Tekoäly tekee päätöksiä minuutti minuutilta. Hallintaa ohjataan yhä neljännesvuosittain

Tekoälyavusteinen järjestelmä voi vaikuttaa satoihin operatiivisiin päätöksiin ennen kuin ohjausryhmä on edes sopinut seuraavan kokouksensa ajankohdasta. Neljännesvuosittaisten tarkastelujen ympärille rakennettua hallintaa ei ole koskaan suunniteltu näin nopeaan toimintaan, ja juuri tästä ristiriidasta monet yritysten tekoälyohjelmat alkavat kärsiä.

Käytämme valtavasti aikaa siihen, että keskustelemme siitä, mitä malleja otetaan käyttöön. Gartner kuitenkin ennustaa, että organisaatiot luopuvat vuoteen 2026 mennessä 60 %:sta sellaisia tekoälyhankkeita, joita ei tueta tekoälyvalmiilla datalla. Useimmilla yritysten tekoälyhankkeiden epäonnistumisilla on hyvin vähän tekemistä itse mallin kanssa. Ne johtuvat perustavammasta ongelmasta: organisaatioilla ei ole luotettavaa ja yhtenäistä käsitystä omasta liiketoiminnastaan.

”Tekoälyvalmiin” datan piilevät kustannukset

Useimmat yritykset aliarvioivat, kuinka paljon työtä vaaditaan datan omistajuuden, hallinnan, luotettavuuden ja asiayhteyden varmistamiseen. Harvat investoivat eri toimintojen väliseen asiantuntemukseen ja toimintamalliin, joita tarvitaan sellaisten hallintamallien rakentamiseen, jotka tarjoavat läpinäkyvyyden, selitettävyyden ja vastuuvelvollisuuden, joita tekoälyn vieminen kokeiluvaihetta pidemmälle edellyttää.

Kehotan asiakkaita tekemään yksinkertaisen testin. Pystyykö organisaatio selittämään selkeästi, kuka omistaa datan, miten se liittyy liiketoimintaprosesseihin, millä valvontakeinoilla sen käyttöä ohjataan ja kuka kantaa viime kädessä vastuun tekoälyn avustamista päätöksistä? Jos ei, tekoälyhankkeet tuskin onnistuvat riippumatta siitä, kuinka paljon organisaatio investoi alustoihin, infrastruktuuriin tai malleihin.

Yrityksen tekoälyn käyttöönoton ensimmäisenä askeleena pitäisi olla investointi hallintakäytäntöihin ja käytännönläheiseen toimintamalliin, joka määrittää selkeästi omistajuuden, vastuuvelvollisuuden ja päätösvallan. Näen kuitenkin, että useimmat organisaatiot toimivat päinvastoin: ne ottavat käyttöön malleja ja infrastruktuuria ennen kuin rakentavat perustan, jota tekoälyn laajamittainen käyttö edellyttää.

Tekoälyn avustamat päätökset eivät kuitenkaan perustu vain yksittäisiin datapisteisiin, vaan ne riippuvat myös siitä, ymmärretäänkö, miten tieto liittyy liiketoimintaprosesseihin, käytäntöihin, omistajuuteen ja toimintaympäristöön. Kun nämä yhteydet ovat hajanaisia, organisaatioiden ei pitäisi yllättyä, jos tekoälyn suositukset ovat epäjohdonmukaisia.

Kun tekoälysovelluksissa tapahtuu läheltä piti -tilanteita tai epäonnistumisia tai ne antavat keskenään ristiriitaisia suosituksia, olennaiset kysymykset koskevat organisaatiota, eivät tekniikkaa. Kuka omistaa datan? Kuka vastaa päätöksestä? Kuka voi ohittaa tekoälyn suosituksen? Miten poikkeamat viedään eteenpäin? Jos näihin kysymyksiin ei ole vastauksia, yritykset voivat päätyä luomaan automaatiota ilman vastuun kantamista.

Luottamus rakennetaan ennen käyttöönottoa

Luottamus tekoälyyn syntyy jo kauan ennen kuin yhtäkään mallia otetaan käyttöön. Tehokas hallinta edellyttää teknologian, liiketoimintojen, riskienhallinnan, lakiasioiden, vaatimustenmukaisuuden ja tietoturvan välistä yhteistyötä, sillä tekoälyjärjestelmät toimivat organisaatiorajojen yli, vaikka vastuu jää usein siiloutuneeksi. Monet tekoälyn syyksi luetut hallinnan haasteet ovat oireita vanhemmista datan omistajuuteen ja päätösvaltaan liittyvistä ongelmista, jotka teknologia on vain tuonut esiin.

Useimmilla organisaatioilla on jo hallintakäytäntöjä, kuten tietoturvakäytäntöjä, vaatimustenmukaisuuden viitekehyksiä ja hyväksyntäprosesseja. Niiltä kuitenkin usein puuttuu kokonaiskuva siitä, miten nämä osat liittyvät toisiinsa.

Luottamus kasvaa, kun sidosryhmät ymmärtävät suositusten perusteet, luottavat niiden taustalla olevaan dataan ja tietävät, että asianmukaiset valvontakeinot ja poikkeamien eskalointimenettelyt ovat käytössä. Mitään tästä ei voi lisätä jälkikäteen välikohtauksen jälkeen.

