Milttonin Chief AI & technology officer Lassi Kurkijärvi ja Liiketoiminnan ja Organisaatiomuotoilu -tiimin Ruusa Kokkonen väittävät, että organisaation toimintamallit ratkaisevat, saadaanko tekoälystä irti sen todellinen potentiaali.
Tekoäly on noussut lähes jokaisen yrityksen agendalle. Sillä haetaan tuottavuutta, parempaa päätöksentekoa ja älyä organisaation toimintaan. Silti tulokset vaihtelevat hämmentävän paljon: Toiset kertovat valtavista tuottavuusloikista, toiset kiroavat pannukakuksi läsähtäneet kokeilunsa.
Me uskomme, että onnistumisen kannalta ratkaisevaa on ottaa suurennuslasin alle ne organisaation toimintamallit ja työnkulut, joihin tekoäly liittyy.
Tekoälyn käyttöönottoon liittyy yleinen harha: kun riittävän hyvä työkalu ripustetaan nykyisen organisaation päälle, tuottavuus paranee.
Annetaan esimerkki: Eräässä kasvuvaiheen peliyhtiössä testaaminen oli muodostunut tuotekehityksen pullonkaulaksi. Tekoälypohjaisella ratkaisulla pelien testaaminen eri puhelinmalleilla saatiin tiputettua murto-osaan aiemmasta ajasta. Peliyhtiössä huokaistiin helpotuksesta: vihdoin pullonkaula oli ratkaistu. Pian kuitenkin huomattiin, että pullonkaula oli vain siirtynyt. Tuotanto pystyi etenemään niin nopeasti, ettei markkinointi pysynyt enää vauhdissa. Ratkaisuksi ei riittänyt uusi teknologia, vaan toimintamallia piti muuttaa: eri rooleissa toimivia ihmisiä tuotiin osaksi tuotekehitystä ja työskentelyä rakennettiin epälineaarisempaan suuntaan. Tämän seurauksena toimintamallin muutos yhdessä tekoälyn kanssa todella nopeutti tuotekehityssykliä.
Kun yhtä vaihetta tehostetaan radikaalisti, koko systeemin tasapaino muuttuu. Jos tekoäly tuodaan organisaatioon kyseenalaistamatta työn tekemisen tapoja, saatamme vain automatisoida olemassa olevaa kitkaa. Seitsemänvaiheinen prosessi saadaan kulkemaan nopeammin, vaikka oikea ratkaisu olisi poistaa neljä vaihetta. Raportti syntyy viidessä minuutissa, vaikka olennaisempi kysymys olisi, tarvitseeko kukaan raporttia.
Siksi oikea kysymys ei ehkä olekaan ”minkä tehtävän tekoäly voisi tehdä nopeammin?” vaan “miten työ kannattaisi suunnitella, jos rakentaisimme sen tänä päivänä hyödyntäen olemassa olevia teknologisia ratkaisuja?”
Operatiivinen työ sisältää valtavasti organisatorista silppua: tiedon kirjaamista, raportointia, seurantaa ja koordinointia. Näiden viemä aika on poissa ydintyöltä, mutta tätä silppua tarvitaan yhteisen tilannekuvan ylläpitämiseen ja yhteisen laivan ohjaamiseen samaan suuntaan.
Kuvitellaan rakennustyömaa. Sen sijaan, että työnjohto käyttäisi päivän päätteeksi aikaa tietojen keräämiseen ja raportointiin, AI-agentti soittaa työmaan vastuuhenkilöille ja keskustelee siitä, mitä päivän aikana tapahtui. AI-agentti yhdistää havainnot aikatauluun, suunnitelmiin ja aiempaan etenemiseen ja muodostaa kaikille yhteisen tilannekuvan.
Vielä kiinnostavammaksi tilanne muuttuu, jos tekoäly ei vain kokoa tietoa vaan käyttää muodostamaansa tilannekuvaa myös työn ohjaamiseen. Järjestelmä voi tunnistaa poikkeaman aikataulusta, arvioida sen vaikutuksen seuraaviin työvaiheisiin ja nostaa asian oikeiden ihmisten päätettäväksi. Tekoäly ei silloin vain automatisoi raportointia, vaan muuttaa tiedonkulun, koordinoinnin ja päätöksenteon työnkulkua.
Automaatioon liittyy kuitenkin kiusallinen paradoksi, jonka Lisanne Bainbridge kuvasi jo vuonna 1983 klassikkoartikkelissaan Ironies of Automation: mitä enemmän järjestelmä automatisoi, sitä vaativammaksi ihmiselle jäävä tehtävä voi muuttua.
Jos tekoäly hoitaa 80 prosenttia prosessista ja ihminen kutsutaan paikalle vain ongelmatilanteessa, on ihminen huono varmuusjärjestelmä. On mahdotonta nähdä kokonaiskuva tai tehdä tarkkanäköisiä havaintoja prosessista, johon ihminen ei enää normaalisti osallistu. Siksi esimerkiksi työmaan johtajan kannattaisikin käyttää vapautuva aika työmaakäynteihin ja ihmisten kanssa jutteluun, jotta agentin liputtaessa ongelmatilanteita, hän pystyy ottamaan kantaa, ovatko ongelmat todellisia ja mihin ne todennäköisesti liittyvät.
Siksi tavoite ei voi olla vain mahdollisimman monen ihmisen tehtävän siirtäminen tekoälylle. Sen sijaan tulisi löytää toimivin kokonaisuus ihmisistä, teknologiasta, prosesseista ja päätöksenteosta. Kun työnkulut muuttuvat, myös rooleja, vastuita, osaamista ja päätöksenteon paikkoja täytyy tarkastella uudelleen. Tekoälyn onnistunut käyttöönotto on siis yhtä lailla organisaation toimintamallin kuin teknologian kehittämistä.
Entä mitä tapahtuu, kun tekoälyn muodostama tilannekuva ei enää koskekaan yhtä asiakasta, työmaata tai prosessia vaan koko organisaatiota?
Ensimmäisiä askelia tähän suuntaan otetaan jo. Niin kutsutut kontekstiverkot voivat yhdistää organisaation hajallaan olevaa tietoa ja mallintaa tiedostojen, tapahtumien, ihmisten ja päätösten välisiä suhteita. Tulevaisuudessa niiden avulla organisaatio voi muodostaa kuvan siitä, miten se todellisuudessa toimii. Eikä tämä kuva perustu enää vain siihen, miten sen organisaatiokaavioiden ja prosessikuvausten mukaan pitäisi toimia.
Tällöin liiketoiminnallisen johdon, kehitysjohtajan, HR:n ja tuotekehityksen on mahdollista kysyä tekoälyltä aivan uudenlaisia kysymyksiä:
Edellisessä kirjoituksessamme kysyimme, milloin tarkistit viimeksi organisaatiosi parasta ennen -päiväyksen. Tulevaisuudessa organisaation ei ehkä tarvitse odottaa, että krooninen kitka näkyy tuloskortilla, asiakaspalautteessa tai henkilöstökokemuksessa. Ehkä organisaatiosi osaa itse kertoa, milloin sitä on aika virittää, ja miten.
Miltäköhän teidän organisaationne ja toimintamallinne näyttäisivät, jos ne rakennettaisiin tänään tekoälyn mahdollisuudet huomioiden?
Jutellaan lisää!
Ruusa Kokkonen
Senior business designer Miltton Finland +358 415 477 113 ruusa.kokkonen@miltton.com
Lassi Kurkijärvi
Chief AI & technology officer Miltton Group +358 447 582 379 lassi.kurkijarvi@miltton.com
