Todellinen syy, miksi tekoälykokeilusi epäonnistuvat jatkuvasti, ja miten saat ne oikeille raiteille
Useimmat tekoälyprojektit eivät kaadu huonoon teknologiaan. Ne kaatuvat siihen, että hyvä teknologia kohtaa valmistautumattomat ihmiset.
Viime vuonna MIT:n tutkimus nousi otsikoihin ympäri maailmaa, kun siinä todettiin, että 95 % generatiivisen tekoälyn pilottihankkeista ei tuota mitattavaa sijoitetun pääoman tuottoa. Epäonnistumisasteella ei ole mitään tekemistä mallin suorituskyvyn kanssa. Organisaatiot ottavat tekoälytyökaluja käyttöön kiihdyttävällä vauhdilla ilman hallintorakennetta, ilman vastuuta koulutuksesta ja ilman tiimeille selkeästi viestittyä tarkoitusta. Muutamassa viikossa järjestelmät hajoavat, koska ihmiset eivät olleet valmiita.
Ihmiset käyttävät työkaluja epäjohdonmukaisesti, mikä saa tulokset vaihtelemaan rajusti. Laatu romahtaa. Työntekijät tulevat riippuvaisiksi järjestelmistä, joita he eivät ymmärrä, ja heidän keskeiset taitonsa rapautuvat. Tulosten saavuttamiseen kohdistuvan paineen alla he hylkäävät viralliset työkalut kokonaan ja siirtyvät käyttämään mitä tahansa henkilökohtaista tekoälytyökalua, joka tuntuu helpommalta.
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
Tunnemme tämän nykyään varjotekoälynä.
Kustannukset eivät rajoitu hukattuun kehitysaikaan. Niihin kuuluvat tuottavuuden lasku, tuotosten heikentynyt laatu, vaatimustenmukaisuuteen liittyvät riskit ja strateginen harhaanjohtaminen.
Miksi tekoälypilotit epäonnistuvat
Johtajat näkevät tekoälyn käyttöönoton teknologian käyttöönottona, vaikka todellisuudessa kyse on organisaation muutoksesta.
Käyttöönotto on tekninen haaste. Hankit valitsemasi työkalun tarvitseman oikean datan, järjestät lisenssit ja käyttöoikeudet ja käynnistät järjestelmän.
Muutos on inhimillinen haaste. Se vaikuttaa käyttäytymiseen, työnkulkuihin, työskentelytapoihin, henkilökohtaiseen identiteettiin ja kyvykkyyksiin. Työ tapahtuu siinä, miten ihmiset ajattelevat, tekevät päätöksiä ja tekevät yhteistyötä – ei itse työkalussa.
\u0022En pidä järkevänä suhtautua generatiiviseen tekoälyyn teknologian käyttöönottona. Kyse on oikeastaan enemmän muutosjohtamisen harjoituksesta, koska siinä ihmiset saadaan ajattelemaan eri tavalla työstään ja muuttamaan käyttäytymistään. Lopulta tavoitteena on, että näistä käyttäytymismalleista muodostuu tapoja.\u0022
Kun ohitat muutostyön, saat kaaosta innovaatioksi naamioituna.
Paine edetä nopeasti on todellinen. Kaikki olettavat kilpailijoidensa kirivän edelle, joten he ohittavat järjestelmien suunnitteluun ja työnkulkujen uudistamiseen liittyvän vaikean työn. Jotkin organisaatiot suhtautuvat asiaan ylimielisesti ylimmästä johdosta lähtien, ja niitä ohjaa halu leikata kustannuksia, parantaa tehokkuutta tai näyttäytyä edelläkävijöinä.
Tulos? 42 % yrityksistä hylkäsi tekoälyhankkeensa vuonna 2025, mikä on jyrkkä nousu edellisvuoden 17 prosentista.
Kolme kyvykkyysvajetta, jotka romahduttavat tekoälyn sijoitetun pääoman tuoton
Osaamisvaje ei ole yksi ongelma. Kyse on kolmesta erillisestä kyvykkyyspuutteesta, jotka yhdessä johtavat organisaation epäonnistumiseen.
