Ihmisen ja tekoälyn välinen työnjako on monimutkaisempi kuin yritykset ajattelevat

David Rice: Useimmat yritysten tekoälykeskustelut alkavat samalla kysymyksellä: Mitä voimme automatisoida? Mutta se on väärä lähtökohta. Tämän päivän ohjelmassa keskustelen Salesforcen eettisen ja inhimillisen käytön johtajan Paula Goldmanin kanssa siitä, mikä ero on automaatiota varten suunnittelulla ja ihmisen ja tekoälyn yhteistyötä varten suunnittelulla.

Ne eivät ole sama asia. Automaatiossa kysytään, mitkä vaiheet voidaan poistaa. Yhteistyössä kysytään, millaiseksi työ voisi muuttua nyt, kun ihmisillä on käytössään uusi kyvykkyys. Tekoälyn ja ihmisten välinen työnjako ei myöskään ole niin selkeä kuin haluamme kuvitella. Kun asiakkaat ovat vihaisia, he haluavat puhua ihmiselle. Kun heitä nolottaa, he usein suosivat tekoälyä.

Yleiset oletukset siitä, mihin tämä raja kuuluu, voivat maksaa organisaatioille luottamuksen tavalla, josta on vaikea toipua. Paulan keskeinen argumentti on, että tekoälyn voimistuessa harkinta ja ihmissuhteiden rakentaminen muuttuvat entistä tärkeämmiksi, eivät vähemmän tärkeiksi. Tuottavuus on välitulos. Mielenkiintoisempi kysymys on, mitä teet sen kapasiteetin avulla, jonka tekoäly vapauttaa.

Tänään käsittelemme sitä, miksi automaatiosta aloittaminen saa johtajat sivuuttamaan sen, miten ihmistyö luo arvoa, miten tekoälyn ja ihmisen välistä työnjakoa kannattaa ajatella omien käyttötapausten mukaan, miksi jokaiselta työntekijältä odotetaan nyt tekoälyn hallintaa samalla koulutuksen puutteella, joka aiemmin koski esimiehiä, sekä sitä, miltä ihmisen kukoistamista tukeva suunnittelu käytännössä näyttää.

Olen David Rice. Tämä on People Managing People. Jos tekoälystrategiasi perustuu siihen, mitä voit automatisoida, eikä siihen, millaiseksi työ voisi muuttua, tämä keskustelu muuttaa koko näkökulmasi. Aloitetaan.

Tutustu Teamflectiin, Microsoft Teamsille rakennettuun, parhaaksi arvioituun suorituskyvyn hallinnan ja työntekijöiden sitoutumisen alustaan.

Yli tuhat organisaatiota luottaa siihen. Helppokäyttöinen mutta yritystason ratkaisu. Vieraile osoitteessa Teamflect.com ja lue lisää.

Paula, tervetuloa tämän päivän ohjelmaan.

Paula Goldman: Kiitos kutsusta.

David Rice: Halusin aloittaa keskustelun siitä, että suuri osa yritysten tekoälykeskustelusta alkaa yhä jonkinlaisella versiolla kysymyksestä: ”Mitä voimme automatisoida?”

Sinä kuitenkin väität, että automaatiota varten suunnittelu ja ihmisen ja tekoälyn yhteistyötä varten suunnittelu ovat perustavanlaatuisesti eri asioita. Jos aloitamme automaatiosta tavoitteena, mitä johtajat eivät silloin huomaa ihmistyöstä ja siitä, miten se luo arvoa?

Paula Goldman: Kiitos. Muotoilit kysymyksen erittäin hyvin, ja siinä on mielestäni muutama eri puoli.

Ensinnäkin kyse on muuttavan vaikutuksen ja pienen tehokkuusparannuksen erosta. Meidän pitäisi kysyä: ”Mitä tekoäly tekee liiketoiminnallemme mahdolliseksi? Miten voimme ilahduttaa asiakkaitamme ja työntekijöitämme entistä enemmän?” Mutta vielä perustavammalla tasolla kysymys liittyy siihen, missä ihmisten välinen vuorovaikutus on ratkaisevan tärkeää lopputuloksen onnistumiselle.

Esimerkiksi puhelimeen vastaavan henkilön ja soittavan henkilön välinen yhteys voi ratkaista sen, onko asiakas todella pettynyt vai ilahtunut. Samoin työntekijän inhimillinen valmennus voi ratkaista sen, johtaako tilanne motivaatioon ja kasvuun vai ei.

