Sam Jenkins, Punchcard Systemsin johtava kumppani – Haastattelusarja

Sam Jenkins, Punchcard Systemsin johtava osakas, on työskennellyt yli kaksi vuosikymmentä teknologian, yrittäjyyden ja organisaatioiden uudistamisen parissa. Hän oli perustamassa Punchcard Systemsiä vuonna 2016 ja on sittemmin ohjannut sen kasvua sekä neuvonut organisaatioita digitaalisen työympäristön strategiassa, räätälöidyissä ohjelmistoissa, tekoälyssä ja uusissa teknologioissa. Aiemmin hän oli mukana perustamassa Startup Edmontonia ja Wellnextiä, johti liiketoiminnan kehitystä ja Microsoftin (MSFT ) työympäristöteknologioihin liittyviä hankkeita iomer internet solutionsissa sekä toimi johto- ja hallitustehtävissä teknologian, terveydenhuollon, yleisen turvallisuuden ja yhteisötoiminnan organisaatioissa. Tämä tausta on antanut hänelle laajan näkökulman siihen, miten teknologia muuttaa yhteistyötä, päätöksentekoa ja työn tekemistä.

Punchcard Systems on kanadalainen ohjelmisto- ja teknologiakumppani, joka suunnittelee, kehittää ja toteuttaa kasvuyrityksille ja keskisuurille yrityksille mitattaviin liiketoimintatavoitteisiin kytkeytyviä digitaalisia ratkaisuja. Se palvelee yli 150 asiakasta Kanadassa ja Yhdysvalloissa. Osaamiseen kuuluvat räätälöidyt verkko- ja mobiiliohjelmistot, tekoäly, pilvi-infrastruktuuri, data ja analytiikka, käyttäjäkokemuksen suunnittelu sekä Microsoft 365:n, Azuren, Copilotin, Teamsin, SharePointin ja Power Platformin kaltaiset työympäristöteknologiat. Punchcard auttaa uudistamaan toimintaa, parantamaan työntekijä- ja asiakaskokemusta sekä yhdistämään uusia teknologioita käytännön liiketoimintaprosesseihin.

Urasi on seurannut työympäristöteknologian kehitystä SharePoint-pohjaisista henkilöstöalustoista ja Startup Edmontonin perustamisesta Wellnextiin ja lopulta Punchcard Systemsiin. Miten kokemus on muovannut näkemystäsi siirtymästä työntekijöiden itse käyttämistä ohjelmistoista tekoälyagentteihin, jotka tekevät yhä enemmän työtä heidän puolestaan?

Kun aloitin SharePointin kaltaisten digitaalisten työympäristöjen parissa vuonna 2003, tavoitteena oli auttaa työntekijöitä löytämään tietoa, jakamaan osaamista ja tekemään yhteistyötä paremmin. Lopulta työn teki silti työntekijä: hän liikkui järjestelmissä ja tuotti tulokset. Nyt siirrymme henkilökohtaista tuottavuutta parantavista tekoälytyökaluista agenttimaiseen tekoälyyn, jossa järjestelmät voivat tehdä työntekijöiden puolesta monimutkaisempia, monivaiheisia tehtäviä.

Juuri tämä muuttuu. Koko alan ekosysteemi siirtyy henkilökohtaisista tuottavuustyökaluista agenttijärjestelmiin, jotka tekevät vaativaa työtä ihmisten puolesta. Claude Cowork ja ChatGPT Work tuovat tätä toimintatapaa valtavirtaan.

Olen nähnyt jo useita tällaisia teknologiamurroksia, ja sama kaava toistuu. Menestyvät organisaatiot eivät pidä uutta teknologiaa vain käyttöönottohankkeena. Ne näkevät sen mahdollisuutena ajatella uudelleen ihmisten, prosessien ja teknologian yhteistyötä.

ChatGPT Work voi kerätä tietoja yhdistetyistä sovelluksista ja tiedostoista, tehdä monivaiheisia toimeksiantoja sekä tuottaa valmiita asiakirjoja, taulukoita ja esityksiä. Miten tämä muuttaa tietotyöntekijöiden päivittäisiä vastuita, kun he ovat aiemmin tehneet nämä aineistot itse?

Työ siirtyy mielestäni tuotosten tekemisestä lopputulosten ohjaamiseen. Se muuttaa tietotyöntekijän roolia perusteellisesti, mutta ei poista ihmisen näkemyksen ja valvonnan tarvetta. Sen sijaan että työntekijä tekisi kaiken itse, hän yhä enemmän hallinnoi, tarkistaa ja koordinoi tekoälyn tuottamaa työtä.

