Monessa organisaatiossa tekoälyn hyödyntäminen on lähtenyt liikkeelle kokeiluista.
Se on hyvä asia. Kokeiluja tarvitaan, koska tekoälyä ei opita vain kuuntelemalla esityksiä tai lukemalla raportteja. Sitä opitaan käyttämällä, soveltamalla ja pohtimalla, miten se voisi auttaa oikeassa työssä.
Mutta kokeiluihin liittyy myös riski.
Jos tekoäly jää yksittäisten ihmisten tai tiimien irrallisiksi kokeiluiksi, sen liiketoimintahyöty jää helposti pieneksi. Organisaatiossa voi tapahtua paljon, mutta kokonaisuutena mikään ei välttämättä muutu riittävästi.
- Joku tekee parempia muistioita.
- Toinen nopeuttaa tiedonhakua.
- Kolmas kokeilee tekoälyä asiakasviestin luonnosteluun.
Hyviä asioita, mutta eivät vielä välttämättä strategista uudistumista.
Tekoälyn todellinen arvo syntyy vasta, kun kokeilut kytketään tavoitteisiin, prosesseihin, asiakasarvoon ja johtamisen rakenteisiin.
Kokeilu ei ole vielä muutos
Tekoälykokeilu voi olla hyödyllinen, vaikka se ei heti tuottaisi suurta vaikutusta. Se voi synnyttää ymmärrystä, madaltaa kynnystä ja auttaa ihmisiä näkemään mahdollisuuksia.
Mutta kokeilu ei vielä tarkoita, että organisaatio muuttuu.
Muutos alkaa vasta, kun kokeiluista opitaan systemaattisesti ja niiden perusteella tehdään päätöksiä. Mitä viedään eteenpäin? Mitä lopetetaan? Mitä skaalataan? Mitä pitää kehittää ennen kuin hyöty realisoituu?
Ilman tätä vaihetta tekoäly jää helposti innostavaksi, mutta hajanaiseksi tekemiseksi.
Organisaatiossa voidaan puhua paljon tekoälystä, mutta silti arjen työtavat, asiakaskokemus tai liiketoiminnan mittarit eivät muutu.
Siksi tekoälyä ei kannata johtaa vain kysymällä: “Mitä kaikkea olemme kokeilleet?”
Parempi kysymys on:
Mitä olemme muuttaneet kokeilujen perusteella?
Tarvitaan sekä suunta että liike
AI-muutoksessa tarvitaan kaksi näkökulmaa samaan aikaan.
Ensimmäinen on arjen kokeileva näkökulma. Lähdetään liikkeelle, kokeillaan käytännössä, opitaan nopeasti ja löydetään konkreettisia käyttötapoja.
Toinen on tavoitetilasta lähtevä näkökulma. Millaiseksi haluamme työn, prosessit, asiakaskokemuksen tai palvelumallin kehittyvän tekoälyn avulla?
Jos organisaatio toimii vain tavoitetilan varassa, muutos voi jäädä liian kaukaiseksi. Syntyy visioita, tiekarttoja ja kalvoja, mutta ihmiset eivät näe, mitä heidän pitäisi tehdä ensi viikolla.
Jos taas toimitaan vain yksittäisten kokeilujen varassa, kokonaisuus voi hajota. Syntyy aktiivisuutta, mutta ei välttämättä yhteistä suuntaa.
Siksi hyvä AI-johtaminen yhdistää nämä kaksi.
On riittävän selkeä näkemys siitä, mitä kohti mennään. Ja samaan aikaan on matala kynnys kokeilla, oppia ja tarkentaa suuntaa arjen havaintojen perusteella.
Tekoälyn pitää liittyä oikeisiin pullonkauloihin
Yksi tavallinen haaste on, että tekoälyä kokeillaan siellä, missä kokeilu on helppoa – ei välttämättä siellä, missä vaikutus olisi suurin.
Helppo kokeilu voi olla hyödyllinen oppimisen kannalta. Mutta jos tavoitteena on liiketoimintahyöty, tekoälyn pitäisi kytkeytyä organisaation todellisiin pullonkauloihin.
- Missä työ hidastuu?
- Missä syntyy turhaa manuaalista tekemistä?
- Missä laatu vaihtelee?
- Missä asiakas odottaa liian kauan?
- Missä asiantuntijan aika kuluu väärään asiaan?
- Missä päätöksenteko perustuu liian hitaaseen tai hajanaiseen tietoon?
Kun tekoäly kytketään tällaisiin kysymyksiin, sen hyöty alkaa muuttua konkreettiseksi.
Tällöin tekoäly ei ole irrallinen “AI-hanke”, vaan osa työn, prosessin tai asiakasarvon kehittämistä.
Käyttöönotto ei riitä – tarvitaan vakiinnuttamista
Monessa kehityshankkeessa suurin haaste ei ole ideointi tai pilotointi. Suurin haaste on vakiinnuttaminen.
Tämä koskee myös tekoälyä.
On suhteellisen helppoa löytää innostunut ryhmä kokeilemaan uutta työkalua. Paljon vaikeampaa on muuttaa arjen toimintatapaa niin, että uusi tapa todella jää käyttöön ja tuottaa mitattavaa hyötyä.
Siksi tekoälyhankkeissa kannattaa erottaa ainakin kolme vaihetta:
Ensin kokeillaan, sitten arvioidaan, ja lopuksi vakiinnutetaan.
Vakiinnuttaminen tarkoittaa käytännössä sitä, että tekoäly kytketään työnkulkuun, vastuisiin, osaamiseen, mittareihin ja johtamisen rytmiin.