Olemme aliarvioineet valtavasti sitä, miksi tämä on tärkeää. Tekoäly on erittäin voimakas työkalu, ja sillä voidaan tehdä paljon. Oikea kysymys kuitenkin kuuluu: miten saamme ihmiset ja tekoälyn työskentelemään hyvin yhdessä, jotta saavutamme vastuullisia ja poikkeuksellisen hyviä tuloksia, emmekä vain mieti, mihin voimme liittää tekoälyn?

David Rice: Yksi ongelmistamme on se, että tehokkuus ja arvo ovat mielessämme usein lähes synonyymejä. Työnkulusta voi tulla huomattavasti tehokkaampi ja samalla huonompi tuottamaan asioita, joilla on merkitystä: luottamusta, oppimista, luovuutta ja harkintaa.

Automaatiossa olemassa olevaa työnkulkua kohdellaan usein analyysin yksikkönä. Mitkä vaiheet voimme poistaa? Yhteistyössä kysytään mielestäni erilaista kysymystä: ”Millaiseksi tämä työnkulku voisi muuttua nyt, kun ihmisillä on käytössään uudenlainen kyvykkyys?”

Paula Goldman: Sanoit tuon erittäin hyvin.

David Rice: Tämä on erityisen tärkeää henkilöstöjohtajille. Talousjohtaja saattaa nähdä, että kapasiteettia vapautuu kaksikymmentä prosenttia. Henkilöstöhallinnon on kysyttävä, mitä tuolle työasiantuntemukselle ja kapasiteetin ympärillä olevalle organisaatiojärjestelmälle tapahtuu.

Olemme joutuneet painimaan tämän kanssa. Olet puhunut tekoälyn ja ihmisten välisen työnjaon suunnittelusta. Raja ei kuitenkaan ole niin yksinkertainen, että tekoäly hoitaa rutiinityön ja ihmiset monimutkaisen työn.

Sanomme näin, mutta asia ei mielestäni ole niin siisti. Joskus ihmiset todella suosivat tekoälyä hyvin arkaluonteisissa vuorovaikutustilanteissa, kun taas näennäisen yksinkertaiset hetket voivat riippua valtavasti inhimillisestä yhteydestä. Miten organisaatioiden pitäisi mielestäsi määrittää tämä raja sen sijaan, että ne tekisivät yleisiä oletuksia?

Paula Goldman: Ei ole väärin sanoa, että tekoälyn pitäisi hoitaa rutiinit ja ihmisten monimutkaiset asiat. Se on itse asiassa melko hyvä lähtökohta. Mutta kun tarkastelet yksittäisiä käyttötapauksia, asiat muuttuvat todella kiinnostaviksi.

Otetaan esimerkiksi asiakaspalvelu. Jos tekoäly ei ole koskaan nähnyt kysymystä eikä sillä ole vastaamiseen liittyvää tietoa, sen ei todennäköisesti pitäisi käsitellä sitä. On myös muita nyrkkisääntöjä. Jos jokin on vahvasti säänneltyä, kuten pienyrityksille talousneuvontaa tarjoavan One Eight Hundred Accountantin tapauksessa veroneuvonta, asiakas haluaa ihmisen hoitamaan asian.

Kun mukaan otetaan asiakkaan tunteet ja emotionaalinen yhteys, asiat muuttuvat vielä kiinnostavammiksi. Tutkimukset ja aineisto osoittavat, että vihaiset asiakkaat haluavat yleensä puhua ihmiselle. Kun asiakasta nolottaa, esimerkiksi lääketieteellisen tilanteen vuoksi tai siksi, ettei hän halua tuntea itseään tuomituksi, hän saattaa hieman mieluummin keskustella tekoälyn kanssa.

Siksi on todella tärkeää ymmärtää, missä ihmiset haluavat puhua ihmisille ja missä eivät. Asiakaspalvelussa ei ole kyse vain tehokkuudesta, vaan siitä, pidätkö asiakkaan vai et. Siihen ei saa kovin montaa mahdollisuutta. Olemme vasta raapaisemassa pintaa siinä, miten yhteistyö käytännössä toimii, ja ihmisen näkökulmaan kiinnittäminen on olennaista.

