Chris Perry, Andus Labsin perustaja ja toimitusjohtaja – Haastattelusarja

Chris Perry, Andus Labsin perustaja ja toimitusjohtaja, on viestinnän, digitaalisen strategian ja innovaatioiden johtaja. Hänellä on lähes kolmen vuosikymmenen kokemus organisaatioiden auttamisesta suurissa teknologia- ja liiketoimintamuutoksissa. Ennen Andus Labsin perustamista vuonna 2025 Perry työskenteli yli 22 vuotta Weber Shandwickilla. Hän hoiti siellä useita ylemmän johdon tehtäviä, kuten Futures-toiminnon puheenjohtajan, innovaatiojohtajan, digitaalisen viestinnän johtajan, digitaalisesta strategiasta ja operaatioista vastaavan johtavan varatoimitusjohtajan sekä ylemmän varatoimitusjohtajan tehtäviä. Aiemmin urallaan hän työskenteli teknologiaviestinnässä General Motorsilla ja varatoimitusjohtajana Edelmanilla. Hänen uransa on keskittynyt digitaaliseen muutokseen, uusiin teknologioihin, organisaatiomuutoksiin sekä teknologian ja sen hyödyntämisestä vastaavien ihmisten välisen suhteen kehittymiseen.

Andus Labs auttaa yrityksiä muuntamaan tekoälykyvykkyydet käytännön organisaatiotuloksiksi keskittymällä teknologiaa ympäröiviin ihmisten järjestelmiin. Yritys kuvaa missiotaan “Human OS for AI” – ihmisen käyttöjärjestelmänä tekoälylle – kerroksena, jonka tarkoitus on orkestroida työtä ihmisten ja tekoälyagenttien välillä, perustuen oletukseen, että tekoälyinvestoinnit jäävät usein odotuksista, kun organisaation valmius, työnkulut ja omaksuminen eivät pysy teknologian tahdissa. Sen toiminta kattaa tekoälyn työjärjestelyohjelmat, tuotteet, jotka on suunniteltu vahvistamaan ja moninkertaistamaan organisaatiollista oppimista, sekä laajemman verkoston käytännön tekijöistä, taiteilijoista ja humanisteista, jotka tutkivat, miten ihmiset ja tekoäly voivat tehdä yhteistyötä tehokkaasti.

Työskentelit yli kaksi vuosikymmentä Weber Shandwickillä, edeten digitaalisten toimintojen ylemmistä johtotehtävistä innovaatiojohtajaksi ja Futures-toiminnon puheenjohtajaksi, ennen kuin perustit Andus Labsin vuonna 2025. Mitä havaitsit suurten organisaatioiden sisällä tuona aikana, mikä vakuutti sinut siitä, että suurin este tekoälymuutokselle on ihmisten ja organisaation järjestelmä teknologian ympärillä, eikä itse teknologia?

Opin sen ensimmäisen kerran isäni graafisen taiteen studiossa Detroitissa, jossa aloitin, ennen Weber Shandwickia. Desktop publishing siirsi hänen latojiensa ja kuvittajiensa käsin tekemän työn ohjelmistoon. Se rikkoi hänen liiketoimintamallinsa, eikä hän nähnyt muutosta ennen kuin oli liian myöhäistä.

Weber Shandwickilla työskentelin joidenkin maailman suurimpien yritysten kanssa uusien teknologia-aaltojen läpi: sosiaalinen media, blogit, video, mobiili, data. Joka kerta kaava oli sama. Teknologia saapui. Ihmiset tunsivat muutoksen ja alkoivat käyttää sitä itsenäisesti. Johto ja yrityksen rakenne muuttuivat viimeisinä.

Näissä aikaisemmissa aalloissa yritykset maksivat siitä viiveestä menettämällä asemiaan, mutta ihmiset tekivät silti työn. Tekoäly tekee tietotyölle sen, mitä desktop publishing teki isäni studiolle. Tapa, jolla ihmiset tekevät työn, sisällytetään ohjelmistoon.

Liiketalouden koulut eivät opeta, miten johtaa yritystä, jossa ihmiset ja agentit jakavat työn. Useimmat yritykset kiinnittävät tekoälyn päälle ja saavat vanhan työn tehtyä nopeammin. Todellinen tuotto syntyy, kun johtajat antavat työntekijöilleen mahdollisuuden rakentaa työ uudelleen tekoälyn avulla. Työ muuttaa muotoaan sen sijaan, että se vain nopeutuisi.

Nimesimme sen Andus Labsiksi, kuten “and us”, koska uskoimme, että tuotto riippuu ihmisistä.

