Soveltuuko tekoälymuutoksen 70–20–10-sääntö erikokoisiin organisaatioihin?

Yritys B:n noudattama toimintamalli ei syntynyt tyhjiössä. Se perustui Boston Consulting Groupin ja MIT Sloanin tutkimukseen, jossa tarkasteltiin satoja tekoälymuutoksia. Heidän havaintonsa oli selvä: yritykset, jotka saivat tekoälystä todellisia tuloksia, eivät olleet niitä, jotka hankkivat kehittyneimmät työkalut. Ne olivat niitä, jotka investoivat eniten ihmisiinsä.

Mutta kuten aina, asiayhteys on ratkaiseva. Tutkimuksessa tarkasteltiin yrityksiä, joiden tekoälybudjetti oli vähintään 10 miljoonaa dollaria – toisin sanoen yrityksiä, joilla oli omat muutoshankkeisiin keskittyvät tiimit, kehittynyt data-infrastruktuuri ja kokonaiset asiantuntijajoukot.

Enintään 5 000 työntekijän keskisuurille yrityksille rajoitteet ovat perustavanlaatuisesti erilaiset. Monilta puuttuu jopa perusmuotoinen data-infrastruktuuri. Ne hankkivat tekoälyä SaaS-tilauksina, joissa algoritmien kustannukset sisältyvät kuukausimaksuihin. Samat dollarimäärät vaikuttavat erilaisilta, kun käytettävissä on 2 miljoonaa eikä 20 miljoonaa dollaria.

Toimiiko 70–20–10-malli siis edelleen? Vai tarvitsevatko keskisuuret yritykset kokonaan erilaisen toimintamallin?

Mallin avaaminen

70–20–10-sääntö kuvaa pohjimmiltaan sitä, mihin onnistuneissa tekoälymuutoksissa todella käytetään rahaa ja energiaa. Luvut edustavat kohdentamista kolmeen perustavanlaatuiseen osa-alueeseen:

• 70 %: Ihmiset ja prosessit. Tähän kuuluvat muutoksenhallintaohjelmat, tehtäväkohtainen koulutus, työnkulkujen uudelleensuunnittelu, hallintokehykset, viestintäinfrastruktuuri, esihenkilöiden valmennus ja käyttäjätuki. Kyse on epäkiinnostavasta työstä, jossa selkeytetään, kuka omistaa minkäkin asian, miten päätöksenteko muuttuu tekoälyn tullessa mukaan ja mitä kannustimia on muutettava.
• 20 %: Teknologiainfrastruktuuri. Tähän kuuluvat datan valmistelu, integraatiokerrokset, tietoturvakehykset, valvontajärjestelmät ja skaalautuvuusarkkitehtuuri. Se kattaa kaiken, jonka on toimittava ennen kuin tekoälytyökalut voivat todella toimia ympäristössäsi.
• 10 %: Algoritmit ja mallit. Näitä ovat itse tekoälytyökalut – lisenssit, API-kustannukset, mallien hienosäätö ja toimittajan valinta.

Malli perustuu vahvaan dataan. BCG:n tutkimus osoitti, että tätä kohdentamista noudattavat yritykset saavuttivat huomattavasti korkeamman käyttöönottoasteen ja mitattavia tuottavuushyötyjä. MIT Sloan havaitsi, että 70 % tekoälyn arvosta riippuu täydentävistä investoinneista ihmisiin ja prosesseihin, ei teknologian kehittyneisyydestä.

Syynä on se, että tekoälymallit muuttuvat nopeasti yleishyödykkeiksi. Jokainen keskisuuri yritys voi käyttää samoja huippumalleja OpenAI:lta, Anthropicilta tai Googlelta. Organisaation muutoskykyä ei kuitenkaan voi ostaa.

Kyky suunnitella työnkulkuja uudelleen, kouluttaa esihenkilöitä valmentamaan tekoälyn käyttöönottoa ja rakentaa hallintokehyksiä, jotka mahdollistavat toiminnan rajoittamisen sijaan, on ratkaiseva erottava tekijä.

Kun keskisuurten yritysten johtajat tarkastelevat tätä mallia, esiin nousee kuitenkin aiheellinen kysymys: voivatko yritykset, joilla ei ole kehittynyttä data-infrastruktuuria, todella käyttää siihen vain 20 %? Entä organisaatiot, jotka hankkivat SaaS-tekoälytuotteita, joissa algoritmien kustannukset sisältyvät tilausmaksuihin? Toimiiko laskelma edelleen?

