Tekoälyn hyödyntäminen organisaatiossa

Vaikka tekoäly on teknologiaa, sen kehittäminen ja hyödyntäminen ovat ihmisten välistä toimintaa ja edellyttävät muutoksia ihmisten käyttäytymisessä. Haasteet ovat siis samoja kuin kaikessa organisaation kehittämisessä ja muutosjohtamisessa.

Jotta peruspilarit tukisivat toisiaan ja toimisivat yhdessä, ne vaativat uudenlaista organisoitumista ja vuorovaikutusta.

Tekoälyn hyödyntämisen edellytykset organisaatioissa.

Tutustumme seuraavaksi erityisesti organisoitumiseen ja vuorovaikutukseen liittyviin haasteisiin ja havaintoihin. Yllä olevan kuvan kolmeen pilariin – liiketoiminta, osaaminen ja data – paneudumme kurssin luvussa 3.

Organisoituminen

Tekoälyprojektien ja kehitystyön johtaminen on jatkuvaa muutoksen johtamista. Kuten tulemme myöhemmin tässä luvussa esitettyjen toimialakohtaisten tekoälyratkaisujen kohdalla huomaamaan, tekoälykehityksessä ei ole yhtä oikeaa organisoitumistapaa.

Organisoituminen on tasapainottelua hierarkkisten rakenteiden ja itseohjautuvien työtapojen välillä – molemmilla on etunsa ja haittansa (katso oheinen kaavio). Haasteena on tunnistaa, suunnitella ja jalkauttaa malli, joka tukee molempien ääripäiden hyviä puolia. Hierarkkiset rakenteet tukevat keskitettyä johtamista, hajautetut taas itseohjautuvuutta.

Organisoitumisessa on hyvä yrittää löytää omalle organisaatiolle ja sen kulttuuriin sopiva malli.

Jonkinasteinen keskittäminen auttaa tekijöitä tukemaan toisiaan ja edistää siten osaamisen kehittämistä. Hajautetummassa mallissa saman voi saada aikaan sisäisillä verkostoilla, joiden muodostamiseen ja johtamiseen kannattaa panostaa. Jos tekoälytoimintojen ja liiketoiminan läheisyys on tavoitteena, hajautettu malli vie asiantuntijat suoraan liiketoiminnan ääreen.

Työkaluja notkeaan organisoitumiseen

Oli organisoitumisen malli sitten keskitetty tai hajautettu, tiimien ja toimintojen organisointiin on hyväksi havaittuja tapoja. Esittelemme seuraavaksi muutamia toimivia periaatteita, käytäntöjä ja työkaluja.

Virtuaalitiimit ovat yleensä hajautettuja ja digitaalisesti kommunikoivia tiimejä. Ne tuovat joustavuutta ja niitä käyttävät laajalti organisaatiot, joissa tekoälykyvykkyys on kiitettävällä tasolla. Virtuaalitiimit eivät kuitenkaan ole ainoa tie menestykseen. Organisoitumistavasta riippumatta on oleellista selvittää budjetin jakautuminen, ihmisten työn allokointi ja informaation kulkeminen eri sidosryhmien välillä.

Tekoälyprojektit ja -kehittäminen vaativat yleensä teknologiaa ja IT-arkkitehtuurimuutoksia, joita IT-osasto ei pysty välttämättä ketterästi toteuttamaan. Lääkkeenä tähän on “kahden IT:n ratkaisu”, jossa uuden sovelluskehityksen ja perinteisten järjestelmien välillä on ohjelmallinen rajapinta tarvittavaan tiedonsiirtoon ja palvelinresurssien käyttöön.

Valmiin ketterän kehityksen viitekehyksen käyttäminen edistää yhteistyötä ja viestintää osapuolten välillä sekä etenemistä kohti yhteistä päämäärää. Käyttökelpoisia viitekehyksiä ja työkaluja on runsaasti. Niistä esimerkkinä mainittakoon scaled agile -kehys.

Tekoälykehitykseen kannattaa hakea oppia digipalvelujen kehittämisestä, jossa moniosaajatiimit ja palvelumuotoilu ovat arkipäivää. Tekoälyn kehittäminen on monitieteellistä ja vaatii aina useita eri näkökulmia. Tiimin kokoonpanon tulisi myös mukautua kehittämisprojektin eri vaiheisiin.

Vuorovaikutus

Tekoälyprojekteissa vuorovaikutus on monesti odotusten hallintaa.