Andus Labs väittää, että yrityksillä voi olla kehittyneet tekoälykyvykkyydet, mutta silti puuttua “ihmisten valmius” hyödyntää niistä arvoa. Mikä erottaa yrityksen, joka on onnistuneesti ottanut tekoälyn käyttöön, yrityksestä, joka on todella muuttanut työn toteutustavan?

Istuin yrityksen kanssa, joka raportoi 80 % tekoälyn käyttöönotosta ja noin 5 % muutosta siinä, miten työ toteutettiin. Vain käyttöönotto‑luku pääsi hallituksen esitykseen. Toista lukua ei piilotettu. Hallintapaneelissa ei vain ollut sille tilaa.

Käyttöönotto on helppo mitata. Lisenssejä myönnetty, agenteja otettu käyttöön, kirjautumisia. Se on toimintaa, ei vaikutusta. Kysymme asiakkailta, mitä yritys voi tehdä nyt, mitä se ei voinut tehdä aiemmin. Useimmiten rehellinen vastaus on samat raportit, esitykset ja analyysit, vain nopeammin.

Muutoksessa olevat yritykset mittaavat jotain muuta. Tuottiko pilotti riittävästi arvoa, että sen skaalaaminen on perusteltua? Voimmeko esittää hallitukselle jotain, mitä emme voineet tuottaa vuosi sitten? Vähentääkö tekoäly arvokkaimpien työntekijöidemme kuormaa, jotta he voivat tehdä työtä, jonka vain he pystyvät tekemään? Mikään näistä ei ole yhtä helppoa laskea kuin käyttöoikeudet, mutta ne ovat mittareita, jotka kertovat, onko jotain edistynyt.

Nämä kysymykset tarvitsevat myös omistajan. Kysy, kuka se on useimmissa yrityksissä, ja saat listan. CIO omistaa alustoja. Osaamiskeskus omistaa pilotit. HR omistaa koulutuksen. Liiketoiminnan vaikutus ei kuulu kenenkään listalle.

Yksi yritys voi kertoa, kuinka monella on pääsy. Toinen voi kertoa, mitä muuttui ja kuka vastaa siitä.

Ground Truth Index pohjautuu nyt 300 dokumentoidun ilmiön kirjastoon. Ilmiöt on havaittu toimeksiannoissa ja keskusteluissa 595 organisaation johtajien kanssa. Viisi toisistaan riippumatonta analyytikkoagenttia pisteyttää kunkin ilmiön, minkä jälkeen tutkijat tarkastelevat tuloksia ja ratkaisevat lopullisen järjestyksen. Miten tämä menetelmä on kehittynyt, missä vaiheissa ihmisen harkinta tulee mukaan ja miten estätte indeksiä vain vahvistamasta kenttähavainnoissanne jo olevia oletuksia?

Menetelmä on muuttunut kirjaston kasvaessa. Jokainen malli alkaa siitä, mitä kuulemme ja näemme keskusteluissa liiketoimintajohtajien kanssa. Tarkistamme jokaisen uuden signaalin kirjastosta, testaamme sen kenttähavaintojen ja ulkoisen tutkimuksen avulla, ja päätämme, onko se aidosti uusi, vahvistaa jo seuraamaamme mallia vai kuuluuko se muualle.

Tekoäly auttaa meitä arvioimaan koko kirjaston neljännesvuosittain, mitä tutkimusryhmä ei pystyisi tekemään käsin. Agentit lukevat jokaisen mallin eri ammatillisen näkökulman läpi ja antavat sille pisteet samassa viidessä ulottuvuudessa. He työskentelevät sokeasti, joten yksikään agentti ei voi vaikuttaa toiseen. Otamme mediaanin, jotta yksittäinen poikkeama ei voi vinouttaa pistemäärää, ja parhaat 50 siirtyvät ihmisen tarkasteluun.

Ihmisen harkinta kulkee läpi kaiken. Tutkimusryhmämme hyväksyy jokaisen kirjastoon päätyvän mallin, tarkastelee sijoituksia ja päättää lopulliset 25. Keskitymme eniten niihin kohtiin, joissa agentit ovat eri mieltä, ja joissa median huomio on ristiriidassa kentällä kuullun kanssa. Voimme muuttaa pistemäärää, mutta vain dokumentoidun havainnon perusteella: kuka sen esitti, kuinka usein kuulimme siitä ja kestäikö se eri organisaatioissa. Vaisto ei muuta pistemäärää.