Whitney Munro, tekoälymuutoksissa yrityksiä ohjaavan FLEX Partnersin perustaja, näkee tämän jännitteen jatkuvasti käytännössä.

”70–20–10-kehystys on yleisesti ottaen oikea”, hän sanoo, ”mutta ongelmat alkavat yleensä järjestyksen ja tarkoituksen puutteesta. Epäkiinnostava työ, kuten omistajuuden, tarkoituksen, kannustimien ja työnkulkujen selkeyttäminen, ohitetaan jo ennen työkaluihin siirtymistä.”

Mallia ei ole tarkoitettu jäykäksi, vaan se on periaate. Tekoälymuutos on ensisijaisesti ihmisiin ja organisaatioon liittyvä haaste, ei teknologiasta johtuva haaste. Keskisuurissa yrityksissä tämä periaate pitää paikkansa, mutta tarkkoja prosenttiosuuksia voi olla tarpeen mukauttaa lähtötilanteen perusteella.

Miksi yritykset kohdentavat varat väärin

Paine investoida ensin teknologiaan tulee joka suunnasta. Tekoälytoimittajat myyvät luonnollisesti teknologiaa. Hallituksen jäsenet haluavat nähdä koontinäyttöjä ja työkaluja – näkyviä todisteita siitä, että yritys ”tekee tekoälyä”. Sijoittajat kysyvät tekoälyhankkeista tulosjulkistusten yhteydessä. IT-osastot puhuvat infrastruktuurin ja mallien kieltä.

Vaikeammin havaittavaa, vaikeammin mitattavaa ja vaikeammin myytävää on kyvykkyyksien kehittämisen hidas työ. Koulutusohjelmat eivät tee vaikutusta hallituksen esityksissä. Työnkulkujen uudelleensuunnittelu ei näytä hyvältä vuosikertomuksessa. Hallintamallit kuulostavat byrokraattisilta innovatiivisuuden sijaan.

Erityisesti keskisuurille yrityksille teknologialähtöinen lähestymistapa on vielä houkuttelevampi useiden sudenkuoppien vuoksi:

• Resurssien niukkuus luo virheellisen oikotien. "Meillä ei ole varaa erilliseen tekoälymuutostiimiin, joten ostetaan vain työkalu ja selvitetään asiat matkan varrella." Ajatus vaikuttaa järkevältä, kunnes huomaat, että työkalu jää käyttämättä, koska kukaan ei suunnitellut työnkulkuja uudelleen sen ympärille.
• Nopeuspaine syrjäyttää harkitun suunnittelun. Erityisesti nopeasti kasvavat yritykset kokevat tarvetta edetä nopeasti. Kolmen kuukauden käyttäminen esihenkilöiden kouluttamiseen ja prosessien uudelleensuunnitteluun tuntuu hitaalta verrattuna uuden tekoälytyökalun käyttöönottoon jo ensi viikolla.
• Toimittajadynamiikka hämärtää todelliset kustannukset. Kun ostat yrityksille suunnatun SaaS-tekoälytuotteen, algoritmien kehitys ja suuri osa infrastruktuurista sisältyvät kuukausitilaukseen. Tämä saa vaikuttamaan siltä, että käytät teknologiaan vähemmän kuin todellisuudessa käytät, ja helpottaa henkilöstöön liittyvien investointien jäämistä liian pieniksi.
• Roolien ylikuormitus luo mahdottoman tilanteen. Keskisuurissa yrityksissä samat ihmiset, joiden on ylläpidettävä nykyistä toimintaa, joutuvat myös muuttamaan sitä. Ilman muutosjohtamiseen osoitettuja erillisiä resursseja muutoksesta tulee sivuprojekti, joka ei koskaan saa riittävästi huomiota.

Clint Riley, Globen Midwestin operatiivinen johtaja, on johtanut asiakaskokemuksen toimintoja useiden teknologian käyttöönottoprojektien läpi. Hän näkee saman kaavan toistuvan.

"Johtajat käyttävät usein suuria summia tekoälyinfrastruktuuriin ja saavat rajallisia tuloksia. Työkalut jäävät käyttämättä, koska tiimit eivät ole valmistautuneita, eivät luota niihin tai pitäytyvät vanhoissa tavoissa. Todellinen ero syntyy siitä, että ensin investoidaan ihmisiin ja prosesseihin", hän sanoo.

