Jos ”tekoälyn käyttöönotto ei etene”, mitä se oikeastaan tarkoittaa?
”Tekoälyn käyttöönotto ei etene.” Voit kuulla sen johtoryhmän kokouksessa tai tiimipalaverissa – tai sanoa sen siellä ehkä itse – mutta mitä se tarkoittaa?
Baronan palveluratkaisujen liiketoimintajohtaja Henrik Rantala on kuullut sen keskusteluissa viimeisen vuoden aikana useamman kerran.
– Olemme huomanneet, että lause voi tarkoittaa aivan erilaisia asioita. Ongelmat tekoälyn käyttöönotossa voivat syntyä datan laadusta, puuttuvista toimintatavoista tai työntekijöiden vaikeuksista soveltaa saatavilla olevia työkaluja omiin työtehtäviinsä, Rantala taustoittaa.
Siksi voi olla hankala hahmottaa, mitä käytön edistämiseksi pitäisi tehdä.
– Tämä on vielä kypsymätön ja pirstaleinen alue. Yritykset etsivät tapoja ratkaista tätä, ja monissa sitä tehdään oman toimen ohella niin johtaja- kuin asiantuntijatasolla, Rantala sanoo.
Tekoälyn käyttöönotto on kerroksellinen kokonaisuus, jota organisaation eri puolilla ja erilaisissa rooleissa toimivat ihmiset katsovat kukin omalta kantiltaan.
– Ennen kuin käyttöönottoa voi nopeuttaa tai tehostaa, pitää selvittää, mihin se oikeasti on jäänyt jumiin.
Neljä osa-aluetta, joista yksikään ei toimi yksin
Baronan palveluratkaisujen käymissä keskusteluissa on huomattu, että yritysten AI-implementaatiota viedään läpi neljässä kerroksessa samaan aikaan: 1) data ja teknologia 2) prosessit ja integraatiot 3) osaaminen ja oppiminen 4) kulttuuri ja asenne.
Nämä eivät ole järjestyksessä tai portaita, vaan kaikki neljä vaikuttavat lopputulokseen koko ajan. Yksi ja sama organisaatio voi olla yhdessä pitkällä ja toisessa alkutekijöissään.
Lisäksi tekoälyn käyttöönotto etenee eri kerroksissa eri aikaan, joten koko organisaation tasolla ongelmien ja pullonkaulojen nähdään myös liikkuvan.
– Pullonkauloja voi olla eri kohdassa eri aikaan, ja ne voivat siirtyä matkan varrella, kun yhdessä kerroksessa edetään ja toisessa junnataan. Siksi tekoälyn käyttöönotossa pitää aktiivisesti seurata, mikä tekoälyn käyttöä milloinkin jarruttaa, Henrik Rantala näkee.
Kolme ratkaisujen tasoa
Toinen tapa katsoa AI-transformaation etenemistä on kysyä, kenen ja minkä tiimin työpöydälle sieltä nousee päätettäviä tai ratkaistavia asioita.
Organisaatiotasolla ratkaistaan arkkitehtuuri- ja teknologiavalinnat, datahallinta ja tietoturva. Prosessi- ja funktiotasolla toimintatavat ja käyttötapaukset: kuka vastaa mistäkin ja miten työ tehdään. Yksilötasolla se, osaako yksittäinen ihminen soveltaa työkalua omassa tehtävässään.
– Näissäkään ei ole portaita, eivätkä ne jakaudu siististi rooleittain tai kerroksittain. Yksi ihminen voi vastata useammasta tasosta, ja siksikin jarrujen ja esteiden tunnistaminen voi olla vaikeaa ja keskustelu mennä solmuun, Henrik Rantala sanoo.
Selvää kuitenkin on, että tekoälyn käyttöönoton edetessä kaikilla tasoilla ja kaikissa kerroksissa tarvitaan tukea.
