Tekoälyvalmis on ilmaus, ei strategia
Tekoälytyövoima: Painopiste siirtyy tekoälyn vaikutuksista työvoiman valmistamiseen tekoälyä hyödyntäviin rooleihin.
Tarvittavat taidot: Koodaaminen, sopeutumiskyky ja selkeys korostuvat työvoiman tekoälyvalmiuden keskeisinä taitoina.
Organisaation suunnittelu: Nykyiset valmiuskehykset keskittyvät yksilöihin sen sijaan, että ne käsittelisivät organisaation rakenteellisen suunnittelun haasteita.
Mittaustulokset: Tekoälyvalmiuden ei pitäisi perustua pelkästään käyttömittareihin. Onnistuminen määräytyy saavutettujen tulosten paranemisen perusteella.
Kiireellisyysongelma: Tekoälyn käyttöönoton kiireellisyyttä korostetaan, mutta täsmällisyys ja selkeä suunta jäävät usein puuttumaan.
Jokaisen tänä keväänä järjestetyn merkittävän konferenssin ohjelmassa oli jonkinlainen muunnelma samasta otsikosta: mitä tekoälyvalmiin työvoiman rakentaminen todella vaatii.
Ilmaus oli kaikkialla. Se oli luotettava merkki siitä, että ala on siirtynyt eteenpäin kysymyksestä, muuttaako tekoäly työntekoa, ja päätynyt vaikeampaan kysymykseen siitä, miten ihmiset valmistellaan siihen, mitä seuraavaksi tapahtuu.
Osoittautui, että todelliseen kysymykseen oli odotettua vaikeampi vastata.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Las Vegasissa järjestetyn Transform-tapahtuman ja tänä keväänä San Franciscossa järjestetyn HumanX-tapahtuman sessioissa puhujat esittivät harkittuja, joskin melko yleisluontoisia näkemyksiä siitä, miltä työvoiman valmius näyttää tekoälyn kiihdyttämässä ympäristössä.
Andrew Ng, DeepLearning.AI:n perustaja, esitti provosoivan väitteen, jonka mukaan kaikkien roolista riippumatta tulisi opetella koodaamaan.
Courseran toimitusjohtaja Greg Hart viittasi kriittisen ajattelun kurssien kasvavaan kysyntään, joka oli alustalla lähes 200 % suurempi kuin vuotta aiemmin, osoituksena siitä, että organisaatiot alkavat ymmärtää, ettei pelkkä tekninen osaaminen ole ratkaisu.
Sensain Robin Daniels väitti, että perustavanlaatuinen tekoälytaito on selkeys. Toisin sanoen, jos et pysty määrittelemään haluamaasi riittävän selkeästi, jotta ihminen voisi toteuttaa sen, et varmasti pysty määrittelemään sitä riittävän selkeästi myöskään tekoälyagentille.
Latticen toimitusjohtaja Sarah Franklin vastusti vaistoa mitata tekoälyvalmiutta käyttötilastojen avulla. Hänen mukaansa merkityksellistä on se, saavuttavatko ihmiset parempia tuloksia, ei se, tuottavatko he enemmän tokeneita.
Nämä eivät ole tyhjiä havaintoja. Niiden taustalla on todellista ajattelua. Yhdessä tarkasteltuina ne kuitenkin paljastavat jotakin, mitä konferenssikenttä ei ole vielä ratkaissut: ”tekoälyvalmis” on edelleen suuntaa kuvaava ilmaus eikä toiminnallinen käsite.
Voit osallistua kolmen päivän ajan sessioihin ja lähteä kotiin vakuuttuneena asian kiireellisyydestä, mutta ilman juuri minkäänlaisia keinoja arvioida, missä organisaatiosi todella on.
Tätä on syytä tarkastella, sillä inspiraation sekoittaminen strategiaan aiheuttaa juuri nyt todellisia kustannuksia organisaatioissa.
Mitä konferenssi pitää valmiutena
Sessioissa esiin nousseessa tekoälyvalmiuden työskentelymääritelmässä on muutamia johdonmukaisia osatekijöitä.
