Huonon tekoälyn käyttöönoton piilokustannukset (ja kenen pitäisi korjata tilanne)

David Rice: Yrityksesi käyttää satojatuhansia, mahdollisesti miljoonia tekoälytyökaluihin. Työntekijäsi eivät käytä niitä, ja kun he käyttävät, se aiheuttaa enemmän ongelmia kuin ratkaisee. Kuulostaako tutulta? Olet luultavasti kuullut minun sanovan tämän ennenkin, mutta kyse ei ole teknologiaongelmasta. Kyse on valmiusongelmasta. Ja syy siihen, etteivät tekoälyinvestointisi toimi, ei liity itse työkaluihin. Kyse on koneiden autonomian, ihmisten luottamuksen ja osaamisen perustavanlaatuisesta yhteensopimattomuudesta, joka maksaa sinulle paljon enemmän kuin ehkä ymmärrät.

Olen David Rice. Ja tänään People Managing People -ohjelmassa käymme keskustelun, joka haastaa monia asioita, joita sinulle on kerrottu tekoälyn käyttöönotosta.

Vieraamme on David Swanagon. Hän on Machine Leadership Journalin perustaja ja päätoimittaja. Hän on vuosien ajan haastatellut satoja tekoälyinsinöörejä ja johtajia ymmärtääkseen, miksi Yhdysvallat on jäljessä tekoälyvalmiudessa, vaikka sillä on käytössään kaikki parhaat työkalut. Tässä jaksossa opit kolmiulotteisesta viitekehyksestä, jonka avulla voit tunnistaa tarkasti, missä tekoälyn käyttöönotto alkaa rakoilla. Ymmärrät, miksi tietohallintojohtajan ei pitäisi olla ainoa johtaja, joka omistaa tämän muutoksen, ja miksi henkilöstöjohtajan on astuttava esiin tavoilla, joita hän ei ehkä ole vielä edes tullut ajatelleeksi. Mikä tärkeintä, saat selkeyttä siihen, kuinka lopettaa tekoälyn käsitteleminen teknologian käyttöönottona ja alkaa nähdä se ihmisten järjestelmien haasteena, joka se todellisuudessa on.

Tervetuloa People Managing People -podcastiin – ohjelmaan, jossa autamme johtajia pitämään työn inhimillisenä tekoälyn aikakaudella. Nimeni on David Rice ja toimin juontajana. Tänään seurassani on David Swanagon. Hän on Machine Leadership Journalin perustaja ja päätoimittaja. Keskustelemme, arvasit oikein, johtajuudesta tekoälyaikakaudella, valmiudesta ja loistavien johtajien ominaisuuksista.

David, tervetuloa!

David Swanagon: Kiitos. Odotan innolla keskustelua.

David Rice: Tutkit tätä ilmeisesti yhtä perusteellisesti kuin mekin, joten haluan aloittaa tästä. Keskustelimme ennen nauhoitusta, ja sanoit, että Yhdysvallat on jäljessä tekoälyvalmiudessa. Olen pitkälti samaa mieltä, mutta kyse ei ole työkalujen puutteesta vaan ihmisten valmiudesta.

Sanomme näin, mutta mitä se oikeastaan tarkoittaa ja miksi johtajien pitäisi välittää siitä tai odottaa, että tilanteen pitäisi olla erilainen?

David Swanagon: Erinomainen kysymys. Tämä oli tavallaan koronapandemian aikainen projektini, kun kaikki istuimme kotona. Haastattelin satoja tekoälyinsinöörejä ja robotiikan ammattilaisia yrittäen ymmärtää, mitkä kyvykkyydet ovat tekoälylle ainutlaatuisia ja saattavat erota tavanomaisesta oppimisesta.