Kustannuksiin liittyvä väärinkäsitys on syvällä. Koulutus tuntuu kalliilta juuri sillä hetkellä – 500 työntekijän kohdennettuun tekoälykoulutukseen käytettävät $300,000 kuulostavat suurelta summalta. Investointi voi kuitenkin vähentää rutiinivirheitä 40 % ensimmäisen vuoden aikana. 

Toiset $200,000 keskeisten työnkulkujen uudelleensuunnitteluun siten, että tekoäly integroidaan niihin, tuottaa tehokkuusparannuksia, joita voidaan mitata vuosineljännes vuosineljännekseltä. Tätä kannattaa verrata $800,000:n käyttämiseen tekoälytyökaluihin, joiden käyttöaste jää 15 prosenttiin, koska kukaan ei investoinut niiden tukemiseen tarvittavaan muutosjohtamiseen.

Varjoälyilmiö, joka syntyi, tarjoaa selkeimmän todisteen siitä, että teknologialähtöiset lähestymistavat luovat ongelmat, joita niiden on tarkoitus ratkaista. Tutkimusten mukaan 90 % työntekijöistä käyttää tekoälytyökaluja, mutta vain 40 % yrityksistä on tarjonnut niitä virallisesti.

Tämä kuilu on olemassa, koska yritykset ottivat teknologian käyttöön ilman tukea ja jättivät työntekijät selvittämään asiat itse, mikä loi juuri ne turvallisuus- ja hallintoriskit, joista johtajat ovat huolissaan.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Miltä 70 prosentin investointi ihmisiin käytännössä näyttää

70–20–10-malli kuulostaa suoraviivaiselta, kunnes sitä yrittää toteuttaa käytännössä. Mitä 70 prosentin investointi tekoälybudjetista "ihmisiin ja prosesseihin" oikeastaan tarkoittaa?

Keskisuurelle yritykselle, jonka tekoälymuutoksen ensimmäisen vuoden budjetti on $2M, ihmislähtöinen jako voisi näyttää tältä:

$1.2M (60 %) ihmisiin ja prosesseihin:

• $400K: Muutokselle osoitetut resurssit (2–3 FTE:tä, jotka ymmärtävät sekä muutosjohtamista että tekoälyn valmiuksia)
• $300K: Ulkopuolinen asiantuntemus muutosjohtamiseen, työnkulkujen suunnitteluun ja hallintamalleihin
• $200K: Koulutusohjelman kehittäminen ja toteutus (ei kertaluonteisia tilaisuuksia, vaan jatkuvaa käyttöönoton tukea)
• $150K: Esihenkilöiden tukemisen ja valmennuksen infrastruktuuri
• $150K: Viestintäjärjestelmät, palautemekanismit ja iteraatiosyklit

$600K (30 %) infrastruktuuriin:

• $300K: Datan valmistelu, integrointi ja laadun parantaminen
• $150K: Turvallisuus-, vaatimustenmukaisuus- ja valvontajärjestelmät
• $150K: Analytiikkainfrastruktuuri sekä teknisten että inhimillisten tulosten seuraamiseen

$200K (10 %) tekoälytyökaluihin ja algoritmeihin:

• Yrityksille suunnatut LLM-tilaukset
• Erikoistuneet tekoälysovellukset
• API-kustannukset ja käyttöveloitukset

Huomaa keskisuurten yritysten mukautus: Tässä jako on 60–30–10 eikä puhdas 70–20–10-malli. Miksi? Keskisuurilla yrityksillä on usein suurempia infrastruktuuripuutteita kuin suuryrityksillä. Vanhat järjestelmät, datasiilot ja tekninen velka tarkoittavat, että infrastruktuuriin on investoitava suhteellisesti enemmän kuin suuryrityksissä, joilla on nykyaikaiset dataperustat.

Keskeinen periaate säilyy: ihmisiin tehtävien investointien on oltava yhtä suuria kuin teknologiaan tehtävien investointien tai niitä suurempia. Jos käytät yhteensä 60 % työkaluihin ja infrastruktuuriin ja vain 40 % ihmisiin ja prosesseihin, tutkimusten mukaan jätät merkittävää arvoa hyödyntämättä.

Mitä ”ihmisiin” tehty investointi todella mahdollistaa:

Kun johtajat näkevät ”400 000 dollaria muutosresursseihin”, he kysyvät usein: mitä nämä ihmiset oikeastaan tekevät?