Ensimmäinen on osaaminen, ennen kaikkea tekninen osaaminen. Ngin koodausta koskeva väite on tämän terävin muoto. Kun tekoäly tekee ohjelmistojen rakentamisesta helpommin lähestyttävää, kyseisellä tasolla työskentelevät ihmiset päihittävät ne, jotka eivät siihen pysty, tehtävänimikkeestä riippumatta.
Hän kertoi seuranneensa, kuinka koodaavat markkinoijat, rekrytoijat ja talousalan ammattilaiset etääntyivät verrokeistaan, jotka eivät osanneet koodata, ja kuvasi kuilun kasvavan.
Hart vahvisti teknistä ulottuvuutta ilmoittautumistietojen avulla. Vuonna 2025 yksi henkilö ilmoittautui Courseran tekoälykurssille joka neljäs sekunti, mikä oli kaksinkertainen määrä vuoteen 2024 verrattuna.
Toinen osatekijä on sopeutumiskyky, joka määritellään väljästi kyvyksi pysyä muutoksen tahdissa.
”Ainoa tarvittava inhimillinen ominaisuus on sopeutumiskyky”, sanoi Leena AI:n toimitusjohtaja Adit Jain. Yritys rakentaa tekoälykollegoita G&A- ja taustatoimintoihin.
Hän kuvasi sitä, mitä näkee yritysten ottaessa käyttöön automaatiota. Siirtymästä selviävät ihmiset eivät välttämättä ole kokeneimpia tai teknisesti edistyneimpiä. He ovat niitä, jotka ovat valmiita määrittelemään roolinsa uudelleen tekoälyn valvomisen ja kehittämisen ympärille sen sijaan, että puolustaisivat sen syrjäyttämää työtä.
Kolmas on jotakin, joka ei taivu selkeäksi nimikkeeksi. Franklin kutsui sitä tekoälyn kohtelemiseksi työtoverina eikä työkaluna. Daniels kutsui sitä selkeydeksi. AILY Labsin toimitusjohtaja Bianca Anghelina kuvasi sitä kyvyksi muuntaa liiketoimintaongelmat haasteiksi, joihin tekoäly voi tarjota ratkaisun.
Ngin koodausta koskeva väite tarkoittaa pohjimmiltaan sitä, että koodaus on väline opetella ajattelemaan järjestelmällisesti ja pilkkomaan ongelmat osiin, joita automatisoitu prosessi pystyy käsittelemään.
Näiden kolmen osatekijän taustalla on oletettu neljäs: halu jatkaa oppimista loputtomasti. Jokainen puhuja päätyi lopulta tähän. Elinikäisen oppimisen vaatimus ei niinkään määrittele valmiutta kuin tunnustaa, ettei mikään pysyvä osaamiskokonaisuus säily riittävänä.
Organisaation tarvitseman suunnan kuvauksena tämä on järkevä. Viitekehyksenä sen arvioimiseksi, missä tietty organisaatio tällä hetkellä on, se on lähes hyödytön. ”Ole sopeutumiskykyinen” ja ”jatka oppimista” eivät ole arvioitavia asioita. Ne eivät kerro CHRO:lle, mitä pitäisi mitata, mitä kehittää tai miltä hyväksyttävä tulos näyttää.
Lisäksi se, mitä tämän prosessin alussa tarvitaan, mainitaan harvoin, vaikka olemme käsitelleet sitä podcastissa.
Missä määritelmä ei toimi
HumanX:n laajamittaista uudelleenkoulutusta käsitelleessä istunnossa hyödyllisin hetki ei liittynyt viitekehykseen vaan lukuun. Jain kuvasi, mitä yleensä tapahtuu, kun hänen yrityksensä automatisoi liiketoimintaprosessin suuren yritysasiakkaan puolesta: 60:tä prosenttia tätä työtä tekevistä ihmisistä ei enää tarvita.
Jäljelle jäävistä 40 prosentista noin 20 prosenttia, eli noin 12 prosenttia kokonaismäärästä, voidaan ottaa takaisin prosessiin tekoälyn ihmisesihenkilöiksi. Muodostuva 48 prosentin osuus on siirtymäongelma, jota useimmat organisaatiot eivät ole ratkaisseet.
