Juuso Haapanen

LinkedInissä oli postaus ja sen ympärillä keskustelu siitä, että onko tekoälyn hyödyntämisen ongelmat mahdollisesti vain klikkiotsikkoja kun varsinainen ongelma olisi johtamisen puute.

Jos joku tätä blogia on lukenut, tietää että pidän tekoälybuumia ja hypeä kuplana joka tulee varmasti puhkeamaan. Mutta kuten tuosta kirjoituksesta luimme, kuplan puhkeaminen ei suinkaan tarkoita sitä että hyödyt jäisivät saavuttamatta vaan se tarkoittaa ennen pitkää sitä, että osaaminen ja ymmärrys konvergoituu johonkin pisteeseen. Jatkuvien uutuusarvojen ja suurien ihmeiden sijaan teknologia arkipäiväistyy ja siitä isosti puhuvien joukko ammattimaistuu. Postauksessa kirjoittamiini muihin ilmiöihin suhteutettuna on kuitenkin kyse ilmiöstä, joka ei ole täysin uusi: tekoäly on tutkittu vuosikymmeniä ja perusmenetelmät ovat samoja kuin ennen, laskentatehon kasvu, datan määrä ja muut tekijät vain vauhdittavat kehitystä nyt.

Tekoälyn hyödyistä ja siitä saavutetaanko niitä vai ei on jatkuvasti otsikoita ja juttuja: toisaalta tekoälyn hyödyt nähdään isoina ja esimerkiksi Klarna siirtää jatkuvasti tekoälylle asiakaspalvelun töitä, sisällöntuotantoa tehdään tekoälyn avulla laajassa skaalassa ja monissa asioissa tekoäly hyödyttää monenlaista tietotyön tekijää.

Tekoälyä on hyödynnetty organisaatioissa koko minun aikuisikäni ajan. Kaikkea ei ole ehkä kutsuttu tekoälyksi vaan on puhuttu mahdollisesti luonnollisen kielen käsittelystä, ennustemalleista, analytiikasta, suosittelujärjestelmistä tai muista vastaavista. Tekoälyn ”sateenvarjon” alla on keskustelussa paljon muutakin, jopa ihan perinteisiä atk-juttuja, jotka nyt vain sattuvat toimimaan automaattisesti.

Tekoälyn käyttö organisaatioissa on alkuperäisen Linkedin-postauksen väitteen mukaisesti johtamisongelma, mutta ei niin helppo sellainen joka ratkeaisi vain sillä että johto hyödyntäisi tekoälyä ja antaisi esimerkin sillä muille. Organisaation tekoälyn käytössä on isompia kysymyksiä, ja niitä kaikkia varmasti mietitään.

Ensimmäinen kysymys on siitä, että mitä työkaluja organisaatiossa pitäisi käyttää. Onko sopiva työkalu OpenAI:n maksullinen organisaatiolisenssi, Azuressa toimiva versio siitä vai mahdollisesti Googlen Genimi? Jos käytetään valmista mallia, miten voidaan varmistua siitä, että tietoturvaan ja muuhun liittyvät kysymykset tulee huomioiduksi?

Entäs jos halutaan kouluttaa tekoälymalleja yrityksen omalla datalla, niin että vastaukset eivät ole hölynpölyä? Onko organisaation data siinä kunnossa, että se saadaan malleille kivasti, onko sitä tarpeeksi ja paljonko se maksaa?

Minkälaisiin ongelmiin tekoälyn käyttö sitten auttaa? Minun näkemys ja kokemus tekoälyn hyödyntämisestä on sellainen, että tekoäly auttaa hyvin paljon ongelmissa joista on paljon dataa. Tällaisia ongelmia on esimerkiksi yksinkertaisten verkkosovellusten, hyvin yleisten ohjelmakoodien kirjoittaminen tai sellaisten asioiden pohtiminen mitä on pohdittu paljon. Teknologioista hyvä esimerkki on SQL-kyselyt: teknologia on ollut pitkään olemassa, niin opetusaineistoa on hyvin paljon ja hyvin pienellä omalla tuunauksella saa ihan oikeita asioita ulos. Vaikeampia on vaikkapa reason-react-neuvot, joista on vähän apua ja mallit eivät pysy perässä kehityksen kanssa. Ei pysy kukaan ihminenkään.

Alla oleva kuva esittää sitä milloin tekoälystä on hyötyä: kun on paljon opetusaineistoa, joko itsellä tai muilla. Käytännössä isoon osaan ihmisten tehtäviä löytyy tekoälyltä vinkkejä, koska siitä löytyy kirjallista aineistoa jota on voitu käyttää mallien syötteenä.

Tekoälyn käytön hyödyntämisen ongelmana on sitten tuo punainen alue: on jotain uutta tai nichétä, josta ei löydy opetusaineistoa. Jos työssä on paljon punaisen alueen ongelmia, mutta vähän triviaalia paukuttamista niin tekoälystä tuskin on hyötyä. Toisaalta, jos 90% työstä tehostuu niin tuolla viimeisellä kymmenyksellä tuskin on väliä ja sen tekemiseen saa enemmän omaa ihmisresurssia.

Tekoälyn yleistymisen vanavedessä kulkee myös erilaisten prosessien automatisointi ja siihen teknologia tekoälyineen on hyvä kaveri. Ennaltamäärättyjen askelien mukaan etenevät hommat sujuvat itsekseen ja kivaa lisää saa myös siitä, että tekoäly (eli ts. koneoppimismalli) sujauttaa ulos vaikkapa todennäköisyyden päätöksenteon tueksi ja siitä sitten saadaan vaikkapa lainapäätöksiä kivasti tehtyä. Näiden automaatioiden ongelmaksi alkaa muodostua se, että mallit voivat muuttua tehokkaiksi mutta monimutkaisiksi aiheuttaen sen että päätöksien perusteita aletaan kaivamaan ja joudutaan miettimään ikäviä asioita kuten vaikkapa mallien selitettävyyttä.

Summa summarum, tekoälyn käyttö organisaatioissa yleistyy. Iso osa yrityksistä miettii käyttöä ja strategiaa tavalla tai toisella, ja joillakin se hyöty tulee yleisesti saatavilla olevien kielimallien hyödyntämisestä ja monilla jostain aivan muusta. Johtamista on se, että miettii ratkaisuja oman organisaation tarpeet, budjetit ja toimintatavat edellä. Johtamisongelma on se, ettei näitä mieti ei se ettei käytä ChatGPT:tä.