- Kuka käyttää ratkaisua?
- Missä kohtaa prosessia?
- Miten toiminta muuttuu?
- Miten onnistumista mitataan?
- Mitä tehdään, jos käyttö ei etene?
- Miten oppimista jatketaan?
Ilman näitä kysymyksiä tekoälyratkaisu voi jäädä hyväksi ideaksi, jota ei lopulta käytetä arjessa.
Mittaa sitä, mitä oikeasti haluat muuttaa
Tekoälyn johtamisessa on tärkeää olla tarkkana myös mittareiden kanssa.
Käyttöaste voi kertoa jotain, mutta se ei vielä kerro, syntyykö arvoa.
Jos ihmiset käyttävät tekoälyä paljon, mutta työ ei nopeudu, laatu ei parane eikä asiakas saa parempaa palvelua, mittari ei kerro olennaisinta.
Siksi tekoälyä pitäisi mitata suhteessa siihen, mitä halutaan saada aikaan.
- Halutaanko nopeuttaa läpimenoaikoja?
- Parantaa asiakaskokemusta?
- Lisätä myynnin osumatarkkuutta?
- Parantaa päätöksenteon laatua?
- Vähentää virheitä?
- Vapauttaa asiantuntijoiden aikaa korkeamman arvon työhön?
Tekoälyn hyöty ei ole siinä, että sitä käytetään. Hyöty on siinä, että sen avulla työ, asiakasarvo tai liiketoiminnan tulokset paranevat.
Tämä kuulostaa yksinkertaiselta, mutta käytännössä se unohtuu helposti. Työkalu alkaa ohjata keskustelua, vaikka keskustelun pitäisi alkaa tavoitellusta muutoksesta.
AI-salkku auttaa näkemään kokonaisuuden
Kun tekoälykokeiluja alkaa syntyä eri puolille organisaatiota, kokonaisuuden johtaminen muuttuu tärkeäksi.
Mitä kokeiluja meillä on käynnissä?
Mitkä ovat vasta ideavaiheessa?
Mitkä ovat pilotissa?
Mitkä ovat valmiita laajempaan käyttöön?
Mitkä pitäisi lopettaa?
Missä syntyy päällekkäistä tekemistä?
Missä olisi suurin skaalauksen mahdollisuus?
Tässä voi auttaa AI-salkku: yhteinen näkymä siihen, mitä tekoälyn ympärillä organisaatiossa tapahtuu.
Salkun tarkoitus ei ole byrokratisoida kokeiluja hengiltä. Sen tarkoitus on auttaa johtoa ja tiimejä näkemään kokonaisuus, priorisoimaan tekemistä ja varmistamaan, että parhaat opit eivät jää yksittäisten ihmisten tai yksiköiden sisälle.
Hyvä AI-salkku ei ole vain lista hankkeista. Se kertoo, missä vaiheessa eri aloitteet ovat, mitä hyötyä tavoitellaan ja mitä seuraavaksi pitää päättää.
Tekoälymuutos tarvitsee omistajuutta
Yksi AI-muutoksen kriittisistä kysymyksistä on omistajuus.
Kuka omistaa tekoälyn hyödyntämisen?
- IT?
- Johto?
- Liiketoiminta?
- HR?
- Yksittäiset tiimit?
- Kaikki yhdessä?
Vastaus ei ole yksinkertainen, koska tekoäly koskettaa lähes kaikkia. Mutta juuri siksi omistajuus pitää tehdä näkyväksi.
Teknologia voi tulla IT:n kautta. Strateginen suunta voi tulla johdolta. Osaamisen kehittäminen voi olla HR:n vastuulla. Mutta arjen hyöty syntyy liiketoiminnassa, prosesseissa ja tiimeissä.
Jos tekoäly jää vain teknologiaorganisaation asiaksi, se voi etääntyä työn todellisista tarpeista. Jos se jää vain yksittäisten tiimien asiaksi, kokonaisuus voi hajota. Jos se jää vain johdon puheeksi, arki ei muutu.
Tarvitaan yhteinen malli, jossa suunta, mahdollistaminen ja arjen omistajuus kohtaavat.
AI-johtamisen tavoite on muuttaa työtä paremmaksi
Tekoälyyn liittyy helposti paljon uutuuden viehätystä. Uusia työkaluja, uusia mahdollisuuksia, uusia käsitteitä.
Mutta johtamisen näkökulmasta peruskysymys on lopulta hyvin käytännöllinen:
Miten työ muuttuu paremmaksi?
Paremmaksi asiakkaalle.
Paremmaksi työntekijälle.
Paremmaksi laadun, tehokkuuden tai vaikuttavuuden näkökulmasta.
Paremmaksi liiketoiminnan tulosten kannalta.
Tekoäly ei ole itseisarvo. Se on väline työn, palvelun ja arvonluonnin uudistamiseen.
Siksi AI-kokeiluja kannattaa rohkaista, mutta niitä pitää myös johtaa. Ei raskaasti, mutta riittävän selkeästi.
Kokeilut synnyttävät oppimista.
Oppiminen synnyttää parempia ratkaisuja.
Ratkaisut synnyttävät hyötyä vasta, kun ne viedään osaksi arkea.
Tässä on tekoälymuutoksen johtamisen ydin.
Ei vain enemmän kokeiluja.
Vaan parempaa oppimista, selkeämpää priorisointia ja rohkeampaa vakiinnuttamista
Teemu Kaakinen
Yritysvalmentaja
050 591 2830
teemu.kaakinen@balentor.fi