Hän kertoi todellisen esimerkin terveydenhuollon asiakkaasta, joka ohjasi henkilöstöhallinnon operatiivisissa tehtävissä toimineita työntekijöitä, jotka vapautuivat rutiininomaisesta tikettien käsittelystä, rakentamaan ja hallinnoimaan agentteja, jotka hoitavat potilastietojen vaatimustenmukaisuuteen liittyvää työtä laajassa mittakaavassa. Kyse oli työstä, jota ei aidosti ollut aiemmin tehty, koska sen tekeminen ihmisten avulla vaati liikaa resursseja.
Uudelleensijoittaminen edellytti, että työntekijät pystyivät ymmärtämään uuden työn, hankkimaan nopeasti uusia taitoja ja hyväksymään perustavanlaatuisesti erilaisen suhteen työtehtäväänsä.
Tässä kohtaa konferenssissa esitetty valmiuden määritelmä törmää rakenteelliseen ongelmaansa. Valmius, sellaisena kuin useimmat istunnot sen kehystävät, on yksilöiden ominaisuus: heidän tekniset taitonsa, sopeutumiskykynsä ja halukkuutensa oppia.
Mutta 48 prosentin ongelma ei ole ensisijaisesti yksilöongelma. Se on organisaation suunnitteluongelma. Se, voivatko nämä työntekijät siirtyä uusiin tehtäviin, riippuu paitsi heidän henkilökohtaisesta sopeutumiskyvystään myös siitä, onko heidän organisaationsa tunnistanut, minne he voisivat siirtyä, mitä nämä roolit edellyttävät, millaisilla kehitysinvestoinneilla he pääsisivät niihin ja kuinka pitkään organisaatio pystyy ylläpitämään tätä siirtymää ennen kuin taloudellinen paine ohjaa sitä kohti yksinkertaisempia ratkaisuja.
”Tekoälyvalmis” työvoimakäsitteenä ei käsittele mitään tästä, ainakaan sillä tavalla kuin nykyään ajattelemme asiaa. Se keskittyy yhtälön kyvykkyyspuoleen ja jättää käyttöönoton puolen pitkälti tarkastelematta.
Daniels esitti osuvan huomion Oraclen aiemmin tänä vuonna toteuttamista irtisanomisista.
Ylimmältä johdolta puuttuu vakavasti rohkeutta lähteä uudelleenkouluttamaan työvoimaa. Mitä teet, jos istut valtavien rahamäärien päällä etkä käytä aikaa työntekijöidesi uudelleenkouluttamiseen tai lisäkouluttamiseen?
Kehystys liittyi johtajien rohkeuteen. Mutta kuvattu asia on myös organisaation kyvykkyyden puute. Oraclella oli lähes varmasti ihmisiä, jotka olivat sopeutumiskykyisiä ja halukkaita oppimaan. Siltä kuitenkin ilmeisesti puuttui järjestelmä, jolla olisi tunnistettu, keitä nämä ihmiset olivat, minne he voisivat siirtyä ja miten heitä voitaisiin kehittää siirtymän edellyttämällä nopeudella.
Rohkeudella on merkitystä. Mutta rohkeus ilman diagnostiikkaa ei ole strategia.
Mittausongelma
Franklinin huomio tekoälyvalmiuden mittaamisesta käyttömittareiden avulla ansaitsee enemmän painoarvoa kuin sille konferenssissa annettiin. Hän kuvasi asiaa, jonka organisaatiot ymmärtävät säännöllisesti väärin. Ne seuraavat käyttöönottoa, työkaluihin kirjautumisia, kehotteiden määrää ja tokenien käyttöä ja päättelevät edistyvänsä.
Mittaus on selkeää ja helppoa raportoida ylemmälle johdolle. Sitä on myös helppo manipuloida, ja se korreloi vain löyhästi sen kanssa, millä todella on merkitystä.
Pelkästään tekoälyn käytön mittaaminen on kuin ei näkisi metsää puilta. On edelleen mitattava sitä, mihin ihmiset pystyvät, koska uskomme syvästi, että tekoälyn on palveltava ihmisten menestystä.