Suuri osa toistuvasta työstä siirtyy agentille: tietojen kerääminen, esitysten ja asiakirjojen laatiminen sekä datan tiivistäminen. Ihmisille vapautuu aikaa strategiaan, luovuuteen, kriittiseen ajatteluun ja yhteistyöhön, joissa ihmistä todella tarvitaan.

Yhä arvokkaammaksi tulee taito ohjata tekoälyä hyvin, antaa sille oikea konteksti ja tunnistaa vastaus, joka näyttää oikealta mutta ei ole sitä.

Olet puhunut kasvavasta tarpeesta tekoälystä vastaaville johtajille. Mitä tällainen rooli käytännössä sisältäisi, ja miten se eroaisi IT-ylläpitäjän, tuotepäällikön tai perinteisen esihenkilön tehtävistä?

Tekoälystä vastaavilla johtajilla on tärkeä rooli vastuullisessa ja tehokkaassa käyttöönotossa. He hallinnoivat ja valvovat tekoälyn tuotoksia sekä varmistavat, että työ on täsmällistä, luotettavaa ja liiketoiminnan tavoitteiden mukaista.

Tehtävä eroaa perinteisestä IT:stä, joka vastaa infrastruktuurista ja teknisistä järjestelmistä, sekä tuotepäälliköstä, joka keskittyy tuotteiden kehittämiseen. Jokainen osasto tarvitsee henkilön, joka ymmärtää tekoälyn soveltamisen omalla alallaan, oli kyse taloudesta, juridiikasta, henkilöstöstä tai operatiivisesta toiminnasta.

Todellinen muutos koskee vastuun omistajuutta. Useimmat organisaatiot eivät vielä ole nimenneet ketään selvästi vastuuseen siitä, tuottavatko järjestelmät arvoa ja pysyvätkö riskit hyväksyttävissä rajoissa. Näillä rooleilla täytetään juuri tämä suoran henkilökohtaisen vastuun aukko.

KPMG Canada havaitsi, että tekoälyagentit vaikuttavat jo sekä aloittelevien että kokeneiden työntekijöiden rekrytointiin. Mitkä taidot korostuvat, kun työnantajat arvioivat kykyä delegoida työtä tekoälylle, arvioida sen tuloksia ja puuttua tarvittaessa toimintaan?

Yhä arvokkaampia ovat ihmiselle ominaiset taidot: kriittinen ajattelu, harkinta, viestintä, luovuus, ongelmanratkaisu ja johtaminen.

Tekninen tekoälyosaaminen on edelleen tärkeää, mutta työnantajat etsivät ihmisiä, jotka ymmärtävät tekoälyn paikan laajemmassa liiketoimintaympäristössä. Tähän kuuluvat muutosjohtaminen, riskienhallinta ja strateginen ajattelu.

Teknisten ja muiden roolien raja hämärtyy. Organisaatiot eivät enää palkkaa vain jo olemassa olevien taitojen perusteella, vaan etsivät halua oppia, mukautua ja kehittää osaamista jatkuvasti. Arvokkaimmat työntekijät hyödyntävät tekoälyä ja ymmärtävät samalla, missä ihmisen harkinta on välttämätöntä.

Monet työntekijät ovat perinteisesti kehittäneet ammatillista harkintaa toistuvissa uran alkuvaiheen tehtävissä. Jos agentit hoitavat suuren osan tästä perustyöstä, miten koulutusta ja urakehitystä tulisi muuttaa, jotta nuoremmat työntekijät saavat päätöksentekoon tarvittavan kokemuksen?

Tämä huolestuttaa minua hieman. Harkinta ja kokemus ovat karttuneet uran alkuvaiheen tehtäviä tekemällä. Jos agentit tekevät ne, uratikkailta katoaa muutama askelma.

Organisaatioiden on kehitettävä nuoria osaajia aiempaa suunnitelmallisemmin mentoroinnilla, valmennuksella, päätöksentekoharjoituksilla ja päästämällä heidät aiemmin urallaan mukaan arvokkaampiin hankkeisiin.

