Tekoälykoulutuspyyntö on diagnoosiongelma
Väärä diagnoosi: Tekoälykoulutuspyynnöt peittävät usein epäselvät tavoitteet, rikkoutuneet työnkulut, hyödyntämättä jääneen asiantuntemuksen tai puutteellisen tarkastuskäytännön.
Rajallinen vaikutus: 85 prosenttia työntekijöistä sanoo, ettei tekoälykoulutus auta heitä soveltamaan työkaluja tehokkaasti omissa tehtävissään.
Työnkulun omistajuus: Onnistunut tekoälyn käyttöönotto edellyttää prosessien uudelleensuunnittelua ja vastuun osoittamista käyttöönottotiimien ulkopuolelle.
Piilokustannukset: Tarkastamatta jätetty tekoälyn tuottama sisältö siirtää arviointityön seuraaville käsittelijöille, tuhlaa vastaanottajien aikaa ja heikentää luottamusta tiimien välillä.
Strateginen rooli: HR:n pitäisi johtaa tekoälyn työnkulkujen uudelleensuunnittelua, koska teknologian muutokset muokkaavat rooleja, taitoja, budjetteja ja urapolkuja.
Esihenkilö koputtaa käyttöönottamisesta vastaavan johtajan oveen. Viesti on aina jossain muodossa tämä: ”tiimini ei omaksu uusia työkaluja niin kuin toivoin, joten tarvitsemme lisää koulutusta asian korjaamiseksi.”
Markus McKay-Fleisch on työskennellyt aikuiskoulutuksen parissa kaksikymmentä vuotta, ja viimeiset kaksi vuotta hän on keskittynyt erityisesti AI:n käyttöönottoon Smartsheetillä, jossa hän johtaa ammatillisten palveluiden AI:n käyttöönottoa.
Puhuessaan hiljattain AI4-tapahtumassa hän kuvaili pyyntöä yleisimmäksi esittämäkseen pyynnöksi ja sellaiseksi, joka tulkitaan todennäköisimmin väärin. Hänen vastauksensa ei ole kurssiluettelo vaan kysymys: mitä lopputulosta yritätte saavuttaa?
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
Koulutuspyyntö on oire. Se saapuu mukanaan diagnoosi, ja diagnoosi on yleensä väärä.
Sen huomaa tiedoista, joita käyttöönottotiimeillä on jo ennestään. Suoritusasteet näyttävät hyviltä, usein siksi, että koulutus on pakollista. Käyttö kertoo toisenlaisen tarinan.
Joissakin organisaatioissa ihmiset tuskin käyttävät työkaluja. Toisissa niitä käytetään jatkuvasti, oletuksena valitaan kalleimmat saatavilla olevat mallit, ja talousosasto saapuu pyytämään koulutusta, joka vähentäisi kulutusta. Molemmat toimintamallit synnyttävät saman pyynnön. Kumpikaan ei ole tiedon puute.
Valopilkkuja on, mutta ne ovat usein erillisiä. Ihmiset, jotka rakentavat työnkulkujaan uudelleen ja saavuttavat aidosti mullistavia tuloksia? Liian usein tämä tieto jää sinne, missä se luotiin, eikä leviä muualle.
Koulutus saavuttaa kohteensa, mutta ei toimi
Docebon vuoden 2026 AI-valmiuskuilua käsittelevässä raportissa, jonka Centiment toteutti 2 000 vastaajalle Yhdysvalloissa, Isossa-Britanniassa, Kanadassa, Ranskassa, Saksassa ja Italiassa, todettiin, että 85 prosenttia työntekijöistä sanoo saamansa koulutuksen olevan hyödytöntä heidän roolissaan tapahtuvassa AI:n käytössä.
Docebo myy oppimisohjelmistoja, mikä on huomionarvoista ottaen huomioon, mihin suuntaan tulos osoittaa, mutta tämän keskustelun vuoksi oletetaan, että luku pitää paikkansa. McKay-Fleischin puheenvuoron aikaisen tunnelman perusteella sanoisin, ettei se vaikuta kovin kaukana todellisuudesta.