David Rice: Erottelu ei ehkä olekaan yksinkertainen–monimutkainen, vaan kysymys on siitä, mitä ihmiset haluavat tältä vuorovaikutukselta. Jos heitä nolottaa tai he pelkäävät tulevansa tuomituiksi, tekoäly voi tuntua psykologisesti turvallisemmalta kuin ihminen.

Tämä viittaa siihen, että organisaatiot tarvitsevat käyttäjätutkimusta eivätkä vain prosessikartoitusta ennen kuin ne päättävät, missä ihmiset kuuluvat mukaan. Raja ei myöskään ole pysyvä. Ihmiset voivat aluksi haluta ihmisen vahvistusta ja myöhemmin tottua tekoälyyn tai päinvastoin.

Käytämme tehtävän monimutkaisuutta mittarina sille, missä ihmiset tuottavat arvoa. Onko tunteisiin liittyvä seuraus mielestäsi parempi muuttuja?

Paula Goldman: Molemmat ovat erittäin tärkeitä muuttujia. Ihmiset jättävät inhimillisen yhteyden puolen huomiotta luultavasti omaksi vahingokseen.

Asiat tulevat myös muuttumaan. Ihmiset saattavat ajan myötä tottua enemmän tekoälyn kanssa toimimiseen, ja tekoäly kehittyy jatkuvasti paremmaksi ja voimakkaammaksi. Toisaalta ihmiset voivat alkaa arvostaa inhimillistä yhteyttä entistä enemmän.

Kun kuluttajat ja työntekijät käyttävät tekoälyä enemmän ja suodattavat sen avulla vastaan tulevaa sisältöä, kuten markkinointiviestejä, inhimillisiä kosketuspisteitä voi olla yhä vähemmän. Silloin niiden merkitys kasvaa paljon suuremmaksi.

On vaikea ennustaa, miten tämä kaikki kehittyy, mutta olen kirjani kirjoitettuani täysin vakuuttunut siitä, että aliarvioimme ihmisen osuuden merkityksen vuorovaikutuksessa.

David Rice: Kerroit aiemmin hienon tarinan sosiaalityöntekijöistä, jotka vastustivat tekoälytyökalua, jonka oli tarkoitus säästää heidät palaamasta toimistolle kenttäkäyntien jälkeen. Johto näki paluumatkan tehottomuutena, mutta työntekijät näkivät sen hetkenä, jolloin he käsittelivät vaikeita tapauksia yhdessä.

Miten henkilöstöjohtajat voivat erottaa tuhlauksen näennäisesti tehottomista inhimillisistä vuorovaikutustilanteista, jotka vaikuttavat eniten luottamukseen, oppimiseen, harkintaan ja resilienssiin?

Paula Goldman: Se oli hyvä esimerkki siitä, miten tärkeää on ymmärtää tällainen työssä toistuva rituaali. Kun ihmiset lähtevät kentälle, he kohtaavat vaikeita tapauksia. Jotkin niistä ovat heille uusia ja jotkin voivat olla työntekijälle emotionaalisesti raskaita.

He haluavat palata ja käsitellä asioita yhdessä, koska kollega on ehkä nähnyt jotakin vastaavaa aiemmin. Tekoäly voi auttaa muistiinpanojen tekemisessä tai prosessissa, mutta kysymys kuuluu, miten se tukee samanaikaisesti tehokkuutta ja siellä tapahtuvaa yhteistoiminnallista oppimista.

Pieni muutos – sen ymmärtäminen, että tavoitteena ei ole vain ajan säästäminen vaan tiimin oppimisen lisääminen ja asiakkaiden parhaiden ratkaisujen löytäminen – voi tehdä valtavan eron. Tässä tapauksessa kyse oli Ison-Britannian paikallisneuvostosta, jossa pilotti hylättiin.

Ihmiskeskeisempi toteutus olisi voinut pelastaa hankkeen, säilyttää tehokkuuden ja samalla turvata kaiken siihen liittyneen oppimisen.

David Rice: Olemme vuosikymmeniä puhuneet kitkasta huonona asiana ja sen poistamisesta. Tekoäly antaa meille ennennäkemättömän mahdollisuuden tehdä juuri niin.

Todennäköisesti tulemme kuitenkin huomaamaan yhä enemmän myönteistä kitkaa. Toimistolle palaaminen näytti prosessikartalla liikenteen aiheuttamalta hukkakululta, mutta todellisuudessa se oli vertaissupervisiota, yhdessä palautumista ja epävirallisen tiedon jakamista.