Tämä on erityisen tärkeää työvoiman kehittämisen yhteydessä, koska käyttöönoton mittaamiseen liittyvä vaisto muokkaa jo sitä, miten jotkin organisaatiot jäsentävät tekoälykoulutusta koskevia vaatimuksiaan. Kun tekoälyn käyttö sidotaan suoritusarviointeihin, tekoälyä tullaan käyttämään. Se ei kuitenkaan välttämättä johda parempiin päätöksiin, nopeampaan työhön tai kyvykkäämpiin työntekijöihin.
Jain kuvasi tätä ongelmaa toisesta näkökulmasta: kun hän kokeili uudelleenkoulutuksessa pehmeää lähestymistapaa ja pyysi työntekijöitä suorittamaan kurssin omaan tahtiinsa kolmen kuukauden aikana, vain kaksi kolmestakymmenestä teki sen.
Kun hän toteutti saman ohjelman uudelleen 90 päivän määräajalla, virallisella kokeella ja kokeen läpäisemisestä maksettavalla palkankorotuksella, yli 85 prosenttia suoritti sen loppuun. Motivaatiota koskeva havainto on kiinnostava. Vielä tärkeämpi johtopäätös liittyy kuitenkin siihen, mitä organisaatio tosiasiassa mittasi.
Suoritusten loppuun saattaminen ja korvaukset olivat seurattavissa. Se, olivatko läpäisseet henkilöt olennaisesti kykenevämpiä tekemään uutta työtä, oli eri kysymys.
Mikä tekisi tästä todellisen arvioinnin pelkän rastin merkitsemisen sijaan? Siihen konferenssin puheenvuorot eivät pystyneet täysin vastaamaan.
Konferenssissa esitetyn määritelmän testaaminen tiukempaa mittapuuta vasten
Ne seitsemän kyvykkyyttä, jotka luotettavasti erottavat tekoälymuutoksessa onnistuvat organisaatiot niistä, jotka synnyttävät toimintaa ilman tuloksia, ovat empatia, läsnäolo, tuoteajattelu, rohkeus, strateginen kärsivällisyys, läpinäkyvyys ja systeemiajattelu.
Ne näkyvät johdonmukaisesti tutkimuksissa. On myös huomionarvoista, että ne liittyvät lähes kokonaan johtamiskäyttäytymiseen eivätkä työntekijöiden taitokokonaisuuksiin.
Kun konferenssin puheenvuoroja tarkastellaan jokaisen näistä näkökulmista, kuva on epätasainen.
Empatia
Franklinin perustelu tekoälyn käytölle suorituskyvyn johtamisessa perustui aitoon näkemykseen siitä, miten ihmiset kokevat arvioinnin: kun arviointikeskusteluista poistetaan tuomitsemisen dynamiikka tuomalla näyttöön perustuvat tiedot esiin ennen ihmisten välistä keskustelua, se muuttaa sitä, mitä ihmiset ovat valmiita kuulemaan.
Hänen kuvauksensa siitä, että työntekijät tuntevat olonsa ”mukavammaksi”, kun he ymmärtävät tekoälyn perustavan analyysinsa luotettaviin tietoihin esimiehen subjektiivisen vaikutelman sijaan, on todellinen havainto siitä, miten ihmiset kokevat muutoksen eri tavoin.
Courseran havainto, jonka mukaan tekoälyvalmentajansa kanssa työskentelevät oppijat saavuttavat olennaisesti parempia tuloksia kuin ne, jotka eivät sitä tee, osoittaa samaan suuntaan. Eri ihmiset tarvitsevat erilaista tukea, ja sitä huomioivat organisaatiot saavuttavat parempia tuloksia.
Puheenvuoroissa ei tarjottu menetelmää organisaation empatian arvioimiseen, mutta suuntaa antava ymmärrys oli läsnä.
Tuoteajattelu
Anghelinan teho-ohjelmamalli on selkein esimerkki: työntekijöille annetaan toimiva agenttikehys ja konkreettinen liiketoimintahaaste, ei abstraktia taitojen opetussuunnitelmaa eikä teoriaa tekoälykyvykkyydestä.
