Tietämyksen aukko, jonka tekoäly luo, on uusi turvallisuusaukko. Tässä on, miten sen voi sulkea.

Teknologiayritykset tekevät tutun vedon: tekoäly voi tehdä työn nopeammin ja halvemmalla kuin ihmiset. Vaikka tämä voi olla totta monissa tapauksissa, sitä käytetään myös helpottamaan irtisanomisia.

PwC:n raportissa, joka jaettiin tänä vuonna, 56% johtajista sanoi, ettei heillä ollut havaittu merkittäviä taloudellisia hyötyjä tekoälysijoituksistaan toistaiseksi, ja vain 12% ilmoitti saaneensa kustannussäästöjä ja liikevaihdon kasvua tekoälystä. Lisäksi helmikuussa julkaistussa National Bureau of Economic Researchin tutkimuksessa lähes 90% yrityksistä sanoi, ettei tekoälyllä ollut ollut vaikutusta työllisyyteen tai tuottavuuteen viimeisen kolmen vuoden aikana. Tämä korostaa paljastavaa totuutta: monet organisaatiot eivät ole vielä nähneet tekoälyn lupaamia tuloksia, ja peittääkseen tappionsa he jatkavat tuhansien työntekijöiden irtisanomista.

Mutta tässä on, mitä tuloksien esittelyssä ei sanota: kun poistat tilinhoitajan, jolla on kymmenen vuoden suhdekonteksti päähänsä, tai laadunvalvontainsinöörin, jonka instituutiotietämys on ainoa, joka havaitsee virheitä ennen kuin ne pääsevät asiakkaiden luokse, et sinä ole leikkaamassa rasvaa. Sinä leikkaat kannattavia seinäksi. Uudelleentyön kustannukset, asiakastappiot, laadun epäonnistumiset, jotka seuraavat, harvoin näkyvät samassa esityksessä, jossa juhlistettiin henkilöstön vähentämistä. Ne imevät hiljalleen tuleviin neljännekksi, jotka liitetään markkinatilanteeseen, ja unohdetaan. Ero tekoälyllisten uudelleenjärjestelyjen lupausten ja todellisen toimituksen välillä on todellinen, se kasvaa, ja monille organisaatioille se on täysin tunnustamaton.

Tämän syklin todelliset kustannukset eivät laskeudu yhteen paikkaan. Ne leviävät kaikkiin jäljelle jääneisiin tiimeihin. Kehittäjät ottavat vastaan poistuneiden insinöörien työnkuormaa, samalla kun heille annetaan tekoälytyökaluja, jotka ovat edelleen liian kehittymättömiä korvaamaan menetetyn henkilöstön. Tuotetiimit menettävät kontekstin, joka pitää tiestä karttoja asiakasrealiteetissa. Tukitiimit venytetään ohueksi ja vastauslaatu heikkenee, kun asiakkaat tunnistavat välittömästi “slop” -vastaukset heidän liputuksiinsa. Taakka ei keskity, se on jakautunut, ja tämä jakautuminen on osa sitä, mikä tekee siitä niin helppoa ohittaa neljännesvuosiraportissa. Mutta laajemman leviämisen sisällä IT-tiimit kohtaavat erityisen ja kasaavan ongelman. He eivät tee enää vain enemmän vähemmällä. Heitä pyydetään hallinnoimaan infrastruktuuria, joka on rakennettu nopeasti, ilman instituutiotietämystä, joka antoi sille johdonmukaisuuden, samalla kun he suorittavat poistuneiden kollegoiden irtisanomista ja heidän korvaajiensa perehdyttämistä, kun yritykset hiljalleen kääntävät leikkauksia, joita he julkisesti juhlivat.

Kun edetään vuoden loppua kohti, ja organisaatiot pyrkivät pitämään tekoälyn lupausten, on aika tajuta, että paljon enemmän kuin vain tulot menetetään, kun ihmisasiantuntemus leikataan tekoälytehokkuuden nimissä. Hyviä uutisia? Voit saada parhaan molemmista maailmoista. Mutta se vaatii otettavaksi käytännöllisemmän, pragmaattisemman lähestymistavan tekoälyyn. Yhden, joka pitää ihmiset strategian keskipisteenä.