1. Tekninen harkinta käyttöönottoa koskevissa päätöksissä
Tiimisi on ymmärrettävä, milloin työkalua kannattaa käyttää ja milloin ei. Se on eri asia kuin työkalun käytön osaaminen.
Liian usein ihmisiltä puuttuu harkinta arvioida, onko tekoälyn tuotos riittävän hyvä, asiayhteyteen sopiva tai vastaako se edes oikeaan kysymykseen. He eivät pysty erottamaan toisistaan sitä, että ”työkalu tuotti jotain” ja sitä, että ”työkalu tuotti jotain hyödyllistä”.
Tällä ei ole mitään tekemistä SQL-taitojen tai versionhallinnan kanssa. Kyse on arvostelukyvyn kehittämisestä, jotta voidaan tehdä älykkäitä tekoälyn käyttöönottoa koskevia päätöksiä todellisissa työtilanteissa.
Taylor Blake, Degreedin tekoälylaboratorioiden johtaja, nostaa esiin perustavanlaatuisen katkoksen.
”Tekoälydemon ja tekoälyn käytännön sovelluksen välillä voi olla valtava kuilu. Et oikeastaan tiedä sitä ennen kuin pääset itse kokeilemaan ja näkemään ja kokemaan nämä ongelmat”, hän sanoi.
2. Laatustandardit ja arviointikehykset
Useimmat organisaatiot näyttävät ihmisille, miten työkalu toimii. Se auttaa heitä pääsemään pintaa syvemmälle.
Puuttuva kyvykkyys on arvioida tuotoksia merkityksellisiä standardeja vasten. Ilman selkeitä laatukehyksiä ihmiset turvautuvat oletukseen: ”Se tuotti jotain, joten käytän sitä.”
Sijoitetun pääoman tuoton kuilulla on merkitystä, koska todellinen tuottosi syntyy siitä, että ihmiset pystyvät suoriutumaan paremmin kaikkein arvokkaimmista tehtävistään – ei siitä, että tuotetaan enemmän. Maailmassa, jossa kaikilla on pääsy samoihin työkaluihin, liiketoimintasi tuloksia erottaa se, että luot ympäristön, jossa ihmiset soveltavat tekoälyä strategisesti.
3. Luova soveltaminen ja ongelmanratkaisu
Useimmat koulutukset epäonnistuvat tässä täysin. Niissä opetetaan ominaisuuksia sen sijaan, että innostettaisiin luovaan ongelmanratkaisuun.
Ehkä jonkun on helppo tuottaa markkinointitekstiä, kun hänellä on luova suunta. Mutta kun on aika analysoida vaihtoehtoja ja päättää suunnasta, hän jää jumiin. Siinä piilee hänen suurempi mahdollisuutensa – siinä, missä tekoäly voisi muuttaa hänen lähestymistapaansa työhön.
Eri ominaisuuksien esittely luovan soveltamisen innoittamiseksi auttaa työntekijöitä tarttumaan aikaa vievimpiin haasteisiinsa. Siellä muutos todella tapahtuu.
Sivuuttamasi identiteettikriisi
Henkilökohtainen identiteetti ei näy useimmissa tekoälyn käyttöönottoa koskevissa suunnitelmissa. Sen pitäisi näkyä.
Kun tekoäly alkaa hoitaa osia jonkun työtehtävistä, se synnyttää syvää epävarmuutta ja ahdistusta. Ihmiset pelkäävät, mitä tapahtuu, jos he eivät sopeudu työvoiman muutoksiin. Tämä pelko ilmenee kahdella tuhoisalla tavalla.
1.) He vastustavat tai sabotoivat yrityksen tekoälyhankkeita. Eivät avoimesti, vaan jättämällä järjestelmät passiivisesti ottamatta käyttöön, käyttämällä kiertoteitä ja heikentämällä virallisten järjestelmien toimintaa hiljaisesti.