Muutoshankkeeseen nimetyt resurssit:

• Työnkulkujen analysointi ennen teknologian käyttöönottoa
• Tehtäväkohtaisen koulutuksen suunnittelu (talousanalyytikko tarvitsee erilaisia tekoälytaitoja kuin asiakaspalvelija)
• Mahdollistavien, ei estävien, hallintomallien rakentaminen
• Palautesilmukoiden luominen todellisen käytön perusteella tapahtuvaa iterointia varten
• Yhteistyön koordinointi IT:n, HR:n ja liiketoimintayksiköiden välillä

Esihenkilöiden valmentaminen:

• Esihenkilöiden valmistaminen tiimien ohjaamiseen tekoälytyökalujen käytössä (ei ainoastaan niiden henkilökohtaiseen käyttöön)
• Esihenkilöiden auttaminen ymmärtämään, miten suorituksen arviointi muuttuu tekoälyn avustaessa työssä
• Esihenkilöiden tukeminen heidän oman roolinsa muuttuessa työn muuttuessa
• Esihenkilöyhteisöjen luominen haasteiden ja ratkaisujen jakamista varten

Viestintä- ja palauterakenteet:

• Säännöllinen koko henkilöstölle suunnattu viestintä muutoksen etenemisestä
• Kanavat, joiden kautta työntekijät voivat tuoda esiin ongelmia ja huolenaiheita
• Järjestelmät sen tallentamiseen, mikä toimii ja mikä ei
• Avoin päätöksenteko siitä, mitkä tekoälytyökalut otetaan käyttöön ja miksi

Toimiva koulutus:

• Ei kertaluonteisia työpajoja, vaan jatkuvia oppimisohjelmia
• Käytännön harjoitteluympäristöjä, joissa epäonnistuminen on turvallista
• Oikea-aikaista oppimista, joka liittyy todellisiin työssä tarvittaviin asioihin
• Vertaistukiverkostoja ongelmien ratkaisemiseen

Jos näissä investoinneissa pihistellään, seuraukset ovat melko ennakoitavissa: käyttöönottoprosentit jäävät mataliksi, työntekijät vastustavat muutosta, organisaatiossa käytetään luvattomia tekoälyratkaisuja, ja lopulta teknologiaan käytetyt varat menevät hukkaan. C-tason johtajille tai hallituksen jäsenille, jotka pitävät tätä ”hömppänä” tai liian ”kilttinä työntekijöitä kohtaan”, keskeinen näkökulman muutos on korostaa, että kyse on teknologian mahdollistaman mutta sen itsenäisesti tuottamatta jäävän arvon saavuttamisesta.

”Hallitukset näkevät mielellään uuden teknologian käyttöönoton”, Riley myöntää. ”Kehystä siis ihmisiin keskittyminen älykkääksi riskienhallinnaksi, joka tuottaa vahvaa, kumuloituvaa tuottoa: parempaa tuottavuutta, parempaa henkilöstön pysyvyyttä ja liiketoimintahyötyjä, jotka kasvavat ajan myötä. Pelkkä teknologia saavuttaa yleensä huippunsa nopeasti ja tasaantuu sitten.”

Pk-markkinoiden realiteettitarkistus

Mutta tämä jako olettaa suhteellisen kypsän lähtötilanteen. Entä yritykset, joissa lukujen on muututtava paljon dramaattisemmin?

Alix Gallardo, Inventin tuotepäällikkö, auttaa pk-markkinoiden yrityksiä selviytymään juuri tällaisista tilanteista. Hänen näkemyksensä SaaS-tekoälystä muuttaa laskelmaa. 

”Kun ostat SaaS-tekoälyä, toimittaja on jo tehnyt raskaan työn: vaikean ja kalliin mallityön sekä suuren osan infrastruktuurista. Siksi kysymyksesi pitäisi olla: ’Kun tämä kaikki on jo tehty, mihin rajallinen sisäinen aikamme ja budjettimme kannattaa kohdistaa?’”

Hänen jaottelunsa enimmäkseen valmiiksi tuotteistetulle SaaS-ratkaisulle asettaa ihmiset edelleen etusijalle, mutta ottaa huomioon sen todellisuuden, että infrastruktuurihaasteet ovat usein suurempia pk-markkinoiden yrityksille.

”Pk-markkinoiden ympäristöt ovat yleensä sekavia”, Gallardo huomauttaa. ”Niissä on paljon toisiinsa liittymättömiä SaaS-tuotteita, vanhoja järjestelmiä, järjestelmien omia integraatioita, katkonaisia tietovirtoja ja pieniä IT-tiimejä. Siksi on normaalia, että infrastruktuuriin kuluu alkuvaiheessa jopa 25–35 %.”