Myös käänteinen mentorointi tarjoaa mahdollisuuden. Tekoälytyökalut paremmin tuntevat nuoremmat työntekijät voivat auttaa tiimejä niiden soveltamisessa, kun kokeneet työntekijät tuovat liiketoiminnan kontekstin ja harkinnan, joita tekoäly ei pysty jäljittelemään.

Tavoitteena tulee olla oppimisen uudistaminen työpaikassa, jossa ihmiset ja tekoäly toimivat yhdessä.

Punchcardilla on paljon kokemusta Microsoft 365:n ja siihen liittyvien työympäristöteknologioiden käyttöönotosta. Miten ChatGPT Work muuttaa Microsoft Copilotin ja Google Geminin kilpailuasetelmaa, ja mitä organisaatioiden tulee huomioida valitessaan tekoälyalustaa päivittäiseen työhön?

Markkina kehittyy nopeasti ja vaihtoehtoja on enemmän kuin koskaan. Valinnan tulee perustua siihen, mikä sopii parhaiten nykyiseen teknologiaympäristöön, työnkulkuihin, tietoturvavaatimuksiin ja liiketoimintatavoitteisiin.

Microsoft 365:een jo investoineille Copilotin kaltaiset työkalut voivat tarjota etuja nykyisten sovellusten ja datan integraation kautta. Toisille jokin muu alusta sopii paremmin.

Johtajien tärkein kysymys ei mielestäni ole ”mikä työkalu”, vaan ”mitä ongelmaa ratkaisemme ja mikä alusta auttaa ratkaisemaan sen vastuullisesti”.

Olemme oppineet käytännössä, että onnistuminen edellyttää muutakin kuin työkalua. Olemme ottaneet koko yrityksessä käyttöön tekoälyalustoja ja omaan työhömme sovitettuja malleja. Jokainen työntekijä käyttää niitä. Se ei kuitenkaan seurannut vain oikeasta tuotevalinnasta, vaan vahvasta tietopohjasta, hallintamallista ja tekoälyn sisällyttämisestä yrityksen toimintaan.

Työpaikkojen tekoälykeskustelua hallitsee usein mallien suorituskyky, mutta myös käyttöoikeudet, tiedonsaanti, jäljitettävyys ja vastuu on huomioitava. Mitkä hallintakeinot tarvitaan ennen kuin agentti saa toimia sähköpostissa, asiakirjoissa, sisäisissä tietokannoissa ja liiketoimintasovelluksissa?

Yksi suurimmista näkemistäni virheistä on tekoälyn hallinnan jättäminen jälkikäteen mietittäväksi. Kun järjestelmät muuttuvat kyvykkäämmiksi ja liittyvät yritysdataan, käytön selkeät periaatteet on määritettävä ennen laajentamista.

Aluksi on ymmärrettävä, mihin tietoihin järjestelmät pääsevät, rajattava oikeudet asianmukaisesti ja luotava seurannan sekä vastuun käytännöt.

Tarvitaan myös selkeät ohjeet siitä, missä tekoäly voi toimia itsenäisesti ja missä vaaditaan ihmisen valvontaa.

Kun datan ja turvallisuuden perusta rakennetaan etukäteen, tekoälystä saadaan arvoa samalla kun kasvavan autonomian riskejä hallitaan.

Kun agentit vastaamisen sijasta toimivat, virheillä voi olla operatiivisia seurauksia. Miten yritysten tulisi tarkistaa agenttien työ, päättää ihmisen hyväksyntää vaativista toimista ja määrittää vastuu väärästä tuloksesta tai tahattomasta toiminnasta?

Riskiprofiili muuttuu, kun tekoäly siirtyy vastauksista tekoihin. Kaikkien tehtävien panokset eivät ole samat, joten ihmisen hyväksynnän vaatimusten tulee vastata lopputuloksen merkitystä.

Tarvitaan selkeä vastuutaho. Tekoälyn tulee tukea päätöksentekoa, ei korvata vastuuta. Organisaation on määritettävä, kuka seuraa suorituskykyä, tarkistaa tuotokset ja kantaa lopullisen vastuun tuloksista. Tavoitteena on yhdistää tekoälyn tehokkuus ihmisen harkintaan niin, että järjestelmät ovat sekä skaalautuvia että luotettavia.

Monet organisaatiot kokeilevat tekoälyä yhdistämättä käyttöä vielä mitattaviin liiketoimintatuloksiin. Miten johtajien pitäisi tunnistaa kannattavat agenttien käyttökohteet, mitata tuotto ja päättää, milloin pilotti on valmis laajennettavaksi?