Vastaavia esimerkkejä on kaikkialla: nuoremmat työntekijät kuulevat sivusta kokeneempien keskusteluja, kokousten jälkeiset keskustelut ja vieressä istuvalta kollegalta kysyminen siitä, miten hän ratkaisisi jonkin asian. Nämä vuorovaikutustilanteet ovat näkymättömiä mutta työntekijöiden kehittymisen kannalta mittaamattoman arvokkaita.

Paula Goldman: Olen samaa mieltä. Salesforceilla kutsumme tätä tietoiseksi kitkaksi. Tekoäly ja teknologia ovat tehokkaita ja voivat tuottaa vastauksia monilla aloilla. Joissakin tilanteissa onnistuneen ja epäonnistuneen lopputuloksen välinen ero syntyy kuitenkin siitä, että ihminen puuttuu peliin harkinnallaan.

Käytän paljon aikaa sen pohtimiseen, missä kohdissa ihmistä pitäisi kannustaa katsomaan asiaa vielä kerran. Kyse voi olla merkittävästä päätöksestä, jota tekoäly suosittelee esimerkiksi työntekijöiden valinnassa tai lainanhakijan arvioinnissa. Silloin tarvitaan ihmisen valvontaa.

Joskus kyse on niinkin yksinkertaisesta asiasta kuin siitä, että haluamme ihmisen olevan aidosti mukana, koska sillä on suuri vaikutus. Kitka ei siis ole aina huono asia. Järjestelmässä on kohtia, joissa tarvitsemme ehdottomasti kitkaa.

David Rice: Olen kuullut tätä kutsuttavan kantaviksi tehottomuuksiksi. Onko henkilöstöjohtajan tehtävä tunnistaa, mitkä tehottomuudet eivät todellisuudessa ole tehottomuuksia, ennen kuin tekoälymuutos poistaa ne?

Paula Goldman: Henkilöstöhallinnon rooli on erittäin tärkeä, koska sen on autettava kaikkia yrityksen toimintoja käyttämään tekoälyä tavalla, joka tuottaa parhaat tulokset. Samalla vastuu on annettava myös jokaiselle toiminnolle, koska ne itse tietävät, missä esimerkiksi inhimillinen aitous ja luovuus ovat tärkeitä markkinointiviesteissä ja missä tekoäly voi personoida viestin tuhansilla eri tavoilla.

Tarvitaan molempia. Tekoäly ei ole enää yksi tai kaksi sovellusta, vaan se on kaikkialla ja syvällä kaikissa toiminnoissa. Siksi tarvitaan toimintojen asiantuntijoita tunnistamaan parhaat käyttötapaukset sekä henkilöstöhallintoa varmistamaan, että inhimillinen asiantuntemus säilyy keskeisenä.

David Rice: Työntekijät eivät voi olla vain tekoälymuutoksen vastaanottajia. Heillä on tietoa työstä, jota muutoksen suunnittelijoilla ei ehkä ole. Organisaatiot eivät kuitenkaan voi suunnitella jokaista työnkulkua komiteassa. Miltä merkityksellinen työntekijöiden osallistuminen näyttää ilman, että muutos hidastuu liikaa?

Paula Goldman: Työntekijöillä pitäisi olla paikka pöydässä. Sosiaalityöntekijöiden tarina osoittaa, miksi heidän sivuuttamisensa on vastaproduktiivista. Osallistuminen voi myös nopeuttaa tuloksia ja auttaa ennakoimaan ongelmia ennen niiden kasvamista suuriksi.

Salesforcella järjestämme esimerkiksi ideakilpailuja, joissa työntekijät kehittävät tapoja käyttää tekoälyä. Neuroepätyypilliset työntekijät suunnittelivat tapoja käyttää Slackin tekoälyä niin, etteivät he kuormittuisi tietotulvasta. Näistä ideoista syntyi Slackin keskittymistila.

Osallistuminen ei rajoitu ideakilpailuihin. Työntekijöiltä voidaan pyytää palautetta sovelluksessa, heidät voidaan ottaa mukaan keskusteluun tärkeistä sovelluksista, ja heidän palautettaan voidaan kuunnella. Tavoitteena ei ole vain ottaa tekoäly käyttöön ja määrätä ihmisiä omaksumaan se, vaan ymmärtää, miten sitä käytetään päivittäisessä työssä parempien tulosten saavuttamiseksi.