Tarkastellaan kolmea tilannetta, joissa jakoa on mukautettava:

Tilanne 1: Infrastruktuurin puutteesta kärsivä yritys

2 000 työntekijän tuotantoyritys on toiminut 30 vuotta. Tiedot ovat siiloissa useissa järjestelmissä. Asiakastiedot ovat yhdessä tietokannassa, tuotantotiedot toisessa ja laatumittarit laskentataulukoissa. IT-tiimissä on viisi henkilöä.

Tämän yrityksen jako voisi olla aluksi 50 % ihmisille, 40 % infrastruktuurille ja 10 % algoritmeille. Ilman perustason datainfrastruktuuria tekoälytyökalut eivät voi toimia tehokkaasti. Ihmisiin tehtävää investointia ei kuitenkaan tälläkään tavalla saa uhrata. Sen on vain oltava strategista ja keskityttävä sisäisen kyvykkyyden rakentamiseen, jotta infrastruktuuria koskevia päätöksiä voidaan tehdä paremmin, sekä henkilöstön valmistelemiseen tuleviin muutoksiin infrastruktuurin valmistuttua.

Tilanne 2: Ketterästi kasvava yritys

800 työntekijän ohjelmistoyritys on ollut pilvinatiivi alusta alkaen. Järjestelmät keskustelevat keskenään. Tiimi on teknisesti edistynyt. Infrastruktuuri ei ole pullonkaula.

Tässä jako voisi olla 75 % ihmisille, 15 % infrastruktuurille ja 10 % algoritmeille. Yrityksen nopea kasvu tarkoittaa, että kulttuuriin ja prosesseihin on investoitava enemmän, jotta niitä voidaan skaalata. Vahvan teknisen perustan ansiosta rajoite on organisatorinen, ei teknologinen.

Skenaario 3: riskiä karttava keskisuuri yritys

4 500 työntekijän rahoituspalveluyritys toimii tiukasti säännellyllä toimialalla. Organisaatiokulttuuri vastustaa muutoksia, riskienhallinta on ensisijaisen tärkeää ja vaatimustenmukaisuusvaatimukset ovat laajat.

Tämä yritys voisi kohdentaa 65 % ihmisille, 20 % infrastruktuurille ja 15 % algoritmeille. Suuremmassa algoritmeihin käytettävässä osuudessa ei ole kyse uusimpien mallien tavoittelusta, vaan investoimisesta tekoälytyökaluihin, joissa on sisäänrakennetut hallintaominaisuudet, auditointijäljet ja avoimuusmekanismit, jotka vähentävät vaatimustenmukaisuusriskiä.

Arviointi ei ole monimutkainen. Arvioi yrityksesi neljällä osa-alueella asteikolla 1–10:

• Nykyisen data-infrastruktuurin laatu
• Organisaation muutoskyvykkyys
• Teknisen osaamisen tiheys
• Sääntelyn ja vaatimustenmukaisuuden monimutkaisuus

Alhaisemmat infrastruktuurin ja osaamisen pisteet viittaavat siihen, että tarvitset enemmän investointeja näille alueille. Suurempi muutoskyvykkyys tarkoittaa, että voit kohdentaa enemmän varoja ihmisiin ja prosesseihin. Sääntelyn suuri monimutkaisuus voi oikeuttaa suuremmat investoinnit kehittyneisiin työkaluihin, joissa hallintaominaisuudet ovat sisäänrakennettuina.

Kaikissa skenaarioissa pätee kuitenkin yksi periaate: ihmisiin tehtävien investointien on oltava vähintään yhtä suuria kuin teknologiainvestointien.

Kuten Munro asian ilmaisee: "Useimmat organisaatiot eivät epäonnistu itse tekoälyn vuoksi, vaan siksi, että ne investoivat kehotteisiin ja odottavat tekoälyn olevan taikaratkaisu sen sijaan, että ne varmistaisivat ihmistensä tietävän, mitä tekoäly on, mikä on mahdollista, miten sitä käytetään, mitä työkaluja heidän rooleissaan tulisi käyttää ja miten sitä käytetään vastuullisesti."

Piilokustannusten ongelma

Yksi syy siihen, miksi yritykset kohdentavat varoja väärin, on se, että monet eivät todellisuudessa tiedä, kuinka paljon ne käyttävät rahaa kuhunkin kategoriaan. Kustannukset jakautuvat osastojen kesken ja piiloutuvat eri budjettikohtiin.