Joka viides näistä vastaajista ei saanut lainkaan AI-koulutusta, mikä tarkoittaa, että osa tuosta 85 prosentista kuvaa koulutuksen puuttumista eikä sen epäonnistumista. Kun tämä ryhmä jätetään sivuun, luku kuvaa edelleen enemmistöä työntekijöistä, jotka osallistuivat johonkin koulutukseen mutta eivät sen jälkeen pystyneet soveltamaan oppimaansa.
Paljastavampi luku löytyy kyselyn toiselta puolelta. Oppimisesta vastaavista johtajista 79 prosenttia kertoo käyttävänsä AI:ta esimerkiksi sisällön tuottamiseen. Vain 9 prosenttia sanoo organisaationsa käyttäneen AI:ta työnkulun uudelleenmäärittelyyn.
Oppimisesta vastaavat toiminnot ovat omaksuneet AI:n tuotannon tehostajana. Ne tekevät samoja kursseja nopeammin. Työn tekemisen uudelleenarviointi on jäänyt lähes kokonaan tekemättä, mikä on kohtuullinen selitys sille, miksi kurssit eivät saavuta tavoitettaan.
Kieli on käyttöliittymä
Kolmenkymmenen vuoden ajan yrityskoulutuksen tarkoituksena oli pitkälti ratkaista alustojen käyttöön liittyvää tietämystä. Ohjelmistotoimittajat siirsivät painikkeita, lisäsivät ominaisuuksia ja muuttivat navigointia, ja jonkun oli opetettava ihmisille, mistä mikäkin löytyi. Pelkästään Microsoft synnytti tästä kokonaisen pienen teollisuudenalan.
Generatiivinen AI poisti esteen, joka oikeutti suurimman osan tästä opetussuunnitelmasta. Käyttöliittymä on kieli. Käyttäjä kuvaa haluamansa lopputuloksen, ja järjestelmä kokoaa vaiheet. ”Miten teen tämän?” -kysymyksen, joka oli käyttöönottamisen selkäranka, voi nyt esittää suoraan työkalulle joko sovelluksen sisällä tai yleiskäyttöiselle mallille, joka käyttää julkista ohjedokumentaatiota.
McKay-Fleischin tulkinnan mukaan todelliseksi esteeksi jää organisaation ymmärrys ja ihmisen harkinta.
Organisaation ymmärryksen ongelma käy selkeästi ilmi hänen oman yrityksensä käyttötiedoista. Käydessään läpi Smartsheetin Claude Projects -tietoja hän laski yli viisikymmentä erillistä projektia, joita rahoituksen, asiakastuen, myynnin ja HR:n työntekijät olivat rakentaneet ja joissa kaikissa yritettiin tuottaa brändin mukaisia materiaaleja. Esityksiä, markkinointimateriaaleja ja muuta tavanomaista.
Huomionarvoista on, ettei yksikään näistä projekteista tullut markkinointitiimiltä. Brändistä vastaava toiminto ei ollut rakentanut mitään, eivätkä yli viisikymmentä muuta sen ympärillä ratkaisuja kehittänyttä henkilöä olleet ajatelleet kysyä siltä.
Jokainen näistä työntekijöistä tunnisti todellisen ongelman ja käytti kyvykästä työkalua sen ratkaisemiseen. Kukaan heistä ei kuitenkaan tunnistanut, että ongelma kuului jonkun toisen vastuualueeseen, jossa asiantuntemus, lähdemateriaalit ja kyky ylläpitää ratkaisua ajan mittaan olivat jo olemassa. Kyse ei ole kehotteiden laatimisen puutteesta. Mikään parempien ohjeiden kirjoittamista käsittelevä kurssi ei synnytä vaistoa etsiä vastuuhenkilöä.
Ihmisen harkinta on laajempi kokonaisuus, ja McKay-Fleisch rajaa sen yleisimpään epäonnistumisen muotoon, jonka kanssa useimmat organisaatiot tällä hetkellä elävät. Hän kutsuu sitä ”hötön tykiksi”. Ihmiset tuottavat sisältöä lähes nollakustannuksilla ja lähettävät sen eteenpäin tarkistamatta sitä, jolloin arviointityö siirtyy sen vastaanottajalle.