Uusi Ground Truth Index asettaa “Empty Chairs” -mallin ensimmäiseksi esteeksi yritys‑tekoälyssä, kuvaillen organisaatioita, jotka antavat tekoälyjärjestelmille vaikutusvaltaa päätöksiin, kuten rekrytointiin, hinnoitteluun ja riskienhallintaan, ilman että selvästi määritellään, kuka on vastuussa tai kenellä on valtuudet kumota nämä päätökset. Kun tekoäly siirtyy toimien suosittelemisesta todella muokkaamaan liiketoiminnan tuloksia, miltä merkityksellinen ihmisten vastuullisuus käytännössä näyttää?

Mitä enemmän tekoäly koskettaa toimintoja, sitä enemmän se tekee päätöksiä yrityksen puolesta. Vastuullisuus nousee ensin johtamiskysymykseksi ennen kuin siitä tulee tekninen kysymys.

Vastuu sijoittuu yleensä jonnekin tekoälyjärjestelmän ostajan ja sen käyttäjän väliin, eikä kumpikaan omista sitä. Tämä aukko pysyy näkymättömänä, kunnes päätökseen puututaan. Tämä on tyhjä tuoli.

Vastuullisuus tarkoittaa nimettyä johtajaa, joka näkee, mitä järjestelmä tuottaa, ja pystyy selittämään tuloksen, korjaamaan sen tai pysäyttämään järjestelmän. Tämä edellyttää valtaa prosessiin, joka yleensä ulottuu useiden osastojen yli.

Pyydämme johtajia valitsemaan yhden merkittävän päätöksen, jonka tekoäly auttoi tekemään tällä neljänneksellä, ja kertomaan, kuka on siitä vastuussa. Jos vastaus ei ole selvä, yritys on muuttanut päätöksentekoprosessia ilman, että on selvitetty, kuka vastaa niistä.

“Learning While Drowning” sijoittuu toiseksi uudessa indeksissä, korostaen yrityksiä, jotka määräävät tekoälykoulutuksen samalla, kun työntekijöiden nykyiset työkuormat pysyvät muuttumattomina. Samanaikaisesti “Optimization Temptation” osoittaa, kuinka helposti yritykset voivat kvantifioida henkilöstömäärän säästöt verrattuna vaikeammin mitattavaan arvoon, jonka saa uudelleensijoittamalla ihmiset korkeamman arvon työhön. Aliarvioivatko yritykset perimmiltään organisaatioinvestoinnin, joka vaaditaan työvoiman tuottavuuden lisäämiseksi tekoälyn avulla sen sijaan, että tekoälyä käytettäisiin pelkästään kustannusten leikkaamiseen?

Kyllä. Säästöt roolin poistamisesta on helppo kirjata taulukkoon. Sen henkilön tiedon, suhteiden ja harkinnan arvo on paljon vaikeampi tallentaa. Säästöt näkyvät tällä neljänneksellä. Menetykset voivat kertyä vuosien ajan.

Leikkauksen taustalla oleva oletus on usein myös väärä. Tekoäly tekee tämän päivän työt tehokkaammiksi, ja se myös tuo esiin uutta tehtävää, joka täytyy tehdä. Näemme, että tiimit tasapainottavat uudelleen, ja ihmiset siirtyvät eri tehtäviin sen sijaan, että kokonaisia toimintoja leikattaisiin.

Koulutusmääräys on työkuormapäätös. Yritykset pinovat tekoälykoulutuksen olemassa olevan työn päälle, ja tulkitsevat koulutuksen vähäisen loppuun suorittamisen motivaatio‑ongelmaksi. Sijoitus, jonka ne ohittavat, on se, joka ei koskaan päädy budjettiin. Päätetään, mikä työ lopetetaan, supistetaan tai siirretään tilan vapauttamiseksi, ja nimetään, kuka on sen hyväksynyt. Oppiminen vie aikaa. Sen soveltaminen vie vielä enemmän, koska ihmiset joutuvat testaamaan tuntemattomia työkaluja, tarkistamaan tulokset ja muuttamaan tapaa, jolla he ovat aina työskennelleet.

Vastaus ei ole toinen kohta listalla. Kun tiimi asetetaan käynnissä olevaan projektiin, oppiminen tapahtuu työn sisällä.

Indeksi tunnistaa myös “Devaluation Anxiety” –huolen, joka heijastaa huolia siitä, mitä työntekijöille tapahtuu, kun tekoäly kykenee suorittamaan yhä arvokkaampia osia heidän työtehtävistään. Kuinka suuri osa siitä, mitä johtajat kutsuvat tekoälyn vastustukseksi, on itse asiassa järkevää huolta uran arvosta, ja mitä johtajien tulisi tehdä eri tavalla näiden järjestelmien käyttöönotossa?