Teknologiakustannukset ovat yleensä näkyviä: ohjelmistolisenssit, pilvipalvelumaksut ja toimittajasopimukset. Ne näkyvät selkeästi IT-budjeteissa.

Infrastruktuurikustannukset ovat joskus piilossa. Data-insinöörien työaika hautautuu IT-osaston operatiiviseen budjettiin. Integraatiotyötä tehdään osana "järjestelmien ylläpitoa". Tietoturvatarkastelut ovat jonkun sivuprojekti. Valvontajärjestelmät jäävät jälkikäteen huomioitaviksi.

Mutta ihmisiin ja prosesseihin liittyvät kustannukset ovat usein täysin näkymättömiä. Työntekijöiden koulutukseen käyttämä aika on vaihtoehtoiskustannus (työ, jota ei tehdä ihmisten oppiessa). Esihenkilöiden valmennukseen käytetty aika ei näy missään budjetissa. Prosessien uudistaminen tapahtuu kokoushuoneissa ilman selkeää kohdennusta. Viestinnän aiheuttamaa ylimääräistä työtä on kaikkialla ja ei missään. Hallintotapaan käytetään aikaa, mutta niitä lasketaan harvoin osaksi tekoälymuutoksen kustannuksia.

Gallardo tunnistaa kolme varoitusmerkkiä siitä, että kohdennuksesi on pielessä riippumatta siitä, mitä virallinen budjettisi kertoo:

"Muutama tehokäyttäjä pitää tekoälytyökalusta, mutta useimmat muut jättävät sen huomiotta. Tekoälyn vuoksi päätöksissä tai työnkuluissa ei tapahdu selkeää muutosta – on vain hienoja ominaisuuksia, mutta ei todellista vaikutusta siihen, miten työ tehdään. Uudet tekoälykokeilut ovat hajallaan eri puolilla organisaatiota, eikä yhteisiä standardeja, toimintamalleja, mittareita, tapaustutkimuksia tai hallintotapaa ole."

Kun näet nämä oireet, "budjetin siirtäminen tuotteenhallintaan, operaatioihin, muutosjohtamiseen ja ’tekoälylähettiläiden’ luomiseen vaikuttaa paljon enemmän kuin rahan kaataminen vielä yhteen integraatioprojektiin", hän sanoo.

Riley näkee saman kaavan: "Vaikka työntekijät käyttäisivät hiljaisesti tekoälytyökaluja omatoimisesti, ratkaisu ei ole tiukempi valvonta. Ratkaisu on tämän energian ohjaaminen käytännönläheisellä koulutuksella ja selkeillä ohjeilla. Ihmisiin yli-investoiminen on harvinaista; monet yritykset tekevät tällä alueella oikeastaan liian vähän, eivät liikaa."

Ymmärtääksesi todellisen kohdennuksesi tarvitset rehellisen auditoinnin. Selvitä viimeisen vuosineljänneksen osalta:

• Kaikki tekoälyyn liittyvät ohjelmistolisenssit, pilvikustannukset ja toimittajamaksut
• IT- ja datatiimien tekoälyinfrastruktuuriin, integraatioon ja tietoturvaan käyttämä aika
• Työntekijöiden tekoälykoulutukseen käyttämä aika (kerro tunnit keskimääräisellä tuntikustannuksella)
• Esihenkilöiden tekoälyn käyttöönoton ohjaamiseen käyttämä aika
• Hallintotapaan, prosessien uudistamiseen ja tekoälyaloitteiden suunnitteluun käytetty kokousaika
• Ulkopuoliset konsultti- ja neuvontakustannukset

Luokittele kaikki kolmeen kategoriaan: algoritmeihin, infrastruktuuriin tai ihmisiin ja prosesseihin. Useimmat yritykset huomaavat käyttävänsä teknologiaan paljon enemmän ja ihmisiin paljon vähemmän kuin ne olivat ajatelleet.

More Articles

• 4 menetelmää, jotka auttavat sinua navigoimaan vuoden 2023 vastatuulissa
• Selätä kriisi tekemällä pieni määrä suuria ja merkityksellisiä muutoksia
• Strategisen linjauksen käyttöönotto yleistyy: tässä syy

Miksi oikealla kohdennuksella on merkitystä

Oikean kohdennuksen saavien yritysten ja siinä epäonnistuvien yritysten välinen suorituskykyero on huomattava.