2.) He siirtyvät työkaluihin, jotka tuntuvat helpommilta käyttää, riippumatta siitä, palvelevatko ne todella liiketoiminnan tarpeita. Tämä synnyttää varjotekoälyn ongelman: 90 % työntekijöistä käyttää päivittäin henkilökohtaisia tekoälytyökaluja, kuten ChatGPT:tä, työtehtäviin, vaikka vain 40 %:lla yrityksistä on viralliset suurten kielimallien tilaukset.
Työntekijöiden ahdistusta koskevat tiedot ovat häkellyttäviä. 65 % työntekijöistä on huolissaan siitä, että tekoäly korvaa heidän työpaikkansa. Noin kaksi kolmasosaa on huolissaan siitä, etteivät he tiedä, miten tekoälyä käytetään eettisesti. Tämä ahdistus heikentää suoraan käyttöönottoa, sillä jopa 70 % tekoälyyn liittyvistä muutoshankkeista epäonnistuu työntekijöiden vastustuksen tai riittämättömän johdon tuen vuoksi.
Culture Ampin henkilöstöjohtaja Justin Angsuwat on havainnut jotain vastoin yleisiä oletuksia organisaationsa tekoälyvalmentajan käyttöönotossa.
Joskus oletetaan, että kokeneet tai erityisen hyvin suoriutuvat ihmiset tarttuvat tekoälyyn ensimmäisinä ja ottavat sen hallintaansa. Näin ei kuitenkaan aina käy, koska aiempien toimintatapojen poisoppiminen on mielestäni todella vaikeaa. Jos olet tehnyt samaa asiaa 20 vuoden ajan, osa identiteetistäsi kietoutuu siihen, miten päädyt kyseiseen vastaukseen.
Paradoksi on karu: ihmiset ovat samanaikaisesti huolissaan jälkeen jäämisestä ja aktiivisesti heikentävät niiden järjestelmien toimintaa, joiden tarkoitus on auttaa heitä menestymään.
Ihmisten parissa tehtävä työ ensin
Kun operatiivinen johtaja tai henkilöstöjohtaja on ottamassa käyttöön tekoälytyökaluja, toimenpiteet alkavat viestinnästä ja luottamuksen rakentamisesta.
Työntekijöiden on ymmärrettävä, miksi toimit tällä tavalla, mitä hyötyä he saavat siitä ja miten tämä muovaa heidän tulevaisuuttaan – sekä yrityksessä että ammatillisesti.
He eivät ehkä silti sitoudu täysin. Avoimuus luo kuitenkin perustan aidolle käyttöönotolle.
Angsuwatin tiimi keskittyi itseluottamuksen rakentamiseen ennen kuin täydellinen toteutus otettiin tavoitteeksi.
"Tavoitteenamme oli parantaa työntekijöiden itseluottamusta tekoälyn käytössä, koska ahaa-elämystä on melko vaikea mitata", hän selittää. "Tarkoituksena oli nimenomaan oppia, kokeilla asioita ja yksinkertaisesti yrittää. Tavoitteena ei ollut viimeistellyn lopputuloksen tuottaminen, mikä osaltaan poisti paineita."
Oleellista on auttaa ihmisiä näkemään tekoälyn kanssa työskentely mahdollisuutena kehittää uusia taitoja ja miettiä uudelleen, mikä heidän ydinkontribuutionsa on. Sitä ei pidä nähdä uhkana heidän nykyiselle roolilleen, vaan mahdollisuutena kehittyä kohti jotain arvokkaampaa.
Pelkkä koulutus ei kuitenkaan riitä. Angsuwat sai huomata tämän kantapään kautta.
"Mielenkiintoista oli, että vaikka kävimme läpi tämän kuuden viikon ohjelman, jotkut osallistuivat ja tekivät pieniä kehotteita, loivat tietokonepelinsä ja niin edelleen, mutta kun he palasivat tavalliseen päivittäiseen työnkulkuun, he olivat jälleen epävarmoja."