Mitä käydään kävelemässä, kun tietämys poistuu ovesta

Kriittinen operatiivinen tietämys elää ihmisissä ja sovelletaan ihmisen arvostelun kautta, ei järjestelmien kautta. Kun nämä ihmiset poistuvat, tietämys poistuu heidän mukanaan. Riippumatta siitä, kuinka kehittynyt malli on, tekoäly ei voi täyttää tätä aukkoa tänään.

Vaikka tekoälyn kyvyt laajenevat, automaatio ilman hienostunutta kontekstia luo vaarallisia sokeita pisteitä kriittisillä alueilla:

• Arvostelma ja strategia: Intuitio, instituutiotietämys ja markkinatietämys eivät elä siististi tietokannoissa, edes epästrukturoiduissa.
• Konteksti ja tilanneherkkyys: Ihmiset tunnistavat hienostuneisuuden, aikomukset ja voivat navigoida harmailla alueilla, joilla joustavat säännöt voivat murtua.
• Empatia ja luottamus: Vaikutusvaltaiset tai emotionaalisesti latautuneet hetket (erityisesti ne, jotka liittyvät asiakkaisiin tai työntekijöihin) vaativat ihmiskeskeistä vastausta.
• Valvonta ja vastuu: Joku on vastuussa epäonnistumisten, harhan tai virheellisen tiedon tunnistamisesta. Yksinkertainen “Olet oikeassa, yritän uudelleen” ei riitä.
• Instituutiotietämys ja järjestelmäkonteksti: Ymmärtäminen, miksi tiimit rakensivat infrastruktuurin tietynlaisella tavalla (tai eivät), mitä he olivat kokeilleet aiemmin, ja mitä reunatapauksia on, joita kukaan ei ole dokumentoinut.
• Johtajuus ja hallinto: Määrittäminen, riskitoleranssi ja sitoutuminen eettisiin rajoituksiin on perustavanlaatuinen ihmisen vastuu.

Tekoäly voi tuoda esiin oivalluksia, suositella toimia ja kiihdyttää toimeenpanoa, mutta se ei voi korvata instituutiotietämystä, joka estää katastrofeja, tai tarjota vastuuta, joka pyydystää ne ennen kuin ne karkaavat.

Mitä älykkäät organisaatiot tekevät toisin

Organisaatiot, jotka menestyvät tekoälyllä, eivät poista ihmisiä yhtälöstä. He käyttävät tekoälyä sujuvoittamaan rutiininomaiset, toistuvat prosessit, jotka lisäävät kitkaa arkipäivän toimintaan. Vapauttavat ihmiset omistamaan aikaa ja muita kriittisiä resursseja muualle löytääkseen uusia luovia tapoja ajaa suurempia liiketoimintahyötyjä. He käyttävät tekoälyä “kilpailevan” työkaluna, joka pakottaa tehostamaan. Tarkastellaan IT-toimintojen maailmaa. Nämä tiimit ovat jo venyneet ohueksi, hallitsemassa laajaa infrastruktuuria rajoitettuin keinoin. Tekoäly, tai ehkä tarkemmin, koneoppiminen (ML), voi tuoda todellista arvoa tänne. Tekoäly/ML voi automatisoida aiemmin aikaa vieviä, rutiininomaisia tehtäviä, jotka haudattavat arvokkaita, aihekohtaisia asiantuntijoita operatiiviseen työhön: patch-testaus ja tutkimus, liputusluokitus, työnkulun luonti, löytäminen ja riskikarttaus.

Nämä tehtävät muodostavat IT-toimintojen perustan, mutta ne kuluttavat valtavasti aikaa (erityisesti kun organisaatioiden digitaalinen omaisuus laajenee, haavoittuvuusmaisema muuttuu ja työntekijät odottavat yhä enemmän positiivisia digitaalisia kokemuksia laitteilla, joita he käyttävät työskentelemiseen). Kun tiimit eivät tee perusteita hyvin (hallitsemalla tai seuraamalla näitä kykyjä ja prosesseja) koska he ovat veden alla, seuraukset iskevät kovaa: keskeytykset, puuttuvat korjaukset, tietovuodot, turvallisuusloukkaukset.