Erottelukykytehtävässä on ymmärrettävä saamaasi tulosta, varmistettava sen paikkansapitävyys ja varmistettava sen arvo. Tämän tekoälyhutiloinnin myötä tehtävä lankeaa niille ihmisille, joille sisältö lähetetään, eikä se ole asianmukaista.
BetterUp Labs ja Stanfordin Social Media Lab määrittivät tämän siirtymän määrällisesti tutkimuksessa, joka julkaistiin Harvard Business Review -lehdessä viime syyskuussa. Neljäkymmentä prosenttia työntekijöistä ilmoitti saaneensa tutkijoiden ”tekoälyhutiloinniksi” kutsumaa sisältöä edellisen kuukauden aikana. Kukin tapaus vei vastaanottajan aikaa noin kaksi tuntia, minkä tutkijat arvioivat maksavan noin $186 työntekijää kohden kuukaudessa.
Tarkistusvaihe ei kadonnut. Se siirtyi alavirtaan henkilölle, joka ei ollut valinnut sitä, ei näe alkuperäistä tarkoitusta eikä voi lähettää sitä takaisin.
Uudelleensuunnittelu ja muutos ovat eri budjetteja
McKay-Fleisch tekee eron, jonka useimmat mahdollistamiseen myönnettävät rahoitukset jättävät huomiotta. Työnkulun uudelleensuunnittelu on tapa saavuttaa lopputulos. Tekoälyyn liittyvä muutos tarkoittaa kaikkea, minkä on muututtava sen ympärillä: organisaatiorakenteita, rooleja ja taitoja, joita ihmiset tarvitsevat hoitaakseen nämä roolit.
Suurin osa tekoälyn mahdollistamiseen käytettävästä rahoituksesta myönnetään ikään kuin kyse ei olisi kummastakaan. Se rahoitetaan työkalukoulutuksena, mikä oli oikea vastaus esteeseen, jota ei enää ole.
Grant Thorntonin vuoden 2026 tekoälyn vaikutuksia koskevassa tutkimuksessa, joka kattoi 950 liike-elämän johtajaa kymmeneltä toimialalta sekä pääomasijoitusalan ja joka toteutettiin tämän vuoden 23. helmikuuta ja 18. maaliskuuta välisenä aikana, havaittiin, että vain 12 prosenttia johtajista pitää henkilöstöään täysin valmiina tekoälyyn. Toiset 81 prosenttia sijoittuvat jonnekin melko tai enimmäkseen valmiiden välimaastoon, ja 97 prosenttia myöntää jonkinlaisia käyttöönoton haasteita.
Kun johtajilta kysyttiin, miksi tekoälyhankkeet suoriutuvat odotettua heikommin, he nostivat hallinnon ja vaatimustenmukaisuuden ongelmat ensimmäiselle sijalle 46 prosentin osuudella. Riittämätön koulutus tuli toisena 31 prosentin osuudella. Noin 34 prosenttia nimesi koulutuksen organisaation eniten alirahoitetuksi investointialueeksi.
Johtajien laajamittaisesti tekemä diagnoosi on siis sama, joka saapuu mahdollistamisesta vastaavan johtajan ovelle. Koulutusta ei ole riittävästi. Rahoitetaan sitä lisää.
Grant Thorntonin oma tulkinta tästä on syytä pitää mielessä. Tietoisuuskoulutus tuottaa tuttuutta eikä kyvykkyyttä. Tuttuus on juuri se, mitä useimmat tekoälyopetussuunnitelmat on rakennettu tuottamaan, ja juuri sitä Docebon kyselyyn vastanneista työntekijöistä 85 prosenttia kuvaa sanoessaan, ettei koulutus auttanut heitä tekemään työtään. Rahaa käytetään johonkin. Se käytetään toimenpiteeseen, joka vaatii sitä hyväksyviltä ihmisiltä vähiten rakenteellista muutosta.
