Tämän kirjoituksen inspiraation ja monen tiedon lähteenä toimi Pasi Lehtimäen neliosainen Tekoäly organisaatioissa –koulutus tammi-helmikuulta 2024. Lämmin suositus Pasille kouluttajana, ajattelijana ja ihmisenä! Reflektoin koulutuksen antia, julkista keskustelua ja kollegoiden ajatuksia aiheesta. Listasin viisi kuolemansyntiä tekoälyn hyödyntämiseen liittyen.
1 Passiivinen odottelu – saadaanhan me työkaluja!
Organisaatiot voivat jäädä ns. odottelemaan mitä suuret toimijat kuten Salesforce, Microsoft jne. tuotteisiinsa tuovat. Kilpailuetu ja todelliset keksinnöt piilevät mielestäni ihan muualla. Geneeriset ominaisuudet ovat kaikilla suurin piirtein samaan aikaan käytössä ja pitkät prosessit kuitenkin kulkevat tyypillisesti lukuisien järjestelmien ja liiketoimintojen läpi.
Tekoälyn hyöty ei tule olemaan se, että pystytään tekemään vanhoja asioita nopeammin.
Toki on täysi mahdollisuus erottua siinä, miten kekseliäästi osataan valmisratkaisuja käyttää, mutta tekoälyn hyöty ei tule olemaan se, että pystytään tekemään vanhoja asioita nopeammin tai suoltamaan sitä samaa kuin ennenkin isommilla volyymeillä ulos. Tekoälyn mahdollisuuksien hyödyntäminen ja aito arvo on jossain ihan muissa sfääreissä. Innovaatiot ovat aina olemassa olevien asioiden kekseliästä yhdistelyä.
2 Henkinen musertuminen ennen kuin yhtään konkreettista askelta on otettu
Teknologian kehittymisen vauhti on huimaava. Lainsäädännön ja erilaisten suositusten mukana pysyminen kehityksen vauhdissa on käytännössä mahdotonta. Moni odottelee asetuksia, suosituksia ja linjauksia. Niitä toki tarvitsemme. Mutta mitä voisimme tehdä jo nyt, ihan itse?
An ounce of action is worth a ton of theory. – Ralph Waldo Emerson
Mikään ei estä organisaatioita pohtimaan ja kirjoittamaan auki omia käytäntöjä kansantajuisesti – tekemättä siitä liian vaikeaa. Vertaan tekoälyyn liittyvien toimintamallien kuvaamisen haastetta vastuullisuussuunnitelman tekemiseen. Voi tulla turnausväsymys pelkän ajatuksen edessä, koska on niin valtava määrä asioita, mitä pitäisi selvittää, huomioida ja osata kuvata oikein. Voi tulla olo, että ei tähän voi edes ryhtyä, koska työmaa on loputon.
Mutta entä jos ajattelumalli olisi se, että “riittää, että me täällä omassa leirissä ymmärrämme tämän asian.”. Ja että Done is better than perfect. Aluksi voidaan kirjoittaa auki mitä ajattelemme asiasta nyt, miten me toimimme, mitä tavoittelemme. Dokumentaation pituuden ja täydellisyyden sijaan tärkeämpää on, että tekoälyohjeistus on yhteinen ja ymmärretty. Iterointi ja jatkuva kehittäminen on sallittua myös tällä tontilla. Tämän aloittamista ei estä mikään! Keskustelua siitä, mitä tekoäly meille toisi ja mitenkä me haluamme ja päätämme sitä käyttää.
3 Juoksuun kirmaaminen datahousut kintuissa
Organisaatiot eivät saa tekoälystä pitkässä juoksussa irti juuri mitään, elleivät perustat ole kunnossa. Tekoälyn hyödyntäminen vaatii laadukasta dataa. Jos halutaan vaikkapa kehittää ennakoivia palveluita, täytyy olla paljon laadukasta dataa menneisyydestä, johon analyysit ja ennusteet pohjautuvat.
Maltti ja perusasioista huolehtiminen ovat ehdoton edellytys onnistumiselle.
Onko data laadukasta? Onko meillä käytännöt ja prosessit sellaisia, jotka tuottavat laadukasta dataa? Onko meillä omistajat master datalle? Onko meillä olemassa tapa yhdistellä eri tietolähteiden dataa yhteen paikkaan siten, että sitä pystyy ylipäätään helposti hyödyntämään. On turha lähteä juoksemaan housut kintuissa.
4 Konsulttien armoille jääminen ja loputon rahan polttaminen
Kun konsulttina mietin sitä, miten tekoälyaiheista osaamista ja tekemistä tullaan jatkossa ostamaan, on tässäkin edessä suuri murros. Aihepiiristä tulee helposti konsulttitalojen villi kenttä ja asiakasta viedään kuin litran mittaa. Miten ostetaan asia, jonka lopputuloksesta emme ole vielä yhtään varmoja?
Tekoälyprojektit ovat tutkimista ja testailua. Emme etukäteen tiedä mitä tulemme tietämään. Silti ostajapuolella pitää luonnollisesti tietää, mitä asiat maksavat ja tyypillisestihän kyse on siitä kauanko aikaa tarvitaan tietynlaiselta tiimiltä, että olisi odotettavissa se tulos, jota liiketoiminta odottaa.