Tämä edellyttää johtajuudelta vaikean työn tekemistä etukäteen ennen käyttöönottoa, ei vasta ongelmien ilmaannuttua.
Cathey korostaa, että kokeiluille on luotava tilaa.
"Mielestäni on todella tärkeää, että yritykset ymmärtävät muutoksen yhteydessä ihmisten joutuvan hidastamaan vauhtia päästäkseen nopeammin eteenpäin. Kukaan ei muutu aloittelijasta asiantuntijaksi päivässä. Se vaatii prosessin, ja ihmisille on annettava tilaa ja aikaa kokeilla turvallisesti."
Hallinnon katvealue
Kun johto ottaa käyttöön työkaluja ilman selkeää omistajuutta, vastuurakenteita tai näkyvyyttä käyttötapoihin, seurauksena on villi länsi.
Useimmilla yrityksillä ei ole seurantaa siitä, mitä ihmiset teknologialla tosiasiassa tekevät tai miten he sitä käyttävät. Se on resepti hallintokriisiin.
Ilman tekoälyn hallintakehystä organisaatiot kohtaavat mainehaittoja epäjohdonmukaisista tai ongelmallisista tuotoksista, asiakkaiden luottamuksen menetyksen laadun heikentyessä, hukkaan menneistä investoinneista ja uudelleentyöstä aiheutuvia taloudellisia tappioita sekä sääntelyrikkomuksista johtuvia seuraamuksia.
Operatiivinen vaara on välitön. Ilman selkeitä hallintorakenteita et voi määrittää vastuuta, kun tekoälyjärjestelmät pettävät tai johtavat kielteisiin seurauksiin. Vastuuvelvollisuuden määrittäminen on olennaista ongelmien ratkaisemiseksi ja järjestelmien kehittämiseksi ajan mittaan.
Osaamisvaje ulottuu yksilöiden kykyjä laajemmalle. Sen juurisyy on tarpeessa rakentaa organisaation järjestelmiä, jotka luovat näkyvyyttä, vastuuvelvollisuutta ja jatkuvaa kehittämistä.
Kysymys: $5.5 biljoonaa
Yli 90 prosenttia maailmanlaajuisista yrityksistä kohtaa kriittistä osaajapulaa vuoteen 2026 mennessä. Pitkittyneiden osaamisvajeiden ennustetut tappiot: $5.5 biljoonaa maailmanmarkkinoiden suorituskyvyssä.
Tämä saattaa kuulostaa teoreettiselta tai sensaatiohakuiselta, mutta Maailman talousfoorumin mukaan 94 prosenttia johtajista kohtaa nykyään tekoälyn kannalta kriittisten taitojen puutetta. Joka kolmas raportoi vähintään 40 prosentin vajeista.
Kilpailupaine on todellinen, mutta käyttöönoton kiire ilman kyvykkyyden rakentamista synnyttää suuremman ongelman. Ulkoisia kumppanuuksia hyödyntävät organisaatiot saavuttavat käyttöönotossa 67 prosentin onnistumisasteen, kun taas sisäisten ratkaisujen onnistumisaste on 33 prosenttia. Perinteisten ohjelmistojen kohdalla toiminut ”rakennetaan itse” -ajattelutapa sabotoi aktiivisesti tekoälyn menestystä.
Samaan aikaan 75 prosenttia organisaatioista kertoo olevansa joko lähestymässä muutosten kyllästymispistettä, saavuttaneensa sen tai ylittäneensä sen. Keskimääräinen työntekijä on viime vuosina kokenut 10 suunniteltua yritystason muutosta, kun vuonna 2016 niitä oli vain kaksi. Yli puolet IT-ammattilaisista kertoo nopeuttaneensa tekoälyn käyttöönottoa viimeisten 24 kuukauden aikana.
Liian nopeasti etenemisen inhimilliset kustannukset kasautuvat teknisten epäonnistumisten päälle.