Ystäväni Amanda Ballantyne kertoi minulle Stellantisin autotehtaasta, jossa tuotantolinjan työntekijät opettivat toisilleen robotiikan käyttöä. Yksi opettajista oli jopa rakentanut opiskelijoille oman sovelluksen robotin vianmääritykseen. Se perustui todelliseen kokemukseen ja auttoi parantamaan tehokkuutta. Siksi teknologiaa ei pidä vain määrätä ylhäältä alas, vaan ihmiset on otettava mukaan.

David Rice: Työntekijöiden veto-oikeuden ja suunnittelutiedon tarjoamisen välillä on suuri ero. Etulinjan työntekijät tietävät usein kiertotiet ja säännöt, jotka eivät näy toimintaohjeissa. Heillä on epävirallisia työnkulkuja.

Paula Goldman: Juuri niin. Joskus tekoäly voi tunnistaa hiljaista tietoa ja tehdä siitä helpommin saatavilla olevaa. Toisinaan kyse on asioista, joita ei ole kirjattu mihinkään: tilanteen lukemisesta, vuosien aikana syntyneestä ymmärryksestä ja siitä, miten jokin asia todella tehdään. Siksi tätä asiantuntemusta tarvitaan.

David Rice: Kehystäisin tämän vähemmän osallistumisena ja enemmän vaatimusten keräämisenä. Ihmiset käyttävät järjestelmää todennäköisemmin, jos tunnistavat oman todellisuutensa sen suunnittelussa.

Paula Goldman: Täsmälleen. Se on erinomainen tapa sanoa asia.

David Rice: Miten erotat aidon etulinjan tiedon vastarinnasta, joka pohjimmiltaan tarkoittaa: ”En halua työni muuttuvan”?

Paula Goldman: Elämme valtavaa työn muutosta. Muutos on vaikeaa, ja juuri siksi ihmisten ottaminen mukaan ja heidän paikkansa varmistaminen pöydässä johtaa parempiin tuloksiin. Pyydämme ihmisiä muuttamaan tapaansa työskennellä, ja siihen liittyy suuri tunteiden kirjo.

On kysyttävä, minkä pitää säilyä inhimillisenä. Kaikki mielipiteet eivät ratkaise lopputulosta, mutta niitä on kuunneltava, jotta ymmärretään, missä harkinta, ihmissuhteiden rakentaminen ja poikkeustapausten ratkaiseminen ovat olennaisia.

Ihmiset on otettava mukaan työn tulevaisuuden suunnitteluun. Heidän on nähtävä, että muutos tekee työstä parempaa. Kyse on muutosjohtamisesta.

David Rice: Ihmisen ja tekoälyn yhteistyössä on toinenkin ulottuvuus. Jos annamme tietyt kognitiiviset tehtävät järjestelmällisesti tekoälylle, emme ainoastaan suunnittele työtehtäviä uudelleen. Saatamme myös muuttaa sitä, miten ihmiset kehittävät asiantuntemustaan.

Mitä ihmisten pitäisi jatkaa, vaikka tekoäly pystyisi tekemään tehtävän? Ihmiset kehittävät tehtävää tekemällä harkintaa, jota he tarvitsevat rooleissaan. Tekoäly voi siis pystyä suorittamaan tehtävän, mutta siitä ei seuraa, että ihmisten pitäisi lopettaa sen tekeminen.

Paula Goldman: Tämä on erittäin tärkeä ero. Asiakaspalvelussa ja monissa muissa tilanteissa sen ymmärtäminen, mitä tekoäly voi tehdä ja mitä sen pitäisi tehdä, ratkaisee onnistumisen ja epäonnistumisen välillä.

Esimerkiksi tekoäly voi auttaa esimiestä keräämään tietoa perusteellista suoriutumisen arviointia varten, mutta esimiehen on edelleen otettava vastuu arvioinnista ja annettava palaute itse. Se vaikuttaa motivaatioon.

Asiantuntemuksen kehittäminen on myös ratkaisevan tärkeää. Siksi oppisopimuskoulutuksesta, koulutuksesta ja taidoista puhutaan jälleen enemmän. Tulevaisuudessa opimme ehkä perusteet valvomalla tekoälyä: ymmärtämällä, missä se toimii, missä ei, miten sitä voidaan parantaa ja mihin sen vastauksiin voi luottaa.