Optimoi markkinointikulut 10 prosenttia. Suunnitteluratkaisu on merkittävä. Hän käsittelee henkilöstön kehittämistä samalla tavalla kuin tuotetiimi käsittelee ongelmaa: aloitetaan todellisesta käyttäjän tarpeesta, rakennetaan jotain, joka vastaa siihen, ja kehitetään ratkaisua sen perusteella.
Jainin esimerkki terveydenhuollon tehtävien uudelleenjärjestelystä noudattaa samaa logiikkaa. Vapautunutta HR-toimintojen kapasiteettia ei suunnattu yleiseen uudelleenkoulutukseen, vaan tiettyyn vaatimustenmukaisuusongelmaan, johon organisaatio ei ollut aiemmin pystynyt vastaamaan.
Nämä ovat tuoteajattelua käytännössä. Kumpikaan puhuja ei kuitenkaan kehystänyt asiaa tällä tavalla, mikä tarkoittaa, että puheenvuoroja seuraavat johtajat todennäköisesti omaksuvat esimerkin mutta eivät siitä periaatetta.
Rohkeus
Tämä nousi esiin kerran selkeästi, minkä jälkeen keskustelu siirtyi eteenpäin. Danielsin Oracle-kritiikki oli terävää: organisaatio, jolla oli taloudelliset resurssit henkilöstönsä uudelleenkouluttamiseen, päätti olla tekemättä niin, ja hän nimesi sen johdon tahdon puutteesta johtuvaksi epäonnistumiseksi. Kehystys osui kohdalleen.
Se ei kuitenkaan johtanut keskusteluun siitä, miten organisaatiot rakentavat institutionaalista rohkeutta hyväksyä lyhyen aikavälin kustannuksia pitkän aikavälin henkilöstökyvykkyyden vuoksi. Ongelman nimeämisen ja sen ratkaisemiseen tarvittavan johtamiskyvykkyyden kehittämisen välinen kuilu jäi avoimeksi.
Läpinäkyvyys
Tämä oli läsnä implisiittisesti kaikkialla, mutta sitä tarkasteltiin harvoin suoraan. Franklinin kommentit organisatorisen luottamuksen rakentamisesta tekoälyn suorituskyvyn johtamisen edellytyksenä pääsivät lähimmäksi.
Yhdessäkään puheenvuorossa ei kuitenkaan käsitelty sitä, miltä rehellinen viestintä näyttää, kun organisaatio on aidosti epävarma siitä, mitkä roolit säilyvät tekoälymuutoksen jälkeen, tai miten johtajat voivat puhua tästä epävarmuudesta todenmukaisesti kiihdyttämättä samalla pelkoa, joka heikentää käyttöönottoa.
Boston Consulting Groupin ja Columbian yliopiston kauppakorkeakoulun tutkimus, jossa dokumentoitiin 51 prosenttiyksikön kuilu sen välillä, mitä johtajat uskovat työntekijöiden ymmärtävän tekoälystrategiasta ja mitä työntekijät tosiasiassa ymmärtävät, ei noussut esiin. Sen olisi pitänyt. Kyseinen kuilu ei ole viestintäongelma. Se on läpinäkyvyysongelma, ja se on riittävän suuri suistamaan raiteilta toteutukset, jotka ovat muutoin teknisesti toimivia.
Läsnäolo
Aikakaudella, joka tunnetaan voimakkaista ihmisistä, joilta puuttuu itsetuntemus, läsnäolo puuttui sopivasti lähes kokonaan. Puheenvuorot oli suunnattu strategiselle tasolle, eikä kysymystä siitä, ymmärtävätkö johtajat, miten työ heidän organisaatioissaan tosiasiassa tapahtuu – ovatko he riittävän lähellä tietääkseen, mitä tekoälyn käyttöönotto todella muuttaa työtä tekevien ihmisten kannalta – tarkasteltu.
Jainin luvut viittaavat siihen: jos 60 prosenttia liiketoimintaprosessin ihmisistä käy automaation jälkeen tarpeettomiksi, jonkun ylimmällä tasolla on täytynyt muodostaa selkeä kuva siitä, mitä nämä ihmiset todella tekivät ja missä vastaavaa työtä saattaisi esiintyä.