Tutkimusten mukaan ihmiskeskeisiä lähestymistapoja käyttävissä organisaatioissa työntekijät ovat 2,3 kertaa sitoutuneempia ja suorituskyky on 1,5 kertaa parempi.  

Yritykset, joissa CHRO:t ja CIO:t työskentelevät todellisina kumppaneina, raportoivat olevansa 15 kertaa tuottavampia AI-hankkeissaan. Näin ei kuitenkaan tapahdu niin usein kuin voisi ajatella. Ongelma alkaa perustavanlaatuisesta epäselvyydestä sen suhteen, mistä CIO:iden tulisi vastata ja mistä CHRO:iden tulisi vastata AI-muutoksessa.

"On kiehtovaa, että CIO:lle on annettu paitsi työkalujen suunnittelu, testaus ja käyttöönotto, myös niiden omaksuminen", Machine Leadership Journalin perustaja David Swanagon toteaa organisaatioiden AI-valmiutta koskevan tutkimuksensa perusteella. "Yksi tutkimuksemme kautta esittämistämme näkemyksistä on, että omaksumisesta tulisi vastata CHRO:n, koska siinä on kyse kulttuurista, luottamuksesta, autonomiasta ja taidoista. CIO:n tulisi hoitaa suunnittelu, testaus ja käyttöönotto, mutta lopettaa siihen ja tehdä sen jälkeen yhteistyötä CHRO:n kanssa omaksumisen hallitsemiseksi."

KUUNTELE KOKO JAKSO DAVID SWANAGONIN KANSSA

Tämä erottelu on rakenteellinen. Kun CIO:t vastaavat sekä käyttöönotosta että omaksumisesta, tuloksena on ennakoitavia ja teknisesti toimivia ratkaisuja, joita kukaan ei käytä tai jotka aiheuttavat organisaatiossa kitkaa, koska niitä ei ole suunniteltu kulttuuri ja osaaminen huomioiden.

Väärän kohdentamisen kustannukset kasvavat nopeasti. Klarna sai huomiota AI:n tuomilla tehokkuushyödyillään, mutta muutti sitten hiljaisesti suuntaa, kun ihmisille ja kulttuurille aiheutuvien kustannusten laajuus kävi ilmeiseksi.

Varjoäly yleistyy, kun yritykset eivät tarjoa tuettuja työkaluja ja koulutusta, mikä synnyttää johtajien pelkäämiä tietoturvariskejä. Toimialan tiedot osoittavat, että 80 % AI-hankkeista ei skaalaudu, usein siksi, että ne otettiin käyttöön ilman omaksumiseen tarvittavaa organisaation tukea – joskus tämä johtaa siihen, että AI:sta tulee syntipukki organisaation laajemmille epäonnistumisille.

Työntekijöiden uupumus ja vastarinta muuttuvat teknologia edellä -lähestymistapojen piilokustannuksiksi. Kun työkalut otetaan käyttöön ilman asianmukaista koulutusta ja työnkulkujen uudelleensuunnittelua, työntekijät kokevat AI:n asiana, joka tehdään heille eikä heidän hyväkseen. Työkalut lisäävät heidän työtaakkaansa sen sijaan, että vähentäisivät sitä. Vastustus kovettuu.

"On erittäin toimimatonta ja huolestuttavaa nähdä, kuinka suuri osa apua meiltä hakevista yrityksistä ajattelee, että kun työkalu kerran 'kytketään päälle', taika alkaa itsestään", Munro sanoo. Toimimattomuus ei ole vain tuhlailevaa, vaan se vahingoittaa aktiivisesti organisaation kykyä muuttua.

Keskitason yrityksillä, jotka kohdentavat resurssit oikein, on kuitenkin rakenteellinen etu suuriin yrityksiin nähden. Lyhyemmät viestintälinjat tarkoittavat, että muutokset leviävät nopeammin. Nopeammat päätöksentekosyklit mahdollistavat nopean iteroinnin. Johdon ja työntekijöiden läheisempi yhteys mahdollistaa aidomman muutosjohtamisen. Ketterämpi prosessien mukauttaminen tarkoittaa, että työnkulut voivat kehittyä organisaation oppiessa.

"Useita teknologian käyttöönottoja CX-toiminnoissa johtaneena COO:na lähestyn AI:ta samalla tavalla: ensin ihmiset, sitten vahvat prosessit heidän tukemisekseen ja teknologia mahdollistajana", Riley selittää. "Kun inhimillinen elementti johtaa, koko muutos juurtuu ja tuottaa kestävät tulokset, joilla on eniten merkitystä."

