Onnistunut tekoälyn käyttöönotto johtaa toiseen käyttöönottokierrokseen, johon yritykset harvoin varautuvat

Noin kolme vuotta sitten ostin ensimmäisen maksullisen tekoälytilaukseni ja aloin kokeilla, mihin siitä todella olisi minulle hyötyä. Vähitellen henkilökohtaisesta kokeilusta kasvoi pieni sisäinen hanke, sitten koko yrityksen kattavat tilaukset yrityskäyttöön ja lopulta lähes kaikkiin osastoihin ulottuva tekoälyn käyttöönotto – kehitykseen, taloushallintoon, lakiasioihin, markkinointiin ja asiakastukeen.

Ensimmäinen vaihe toimi pääpiirteissään. Sisäinen kehitysnopeutemme kasvoi noin viisinkertaiseksi suunnilleen kuudessa kuukaudessa. Samalla nousi toinenkin luku: tekoälymenomme kasvoivat noin 15-kertaisiksi.

Silloin ymmärsin, että tekoälyn onnistunut käyttöönotto voi aiheuttaa aivan omia ongelmiaan. Kun teknologia oli laajassa käytössä, alussa käyttöön ottamamme säännöt eivät enää toimineet. Kustannukset saattoivat karata käsistä, kun tekoäly sai käyttöönsä yhä enemmän yrityksen dataa ja hoitaakseen yhä useampia tehtäviä, vaikka monet itse työkaluista olivat edelleen ulkopuolisten palveluntarjoajien hallinnassa.

Mitä toimitusjohtajan siis pitäisi tehdä, kun tekoälyn käyttöönotto onnistuu, mutta yritys ei enää täysin hallitse sen käyttöä? Yritetään vastata tähän kysymykseen.

Älä rinnasta tekoälyn aktiivista käyttöä liiketoiminnan tuloksiin

Huomasin heti, että ensimmäisen käyttöönottovaiheen aikana käyttöönottoluvut, kuten aktiivisten käyttäjien määrä tai käyttötiheys, olivat järkeviä mittareita. Johtajana haluat tietää, käyttävätkö työntekijät työkaluja, mitä työkaluja he erityisesti käyttävät ja säästääkö tekoäly heiltä todella aikaa. Kun käyttö kuitenkin leviää koko yritykseen, näistä luvuista tulee paljon vähemmän hyödyllisiä.

Me näimme tämän itse. Kun ihmiset saivat käyttöönsä tehokkaita malleja, he alkoivat käyttää niitä lähes kaikkeen. Jossain vaiheessa työntekijät alkoivat kysyä tekoälyltä, paljonko kello on New Yorkissa. Esimerkki on tietenkin naurettava, mutta se osoittaa, miten nopeasti käyttö voi lisääntyä tuottamatta yritykselle merkittävää arvoa.

Shopify kohtasi samanlaisen ongelman integroituan tekoälyn toimintaansa niin syvällisesti, että sen sisäinen River-agentti laatii nyt luonnoksen jopa puoleen tuotantokoodin yhdistämispyynnöistä. Toimitusjohtaja Tobi Lütke varoitti kuitenkin hiljattain niin sanotuista ”roskapommeista”: tekoälyn tuottamasta työstä, jonka työntekijät välittävät eteenpäin tarkistamatta sitä kunnolla ja jättävät jonkun muun arvioitavaksi, korjattavaksi tai jopa tiivistettäväksi.

Toisin sanoen tekoälyn lisääntynyt käyttö voi helposti lisätä työn määrää arvon sijaan. Yrityksen käyttöluvut voivat näyttää vaikuttavilta ja sen tuottaman sisällön määrä olla valtava, vaikka osa tuotoksista vain luo uuden tehtävän jollekin toiselle.

Tähän toimitusjohtajien on puututtava. Kehotteet, kirjautumiset ja merkkien kulutus kertovat työnkulun vilkkaasta käytöstä. Ne eivät kuitenkaan osoita, tuottaako tekoäly todella kustannuksiaan takaisin.

Nopeus luo uuden pullonkaulan

Sanotaan, että hätäilemällä tulee sutta. Mielestäni tämä pätee myös tekoälyyn: olemme oppineet, ettei ihmisten tekeminen tekoälyn avulla ”nopeammiksi” välttämättä tarkoita, että työtä olisi yhtäkkiä vähemmän.

Kehitystyössä tekoäly mahdollistaa sen, että tiimimme tuottaa samassa ajassa huomattavasti enemmän koodia. Olennaista kuitenkin on, että kaikki koodi on silti tarkistettava ennen tuotantoon vientiä. Epäilemättä automaattinen tarkistus auttaa.