Havaitsimme, että tekoälyinsinöörit ovat hämmästyttävän ainutlaatuisia siinä, miten heidän aivonsa toimivat. He ovat niitä ihmisiä, jotka todella rakentavat kielimalleja. Uskokaa tai älkää, kielimallit muistuttavat paljon niitä kehittäneitä tekoälyinsinöörejä. Löysimme kiinnostavia piirteitä, kuten lyhytkestoisen muistin ja luovuuden. Palaamme näihin todennäköisesti yksityiskohtaisemmin. Lisäksi avaruudellisen älykkyyden eli kyvyn päästä pisteestä A pisteeseen B. Tekoälyinsinöörien työssä on paljon taitoja, jotka ovat hyvin ainutlaatuisia ja erottavia, mutta Yhdysvalloissa ajattelutapa ei ole niiden kehittäminen. Painopiste on muissa taidoissa.

Perinteisesti ajattelisimme esimerkiksi niin sanottuja Big Five -persoonallisuuspiirteitä. Ulospäinsuuntautuneisuutta pidetään johtajuuden ja johtamisvalmiuden ennusmerkkinä, vaikka tekoälyinsinöörien joukossa suurin osa parhaista patenttien tuottajista ja innovaattoreista on introvertteja. Jos haluat joskus kokeilla hauskaa harjoitusta, voit mennä Geminiin tai Claudeen tai johonkin vastaavaan ja pyytää sitä ajattelemaan persoonallisuuttaan Big Five -piirteiden perusteella.

Jokainen kielimalli antaa aluksi vastahakoisen vastauksen. Se sanoo: olen kone, eikö niin? Mutta kun saat sen oikeasti vastaamaan kysymykseen, se sanoo: olemme introvertteja. Olemme erittäin myötämielisiä. Olemme hyvin avoimia ja luovia. Tässä on kiinnostavaa se, että jos ajattelet Yhdysvaltojen koulujärjestelmän toimintaa ja siitä siirrytään yrityksen tekoälyvalmiuteen, lukion opetussuunnitelmassa on noin 40 AP-kurssia.

Siellä ei ole ainuttakaan lineaarialgebran kurssia, mikä yllättää monet. Lineaarialgebra on kuitenkin koneoppimisen ja neuroverkkojen perustavanlaatuisin ja tärkein käsitteellinen viitekehys, koska se käsittelee kaikkea pistetulosta vektoreihin ja siihen, miten monet neuroverkot käyvät läpi etenemisvaiheensa.

Tarvitset vahvan ymmärryksen lineaarialgebrasta. Yhdysvaltojen koulujärjestelmää ei kuitenkaan ole edes rakennettu kehittämään näitä perustaitoja. Kun siirrytään yritysmaailmaan, monet näistä taidoista kuuluvat alle yhdelle prosentille työntekijöistä. Kyse on siis pohjimmiltaan oikeiden taitojen priorisoimatta jättämisestä. Sitä ei tehty tarkoituksella, vaan nämä koneet heijastavat kehittäjiensä persoonallisuuksia.

Ja monet näistä kehittäjistä ovat yksinkertaisesti hyvin erilaisia kuin perinteiset johtajat. Korn Ferry, AI ja Kiewit sekä kaikki nämä tahot ovat tässä hieman sokeita, koska kielimallit eivät heijastaneet niitä johtajuuspiirteitä, joita he olivat nähneet johtoryhmässä. Ne heijastivat kehittäjien johtajuuspiirteitä, ja kyse on täysin erilaisista ihmisistä.

Siksi Yhdysvallat on monessa suhteessa jäljessä.

David Rice: On hauskaa, koska kun ajattelemme valmiutta, monet ihmiset ajattelevat vain taitoja tai kulttuurista valmiutta, eikö niin? Kuulostaa siltä, että sanomasi perusteella emme ole joiltain osin kognitiivisesti valmiita tähän. Kun ajattelen johtajuutta, ajattelen asioita, joita siinä täytyy olla.