Kun neljännesvuosittainen hallinta kohtaa minuutti minuutilta tehtävät päätökset

Perinteiset hallintamallit perustuvat määräajoin tehtäviin tarkasteluihin, ohjausryhmiin ja jälkikäteiseen raportointiin. Tekoälyavusteiset järjestelmät tuottavat suosituksia jatkuvasti ja laajassa mittakaavassa. Nykyiset viitekehykset eivät ole vääränlaisia, mutta ne ovat liian hitaita ja irrallaan operatiivisesta päätöksenteosta. Neljännesvuosittainen tarkastelusykli ei pysty ohjaamaan päätöksiä, joita tehdään joka tunti joka päivä.

Eniten menestystä näen organisaatioissa, jotka sisällyttävät hallinnan suoraan operatiivisiin työnkulkuihin käytäntöjen toimeenpanon, hyväksyntäprosessien, valvonnan, auditoitavuuden ja ihmisen suorittaman valvonnan avulla. Ne ovat sitoutuneet siirtymään määräajoin tapahtuvasta jatkuvaan hallintaan, jotta ne voivat nähdä reaaliajassa, mitä dataa käytetään, mihin päätöksiin vaikutetaan, kuka on vastuussa ja milloin tarvitaan ihmisen väliintuloa.

Jatkuva hallinta on muutakin kuin tekoälyn tuotosten valvontaa. Se tarkoittaa sen ymmärtämistä, mitä tietoa tekoäly käyttää, onko tieto yhä pätevää ja ovatko päätökset edelleen liiketoiminnan käytäntöjen ja tavoitteiden mukaisia.

Tekoäly on eri mieltä itsensä kanssa

Suurissa organisaatioissa sovitetaan jo nyt päivittäin yhteen keskenään kilpailevia tavoitteita. Tietoturvatiimit haluavat vähentää riskejä, operatiiviset tiimit haluavat vakautta, liiketoimintatiimit haluavat nopeutta ja taloustiimit kustannustehokkuutta. Sitten mukaan tulevat tekoälyjärjestelmät, joita on koulutettu erilaisilla aineistoilla ja tavoitteilla ja jotka luonnollisesti heijastavat näitä painotuksia.

Tietoturvan tekoälyjärjestelmä voi suositella kriittisen haavoittuvuuden välitöntä korjaamista, mutta operatiivinen tiimi lykkää muutosta, koska haavoittunut järjestelmä tukee liiketoiminnalle kriittistä palvelua. Molemmat näkemykset voivat olla perusteltuja. Näiden ristiriitojen ratkaiseminen edellyttää selkeää päätösvaltaa, määriteltyä riskien omistajuutta ja sovittuja eskalointipolkuja.

Tekoälyn tulisi tarjota dataa, kontekstia ja suosituksia, mutta vastuun liiketoimintaan, toimintaan ja riskeihin liittyvien näkökohtien tasapainottamisesta on säilyttävä organisaatiolla.

Skeptisyyden käsitteleminen ristiriitojen tullessa esiin

Kun tekoäly antaa ristiriitaisen suosituksen, on selvää, että liiketoiminnassa siihen suhtaudutaan jatkossa epäillen. Luottamus rakentuu uudelleen, kun sidosryhmät ymmärtävät, miksi suositus annettiin, mitä tietoja sen tekemisessä käytettiin ja kuka on edelleen vastuussa lopputuloksesta.

Tekoäly tuo usein esiin tietojen laatuun liittyviä ongelmia, epäselvyyksiä vastuunjaossa ja prosessien epäjohdonmukaisuuksia, joita organisaatiossa oli jo ennestään. Näiden tilanteiden käsitteleminen mahdollisuuksina parantaa hallintoa ja toimintatapoja on huomattavasti tuloksellisempaa kuin teknologian puolustaminen. Ajan mittaan luottamus ansaitaan avoimuudella, johdonmukaisuudella ja osoitettavissa olevilla liiketoiminnan tuloksilla.

Luotettavan tietopohjan rakentaminen

Keskustelussa tekoälyvalmiudesta keskitytään yleensä malleihin, infrastruktuuriin ja työkaluihin. Käytännössä parhaiten menestyvät organisaatiot panostavat johonkin perustavanlaatuisempaan: luotettavaan tietopohjaan. Se tarjoaa liiketoiminnan kontekstin, joka selittää, miten tiedot liittyvät prosesseihin, käytäntöihin, vastuunjakoon ja operatiivisiin päätöksiin. Näin tekoäly saa vahvemman perustan suosituksille, joita organisaatiot voivat ymmärtää, hallita ja joihin ne voivat luottaa.

Edistyneinkään tekoälymalli ei pysty korvaamaan heikkoa tiedonhallintaa, epäselvää vastuunjakoa tai puutteellista liiketoiminnan kontekstia. Organisaatioiden on rakennettava konteksti, hallintamallit, organisaation yhteinen muisti ja päätöksenteon älykkyys, joita tarvitaan tekoälyn vastuulliseen ja tehokkaaseen käyttöön laajassa mittakaavassa.

Tämä työ etenee hitaammin ja näkyy vähemmän kuin uuden mallin käyttöönotto, mutta se ratkaisee viime kädessä, tuottaako malli liiketoiminnalle kestävää arvoa.