Tekoäly on operatiivisen kurinalaisuuden palkinto, mutta se ei luo sitä
Tekoälyn haasteet: Johtajille annetaan usein tekoälystä harhaanjohtava kuva, jolloin käyttöönottoon vaikuttavat organisaation perustavanlaatuiset ongelmat jäävät huomiotta.
Dataongelmat: Tehokkaan tekoälyintegraation yleisiä esteitä ovat johdon sitoutuminen, datan laatu ja organisaation tekoälylukutaito.
Infrastruktuurin tarpeet: Menestyksekkäät tekoälysovellukset edellyttävät vankkaa infrastruktuuria, jonka toteuttaminen vaatii usein 12–18 kuukauden etenemissuunnitelman.
Johdon yhteinen näkemys: Ylimmän johdon yhteistyö on ratkaisevan tärkeää yhteisten ongelmien ratkaisemiseksi erillisten osastokohtaisten strategioiden tavoittelun sijaan.
Operatiivinen kurinalaisuus: Todellinen ja kestävä menestys tekoälyn hyödyntämisessä perustuu kurinalaisiin toimintatapoihin, ei vain uuteen teknologiaan tai työkaluihin.
Jossain vaiheessa viimeisten kahden vuoden aikana useimmat C-tason johtajat vakuuttivat itselleen, että heillä on tekoälyongelma. Hallitus haluaa strategian. Kilpailijat ilmoittavat pilottihankkeista. Talousjohtaja kysyy sijoitetun pääoman tuoton aikatauluista. Niinpä he palkkasivat tekoälyjohtajan, perustivat työryhmän ja alkoivat kartoittaa toimittajia.
Mikään tästä ei ratkaise varsinaista ongelmaa.
Eric Gonzalez on työskennellyt vuosia organisaatioiden sisällä osa-aikaisena datajohtajana ja auttanut yrityksiä selvittämään kuilua sen välillä, mitä johtajat uskovat tekoälyn tekevän ja mitä niiden toiminnot todella pystyvät tukemaan.
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
Samat kolme vastausta
Hän kertoo muutaman vuoden takaisesta paneelikeskustelusta, jonka hän johti ja jossa yleisöltä — data- ja teknologiajohtajien muodostamalta ryhmältä — kysyttiin, mitkä ovat suurimmat esteet toimivan datainfrastruktuurin rakentamiselle. Tulokset esitettiin sanapilvenä. Samat kolme asiaa nousivat johdonmukaisesti esiin: johdon sitoutuminen, datan laatu ja datalukutaito.
"Jos olisit esittänyt tämän kysymyksen vuonna 2005", Gonzalez sanoi Atlantassa järjestetyssä Optimized AI -konferenssissa, "nuo samat asiat vaivaisivat organisaatioita edelleen."
Hän on oikeassa. Ja seuraukset ovat epämukavampia kuin useimmat johtajat haluavat myöntää.
Organisaatioiden velkaa, joka tekee tekoälyn käyttöönotosta niin vaikeaa, ei aiheuttanut tekoäly. Sen synnyttivät vuosien aikana muodostuneet pirstaleiset järjestelmät, ratkaisemattomat hallintokysymykset, siiloutuneet tiimit ja toisiinsa sopimattomat kannustimet, joita kukaan ei korjannut, koska korjaamisen kustannukset tuntuivat aina suuremmilta kuin niiden kiertämisen kustannukset.
Sitten generatiivinen tekoäly saapui, ja yhtäkkiä samoja ongelmia tuli erittäin kalliiksi jättää huomiotta.
Gonzalezin kuvaama toimintamalli toistuu eri toimialoilla ja johtotehtävissä. Kun osallistut tekoälyyn, operaatioihin tai henkilöstöön keskittyviin konferensseihin, kuulet todennäköisesti jonkin version tästä: organisaatiot tavoittelevat uutta teknologiaa toivoen sen ratkaisevan ongelmia, jotka liittyvät pohjimmiltaan ihmisiin ja prosesseihin.
Sama tapahtuu data- ja tietojärjestelmäkehityksessä. Näin kävi, kun datatiede nimettiin Amerikan seksikkäimmäksi työksi. Nyt sama tapahtuu jälleen. Teknologia muuttuu. Taustalla oleva toimintahäiriö säilyy.