David Rice: Joidenkin tehtävien on ehkä tarkoituksella säilyttävä inhimillisinä koulutustehtävinä, vaikka tekoäly tekisi ne nopeammin. Talousjohtaja voi kuitenkin kysyä: ”Kuka maksaa kehitykseen liittyvän tehottomuuden?”

Paula Goldman: Se on väärä tapa kehystää tehokkuus. Ihmiset oppivat hallitsemaan tekoälyjärjestelmiä. Kun yritys investoi voimakkaasti tekoälyyn, sillä on oltava ihmisiä, jotka tuntevat liiketoiminnan ja osaavat arvioida, mitkä tehtävät tekoälylle voidaan delegoida ja mitkä eivät.

Ilman tätä rahaa käytetään ongelmaan ratkaisematta sitä. Kyse ei siis ole tehottomuudesta vaan paremmasta tavasta ajatella tehokkuutta.

David Rice: Monet tekoälyn liiketoimintaperustelut mittaavat hyvin sen, mikä katoaa: säästyneet tunnit, automatisoidut tehtävät ja vapautunut kapasiteetti. Ne mittaavat huonommin sitä, mikä saattaa kadota samalla: hiljaisen tiedon siirtymistä, ihmissuhteita, harkintaa, mentorointia ja epävirallisia hetkiä.

Aliarvioiko tekoälyn nykyinen tuottoprosentin määritelmä järjestelmällisesti ihmistyön puolta?

Paula Goldman: Määritelmä muuttuu, mutta kyllä. Siksi tekoälyn tuottoa aletaan mitata lopputuloksilla. Kuinka monta asiakaspuhelua ratkaistiin ja kuinka monta tuntia säästyi ovat eri asioita.

Jos tekoälyä käytetään koulutuksessa, paranivatko ihmisten taidot? Jos sitä käytetään lakityössä, paraniko lausuntojen laatu mitattavasti vai syntyikö vain hallusinaatioita?

Kun mittarina käytetään kokonaisvaltaisempaa tulosta, huomioidaan sekä tekoälyn kyvyt että sen rajoitukset, ihmisen tarve tarkistaa asioita ja tarve oppia työn perusteet samalla kun työtä tehdään.

Uskon, että tulemme mittaamaan kokonaisvaltaisempia liiketoimintatuloksia. Se johtaa parempiin teknologiainvestointeihin ja selkeämpään suunnitelmaan siitä, miten ihmisten työtehtävien pitäisi kehittyä tavalla, joka antaa heille enemmän valtaa ja mahdollisuuksia tehdä suurempia ja parempia asioita.

David Rice: Mitä oikeastaan mittaisit, jos haluaisit osoittaa pitkän aikavälin vaikutukset?

Paula Goldman: Asiakkaiden näkökulmasta säästyneet tunnit ovat yksi mittari, ja niitä pitää mitata. Lisäksi pitäisi mitata asiakastyytyväisyyttä, asiakaspoistumaa ja sitä, kuinka moni asiakas siirtyy ostamaan myyntiponnistelujen seurauksena.

Nämä eivät ole uusia mittareita. Ne ovat kokonaisvaltaisia tapoja mitata liiketoimintaa. Tekoälyyn liittyvässä innostuksessa olemme vain keskittyneet liikaa yhteen toimenpiteeseen.

Asiakas voi kysyä verkkosivustolla tuotetta koskevan kysymyksen ja saada vastauksen tekoälyltä. Yksinkertainen kauppa voidaan tehdä verkossa, mutta vaikeampi asia pitää siirtää ihmiselle, joka voi auttaa asiakasta ymmärtämään ongelmansa ja tehdä päätöksen.

Emme tarvitse uusia mittareita. Meidän on sovellettava nykyisiä mittareita järkevästi.

David Rice: Sanoit aiemmin jotain, josta pidin: ”Teknologia on voimakas, mutta se ei ole päähenkilö. Me olemme.” Jos otamme tämän vakavasti, tekoälymuutoksen tavoitteena ei voi olla vain ihmisten tuottavuuden parantaminen. Mihin ihmisten pitäisi tulla paremmiksi koneiden kyvykkyyksien kasvaessa?