Mutta se, miten organisaatiot kehittävät tällaista toiminnallista läheisyyttä, etenkin suurissa yrityksissä, joissa johtoryhmien ja etulinjan työn välinen lasikatto on jo dokumentoitu, ei ollut osa keskustelua.
Strateginen kärsivällisyys
Konferenssin hallitseva sävy oli kiireellisyys. Toimi nyt tai jää jälkeen. Pilottien aika on ohi, nyt on käyttöönoton aika. Anghelinan väite yhden päivän integraatiosta. Jainin varoitus siitä, että toimitusjohtaja, joka ei liiku tarpeeksi nopeasti, joutuu analyytikoiden kysymysten kohteeksi siitä, miksi kilpailijoilla on paremmat katteet.
Robin Danielsin lopun korjaava huomio, ”nopeus yhdistettynä epävarmuuteen on vain kaaosta, vedä henkeä”, oli ainoa vastapaino missään istunnossa, ja se esitettiin viimeisten kolmenkymmenen sekunnin aikana ennen ajan loppumista.
Tutkimus siitä, mikä todella saa aikaan kestävää tekoälyn käyttöönottoa, osoittaa toiseen suuntaan: 79 prosenttia yli viisi tuntia tekoälykoulutusta saaneista työntekijöistä muuttui säännöllisiksi käyttäjiksi, kun vastaava osuus alle viisi tuntia koulutusta saaneista oli 67 prosenttia. J-käyrä on todellinen.
Kestäviä tuloksia tuottavien valmiuksien kehittäminen vie enemmän aikaa kuin konferenssin kiireellisyyspuhe antaa ymmärtää, eikä aloitteiden ennen niiden kypsymistä hylkäämisen organisatorinen hinta – S&P Global arvioi 42 prosenttia tekoälyhankkeista hylättävän ennen tuotantoon pääsyä – sisälly tähän ”toimi nopeasti tai jää jälkeen” -kehystykseen.
Järjestelmäajattelu
Yksikään istunto ei käsitellyt perusteellisesti sitä, miten tekoälyn käyttöönotto yhdessä toiminnossa aiheuttaa myöhempiä vaikutuksia muissa toiminnoissa. Esimerkiksi:
- Miten henkilöstöhallinnon toimintojen työnkulun uudelleensuunnittelu muuttaa sitä, mitä asiakaspalvelun on pystyttävä tekemään
- Miten lainahyväksynnän automatisointi muuttaa koko lainatoiminnon tuotehallinnan toimintatapaa
- Miten agenttien käyttöönotto yhdessä osastossa nostaa esiin hallintakysymyksiä, jotka vaikuttavat jokaiseen osastoon.
Ng:n lainahyväksyntää koskeva esimerkki sisälsi itse asiassa tämän siemenen: siinä kuvattiin, miten ylhäältä alaspäin toteutettava työnkulun uudelleensuunnittelu mahdollistaa uusien tuotteiden kehittämisen pelkän asteittaisen tehokkuuden lisäämisen sijaan, mutta järjestelmätason vaikutuksia siihen, miten organisaatiot on rakennettava, jotta ne pystyvät havaitsemaan nämä mahdollisuudet ja toimimaan niiden pohjalta, ei kehitetty pidemmälle.
BCG:n havainto, jonka mukaan 52 prosenttia tekoälyn avulla menestyvistä organisaatioista käyttää nykyään liiketoiminnan ja teknologian johtajista koostuvia monialaisia tiimejä, kun vuotta aiemmin osuus oli 5 prosenttia, viittaa siihen, että kyseessä on yksi meneillään olevista merkittävimmistä rakenteellisista muutoksista. Istunnoissa sitä käsiteltiin oletettuna taustana eikä aktiivisena haasteena.
Kaikkien seitsemän valmiuden yhteinen kaava? Johtajat vaikuttavat olevan paremmin valmistautuneita niiden valmiuksien osalta, jotka muistuttavat eniten yksilöllisten taitojen kehittämistä (empatia, tuoteajattelu), ja heikoimmillaan niiden valmiuksien osalta, jotka edellyttävät organisaation uudelleensuunnittelua (järjestelmäajattelu, strateginen kärsivällisyys, läsnäolo).