Suurin osa siitä on järkevää. Työntekijät kuulevat tekoälyn tehokkuudesta yhdessä tiedotteessa ja irtisanomisista seuraavassa. He tekevät omat johtopäätöksensä.

Johto käsittelee ne erillisinä viesteinä. Tiimit eivät. Ne suorittavat koulutuksen, mutta pidättäytyvät kokeiluista, jotka olisivat tehneet siitä hyödyllisen.

Rauhoittaminen ei korjaa tilannetta. Johtajien on kerrottava, mitä työpaikoista on päätetty, mikä on vielä epävarmaa ja millaista tukea ihmiset voivat odottaa.

Sama pätee myös hyötyyn. Yritykset määrittelevät, mitä liiketoiminta odottaa tekoälyltä, mutta jättävät työntekijän puolen tyhjäksi. Jos joku nopeutuu, mitä hän siitä saa? Mahdollisuus parempaan työhön, urakehityspolku, takaisin saatu aika? Tämä kuuluu käyttöönotto‑suunnitelmaan.

Johtajat pyytävät tiimejään työskentelemään eri tavalla tekoälyn kanssa. Tiimit odottavat, että johtajat tekevät sen ensin.

Toinen havaitsemasi malli on “aktiivinen inertia”, jossa organisaatiot käyttävät tekoälyä nopeuttaakseen olemassa olevia prosesseja muuttamatta niitä perusteellisesti. Millainen aito tekoälyyn perustuva työnkulun uudelleensuunnittelu näyttää, ja voitko antaa esimerkin siitä, miten vanhan prosessin nopeuttaminen eroaa prosessin uudelleenrakentamisesta sen ympärille, mitä tekoäly nyt mahdollistaa?

Useimmat yritykset suuntaavat tekoälyn siihen, mikä on helpoin automatisoida, mikä on usein työ, jonka ei pitäisi olla olemassa alun perinkään. Raportit valmistuvat nopeammin. Hyväksynnät etenevät samalla tahdilla kuin ennen. Tämä on aktiivista inertiaa.

Uudelleensuunnittelussa päätetään etukäteen, mitä tekoälymallit tekevät ja mistä tiimi vastaa. Työ rakennetaan tämän pohjalta sen sijaan, että vanha rakenne perittäisiin sellaisenaan.

Ota viikoittainen raportti. Nopeampi versio antaa tekoälyn laatia sen, ja samat ihmiset tarkistavat saman asiakirjan samassa aikataulussa. Uudelleenrakennettu versio kysyy, mihin raportti on tarkoitettu. Jos se on olemassa, jotta joku voi havaita ongelmat varhaisessa vaiheessa, järjestelmä voi merkitä ongelman heti kun se tapahtuu, ja raportti katoaa.

Olet kirjoittanut, että “arvo on kyvykkyys kertaa omaksuminen” ja väittänyt järjestelmien puolesta pelkkien ohjelmistojen sijaan. Kun edistyneimmät mallit muuttuvat yhä enemmän vakiotuotteiksi ja ovat kaikkien saatavilla, voisiko organisaation kyky omaksua ja järjestäytyä tekoälyn ympärille muodostua kestävämmäksi kilpailueduksi kuin itse mallien saatavuus?

Kyllä. Mallien käyttöönotto on helppoa verrattuna työtapojen muuttamiseen niiden ympärillä. Ne saapuvat poikkeuksellisella voimalla, ja niiden hinta laskee joka neljännes. Samat mallit ovat kenelle tahansa saatavilla. Mitä et voi ostaa, on ainutlaatuinen konteksti yrityksessä ja tiimit, jotka ovat valmiita hyödyntämään ne täysimääräisesti.

Se, mitä kutsumme “vastaanottokapasiteetiksi”, on vanha käsite. Se on tiimin kyky ottaa vastaan jotain uutta ja ottaa se käyttöön, ja se koostuu päätösvaltuuksista, kannustimista, työnkulusta, työnkuvasta ja riittävästä luottamuksesta, että ihmiset kertovat, mikä meni pieleen. Mitään näistä ei voi vuokrata.

Kuvaan arvoa kyvykkyytenä kertaa omaksuminen, koska ne kertautuvat. Niitä ei lasketa yhteen. Loistava malli, joka pudotetaan organisaatioon, joka ei pysty omaksumaan sitä, on virheetön osa, joka on kiinnitetty epäonnistuneeseen tiivisteeseen. Kyvykkyys on todellinen. Tuotto on silti nolla.