Paula Goldman: Kirjoitin kirjan, koska monet älykkäät ystäväni olivat huolissaan ja kysyivät epäsuorasti: ”Olemmeko edelleen tärkeitä? Muuttuvatko ihmiset tarpeettomiksi?”

Kaikki kokemukseni teknologiasta osoittavat päinvastaista. Kun tekoäly voimistuu, harkinnan ja ihmissuhteiden rakentamisen merkitys kasvaa. Meistä kaikista tulee tekoälyn johtajia.

Meidän on ymmärrettävä, missä tekoäly on hyvä ja missä ei, ja osattava puuttua tilanteeseen. Kyse ei ole nopeammasta hevosesta vaan siitä, mitä on mahdollista tehdä, kun tekoäly pystyy personoimaan vuorovaikutusta valtavassa mittakaavassa, vastaamaan asiakkaiden ensimmäisiin kysymyksiin tai antamaan työntekijöille kaikki etuuksia koskevat tiedot.

Tällaisista ominaisuuksista tulee perustaso. Tärkeää on, että ihmiset osaavat hyödyntää tehokkuutta ja tehdä jotakin parempaa asiakkaidensa tai työntekijöidensä hyväksi. Siksi ihmisten on oltava tekoälyn suhteen osaavia ja samalla heidän harkintaansa on vahvistettava.

Kyse ei ole nopeammasta hevosesta vaan uudelleen suunnitellusta liiketoiminnasta.

David Rice: Tuottavuus on siis välitulos, ei kaiken loppu. Mielenkiintoisempi kysymys on, mitä teemme tämän kapasiteetin avulla.

Paula Goldman: Aivan. Tuottavuus on erittäin tärkeää, mutta se ei yksin riitä. Tekoälyn ympärillä on nähty katastrofeja, ja siksi tarvitaan ihmisiä valvomaan sitä, ymmärtämään rajat ja pitämään asiakkaat sekä työntekijät muutoksen keskiössä. Uskon, että juuri nämä yritykset menestyvät.

David Rice: Työtehtäviä suunnitellaan uudelleen. Jos tekoäly poistaa raportoinnin ja hallinnollisen työn, esimieheltä voidaan odottaa jotakin muuta: parempaa valmentamista ja suoria alaisia parempien tulosten saavuttamisessa.

Paula Goldman: Tämä on yksi lempiaiheistani. Nyt lähes jokaiselta työntekijältä odotetaan tekoälyn hallintaa, mutta ilman asianmukaista koulutusta: ”Mene ja tee se.”

Esimieheni John Stormer rohkaisi aikoinaan mielikuvitustani, lähetti podcasteja ja artikkeleita eikä torjunut kirjaideaani. Hänen tukensa auttoi kirjaa syntymään. Aliarvioimme helposti tällaisen yhteyden merkityksen.

Kun tekoäly voimistuu, emme halua menettää inspiraatiota, yhteyttä ja ihmisten välistä kannustusta. Haluamme suunnitella ne osaksi työtä ja tehdä niistä yleisempiä. Se on mahdollisuus, jota kohti kannattaa pyrkiä.

David Rice: Paula, tämä oli hieno keskustelu. Kiitos, että käytit aikaasi kanssamme.

Paula Goldman: Kiitos kutsusta ja erinomaisista kysymyksistä. Nautin tästä.

David Rice: Kuulijat, jos ette ole vielä tehneet niin, käykää tutustumassa AI Signaliimme. Tarjoamme joka viikko johtajille suunnatun katsauksen yhdestä asiasta, jota sinun on ajateltava tällä viikolla: se voi olla huomio, seuraavassa johtoryhmän kokouksessa esitettävä kysymys tai työkalu parhaillaan tehtävän työn arviointiin.

Muista ilmoittautua mukaan. Ensi kertaan asti – ajattele mahdollisuuksia. Suunnittelemme työtä täällä uudelleen.

Tee suoritusarviointeja ja tuo työntekijöiden sitoutumista koskevat oivallukset suosikkisi tekoälytyökaluun. Yhdistä Teamflect ChatGPT:hen, Claudeen tai mihin tahansa laajaan kielimalliin tavoitteiden tarkistamista, arviointien kirjoittamista, palautteen arviointia, tehtävien luomista ja muuta varten – kaikki yksinkertaisella keskustelulla. Kokeile Teamflectia nyt maksutta.