Kuinka tekoälyn avulla voimaannutetaan työntekijöitä ja muutetaan organisaatiota

Lue litterointi:

Kokeilemme podcastiemme litterointia ohjelmiston avulla. Antakaa anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole sataprosenttisen tarkka.

Becca Banyard: Tiesitkö, että lähes 50 prosenttia huippuosaajista uskoo lähtevänsä organisaatiosta kahden vuoden kuluessa? Ja mikä vielä pahempaa, jotkin tiedot viittaavat siihen, että monet heistä päättäisivät jäädä, jos heille tarjottaisiin oikeat oppimis- ja kasvumahdollisuudet.

Tervetuloa People Managing People -podcastiin. Tehtävämme on rakentaa parempi työelämä ja auttaa sinua luomaan onnellisia, terveitä ja tuottavia työpaikkoja. Olen juontajasi Becca Banyard.

Tämän päivän jaksossa keskustelemme siitä, kuinka tekoälyä käytetään parempien ja onnellisempien työpaikkojen luomiseen. Opit uusista ja kiinnostavista tavoista, joilla tekoäly voi auttaa vähentämään työntekijöiden vaihtuvuutta, välttämään irtisanomisia sekä voimaannuttamaan työntekijöitä kehittämään uraansa ja taitojaan.

Tämän päivän vieraani on Alexandra Levit. Hän on Inspiration at Work -yrityksen perustaja ja toimitusjohtaja. Hän on kansainvälisesti menestynyt kirjailija, The Wall Street Journalin kolumnisti ja työelämän tulevaisuudentutkija.

Alexandra, tervetuloa ohjelmaan. On hienoa saada sinut tänään vieraaksemme. Sukellamme erittäin ajankohtaiseen aiheeseen eli tekoälyyn työpaikalla.

Mutta ennen kuin aloitamme, kertoisitko kuuntelijoillemme hieman siitä, kuka olet ja mitä teet Inspiration at Workissa?

Alexandra Levit: Toki. On hienoa olla täällä. Nimeni on Alexandra Levit. Olen liike-elämän ja työelämän kirjailija, puhuja, konsultti ja tulevaisuudentutkija. Tulevaisuudentutkija on sana, jota jotkut pitävät hieman pelottavana, mutta käytännössä se tarkoittaa henkilöä, joka tarkastelee markkinoilla, yhteiskunnassa ja liike-elämässä esiin nousevia trendejä ja signaaleja sekä yrittää niiden perusteella arvioida, millä asioilla on suurin mahdollisuus aiheuttaa muutoksia.

Inspiration at Work on organisaationi, ja tarkastelemme siellä erityisesti työvoimaa. Katsomme yleensä kahdesta viiteen vuotta eteenpäin, joskus jopa kymmenen vuotta, ja yritämme selvittää, miltä työvoima tulee näyttämään. Autamme organisaatioita ja niiden työntekijöitä valmistautumaan siihen, mitä työelämän tulevaisuus tuo tullessaan.

Teemme monenlaista työtä: konsultointia ja kirjoittamista. Teemme parhaamme auttaaksemme ihmisiä. Emme tee ennustuksia eikä meillä ole kristallipalloa, vaan tarkastelemme ympäröivää maailmaa ja perustamme niin sanotut ennusteemme siihen, mitä aiemmin on tapahtunut ja mitä ympärillämme tapahtuu. Näin pyrimme valmistautumaan tulevaan.

Becca Banyard: Upeaa. Kuulostaa todella kiinnostavalta. Jos meillä olisi tänään enemmän aikaa, haluaisin kuulla ennusteistasi. Tai ehkä sanoit, ettet tee ennusteita, mutta olisi kiinnostavaa kuulla ajatuksiasi pandemiasta ja suuresta irtisanoutumisaallosta ja kaikesta siihen liittyvästä. Mutta siitä keskustelemme toisella kertaa.