Näin tunnistat oman AI-pullonkaulasi
Kun organisaatiossa etsitään työkaluihin liittyviä AI-transformaation pullonkauloja, liikkeelle pääsee kolmella kysymyksellä: Onko työkalu olemassa ja käytettävissä? Onko sovittu, mihin sitä käytetään? Osaako ihminen soveltaa sitä omassa työssään?
Kuvaa tarkennetaan mittaamalla, mutta oikeassa järjestyksessä.
– Ensin katsotaan kattavuus. Kuinka monessa yksikössä työkalut ja ohjeet ylipäätään ovat olemassa. Sitten käyttöfrekvenssi, eli kuinka usein niitä oikeasti käytetään, suhteutettuna työn volyymiin. Vasta sen jälkeen voidaan katsoa, näkyykö käyttö päämittareissa, Henrik Rantala kertoo.
Järjestyksellä on syynsä.
– Pitkällä tähtäimellä kiinnostavaa ei ole käyttöfrekvenssi vaan se, mitä saadaan aikaan laadussa ja tehokkuudessa. Mutta frekvenssi on pakko mitata, koska vain se kertoo, käytetäänkö työkalua niin kuin on tarkoitettu, Rantala sanoo.
Jos kattavuus on heikko, ongelma on muualla kuin käytön tuessa. Jos kattavuus on hyvä mutta käyttö vähäistä, pullonkaula on todennäköisesti yksilötasolla.
Pullonkaula käytön tuessa tai muualla AI-transformaatiossa
Yksi Baronan palveluratkaisujen keskusteluissa havaittu asia on, että vain harvoin yrityksessä otetaan käyttöön tekoälytyökalua niin, että sen käyttöön tarjotaan lähitukea, ei vain koulutuksia.
Erilliset koulutukset harvoin riittävät työkalujen mahdollisuuksien juurruttamista arkeen, jos työntekijät eivät saa apua oman työtehtävänsä äärelle, silloin kun he apua tarvitsevat.
– Tekoälyn lähitukeen olemme lanseeranneet palvelun, jossa yritykset voivat helposti hankkia AI Adoption Specialistin tarjoamaan apua juuri siinä hetkessä, kun työkalu on auki ja jotain pitäisi saada aikaan, Henrik Rantala sanoo.
Mutta jos pullonkaula on muualla kuin osaamisen ja käytön tuen kerroksessa, lähituki ei auta. Silloin tarvitaan toisenlaista tekemistä.
– Me pystymme auttamaan jokaisessa kerroksessa, ja tietysti ensimmäisenä siinä tärkeimmässä asiassa eli pullonkaulojen sijainnin tunnistamisessa. Meihin voi ottaa yhteyttä kaikissa tekoälyn käyttöönoton haasteissa, Rantala kehottaa.
Lue myös: Tekoälyn käyttö pitää juurruttaa – pelkät koulutukset eivät riitä
Lisätietoja palvelusta: AI Adoption – lähituki tekoälyn käyttöönottoon
Jätä yhteydenottopyyntö
Mitä asia koskee?
Kerro tarpeestasi
Valitse aihe tai kirjoita omin sanoin.
Viesti on pakollinen.Yhteystiedot
Viimeiset tiedot ja olet valmis.
Avoimet paikat
Kaikki avoimet työpaikkamme löydät Barona Careersista. Rekisteröidy helposti ja saat suosituksia sinulle sopivista paikoista sekä ilmoituksia uusista työpaikoista!
Open positions
All our open positions are on Barona Careers. Sign up easily and get recommendations for jobs that suit you, plus alerts about new openings!
Viesti lähetetty!
Kiitos yhteydenotostasi. Asiantuntijamme ottaa sinuun yhteyttä pian — yleensä saman tai seuraavan arkipäivän kuluessa.
Lähituki tekoälyn käyttöön ja käyttöönottoon: AI Adoption Specialist
Kun haluat varmistua, että investoinnit ja koulutukset tekoälytyökaluihin juurtuvat yrityksesi arkeen, AI Adoption Specialist -lähitukihenkilön avulla saatte käytännön tuen tekoälyn käyttöön helposti ja kustannustehokkaasti.