Toisaalta, kun käytät tekoälyä hyvin sujuvoittamaan työtä näillä alueilla, annat IT-henkilöstölle aikaa tehdä sitä, mitä tekoäly ei voi: puhdistaa teknistä velkaa, parantaa olemassa olevia järjestelmiä ja prosesseja, uudelleenarkkitehtuuri kestävyyden vuoksi ja säilyttää instituutiotietämystä, joka pitää kriittisiä järjestelmiä pyörillä. Se on enemmän kuin vain tehokkuus. Se on riskin vähentäminen. Ja se luo vankemman perustan pitkän aikavälin kasvulle.

Saada tekoälyn omaksuminen oikein

Organisaatiot, jotka aloittavat tarkoituksenmukaisella tekoälyn soveltamisella ja omaksumisella, samalla kun priorisoidaan turvallista, tehokasta mahdollistamista, näkevät (ja tulevat näkemään) suurempia voittoja tekoälystrategioistaan. Optimointi ei tule ihmisistä. Se johtuu panostuksesta niihin, työnkulkujen uudelleenmuotoilusta ja tiimien kouluttamisesta parhaan tekoälyn käytön suhteen.

Tämä ei ole uutta. Teknologia on edennyt sukupolven sykleissä satojen vuosien ajan. Joka kerran meidän tapana on toistaa samat virheet. Ylimääritellään ja yritetään tehdä tietty edistys askarraksi kaikkeen, mitä meillä on vaiva. Ei ole pulaa huijareita, jotka hyödyntävät tätä epätoivoa, yli lupauksia ja katoavat ennen kuin tulokset voidaan mitata. Totuus on, että tekoäly/ML voi tehdä sitä, mitä tietokoneet ovat aina tehneet; suorittaa tiettyjä tehtäviä nopeammin ja tarkemmin kuin ihminen. Ne, jotka löytävät nämä mahdollisuudet ja soveltavat tekoälyä pragmaattisella, “kilpailevalla” tavalla, näkevät nopeasti nopeasti palautteen sijoituksistaan. Käytännössä se tarkoittaa:

• Käyttäminen tekoälyä poistamaan matalan arvon tehtäviä, ei korkean arvon arvostelua
• Suunnitteleminen ihmisten osallistumiselle työnkulkuun korkean vaikutuksen päätöksenteon riskittämisessä
• Määrittäminen selkeäksi eskaloitumispoluksi, kun tekoälyjärjestelmät epäonnistuvat tai tuottavat epävarmoja tuloksia
• Määrittäminen selkeää omistajuutta tekoälyohjatuille päätöksille
• Kouluttaminen tiimejä tarkastelemaan tekoälytulostusta, ei vain hyväksymään sitä sokeasti

Todellinen kustannus siitä, että tehdään väärin

Teknologia-alan nykyinen sykli massapotkuista, seurattuna hiljaisesta uudelleen palkkaamisesta, ei ole kykyjen siirtymistä. Se on riskin siirto. Organisaatiot vaihtavat vuosikymmenten instituutiotietämystä muutamaksi kuukaudeksi automaattista nopeutta, ja IT-johtajat ovat ne, jotka jäävät hallinnoimaan seurauksia.

Tekoäly tarjoaa todellisia hyötyjä, mutta ne merkitsevät enemmän, kun käytät tekoälyä säilyttämään ja vahvistamaan asiantuntemusta, ei korvaamaan sitä. Yritykset, jotka jatkavat menestymistä tekoälyaikakaudella, eivät ole ne, jotka leikkaavat syvimmältä tai käyttävät eniten tekoälytyökaluja. Ne ovat ne, jotka ajattelevat tarkoituksenmukaisesti tekoälyä automatisoimaan monotonisuutta ja täydentämään ihmisen luovuutta, yhteistyötä ja asiantuntemusta.

Koska seuraava järjestelmä epäonnistuu tai seuraava keskeytys tai kyberloukkaus tapahtuu, et halua robottia tai konetta järjestelmän korjaamisen tai asiakasviestinnän eturintamassa. Sinä haluat (ja tarvitset) henkilön, jolla on syvä historiallinen konteksti ja tietämys edelleen rakennuksessa.

Jos haluamme lukita tekoälyn täyden potentiaalin, on tärkeää keskittyä hyödyntämään tekoälyä tehtävissä, jotka ovat vaatimattomia, ja lopettaa sen käyttäminen tekosyyksi huonolle liiketoimintasuoritukselle.