Agenttipohjainen tekoäly tuo toisen kerroksen monimutkaisuutta, koska järjestelmät voivat yhä enemmän tehdä toimia, käyttää työkaluja ja tavoitella tavoitteita pelkkien vastausten tuottamisen sijaan. Missä yritysten tulisi vetää raja agenttien autonomian ja ihmisen päätöksenteon välillä, ja millaisia uusia hallintorakenteita tarvitaan, kun agenteille annetaan suurempi valta?

Aloita yhdellä kysymyksellä: kuka vastaa, kun agentti tekee virheen?

Määritä raja sen välillä, mitä agentti päättää ja mitä ihminen päättää, ennen kuin mikään otetaan tuotantokäyttöön. Useimmat yritykset löytävät tuon rajan vasta, kun jokin on jo mennyt rikki.

Kun virhe on halpa korjata ja tulee nopeasti näkyviin, anna agentin toimia. Kun päätös muuttaa jonkun ansioita, sitä, säilyttääkö hän työpaikkansa, tai hänen oikeudellista asemaansa, ihminen tekee päätöksen ja agentti valmistelee sen.

Instinkti on keskittää valta. Perusta komitea, kirjoita viitekehys, odota kunnes se tuntuu hallittavalta. Sillä välin, kun ylimmän johdon ohjeistus saavuttaa työn, se on vanhentunutta, ja ihmiset, jotka eivät saa vastausta, alkavat käyttää työkaluja, joita yritys ei ole koskaan hyväksynyt.

Hallinnon on oltava lähellä työtä. Tiimien on tiedettävä, mitä kukin agentti voi päättää, kuka on vastuussa ja miten se pysäytetään. He tarvitsevat myös kirjanpidon siitä, mitä se on tehnyt.

Organisaatiokaaviota ei koskaan rakennettu agenteille, jotka toimivat yli toimintorajojen, joten mikään yksittäinen toiminto ei vastaa epäonnistumisesta. Ratkaiskaa tämä ennen käyttöönottoa, ei sen jälkeen.

Kun tarkastelemme tulevaisuutta, jos suurimmat rajoitteet yritysten tekoälylle muuttuvat yhä enemmän organisaation tasoisiksi eikä teknisiksi, miten odotat yritysten itse muuttuvan? Mitkä nykyisen organisaatiokaavion, johtamisrakenteen, työnkuvan ja päätöksentekoprosessien osat selviävät vähiten todennäköisesti siirtymässä kohti organisaatioita, jotka rakentuvat ihmisten ja tekoälyagenttien yhteistyön ympärille?

Toiminnallinen organisaatiokaavio on vähiten todennäköisesti selviytyvä. Useimmat yritykset toimivat edelleen funktionaalisesti, jossa työ siirtyy osastolta toiselle ja jokaisessa vaiheessa on hyväksyntä. Tekoäly tuottaa työn minuuteissa, kun taas sen ympärillä olevat hyväksynnät kestävät viikkoja. Johtajilta odotetaan nopeampaa toimintaa järjestelmissä, jotka on rakennettu hidastamaan asioita.

Kyseinen kaavio rakennettiin ihmisille, jotka luovuttavat työtä ihmisille, ei päätöksille, jotka jaetaan ihmisten ja agenttien välillä.
Komitea ei ratkaise tätä.

Se, mikä korvaa kaavion, näyttää pieniltä tiimeiltä, jotka on järjestetty ongelman ympärille. Johtaja nimeää ratkaistavan ongelman, päättää, mitä on oltava totta sen ratkaisemiseksi, ja asettaa tiimin ihmisiä ja agenteja siihen. Tämä tiimi saa oman rahoituksen ja suojan, koska se ei voi toimia samalla tavalla kuin muu liiketoiminta. Tiimin jäsenet tekevät harkintapäätökset ja vastaavat siitä, mitä agentit tuottavat.

Sähkömoottorit saapuivat amerikkalaisiin tehtaisiin 1880-luvulla, mutta tuottavuushyödyt näkyivät vasta 1920-luvulla. Aluksi tehtaat sijoittivat yhden suuren moottorin höyrykoneen paikalle, käyttivät samoja voimansiirtoakselistoja ja jättivät jokaisen koneen entiselle paikalleen. Hyödyt syntyivät, kun jokainen kone sai oman moottorinsa ja tuotantotilat järjestettiin työn tarpeiden mukaan.

Uudelleenjärjestely oli vallankumous.

Kiitos hienosta haastattelusta. Lisätietoa haluavat lukijat voivat käydä Andus Labsin sivustolla tai tutustua Ground Truth Indexiin.