Uskon myös vahvasti siihen, että organisaatioiden kannattaa panostaa oman henkilöstön osaamiseen. Oman liiketoiminnan kannalta kriittiset asiat eivät saa olla vain yhteistyökumppaneiden aivojen ja osaamisen varassa.
Tekoälyosaamisen täyttä ulkoistamista en suosittele kenellekään.
Toteutuksia voi hankkia Proof of Concept (PoC) –tyyppisesti (tehdään kokeilu, jolla testataan ideaa mutta valmista tuotetta ei synny vielä. Näissä on tärkeää huolehtia, että ostajalla on oikeus työn tulokseen, jotta sitä voi käyttää siinä vaiheessa hyödyksi, kun kilpailuttaa varsinaista toteuttajaa. Muutoin kilpailutilanteesta tulee epäaito, kun PoCin tekijällä on etulyöntiasema. Varsinaisen tuotantokäyttövalmiin ratkaisun toteuttamista voi lähteä hakemaan ostamalla projektin, ostamalla osaamista tai etsimällä valmistuotetta. Hankinnat ovat hyvin erilaisia. Organisaatiot joutuvat entistä helpommin tilanteeseen, jossa on hyvin vaikea tietää mitä asiat tulevat maksamaan. Tällöin oikean kumppanin löytämisen tärkeys korostuu. Kun on paljon epävarmuuksia ja kysymysmerkkejä, luottamus ja yhteistyön sujuvuus on ratkaisevaa.
5 Henkilötietojen ja tietoturvan kanssa sössiminen
En ole juristi ja enkä pysty neuvomaan lakiasioissa ketään, mutta mitä jäi mieleen tekoälyyn liittyvästä sääntelystä on se, että on noudatettava ns. minimiperiaatetta. Eli jos tavoitteen pystyy saavuttamaan anonymisoinnin kautta, tätä käytetään. Anonymisointi tarkoittaa sitä, että henkilöä ei pysty tunnistamaan datasta lainkaan.
Käytännön esimerkki:
- Yhdistetään henkilöihin liittyviä tietoja kolmesta tietolähteestä.
- Jotta tiedot voi yhdistää, pitää tässä vaiheessa prosessia olla ns. avain, jolla saadaan yhdisteltyä henkilöön liittyvät tiedot.
- Avain ei ole selkokielinen mutta kaavan perusteella voi “purkaa” tuon avaimen auki siten että tiedetään vaikkapa henkilötunnus mitä se reaalielämässä vastaa.
- Anonymisoinnissa tämä avain hävitetään tietojen yhdistelyn jälkeen. Eli kukaan ei pysty enää palauttamaan aineistoa sellaiseksi, että henkilö paljastuisi kuitenkin lopulta datan perusteella.
Pseudonymisointi on tästä naksu eteenpäin eli avaimen perusteella henkilötieto on edelleen palautettavissa yhdistelyn jälkeen.
Ennen kuin puhutaan edes tietojen yhdistelystä, on tärkeää, että varsinainen lähdedata järjestelmissä on säilytetty siten, ettei tietomurtotilanteessa saada henkilöön liittyvää tietoa kätevästi “yhdessä paketissa”. Esimerkiksi jos tietokannassa säilytetään työnhakijoiden CV-tietoja yhdessä paikassa, ollaan tietomurron tapahduttua isoissa ongelmissa. Datan avulla saadaan henkilötiedot, yhteystiedot, mahdollisesti jopa henkilötunnus, työhistoria jne. koontina ja siten, että henkilön tunnistaa. Jos taas tiedot säilytetään kaukana toisistaan tietomallissa ja tietokannassa, on riski heti pienempi. Ja on hyvä miettiä mitä tietoja todella tarvitaan alun perinkään, tämä ei ole vain tekninen kysymys ratkaistavaksi.
Miten liikkeelle?
Pitkäkin matka alkaa ensimmäisillä askeleilla. Näistä voisi aloittaa:
- Tiedon hankkiminen ja perehtyminen tekoälyyn – miten organisaatiossa annetaan valmiuksia ja koulutusta aiheeseen?
- Oman organisaation tapa hyödyntää tekoälyä – vastuut ja organisoituminen työn ympärille
Tekoälyn kekseliäs hyödyntäminen vaatii luovuutta. Mistä luovuus puolestaan syntyy? Siitä kun on aikaa ajattelulle ja kokeiluille, keskusteluille ja hulluilta tuntuvien ideoiden heittelylle. Hampaat irvessä suorittavassa organisaatiossa luovuus tuskin kukkii.
Johtajana voi vaikuttaa ainakin siihen, että aikaa uuden omaksumiselle annettaisiin edes vähän jokaiselle. Esimerkiksi siinä muodossa, että järjestettäisiin henkilöstölle yhteistä fasilitoitua työskentelyaikaa aiheen parissa. Henkilöstössä se viisaus lepää ja johtajan työ on saada sitä viisautta organisaation käyttöön.