ROI on mullistava. Entä 300 000 dollarin kohdennettu AI-koulutus, joka vähentää virheitä 40 %? Kyse ei ole kertaluonteisesta hyödystä. Kyse on kyvykkyydestä, joka paranee neljännesvuosittain ihmisten kartuttaessa osaamistaan. Entä 200 000 dollaria työnkulkujen uudelleensuunnitteluun? Hyödyt kasvavat kumulatiivisesti, koska olette rakentaneet prosessi-innovoinnin lihaksen.

Säännöstä periaatteeksi

70-20-10-sääntö ei ole jäykkä kaava, jota tulisi noudattaa sokeasti. Se on periaate, joka perustuu havaintoihin siitä, mitkä yritykset todella onnistuvat AI:n hyödyntämisessä, sekä siihen todellisuuteen, että muutos on ensisijaisesti ihmisiin ja organisaatioon liittyvä haaste, ei teknologiahaaste.

Keskitason yrityksiltä tämä periaate edellyttää soveltamista, ei hylkäämistä. Infrastruktuurin puutteet saattavat vaatia 25–35 % budjetista 20 prosentin sijaan. SaaS-pohjaiset AI-työkalut saattavat sisällyttää algoritmikustannukset tilausmaksuihin, mikä muuttaa tapaa, jolla lasket 10 prosentin osuuden. Toimialasi erityiset rajoitteet saattavat edellyttää mukautuksia.

Ydintotuus kuitenkin säilyy: jos käytät teknologiaan enemmän kuin ihmisiin, jätät lähes varmasti merkittävää arvoa hyödyntämättä.

Rileyn näkemys on pragmaattinen: "2 miljoonan dollarin lähtöbudjetista kohdentaisin noin 65 % ihmisille kohdennetun koulutuksen ja muutosjohtamisen tuen kautta. Noin 25 % pitäisi käyttää välttämättömyyksiin, kuten datan saatavuuteen ja pilvipalvelujen perusasetuksiin, ja vain 10 % algoritmeihin, pääasiassa valitsemalla vahvoja SaaS-ratkaisuja räätälöityjen toteutusten sijaan."

Gallardon näkökulma huomioi SaaS-todellisuuden, jonka kanssa useimmat keskitason yritykset joutuvat tekemisiin: "Kyllä, jako pysyy samana, vaikka et koskaan koskisi itse malliin. Enimmäkseen valmiiksi rakennetuissa ratkaisuissa noin 10 % menee algoritmeihin, 20 % infrastruktuuriin ja 70 % ihmisiin ja prosesseihin. Tähän sinun pitäisi investoida suurin osa budjetistasi."

Molempien jakama oivallus on, että menestys näkyy käyttöönottoprosenteissa, työntekijöiden luottamuksessa ja päivittäisissä tuloksissa, ei vain käytetyissä dollareissa. Ostamasi teknologia merkitsee vähemmän kuin se, mitä teet auttaaksesi ihmisiä käyttämään sitä tehokkaasti.

Johtajan toimenpide on yksinkertainen: tee kohdennuksen auditointi tässä kuussa. Laske, kuinka paljon todella käytät algoritmeihin, infrastruktuuriin ja ihmisiin, kun otat kaikki piilokustannukset huomioon. Jos teknologiaan käytetty summa ylittää ihmisiin käytetyn summan, olet löytänyt ongelmasi.

Tee sitten työ. 

• Investoi muutoksenhallinnan epäkiitolliseen työhön ennen seuraavan työkalun käyttöönottoa. 
• Rakenna roolikohtaisia koulutusohjelmia. 
• Nimeä tekoälylähettiläitä. 
• Anna esihenkilöillesi valmiudet valmentaa käyttöönottoa. 
• Suunnittele työnkulut uudelleen ennen teknologian käyttöönottoa. 
• Luo hallintakehyksiä, jotka mahdollistavat eivätkä rajoita.

Muista Munron varoitus: "Vahinkojen alkamisen näkee siitä, että vaiheistus ja tarkoitus puuttuvat. Jätetään väliin ‘epäkiitollinen’ työ, jossa selkeytetään omistajuus, tarkoitus, kannustimet, työnkulut ja niin edelleen, ennen kuin edes siirrytään työkaluihin."

Teknologia on saatavilla, kun olet valmis siihen. Ihmiset eivät odota ikuisesti.