Tekoälyn haaste
Tästä hetkestä tekee erilaisen panoksen suuruus. Tekoälyinvestoinnit ovat suurempia, nopeampia ja näkyvämpiä kuin mikään aiempi hanke.
Kun pilottihanke epäonnistuu, syynä on liian usein se, että sille syötettävä data on epäluotettavaa, kukaan ei ole määritellyt käyttöön otettujen mallien selkeää omistajuutta tai kaksi osastoa toimii täysin erilaisten oletusten pohjalta siitä, mitä työkalun oli tarkoitus tehdä.
Gonzalez nostaa esiin kuvaavan esimerkin. Terveydenhuollon rahoittaja, jolla on yli 25 miljoonaa jäsentä, otti generatiivisen tekoälyn käyttöön ei korvaushakemusten ratkaisemiseen vaan kielteisten päätöskirjeiden kirjoittamiseen — sääntelyvaatimukseen, joka oli aiemmin edellyttänyt valtavasti manuaalista työtä. Tämän prosessin yleiskustannukset vähenivät 80–90 prosenttia. Ei multimodaalista agenttia. Ei koko yrityksen kattavaa autonomista järjestelmää. Vain rajattu, tarkasti määritelty ongelma, jonka ratkaisemiseen data oli riittävän puhdasta.
Epäkiinnostava työ tehtiin ensin. Aidot onnistumiset syntyvät lähes aina juuri näin.
Arvon syntymisen edellytykset
Todellista edistystä tekeviä johtajia yhdistää tietty kurinalaisuus: he lopettivat kysymästä, missä tekoälyä voidaan käyttää, ja alkoivat kysyä, minkä kaiken on oltava totta, jotta tekoäly tuottaisi täällä arvoa. Ero kuulostaa hienovaraiselta. Sitä se ei ole.
Ensimmäinen kysymys johtaa pilottihankkeiden lisääntymiseen ilman, että ne koskaan pääsevät kokeiluvaiheesta pidemmälle. Toinen kysymys pakottaa rehellisesti arvioimaan, ovatko perusedellytykset — datan laatu, hallinto, toimintojen välinen linjaus ja selkeä omistajuus — todella kunnossa.
Useimmiten eivät ole. Ja rehellinen vastaus kysymykseen "minkä kaiken on oltava totta" on 12–18 kuukauden etenemissuunnitelma, joka alkaa infrastruktuurista, jota kukaan ei halua rahoittaa, koska se ei näy esittelyssä.
Tässä kohtaa C-tason johtajien yhteinen linja on tärkeämpää kuin minkään yksittäisen toiminnon strategia. Työvoiman häiriöistä huolestunut henkilöstöjohtaja, teknistä velkaa hallinnoiva tietohallintojohtaja, työnkulkuja uudistava operatiivinen johtaja ja tuottoja arvioiva talousjohtaja eivät tarkastele eri ongelmia. He tarkastelevat samaa ongelmaa eri näkökulmista.
Kun nämä näkökulmat eivät yhdisty, tekoälyinvestoinnit ajoitetaan usein väärin, vastuu hajaantuu ja odotusten ja tulosten välinen kuilu kasvaa, kunnes jonkun budjettia leikataan.
Gonzalez kuvaa rajoittavan tekijän selkeästi.
”Teknologia on harvoin se, mikä pysäyttää organisaatiot”, hän sanoi. ”Niitä pysäyttävät poliittinen rakenne, siiloutunut omistajuus, keskenään kilpailevat prioriteetit ja väärin kohdistetut kannustimet. Ne ovat johtamisongelmia. Ne edellyttävät johtamisen ratkaisuja, eivät uutta toimittajaa, parempaa mallia tai kiiltävämpää työkalua.
Kestävä edistyminen näyttää ulkopuolelta tylsältä. Kyse on alustojen uudelleenarkkitehtuurista, vuosia ratkaisemattomina olleiden datan hallintaa koskevien kysymysten ratkaisemisesta sekä vaikeiden kompromissien tekemisestä, joita tekoälyn kehityksen ja käyttöönoton omistajuuden keskittämiseen liittyy. Mikään tästä ei näytä hyvältä neljännesvuosikatsauksessa. Kaikki se kumuloituu.
Tekoäly palkitsee operatiivisen kurinalaisuuden. Se ei luo sitä.