Tekoälystä puhuttaessa termi voi tarkoittaa hyvin monenlaisia asioita. Haluan siksi aloittaa keskustelumme kysymällä, mitä tarkoitat käyttäessäsi termiä tekoäly. Se voi tarkoittaa robotteja, keskustelubotteja, automaatioita ja monia muita asioita. Millaisia tekoälytyökaluja sinulle tulee mieleen tässä yhteydessä?

Alexandra Levit: Erinomainen kysymys. Kun keskustelemme tekoälystä, meidän on ehdottomasti määriteltävä, mitä sillä tarkoitamme. Tekoäly tarkoittaa yksinkertaisesti tietokonejärjestelmän käyttämistä ihmisten hyödyntämien älykkyyden muotojen jäljittelemiseen. Kun puhumme tekoälystä Deep Talent -kirjan yhteydessä, tarkoitamme erityisesti syväoppimista hyödyntäviä kyvykkyysälyn muotoja.

Syväoppimisessa tekoälyyn perustuva algoritmi arvioi niin sanottua taitojen läheisyyttä. Jos olet hyvä taidossa A, olet todennäköisesti hyvä myös taidossa B. Jos olet esimerkiksi hyvä algebrassa, tekoälyyn perustuva algoritmi pystyy tarkastelemaan laajaa valikoimaa sisäistä ja ulkoista tietoa ja tunnistamaan malleja. Se voi päätellä, että koska olet hyvä algebrassa, olet todennäköisesti hyvä myös differentiaalilaskennassa.

Tämä on voimakasta siksi, etteivät ihmiset välttämättä pysty tekemään tällaisia päätelmiä nopeasti. Tekoäly pystyy siihen. Se voi hyödyntää käden ulottuvillamme olevaa tietoa eri lähteistä ja päätellä, että jos olet hyvä taidossa A, saatat olla hyvä myös taidossa B. Näiden päätelmien tekemiseen käytetään syväoppimiseksi kutsuttua tekoälyn muotoa.

Se on todella kiinnostavaa. Olet oikeassa siinä, että tekoäly voi kattaa hyvin laajan valikoiman erilaisia teknologioita. Tässä aiheessa ja Deep Talent -kirjassa puhumme luonnollisen kielen käsittelystä ja syväoppimisesta, joita käytetään hyvin tietynlaisiin taitoihin liittyviin tehtäviin.

Becca Banyard: Todella hienoa. On hämmästyttävää elää tällaisena aikana.

Alexandra Levit: Eikö olekin?

Becca Banyard: Tietokoneilla, teknologialla ja kaikella muulla voidaan tehdä niin paljon. Mainitsit hetki sitten Deep Talent -kirjan, jonka julkaisit hiljattain. Sen koko nimi on Deep Talent: How to Transform Your Organization and Empower Your Employees Through AI.

Seuraava kysymykseni on: kuinka tekoäly voi tehdä työstä ihmisille merkityksellisempää? Millaisia käytännön esimerkkejä tästä on?

Alexandra Levit: Se on erinomainen kysymys. Päätimme kirjoittaa tämän kirjan, koska uskomme maailman olevan ainutlaatuisessa yhteiskunnallisessa ja teknologisessa murroskohdassa.

Pandemian jälkeen olemme valmiita voimaannuttamaan työntekijöitä tavoittelemaan heille merkityksellisiä uria ja tekemään organisaatiossa omia valintojaan sen sijaan, että heille aina kerrottaisiin, mitä heidän pitäisi tehdä seuraavaksi. Samaan aikaan yritysjohtajat kertovat rekrytoinnin ja osaamisen kehittämisen olevan organisaatioidensa suurimpia haasteita.

Näemme osaajapulaa, pitkiä rekrytointiaikoja ja lisääntynyttä vaihtuvuutta. Pandemian jälkeisenä aikana työntekijöiden odotusten hallinta on ollut vaikeaa. Työntekijät haluavat työskennellä hyvin tietyssä ympäristössä eivätkä enää hyväksy työympäristöjä, jotka eivät vastaa heidän tapaansa työskennellä.

