Tekoäly on keino, ei tavoite.
Moni organisaatio on jo kokeillut tekoälyä. Hyöty jää silti yksittäisten käyttäjien varaan eikä näy liiketoiminnan luvuissa. Syy on harvoin teknologiassa: kokeilu on aloitettu työkalusta eikä siitä, mitä yritys tavoittelee ja mitä asiakas siitä hyötyy.
Mitä AI-transformaatiolla sitten tavoitellaan? Kolmea asiaa: parempia ja nopeampia päätöksiä, vähemmän aikaa rutiiniin ja enemmän siihen työhön, joka vaatii ihmisen harkintaa, sekä palvelua, jonka paranemisen asiakas huomaa. Nämä näkyvät lopulta kilpailukyvyssä ja kannattavuudessa.
Siksi lähdemme liikkeelle tavoitteesta, emme työkalusta: ensin liiketoiminnan tavoite ja asiakasarvo, sitten reunaehdot, kuten tietosuoja, sopimukset ja lainsäädäntö, ja vasta lopuksi tekoälyn rooli. Tästä lähtökohdasta rakentuu toimiva tekoälystrategia.
Mitä AI-transformaatiolla tarkoitetaan
AI-transformaatio ei ole työkalujen hankkimista eikä joukko erillisiä kokeiluja. Se on muutos, jossa tekoäly muuttaa sitä, miten työ tehdään, miten päätökset syntyvät ja millaista arvoa asiakkaalle tuotetaan. Muutos koskee neljää tasoa samaan aikaan:
- Arvolupaus. Mitä asiakas saa, ja mitä voidaan tarjota, mikä ei ennen ollut mahdollista.
- Toimintamalli. Miten prosessit, roolit ja päätöksenteko on järjestetty, ja miten työ jakautuu ihmisen ja tekoälyn välillä.
- Osaaminen. Mitä ihmisten pitää osata, jotta uusi työnjako toimii.
- Data ja hallinta. Mitä dataa on käytettävissä, millainen sen laatu on ja miten sen käyttöä ja riskejä johdetaan.
Jos vain yksi taso liikkuu, muutos jää helposti kokeiluksi. Kun kaikki neljä liikkuvat yhdessä, syntyy pysyvä kyvykkyys.
Tyypilliset haasteet
Näihin törmätään lähes joka hankkeessa, ja säännellyillä toimialoilla ne ratkaisevat, onnistuuko tekoälyn käyttöönotto:
- Reunaehdot ovat epäselvät. Kenellä on oikeus käyttää tekoälyn tarvitsemaa dataa ja mihin, mitä nykyiset sopimukset sallivat ja missä ja minkä lainsäädännön alla tietoa käsitellään?
- Kustannus näkyy heti, hyöty myöhemmin. Lisenssit, integraatiot ja koulutus osuvat budjettiin ensimmäisenä, ja käyttöön perustuvat maksut voivat vielä yllättää. Hyöty syntyy välillisesti ja viiveellä, eikä sen todentamisesta ole yleensä sovittu etukäteen.
- Liiketoiminnan tavoite ja tekninen määritys eivät kohtaa. Syntyy ratkaisu, joka täyttää määrityksen mutta ei tavoitetta.
- Jäykkä projektimalli ja ketterä kehitys törmäävät. Vaiheistettu päätöksenteko taipuu huonosti kokeiluun, jota tekoälyratkaisun kehittäminen vaatii.
- Datan laatu ja vastuut ovat auki. Tekoäly ei korjaa huonoa dataa itsestään, vaan monistaa sen virheet. Usein on myös epäselvää, käytetäänkö palveluun syötettyä dataa mallien kouluttamiseen. Hallintamalli puuttuu sekä datalta että tekoälyn käytöltä.
- Muutos jää innostuneiden varaan. Työkalu otetaan käyttöön, mutta prosessit, roolit ja vastuut pysyvät entisellään.
Missä me autamme
Palvelumme kattavat tekoälyn käyttöönoton koko matkan reunaehtojen selvittämisestä hallintamalliin:
- Tekoälyn esiselvitys. Reunaehdot, datan käyttöoikeudet ja realistiset käyttökohteet selville ennen kuin mitään hankitaan tai rakennetaan.
- Tekoälystrategia ja kyvykkyyskartoitus. Mihin tekoäly kannattaa teillä kohdistaa ja missä järjestyksessä. Samalla arvioimme, milloin kustannus ja hyöty kohtaavat, jotta priorisointi perustuu tietoon eikä arvioon.
- Tekoälyn hallintamalli ja vaatimustenmukaisuus. Pelisäännöt, roolit ja päätöksentekopisteet, jotka kestävät myös tarkastelun.
- Muutoskyvykkyys ja käyttöönotto. Toimintatavat, viestintä ja tuki, joilla työkalut päätyvät todella käyttöön.
- Metataitojen ja roolien vahvistaminen. Kysymysten muotoilu, lähdekritiikki ja tulosten kriittinen arviointi sekä roolit uuden työnjaon mukaisiksi.
- Tekoälyvetoinen tuotejohtaminen ja -kehitys. Tuotekehityksen vauhditus asiakasymmärryksestä julkaisuun, mittareineen.
Mikä muuttuu
- Tiedätte, mitä voitte tehdä ja millä ehdoilla. Ette rakenna ratkaisua, jota ei voi ottaa käyttöön.
- Tekoälystrategia kytkeytyy liiketoiminnan tavoitteisiin ja mittareihin, ei erilliseen AI-tiekarttaan.
- Kustannus ja odotettu hyöty arvioidaan rinnakkain jo ennen päätöstä, ja sovitte etukäteen, mistä onnistuminen tunnistetaan.
- Tekoäly on osa arjen työtä, ei muutamien innostuneiden harrastus.
- Datan omistajuus ja laatu ovat selvillä, ja vastuut on nimetty ennen kuin ratkaisua skaalataan.
- Päätöksenteko etenee vaiheittain kokeilun ehdoilla, ei jäykän vuosisuunnitelman mukaan.