Ongelma juontuu yleensä asioiden järjestyksestä. Tiimi valitsee ensin teknologian ja etsii sille käyttöä. Kestävät hyödyt syntyvät, kun aloitetaan jo valmiiksi hankalasta ja kalliista työnkulusta ja kysytään, onko agentti siihen todella oikea väline.

Paras valintaperuste on vaihtelu. Jos prosessi on riittävän ennakoitava sääntökoneelle, agenttia ei tarvita. Jos se on niin avoin, ettei kukaan osaa kuvata hyvää lopputulosta, agentti joutuu tehtävässä vaikeuksiin eikä siihen voi luottaa. Arvo löytyy välistä: useiden järjestelmien yli harkintaa vaativasta työstä, joka tapahtuu silti rajattujen ja auditoitavien sääntöjen sisällä.

Lisäisin yhden seulontakysymyksen, joka vaikuttaa riskiin enemmän kuin mikään muu: ovatko väärän toimen kustannukset rajalliset ja onko toimi peruttavissa? Jos ovat, agentti voi toimia nopeasti. Jos virhe on kallis tai vaikea perua, ihminen tulee pitää päätöksenteossa mukana.

Tuottoa arvioitaessa yleinen virhe on mitata väärää asiaa liian myöhään. Säästetyt tunnit ovat oletusmittari, mutta ne aliarvioivat vaikutusta. Suurempi tuotto näkyy läpimenoajan lyhenemisenä, virheiden vähenemisenä ja aiemmin rajallisen kapasiteetin vapautumisena. Tukitiimin toiminta muuttuu olennaisesti, kun se pystyy käsittelemään kaikki pyynnöt aiemman puolikkaan sijasta. Mittaa lähtötilanne luotettavasti ennen pilottia, muuten keskustelu jää yksittäisten kokemusten varaan. Laske kustannuksiin kokonaisuus: integraatiotyö ja ihmisen valvontaan käyttämä aika ovat todellisia menoja, ja valvontaa aliarvioidaan jatkuvasti.

Laajentamispäätös vaatii eniten kurinalaisuutta, mutta siinä tiimit kiirehtivät. Siisteillä syötteillä toimiva demo kertoo vähän. Pilotti on valmis, kun se kestää todellisten, sotkuisten syötteiden harvinaisetkin tapaukset, virhetilanteet tunnetaan ja on rajattu, seuranta havaitsee hiljaiset virheet ennen asiakasta ja nimetty henkilö vastaa toiminnasta tuotannossa.

Tarkista myös yksikkötalous, sillä agentin kulut kasvavat käytön mukana eri tavalla kuin ohjelmiston käyttäjäpaikkojen kustannukset.

Agenttijärjestelmät epäonnistuvat eri tavalla kuin perinteinen ohjelmisto: todennäköisyyksiin perustuen ja usein huomaamatta. Edelle pääsevät organisaatiot rakentavat arvioinnin ja seurannan mukaan ensimmäisestä päivästä lähtien, eivät vasta ongelman jälkeen.

Punchcard auttaa siirtymään kokeiluista tekoälyn liittämiseen todellisiin liiketoimintaprosesseihin. Miten arvioitte valmiuden, tunnistatte mitattavaa arvoa tuottavat työnkulut ja autatte toteuttamaan järjestelmät vastuullisesti häiritsemättä nykyistä toimintaa?

Aluksi täytyy ymmärtää organisaation nykytila. Yksi suurimmista harhaluuloista on, että tekoälyn käyttöönotto tarkoittaa vain oikean työkalun valintaa. Onnistuminen riippuu vahvasta perustasta: laadukkaasta datasta, selkeistä prosesseista ja määritetyistä vastuista.

Sen jälkeen autamme tunnistamaan, missä tekoäly luo eniten arvoa. Usein kyse on työnkuluista, joihin kuluu vaikutukseen nähden kohtuuttomasti aikaa, tai päätöksistä, joita tehdään ilman tarvittavia tietoja.

Organisaation täytyy miettiä, miten roolit ja päätöksenteko kehittyvät teknologian rinnalla. Kun oikea teknologia yhdistetään henkilöstön käyttöönottoon ja muutosjohtamiseen, tekoäly voidaan integroida mitattavaa arvoa tuottavasti rikkomatta sitä, mikä jo toimii.

Kiitos haastattelusta. Lisätietoja löytyy Punchcard Systemsin verkkosivustolta.