Prioriteetit ovat siis muuttuneet. Rehellisesti sanottuna tilanteessa on kitkaa. Kun tarkastelemme tietoja, näemme, että lähes 50 prosenttia huippuosaajista lähtee organisaatiosta kahden vuoden kuluessa. Toisaalta useimmat ihmiset jäisivät mielellään organisaatioon, jos heille tarjottaisiin oikeat oppimis- ja kasvumahdollisuudet.

Valitettavasti näin ei usein tapahdu. Kun työvoima ja organisaatiot kasvavat, ne menettävät helposti käsityksen siitä, mihin työntekijät pystyvät. Ne eivät tiedä, mitä taitoja työntekijät ovat kartuttaneet tietyssä tehtävässä tai mitä taitoja he voisivat seuraavaksi oppia.

Ne eivät tiedä, kuinka tiettyjä taitoja voitaisiin hyödyntää yksilöiden urien kehittämiseen. Tekoäly lupaa auttaa meitä selvittämään, mitä työntekijät voisivat tehdä seuraavaksi. Työpaikat ja ihmiset ovat olemassa, joten kyse on oikeiden yhteensopivuuksien löytämisestä organisaatiollesi uskollisten ja osaavien ihmisten sekä täytettävien kriittisten työpaikkojen välillä.

Tekoäly voi auttaa tässä. Hienoa on se, että tätä voidaan tehdä jo nyt. Minulla on useita käytännön esimerkkejä, jos haluat kuulla niitä. Tätä tehdään hallituksissa ja viranomaisissa. Tämä on yksi suosikkiesimerkeistäni, koska käytännön esimerkeissä puhutaan yleensä erittäin innovatiivisista teknologiayrityksistä, jotka näyttävät tietä uusien teknologioiden hyödyntämisessä.

Olen erityisen ylpeä siitä, että ainakin Yhdysvalloissa jotkin innovatiivisimmista toteutuksista ovat osavaltioiden hallintojen tekemiä.

Kun ajattelemme osavaltioiden hallintoja, kuvittelemme usein niiden olevan kehityksestä jäljessä. New Yorkin ja Indianan osavaltiot sekä monet muut kuitenkin näyttävät tietä yhdistämällä työttömien ihmisten taidot osavaltiossa avoinna oleviin työpaikkoihin. Näin osaajat pidetään osavaltiossa ja samalla alennetaan työttömyysastetta. Yhdellä toimella ratkaistaan siis kaksi ongelmaa. Tiedän, että vastaukseni sisälsi paljon kliseitä, ja pyydän sitä anteeksi.

Ehkä minun ei tarvitsisi käyttää näin paljon sanallisia kliseitä, jos käyttäisin tekoälyä. Haluan kuitenkin sanoa, että olen uskomattoman ylpeä näistä toteutuksista. En itse osallistunut niihin, mutta on hämmästyttävää, kun osavaltioiden hallinnot ovat valmiita ottamaan teknologiariskin ja sanomaan: meillä on joukko työttömiä ihmisiä ja organisaatioita, jotka ovat valmiita palkkaamaan heidät. Jos tätä teknologiaa voidaan käyttää molempien ongelmien ratkaisemiseen yhtä aikaa, miksemme kokeilisi sitä?

He kokeilivat, ja onnistuivat ratkaisemaan molemmat ongelmat. Hallitukset voivat auttaa monia ihmisiä samanaikaisesti. Siksi Ashu ja Kamal Eightfoldilla kohdistivat työnsä hallituksiin: he ymmärsivät, että näin apua voidaan skaalata ja muutosta voidaan saada aikaan paljon laajemmassa mittakaavassa kuin aloittamalla pienestä yrityksestä.

Becca Banyard: Hienoa. Tuossa oli paljon kiinnostavia näkökulmia. Mainitsit, kuinka hallitus auttoi ihmisiä löytämään töitä. Mutta mitä yritykset voivat tehdä tilanteessa, jossa niiden huippuosaajat lähtevät kahden vuoden jälkeen tai koska he eivät ole saaneet tarvitsemaansa oppimisen ja kehittymisen tukea?