4 askelta pilottien epäonnistumisen estämiseksi
Jos olet COO tai CHRO ja olet ottamassa tekoälyä käyttöön, seuraavat asiat on tehtävä ennen käynnistyskytkimen painamista. Kannattaa myös pohtia, miten voisit sisällyttää tekoälyn muutosjohtamisen prosessiisi.
1. Määrittele muutos, älä vain käyttöönottoa
Kartoita, mitkä työnkulut todella muuttuvat. Tunnista, kenen rooleihin muutos vaikuttaa ja miten. Määrittele, miltä onnistuminen näyttää sen lisäksi, että ”työkalu on otettu käyttöön”, ja määritä selkeä omistajuus koulutukselle, hallinnolle ja jatkuvalle tuelle.
2. Rakenna viestintäinfrastruktuuri
Kerro, miksi otat käyttöön juuri tämän lähestymistavan. Selitä, mitä työntekijät saavuttavat ammatillisesti, ja käsittele suoraan identiteettiin ja ahdistukseen liittyvät huolet. Luo palautesilmukoita ongelmien havaitsemiseksi varhaisessa vaiheessa.
3. Ensimmäiset 30 päivää: luo kyvykkyyttä rakentavat järjestelmät
Siirry ”näin se toimii” -koulutuksesta ”näin sen avulla ajatellaan” -koulutukseen. Auta ihmisiä tunnistamaan arvokkaimmat ratkaistavat ongelmansa ja määritä laatustandardit sekä arviointikehykset. Esittele luovia sovelluksia, jotka innostavat strategiseen käyttöön.
Anna ihmisille aluksi lupa hidastaa. Tunnista, että käyttäytymisen muuttuminen vie aikaa ja että ihmiset tarvitsevat tilaa kokeilla ilman pelkoa tuottavuuteen kohdistuvista seuraamuksista.
4. Jatkuvasti: määritä hallinto ja näkyvyys
Seuraa todellisia käyttötapoja ja tuloksia. Luo vastuurakenteet laadulle ja vaatimustenmukaisuudelle sekä seuraa tekoälyn ajautumista. Rakenna palautemekanismeja järjestelmän kehittämiseksi. Puutu varjotekoälyyn ennen kuin siitä tulee kriisi.
Kriittinen todellisuustarkistus: Vain 15 prosenttia yhdysvaltalaisista työntekijöistä kertoo, että heidän työpaikkansa on viestinyt selkeästä tekoälystrategiasta. Jos tiimisi ei pysty ilmaisemaan, miksi teet tätä ja miten se hyödyttää heitä, olet jo jäljessä.
Silta, joka sinun on rakennettava
Käyttöönotot epäonnistuvat, koska organisaatiot ottavat työkaluja käyttöön nopeammin kuin ne rakentavat inhimillistä infrastruktuuria niiden tehokkaaseen hallintaan, käyttöönottoon ja hyödyntämiseen.
Kyvykkyyskuilu on nähtävissä, ja kustannukset ovat mitattavissa kilpailupaineen kasvaessa jatkuvasti. Ratkaisu ei kuitenkaan ole hidastaa tekoälyn käyttöönottoa. Ratkaisu on kehittää inhimillisiä kyvykkyyksiä rinnakkain. Tämä tarkoittaa, että tätä on kohdeltava sellaisena organisaation muutoksena kuin se todellisuudessa on, ei teknologiahankkeena, jolla on käyttöönottopäivä.
Kun teet tämän oikein, muutat tekoälyn kestäväksi kilpailueduksi. Jos ohitat ihmisiin liittyvän työn, liityt niiden 95 prosentin joukkoon, joiden pilotit eivät koskaan tuota ROI:ta, usein siksi, että organisaatiot mittaavat AI ROI:n väärin alusta alkaen.
Johtajat käyttäytyvät kuin he valitsisivat nopeuden ja valmiuden välillä. Todellisuudessa he valitsevat joko kestävän muutoksen tai kalliin epäonnistumisen.