Tarkoitan taitoja, sopeutumiskykyä ja kykyä luoda luottamusta ja varmuutta päätöksentekoon – ei vain teknistä sujuvuutta. Vaikuttaa siltä, että juuri tästä meiltä ehkä puuttuu tällä hetkellä eniten. Se ei siis todennäköisesti ole hyvä yhdistelmä.

David Swanagon: Juuri niin. Esittelin pari viikkoa sitten Columbiassa yhdessä kollegani Steven McIntoshin kanssa. Kehitimme viitekehyksen, joka keskittyy tekoälyn käyttöönoton optimointiin. Tutkimuksemme perusteella löysimme kolme ulottuvuutta, jotka vaikuttavat koneen perustason tehokkuuteen eli käyttöönoton perustasoon. Kyse voi olla mistä tahansa koneesta. Jos ajattelet X-, Y- ja Z-akselien muodostamaa ruudukkoa, Y-akseli kuvaa koneen autonomiaa.

Alhaalla on laskin ja ylhäällä Arnold Schwarzenegger, eikö niin? Tiedät, supertehokas kone. Autonomia kasvaa ylöspäin mentäessä. Vaaka-akselilla on luottamus. Vasemmalla ei ole lainkaan luottamusta ja oikealla on täydellinen luottamus. Z-akseli puolittaa nämä kaksi.

Se on diagonaalinen linja, joka kuvaa tekoälyosaamista. Ajatus on, että jos haluat optimoida tekoälyn käyttöönoton, sinun täytyy tasapainottaa koneen autonomia, luottamus ja tekoälyosaaminen. Näiden kolmen ulottuvuuden täytyy olla tasapainossa, jotta yritys saa koneesta eniten irti mahdollisimman riskitehokkaalla tavalla.

Matemaattisesti tämä tarkoittaa tutkimuksemme mukaan sitä, että laskennalliset perustason kustannukset ovat tehokkaimmillaan, kun nämä kolme asiaa ovat tasapainossa. Ongelmat syntyvät silloin, kun jokin muuttujista ei ole linjassa muiden kanssa. Silloin yritysten täytyy käyttää rahaa tietosuojaohjelmiin, hallintaohjelmiin ja osaamisohjelmiin.

Mitä suurempi tietoaineisto ja mitä laajemmin levinnyt malli on, sitä kalliimmiksi käyttöönoton kustannukset nousevat. Kiinnostavaa on se, että monilla näistä yrityksistä ei ole menetelmää tekoälyn käyttöönoton mittaamiseen. Ne seuraavat vain laskennallisia kustannuksia, kuten palvelinkeskusten kustannuksia, liukulaskentakustannuksia ja vastaavia.

Ne kuitenkin tietävät, ettei tekoäly toimi liiketoiminnassa. Tämä malli on kiinnostava siksi, että kun autonomiaa, luottamusta, osaamista ja niiden yhteensopivuutta tai yhteensopimattomuutta seurataan järjestelmällisesti, huonon tekoälyn käyttöönoton kustannukset voidaan laskea. Ja ne ovat suuret. Merkittävät.

Mielestäni tekoälyvalmiuteen liittyvien haasteiden ytimessä on se, että on ymmärrettävä käyttöönoton olevan täysin eri asia kuin käyttöönottoympäristöön vieminen. On hämmästyttävää, että tietohallintojohtajalle on annettu sekä työkalujen suunnittelu, testaus ja käyttöönotto että niiden omaksumisen vastuu. Yksi tutkimuksemme kautta esittämistämme väitteistä on, että henkilöstöjohtajan pitäisi omistaa käyttöönotto, koska se liittyy kulttuuriin, luottamukseen, autonomiaan ja taitoihin. Tietohallintojohtajan pitäisi vastata suunnittelusta, testauksesta ja käyttöönottamisesta, mutta pysähtyä siihen ja tehdä sen jälkeen yhteistyötä henkilöstöjohtajan kanssa käyttöönoton hallitsemiseksi.

Henkilöstöjohtajan tehtävässä tarvitaan jonkin verran osaamisen kehittämistä tätä varten, joten…