen olla tilanteessa, jossa hänen havaintojaan ei kuunnella tai nykyisiä toimintatapoja ei saa kyseenalaistaa.

Silloin varsinainen ongelma ei ole työkalussa.

Kehittämiskulttuuri näkyy paljon arkisemmissa asioissa. Siinä, mitä tapahtuu, kun joku sanoo, että nykyinen tapa ei toimi. Siinä, saako työntekijä kokeilla jotain muuta. Siinä, miten epäonnistuneeseen kokeiluun suhtaudutaan ja siinä, saadaanko pienestä hyvästä ratkaisusta joskus koko organisaation yhteinen toimintatapa.

Tästä syystä tekoälyn käyttöönotto on myös johtamisen kysymys.

Kehittämisen pitäisi päästä lähemmäs työtä

Tulevaisuuden tärkein tekoälytaito ei ole jonkin yksittäisen työkalun hallinta, koska työkalut vaihtuvat nopeasti. Samoin muuttuvat parhaat tavat käyttää niitä.

Paljon pysyvämpää osaamista on se, että ihminen tuntee oman työnsä niin hyvin, että pystyy huomaamaan, mikä siinä ei toimi.

Sen jälkeen tarvitaan kykyä selvittää, mistä ongelma oikeasti johtuu ja kenelle sillä on merkitystä. Vasta tämän jälkeen kannattaa miettiä ratkaisua ja sitä, voisiko tekoäly auttaa sen tekemisessä.

Tämä on ehkä myös syy siihen, miksi palvelumuotoilu kiinnostaa minua tässä muutoksessa niin paljon.

Samaan aikaan kehittämisestä voi tulla paljon tavallisempi osa työtä. Ei niin, että jokaisesta pitäisi tehdä kehittäjä.

Vaan niin, ettei ihmisen tarvitse olla kehittäjä huomatakseen, että jokin pitäisi tehdä paremmin.

Ja ehkä tulevaisuuden organisaatioissa kannattaakin kysyä vähän harvemmin, kuka meillä vastaa kehittämisestä.

Paljon kiinnostavampi kysymys on, kuinka monelle ihmiselle annetaan mahdollisuus osallistua siihen.