Tämä epätasapaino heijastaa jotain todellista siitä, missä tekoälyä koskeva keskustelu tällä hetkellä on. Yksilöllisten taitojen kehittäminen on hallittavissa. Sille on olemassa palveluntarjoajia, opetussuunnitelmia ja suoritusmittareita. Organisaation uudelleensuunnittelu on hitaampaa, poliittisesti monimutkaisempaa ja vaikeammin paketoitavissa 45 minuutin istunnoksi.
Siksi keskustelu suuntautuu siihen, mitä voidaan kuvata konkreettisesti, ja kutsumme tulosta valmiuskehykseksi.
Mitä toimeenpantavuus edellyttää
Toiveikkaan ja toimeenpantavan valmiuden välinen ero ei ole pessimismiä vastaan optimismia. Sekä Ng että Hart tekivät selväksi, että organisaatiot, jotka tekevät tämän hyvin, edistyvät todellisesti.
Hart kuvasi suuren asiantuntijapalveluyrityksen, joka koulutti 5 000 työntekijää uusiin erikoistuneisiin tekoälyrooleihin, sekä globaalin teknologiayrityksen, jossa Courseran käyttöön sitoutuminen korreloi 50 prosentin parannuksen kanssa henkilöstön pysyvyydessä. Nämä ovat tuloksia, eivät vain aikomuksia.
Kuvauksista päätellen näitä organisaatioita yhdistää se, että ne lähtivät liikkeelle tietystä liiketoimintaongelmasta yleisen valmiustavoitteen sijaan. Asiantuntijapalveluyritys pyrki tuottamaan parempia tuloksia asiakkaille tekoälyä hyödyntävissä toimeksiannoissa. Teknologiayritys pyrki pitämään palveluksessaan työntekijät, joista oli tulossa tehokkaampia. Molemmissa tapauksissa taitojen kehittäminen oli sidottu johonkin niin konkreettiseen, että sitä voitiin arvioida.
Anghelina esitti tämän näkökohdan suorimmin, tosin kyseisten intensiivikoulutusten ja markkinointikulujen optimoimisen tavoitteen yhteydessä, jotta myynti kasvaisi 10 prosenttia. Mekanismi ei ole abstrakti. Tulos on mitattavissa. Työntekijän tehtävänä on selvittää, miten tekoälyä voidaan hyödyntää siihen pääsemiseksi.
Kun käyttäjät näkevät tekoälyn vaikutuksen liiketoimintaan, heistä tulee luovempia. Taidot kehittyvät, koska ongelma on riittävän täsmällinen, jotta sitä voidaan kehittää.
Tähän monet uudelleenkouluttautumistoimet juuttuvat. Ne alkavat taidoista, koska taidot ovat ymmärrettäviä, opetettavia ja seurattavia. Courseran ilmoittautumismäärät ovat todellisia. Mikro-osaamistodistusten suorittamista koskevat tiedot ovat todellisia. Myös se, että 91 % oppijoista raportoi myönteisistä uratuloksista kuuden kuukauden kuluessa, on todellista. Organisaatiokontekstista irrotetut taidot kuitenkin ajautuvat kohti yleisluontoisuutta. Ja yleisluontoinen valmius ei ole valmiutta mihinkään tiettyyn.
Franklin esitti saman näkökulman henkilöstöhallinnon kannalta sanoessaan, että HR käyttää noin 60 % ajastaan menneisyydessä tapahtuneen dokumentointiin.
Mahdollisuutena ei ole tehdä HR:stä parempaa dokumentoinnissa. Mahdollisuutena on vapauttaa HR:n kapasiteettia työskentelemään ongelmien parissa, jotka todella edellyttävät inhimillistä harkintaa – ongelmien, jotka ovat riittävän erityisiä vaatiakseen henkilöä, joka ymmärtää organisaation, sen ihmiset ja päätökset, jotka todella vaikuttavat tuloksiin.