Docebon 9 prosenttia on sama havainto toisesta suunnasta. Oppimisesta vastaavat toiminnot ovat ottaneet tekoälyn innokkaasti käyttöön sisällön tuottamisessa, mutta työn uudelleensuunnitteluun ne ovat tuskin koskeneet. Tulkitsisin tämän niin, että molemmat budjetit käytetään uudelleensuunnittelun puolella tyhjyyteen.
Mitä pyyntö tarkoittaa: neljä asiaa
Kun johtaja pyytää koulutusta, taustalla on yleensä yksi neljästä tilanteesta. Jokaisella niistä on tunnusmerkki, joka auttaa tunnistamaan sen, sekä ratkaisu, joka ei ole kurssi.
Lopputulosta ei koskaan määritelty
Tunnusmerkki on se, ettei johtaja pysty vastaamaan kysymykseen siitä, miltä onnistuminen näyttää, kuvaamatta toimintaa. Käyttö lisääntyy tai vähenee, mutta kukaan ei osaa sanoa, mitä tiimin pitäisi pystyä tekemään nyt, mitä se ei aiemmin pystynyt tekemään. Ihmiset kokeilevat ilman erityistä päämäärää, ja kokeilu tulkitaan käyttöönottamisen epäonnistumiseksi.
Ratkaisu on työskentely johtajan kanssa yhden mitattavan lopputuloksen määrittelemiseksi ja sen jälkeen taaksepäin eteneminen sen saavuttamiseen tarvittavaan kyvykkyyteen.
Työnkulkua ei koskaan suunniteltu uudelleen
Tunnusmerkki on se, että tekoäly on liitetty prosessiin, joka rakennettiin sellaisen rajoitteen ympärille, jonka tekoäly poisti. Hyväksyntäketjut on mitoitettu sen ajan perusteella, jonka luonnosteluun ennen kului. Luovutukset olivat tarpeen, koska kahdella ihmisellä oli erilaiset työkalut. Tarkistuskierrokset on kalibroitu ihmisten virhemallien eikä mallien virhemallien mukaan.
Ihmiset käyttävät työkalua prosessissa, joka rankaisee heitä sen tuottamasta nopeudesta. Ratkaisu on prosessin kartoittaminen työnkulusta vastaavan toiminnon kanssa, eikä sitä kuulu tehdä yksin mahdollistamisesta vastaavan toimintosi voimin.
Asiantuntemusta on, mutta se on jumissa
Signaali on saman tiimin sisäinen suuri suorituskykyero, vaikka käytössä ovat samat työkalut. Tehokäyttäjät ovat jo ratkaisseet ongelman. Heidän ratkaisunsa ovat henkilökohtaisissa projektitiedostoissa ja selaimen välilehdissä.
Toimenpide on tiedon irrottaminen ja jakaminen. McKay-Fleisch tarkoittaa tällä tehokäyttäjien tiedon upottamista suoraan kaikkeen tuotettavaan mahdollistavaan materiaaliin sen sijaan, että järjestettäisiin lisää koulutustilaisuuksia ihmisille, jotka ovat jo selvittäneet asian.
Tarkastuskuri on romahtanut
Signaali on niin sanottu ”workslop”-ilmiö: vastaanottajat, eivät tuottajat, valittavat tuotosten laadusta. Tuottavan tiimin mittarit näyttävät erinomaisilta. Määrä on kasvanut, läpimenoaika lyhentynyt ja kustannus siirretty seuraavalle työpisteelle.
Toimenpide on standardi sille, mitä tarkastetaan ennen kuin työ siirtyy eteenpäin, ja esihenkilöiden on valvottava standardin noudattamista. Lisäksi tarvitaan epämukavaa työtä, jossa suuren tuotantomäärän tuottajille kerrotaan heidän lukujensa olevan osittain jonkun muun ongelma.
Mikään näistä neljästä ei ratkea opetussuunnitelmalla. Kolme niistä ei ole yksin mahdollistamisesta vastaavan tahon omistettavia ongelmia, mikä on juuri syy siihen, miksi ne päätyvät jatkuvasti mahdollistamisesta vastaavan tahon ratkaistaviksi.