Tekoälyprojektit ovat ihmiskeskeisiä hankkeita. Puutteet viestinnässä, yhteisen ymmärryksen rakentamisessa ja muutoksen johtamisessa ovatkin yleisimpiä syitä tekoälyhankkeiden epäonnistumiseen – ei suinkaan teknologia.

Onnistuneimmissa projekteissa tekoälykehityksestä (teknologia) ja hyödyntämisestä (liiketoiminta) vastaavat tiimit käyttävät tarpeeksi aikaa saavuttaakseen selkeän yhteisen ymmärryksen tavoitteista ja mittareista.

Ennen projektin aloitusta on mahdollista luoda ainoastaan pinnallisen tason yhteisymmärrys. Jos osallistujat eivät syvennä sitä projektin kuluessa, tuloksena voi olla tilanne, jossa tavoitteet ja mittarit tarkoittavat eri osallistujille eri asioita. Huolelliseen määrittelyyn ja vuorovaikutukseen käytetty aika maksaa siksi itsensä monin verroin takaisin.

Esimerkkien voima

Usein sama tekoälyteknologia sopii moniin käyttötarkoituksiin. Kannattaakin kutsua henkilöitä eri organisaatioista kertomaan omista tekoälyratkaisuistaan ja -sovelluksistaan. Konkreettiset esimerkit inspiroivat ajattelemaan, miten vastaavaa ratkaisua voisi hyödyntää omassa toiminnassa.

Eräs tehokkaimmista keinoista lisätä tekoälykiinnostusta ja -tietämystä ovat organisaation sisäiset tapahtumat, joissa oma väki kertoo kehityshankkeistaan ja niiden onnistumisista ja mahdollisista epäonnistumisista. Yksi tekoälypäivä vuodessa on tähän tarkoitukseen liian harvoin. Suosittelemme järjestämään erilaisia tapahtumia säännöllisesti neljännesvuosittain, kuukausittain tai useamminkin. Kuten henkilöstön koulutuksessa yleensä, kokemusten systemaattinen ja pitkäjänteinen jakaminen tuottaa parhaat tulokset.

Sisäisissä ja organisaatioiden välisissä tapahtumissa demot ovat tehokkain viestintäväline. Teknisesti yksinkertaiset “karvalakkiversiot” toimivat yleensä paremmin kuin pelkät kalvoesitykset.

Yhteinen kieli

Tekoälyprojekteissa ollaan usein uuden asian äärellä ja siksi on tärkeää selventää käsitteet, jotta puhutaan samoista asioista. Kannattaa käyttää myös käsitteitä, jotka kaikki ymmärtävät. Jos on esimerkiksi tarkoitus rakentaa yksinkertainen Proof of Concept (PoC) tai pilotti, siitä voi yhtä hyvin käyttää nimitystä “karvalakkimalli”.

Yksinkertainen tapa varmistaa yhteinen kieli ja ymmärrys on visualisoida projektin vaiheet vastaten kysymyksiin: kuka, mitä, miten ja milloin?

Tekoälyhankkeissa organisoituminen ja vuorovaikutus eivät juurikaan riipu toimialasta tai yrityksen koosta, kyse on ennemminkin tavasta toimia. Nämä perustehtävät on syytä muistaa kehityshankkeita suunniteltaessa, koska ne unohtuvat helposti tekemisen tuoksinassa.

Generatiivisen tekoälyn näkökulmasta, jossa monet tiimit yrityksissä kokeilevat teknologiaa, on entistäkin tärkeämpää jakaa tietoa eri projekteissa oppimiskäyrän lyhentämiseksi. Tiimien olisi erityisesti harkittava sisäisiä tiedonjakotilaisuuksia, joissa käsitellään seuraavia aiheita:

• Generatiivisen tekoälyn uudet kyvykkyydet ja eettiset näkökohdat.

• Parhaat käytännöt tapaustutkimuksista ja esimerkkejä onnistuneista GenAI-sovelluksista eri tiimeissä.

• Keskustelua GenAI:n vaikutuksesta työtehtäviin ja -taitoihin organisaatioissa sekä täydennyskoulutustarpeista.

• Ohjeita GenAI-työkalujen valintaan ja käyttöönottoon, mukaan luettuina nykyisiin järjestelmiin ja prosesseihin integroitumiseen liittyvät näkökohdat.

• Parhaat käytännöt GenAI-hankkeiden vaikutusten seuraamiseksi ja arvioimiseksi organisaation tavoitteisiin.