Toimiva tekoälyvalmiusstrategia alkaa tästä. Ei kysymyksestä ”mitä taitoja ihmisemme tarvitsevat”, vaan kysymyksestä ”mitä tämän organisaation on 18 kuukauden kuluttua pystyttävä tekemään, mitä se ei pysty tekemään tänään, ja mitä kunkin roolin on annettava tämän saavuttamiseksi?”
Kun tästä kysymyksestä edetään takaperin, syntyy jotain arvioitavaa. Seitsemän kyvykkyyden viitekehys on olemassa juuri tätä takaperin tehtävää kartoitusta varten: sen avulla liiketoimintakyvykkyyttä koskeva tavoite voidaan muuntaa sen saavuttamiseen tarvittaviksi konkreettisiksi inhimillisiksi kyvykkyyksiksi ja arvioida nykytilan ja vaaditun tilan välistä etäisyyttä riittävän täsmällisesti, jotta sen ympärille voidaan rakentaa kehitysohjelma.
Kiire hämärtää kokonaiskuvaa
Yksi konferenssikierroksen vahvistama, todennäköisesti tahaton ilmiö on se, että kiire korvaa täsmällisyyden.
Jokaisessa viimeisten kuuden viikon aikana osallistumassani tilaisuudessa – olipa kyse Transformin suurista juhlasaleista, HumanX:n dramaattisesti valaistusta lavasta tai pienempien ja paikallisempien konferenssien työpajoista täällä Atlantassa, jossa asun – viitattiin muutoksen vauhtiin.
Useat puhujat totesivat, että Ng:n näkemyksen mukaan kolmen tai neljän kuukauden viive uusimpien tekoälykoodaustyökalujen käyttöönotossa aiheuttaa insinöörien välille merkittäviä suorituskykyeroja. Implisiittinen viesti on, että käyttöönoton nopeus on ensisijainen muuttuja.
Se on yksi muuttuja. Se ei ole ensisijainen.
Daniels ilmaisi asian kaikkein selkeimmin, vaikka ympäröivä keskustelu hautasikin sen osittain.
Nopeus yhdistettynä selkeyteen on mahtavaa. Nopeus yhdistettynä epävarmuuteen on pelkkää kaaosta.
Suurinta osaa siitä, mitä tällä hetkellä kutsutaan tekoälyvalmiudeksi, viedään eteenpäin nopeasti. Kiire on todellista siinä mielessä, että me kaikki tunnemme sen, ja sitoutumalla siihen pidämme sitä yllä.
Organisaatiot, jotka rakentavat todellista kilpailuetua tekoälyyn liittyvän työvoiman kehittämisen avulla, ovat kuitenkin niitä, jotka ovat määritelleet riittävän täsmällisesti, mitä kohti ne rakentavat, jotta nopeudella on jokin suunta.
Testi on yksinkertainen, ja konferenssien puheenvuorot osoittavat sen tahattomasti. Jos ottaisit missä tahansa näistä puheenvuoroista esitetyn tekoälyvalmiuden määritelmän ja yrittäisit käyttää sitä organisaatiosi kehitysohjelman rakentamiseen, joutuisit välittömästi vastaamaan joukkoon kysymyksiä, joita määritelmä ei käsittele.
- Mitkä roolit ovat tärkeimpiä juuri meidän tekoälystrategiamme kannalta?
- Miltä kyvykkyys näyttää kullakin tasolla, ja miten mittaamme sitä?
- Mikä kehitysjärjestys vie meidät nopeimmin nykytilasta vaadittuun tilaan?
- Mitä organisaatiomuutoksia on tapahduttava yksilöiden taitojen kehittämisen rinnalla, jotta tämä kaikki toimii?
Nämä eivät ole tavoitteellisia kysymyksiä. Ne ovat käytännön toimintaan liittyviä kysymyksiä. Ja niihin vastaaminen erottaa kykysi rakentaa tekoälyvalmiita työvoimia kyvystäsi toteuttaa tekoälykoulutusohjelmia.
Ilmaisusta on tullut lyhenne tavoitteelle, josta kaikki ovat samaa mieltä. Strategia on sitä työtä, joka seuraa sen täsmällisestä päättämisestä, mitä tämä tavoite tarkoittaa.