Se ei kuitenkaan vieläkään ole läheskään niin luotettava, että luottaisin siihen sokeasti. Kehittäjät käyttävät siis vähemmän aikaa kaiken kirjoittamiseen itse, mutta heillä on nyt paljon enemmän tuotoksia tarkistettavana ja testattavana sekä päätöksiä tehtävänä.

Toisin sanoen työ ei katoa. Se vain ilmestyy uudessa muodossa.

Tämän valossa kehitysnopeutemme viisinkertainen kasvu ei ehkä kuulostakaan aivan yhtä mullistavalta, sillä ihmisen huomiota vaativan koodin määrä kasvaa samaan tahtiin. Tekoälyä hyödyntävän työnkulun todellisiin kustannuksiin kuuluu myös tekoälyn tuotosten tarkistamiseen käytetty aika ja ennen kaikkea sen päättäminen, voiko tuotoksiin alun perinkään luottaa.

Toinen käyttöönottokierros on välttämätön

Mielestäni yritykset tarvitsevat sen, mitä kutsuisin tekoälyn ”toiseksi” käyttöönottokierrokseksi.

Ensimmäisessä käyttöönottokierroksessa on ennen kaikkea kyse käyttöönotosta: ihmisille annetaan pääsy työkaluihin, etsitään käyttökohteita ja selvitetään, missä teknologia todella auttaa ja missä ei. Mutta kun sitä on käytetty käytännössä useita kuukausia, yrityksellä on jo jotakin oletuksia paljon arvokkaampaa: omaa näyttöä siitä, missä kustannukset kasvavat, mitkä tiimit saavat aikaan parempia tuloksia ja missä ihmiset käyttävät liikaa aikaa tekoälyn tuotosten tarkistamiseen.

Siksi tekoälyn käyttöä koskevat säännöt kannattaa mielestäni tässä vaiheessa suunnitella uudelleen sen sijaan, että käyttöä vain pyrittäisiin laajentamaan. Käytännössä keskittyisin kolmeen asiaan:

• Sovita malli tehtävään. Rutiinipyynnöt voidaan ohjata pienemmille ja edullisemmille malleille, kun taas monimutkaisempi työ annetaan malleille, joiden käyttö oikeuttaa lisäkustannukset. Tavoitteena on välttää huippumallien hintojen maksamista vähäarvoisista tehtävistä.
• Määritä, missä ihmisen suorittama valvonta on pakollista. Määritä tuotantokoodin, oikeudellisten asiakirjojen ja muiden merkittävien tuotosten kohdalla, missä vaiheessa ihmisen on hyväksyttävä tulos ennen kuin se etenee työnkulussa. Aseta lisäksi arkaluonteiselle datalle käyttöoikeussäännöt, jotta työntekijät tietävät, mitkä mallit voivat käsitellä sitä ja mitkä eivät.
• Laadi varasuunnitelma, vaikka uskoisit, ettet tarvitse sellaista. Jos kriittinen työnkulku riippuu ulkoisesta palveluntarjoajasta, dokumentoi kehotteet, integraatiot, tietovirrat ja mallikohtaiset riippuvuudet riittävän tarkasti, jotta työkuorma voidaan hätätilanteessa siirtää toiselle palveluntarjoajalle.

Tässä on ero tekoälyn käyttöönoton ensimmäisen ja toisen vaiheen välillä. Ensimmäisessä kysytään: missä voimme hyödyntää tekoälyä? Toisessa kysytään: missä sitä kannattaa käyttää, millä säännöillä ja mihin hintaan?

Tarkasta käyttöönotto ennen kuin laajennat sitä uudelleen

Kun tekoälyn käyttöönotto toimii ja ensimmäinen vaihe näyttää onnistuneen, en jatkaisi sen laajentamista samalla tavalla vielä toista vuotta. Kun todellista käyttökokemusta on kertynyt noin 90–180 päivältä, pysähtyisin tarkastamaan, mitä yritys on oikeasti rakentanut.

Tämä tarkoittaa liiketoiminnan hyväksymien tulosten mittaamista, mallin ja sen kustannusten suhteuttamista tehtävän todelliseen arvoon, sen selvittämistä, missä ihmisen tekemä tarkistus on edelleen pakollinen ja missä työnkulku voisi päästä jossain määrin lähemmäs täyttä automaatiota.

Ensimmäinen käyttöönottovaihe osoittaa, että tekoäly voi nopeuttaa yrityksen toimintaa. Toinen vaihe puolestaan estää nopeutta muuttumasta turhiksi kustannuksiksi, hallitsemattomaksi käyttöoikeudeksi tai toimittajariippuvuuksiksi, joihin yritys ei koskaan tietoisesti sitoutunut.