Skip to content

Kolme asiaa, joiden avulla organisaatiot voivat nostaa AI:n hyödyntämisen uudelle tasolle

Loihde_some (54)

Olen työskennellyt AI:n ja siihen tiiviisti liittyvien aiheiden parissa reilut kymmenen vuotta. Plakkarissa on muun muassa projekteja AI:n elinkaaren eri vaiheista ja esimerkiksi suuri määrä keskusteluita alan ammattilaisten kanssa. Lisäksi seuraan aktiivisesti, miten AI toimii arjessamme – aina reittioppaista tekstinsyötön autocorrectiin. Tarkastelukulmani on jo pitkään ollut melko kokonaisvaltainen. Siitä kiitos huikealle pohjakoulutukselle Aallon Systeemianalyysin laboratoriossa. 

Voin siis sanoa puhuvani kokemuksesta, kun väitän, että tietty kaava alkaa hahmottumaan koskien onnistuvia ja epäonnistuvia hankkeita ja AI-ratkaisuja.   

Kaava menee yksinkertaistettuna näin: 

  1. Tarve edellä.
  2. Osallista ihmiset.
  3. Kanna vastuu.

Ja vähän pidemmin:

 1. Tarve edellä

Kantapään kautta olen oppinut, että epäonnistuva hanke usein lähtee liikkeelle uskosta AI:n taianomaisiin kykyihin tai yrittää ratkaista liian suurta ongelmaa yhdellä hyppäyksellä. Oikeasti haluamme kehittää liiketoimintaa, palveluita ja niin edelleen.

Siksi kannattaa panostaa tarpeiden ja tavoitteiden määrittelyyn. Projekti onnistuu useammin, kun se ratkaisee hyvin määritellyn ja selkeän pulman. Ihmiset tuppaavat toimimaan niin, että kun maali on kirkas niin keinot löytyvät.

Toki niinkin voi käydä, että tavoitteisiin ei päästä, mutta epäonnistumisistakin opitaan enemmän, kun on tavoiteltu jotain kunnollista.

Epärealististen oletusten tunnistaminen kulkee käsi kädessä ongelman määrittelyn kanssa. Esimerkiksi ongelman laajuus selviää kunnolla vasta, kun se on purettu osatekijöihin ja niiden riippuvuudet hahmotettu. Yleensä tämä auttaa ratkaisun rajaamisessa sellaiseksi, että tekoälyratkaisuun voidaan luottaa. Yleensä ne toimivat parhaiten määrämuotoisten ja perusteiltaan hitaasti muuttuvien ongelmien kanssa.

Tasokkaampi ajattelu projektin alkuvaiheessa yleensä johtaa yksinkertaisempiin ratkaisuihin, jotka ovat halvempia toteuttaa, ylläpitää ja sisältävät vähemmän tuntemattomia riskejä.

2. Osallista ihmiset 

Onnistumisen edellytyksiin kuuluu ihmisten osallistaminen. Tässä auttaa AI-ratkaisun ja sen vaikutusten tekeminen läpinäkyviksi ja ymmärrettäviksi. Osallistaminen huomioidaan AI-kehityksessä ja käyttöönotossa koko niiden elinkaaren ajan.

AI-projektiin kannattaa osallistaa likipitäen kaikki sen sidosryhmät. Näistä tärkein on yleensä loppukäyttäjät. Tämän jälkeen IT, liiketoimintajohto, ja sitten muut sidosryhmät, kuten kaikki ne, joiden elämään ratkaisu tulee vaikuttamaan. Kaikkien ei tarvitse olla kaikessa mukana, mutta silti on hyvä pitää heitä informoituna ja antaa mahdollisuus palautteeseen.

Osallistamisen seurauksena AI-ratkaisun laatu on huomattavasti parempi. On tärkeää olla huijaamatta itseään esimerkiksi ratkaisuilla, jotka vain siirtävät ongelmia yhdestä paikasta toiseen, tai aiheuttavat isompia haasteita kuin ne, mitä lähdettiin alun perin ratkaisemaan.

Aika usein on käynyt myös niin, että AI-harjoitus onkin paljastanut organisaation solmukohdat ja projekti on tuottanut arvoa jo ennen kuin yhtäkään tuotantoratkaisua on valmistunut.

3. Kanna vastuu

Onnistumiseen kuuluu aina, että AI valjastetaan ihmisten avuksi. Kenties suurin tekoälyyn liittyvä riski on vastuun ja päätöksenteon ulkoistaminen tekoälylle.

Tekoäly perustuu sen syötteenä saamaan dataan, ja siitä opittuihin päättelykaavoihin. Näihin tuudittautuminen voi tuottaa hetkellistä mukavuutta ja turvallisuuden tunnetta, mutta se ei yleensä ole pidemmän päälle kannattavaa.

Jos tekoäly tuottaa suosituksia – niiden orjallinen noudattaminen on hölmöä. Pienoiskoossa tämän näkee esimerkiksi kännykän autocorrectin kanssa – viimekädessä olet itse vastuussa kaikista viesteistä, jotka lähetät, mutta autocorrect voi joskus olla ihan näppärä.

Nuorempana valitsin äänestämäni ihmiset vaalikoneen top-listalta juurikaan puolueita miettimättä. Yhä nykyään käytän tätä mainiota apuvälinettä, mutta tiedostan entistä vahvemmin puolueen agendan merkityksen.

Ajattelemalla kaunista

Kaavaa voi tarkastella myös käänteisesti. Epäonnistuminen on todennäköistä, kun lähdetään liikkeelle vaikkapa uskosta AI:n taianomaisiin kykyihin, kun yritetään ratkaista ”kaikki kerralla”, pidetään projekti visusti pienen propellihattutiimin sisäpiirin juttuna, eikä lopulta kanneta vastuuta.

Mutta ei tässä sinänsä mitään uutta, vaan opit pätevät likipitäen kaiken teknologian kanssa. Loppuun vielä eräs sydämeeni ottama sanonta, joka toimii erinomaisesti myös tässä kontekstissa:

”Hitaasti hyvää tulee ja ajattelemalla kaunista.”

Kirjoittaja

Lue lisää