Sama kehote, kaksi vastausta ja koulutusohjelma, joka ei voi korjata sitä
Kaiken tämän alla on tekninen taso, jonka useimpia henkilöstöjohtajia on kannustettu olemaan huomioimatta. Sen huomiotta jättäminen tuottaa huonosti suunniteltua mahdollistamista.
Työntekijät kohtaavat tekoälyn useilla eri käyttöpinnoilla. On sovellukseen sisäänrakennettu avustaja, joka on koulutettu kyseisen alustan dokumentaatiolla ja toimii käyttäjän todellisissa tiedoissa.
On yleiskäyttöinen malli, joka käyttää samaa alustaa yhteyskäytännön kautta. McKay-Fleischin esimerkkinä on pyyntö rakentaa koontinäyttö, joka näyttää, mitkä projektit ovat aikataulussa, vaarassa viivästyä tai myöhässä jaoteltuina portfolion ja omistajan mukaan.
Hänen näkemyksensä mukaan tuloksen pitäisi olla identtinen riippumatta siitä, missä käyttäjä kirjoittaa pyynnön. Monilla alustoilla näin ei tällä hetkellä ole.
Tuo ero johtuu järjestelmäarkkitehtuurista, eikä koulutus kehoteasioissa voi kuroa sitä umpeen. Mahdollistamisesta vastaava taho voi selvittää, mikä käyttöliittymä tuottaa minkäkin lopputuloksen ja kertoa ihmisille suoraan: käytä tätä tehtävää varten tätä.
Jos tämä ohitetaan, työntekijöille opetetaan, että työkalut ovat epäluotettavia. He soveltavat tätä opetusta laajasti ja muistavat sen pidempään kuin mitään opetussuunnitelmaan kuuluvaa.
Toinen tekninen muuttuja on se, kuinka paljon kontekstia alusta tarjoaa käyttäjän puolesta. Yrityksen tietoihin yhdistetty yleiskäyttöinen malli ei luonnostaan ymmärrä, mitä kyseiset tiedot tarkoittavat, miten ne on jäsennelty tai mitä sovellus tekee niillä. Paremmat alustat lataavat tämän ymmärryksen palvelinpuolella uudelleenkäytettäviksi ohjeistuskokonaisuuksiksi, joista jokainen yhdistetty käyttäjä hyötyy tietämättä niiden olemassaolosta. Smartsheet tekee tämän McKay-Fleischin kutsumilla ”alustan omilla taidoilla”.
Mahdollistamisen kannalta seuraus on suora ja vaikuttaa budjettiin. Kun alusta tarjoaa kontekstin, käyttäjien tarvitsemien kehotteiden ohjeistuksen määrä vähenee jyrkästi. Kun se ei tarjoa sitä, kehotteiden ja kontekstin suunnittelu ovat toiminnan kannalta kriittisiä taitoja, ja niiden on kuuluttava koulutukseen asianmukaisesti.
Mahdollistamisesta vastaavien johtajien tulisi kysyä toimittajilta, kumpaan näistä kahdesta maailmasta ne kuuluvat. Vastaus määrittää merkittävän osan opetussuunnitelmasta.
Saman organisaation kaksi tulkintaa
Tuo täysin valmiiden 12 prosentin osuus kätkee sisäänsä jakolinjan. Tietohallintojohtajista ja teknologiajohtajista 39 prosenttia kuvailee työvoimaansa täysin valmiiksi. Operatiivisista johtajista samaa mieltä on 7 prosenttia.
Teknologiajohtajat mittaavat järjestelmätason käyttöönottoa: käyttöön otettuja lisenssejä, toimivia integraatioita ja kirjattua käyttöä. Operatiiviset johtajat mittaavat sitä, paraniko työ. Kolmenkymmenenkahden prosenttiyksikön ero osoittaa, että näihin kahteen kysymykseen vastaamisessa on vielä paljon tehtävää.
Tarvittavan tuen jakautuminen tekee tilanteesta entistä selvemmän. Etulinjan työntekijät muodostavat 37 prosenttia niistä, joiden johtajat sanovat tarvitsevan eniten tukea. Keskijohtajien osuus on 30 prosenttia. Ylimmän johdon osuus on 8 prosenttia.
Ne ihmiset, jotka tekevät tekoälyä koskevia päätöksiä, kokevat saavansa riittävästi tukea. Organisaation kaksi kolmasosaa, joka elää näiden päätösten kanssa, ei koe samoin.
Tämä on koulutuspyynnön taustalla oleva kuvio. Riittävästi varustautuneeksi itsensä kokeva johtaja huomaa, ettei tiimi ole samaa mieltä, ja tarttuu toimenpiteeseen, joka ei edellytä johtajalta mitään. Lisäkoulutus on pyyntö, johon voidaan suostua ilman, että pyynnön esittäjän tarvitsee muuttaa mitään työn rakenteessa, päätösten omistajuudessa tai siinä, mitä tiimiä pyydetään tuottamaan.
Lähes kukaan tässä otoksessa ei kiistä, etteikö jokin olisi vialla. Erimielisyys koskee sitä, missä ongelma sijaitsee.
Henkilöstöhallinnon pitäisi ottaa tämä vastuulleen ennen kuin se lankeaa sille oletusarvoisesti
McKay-Fleischin päätössuositus osallistujille oli palata organisaatioon ja selvittää, kuka vastaa tekoälyn tukemien työnkulkujen uudelleensuunnittelusta. Hän totesi vastanneensa tehtävästä itse jonkin aikaa, kunnes Smartsheet palkkasi tehtävään oman henkilön.
Useimmissa yrityksissä rehellinen vastaus on: ei kukaan. Kun kukaan ei omista sitä, työ ei kuitenkaan katoa. Se siirtyy sille, joka on lähimpänä, yleensä L&D:lle tai mahdollistamistoiminnolle, saapuen yksi koulutuspyyntö kerrallaan ilman toimeksiantoa ja ilman valtaa niiden prosessien yli, jotka todella tarvitsevat uudistamista.
Sen periminen tällä tavalla on huonoin mahdollinen versio sen omistamisesta. HR:n pitäisi ottaa työnkulkujen uudistaminen tietoisesti vastuulleen, ja samalla pitäisi antaa siihen budjetti ja valta, koska vaihtoehtona on vastuun kantaminen ilman kumpaakaan.
Perustelu sille, miksi HR:n pitäisi ottaa tämä vastuulleen, ei ole tunteisiin perustuva. Työnkulkujen uudistaminen määrittää, mitä rooleja on olemassa kolmen vuoden kuluttua, mitä nämä roolit edellyttävät ja kenellä yrityksen sisällä on väylä niihin. Kyse on henkilöstöä koskevista päätöksistä, joita tehdään teknologiavalintojen sivutuotteena. Niiden jättäminen sen päätettäväksi, joka sattuu määrittämään työkalujen asetuksia, on valinta – ja juuri tämän valinnan useimmat organisaatiot tekevät tällä hetkellä oletusarvoisesti.
Toiminnon, joka ymmärtää, miten työ on jäsennelty, miten osaaminen rakennetaan ja mitä ihmisille tapahtuu, kun molemmat muuttuvat, pitäisi olla tämän työn eturintamassa. Tämä vaatimus on esitettävä ennen kuin organisaatiokaavio vakiintuu jonkun muun ympärille.
Mitä kysyä
Kun seuraava tiiminvetäjä tulee luoksesi, älä avaa kurssiluetteloa. Kysy kaksi kysymystä.
- Minkä tuloksen yrität saavuttaa? Ei suurempaa käyttöönottoa eikä aktiivisempaa käyttöä, vaan jotain, mitä voisit mitata itse työssä.
- Missä työnkulussa tämä tulos syntyy, ja kuka omistaa sen?
Jos johtaja pystyy vastaamaan molempiin, sinulla on jotain, jonka varaan rakentaa. Jos hän ei pysty, koulutus ei olisi koskaan toiminut, ja hyödyllisintä, mitä mahdollistamistoiminnossa työskentelevä henkilö voi tehdä, on sanoa se ääneen.