Kuinka tekoälyä voidaan käyttää työntekijöiden säilyttämiseen tällaisissa tilanteissa?

Alexandra Levit: Se on myös erittäin hyvä kysymys. Tärkeä osa tätä on käyttää tietoa taitojen läheisyydestä työvoiman säännölliseen kartoittamiseen. Näin voidaan muodostaa paljon laajempi käsitys työntekijöiden nykyisistä taidoista ja niistä taidoista, joita organisaatio tarvitsee lähitulevaisuudessa ja pidemmällä aikavälillä.

Tulevaisuuteen ei yleensä katsota kovin kauas. Tulevaisuudentutkijatkaan eivät yleensä katso liian kauas. Tulevaisuuden osaamissuunnittelussa täytyy olla jonkin verran lyhyen aikavälin näkökulmaa, koska emme tiedä, millaisia taitoja tarvitaan kymmenen tai viidentoista vuoden kuluttua.

Eri tehtävien osaamisprofiilien kehittäminen on asia, jossa tekoäly voi ehdottomasti auttaa. Osaamisälyalustan avulla voit tehdä tämän ja toteuttaa työvoimasuunnittelua. Kun ymmärrät, mitä taitoja organisaatiosi tarvitsee ja mitä työvoimasi jäsenet pystyvät seuraavaksi tekemään, voit alkaa kouluttaa heitä ennakoivasti siirtymään organisaation sisällä.

Organisaation etu on, että sillä on mahdollisimman laaja osaamispohja, koska emme koskaan tiedä, milloin seuraava murros tulee. Pandemian aikana älykkäimmät yritykset eivät irtisanoneet ihmisiä, vaan sijoittivat heidät uudelleen.

Kun jokin osasto hidastui, työntekijöitä siirrettiin toiseen toimintoon sen sijaan, että hyvistä työntekijöistä olisi luovuttu. Kun alkuperäinen toiminto jälleen vilkastui, heidät voitiin siirtää takaisin. Se on nykyään älykäs tapa johtaa yritystä: hyviä ihmisiä ei irtisanota ja yritetä myöhemmin palkata takaisin.

Jos käytät osaamisälyä ihmisten siirtämiseen uusiin tehtäviin ja pidät heidät organisaatiossa, ratkaiset samalla ongelman, jossa ihmiset lähtevät kahden vuoden jälkeen mahdollisuuksien puutteen vuoksi. Kun heidän taitojaan kehitetään ja heille tarjotaan uusia mahdollisuuksia, he todennäköisesti pysyvät organisaatiossa pidempään.

Tämä tieto hyödyttää kaikkia: johtajia, henkilöstöhallintoa ja työntekijöitä itseään. Monelle työntekijällekin voi olla uutinen, että algebraosaaminen voi tarkoittaa kykyä oppia differentiaalilaskentaa. Se on voimaannuttavaa. Ihminen voi huomata, että hän pystyy paljon enempään kuin on kuvitellut.

Se auttaa myös johtajia, koska yksi suurimmista sisäisten siirtymien esteistä ovat johtajat, jotka eivät halua luopua hyvistä työntekijöistä. Kun nähdään, että sisäinen siirtymä hyödyttää koko organisaatiota, työntekijän ei välttämättä tarvitse poistua nykyisestä tiimistä kokonaan.

Oikein toteutettuna osaamisäly demokratisoi mahdollisuuksia. Se auttaa ihmisiä ymmärtämään, miksi muutos on heidän ja organisaation etu. Se voi tehdä paljon hyvää samanaikaisesti.

Becca Banyard: Todella hyvä. Palataan hetkeksi kirjaasi. Mikä sai sinut alun perin kirjoittamaan sen? Millainen polku johti päätökseen kirjoittaa kirja?

Alexandra Levit: Olen pohtinut osaamisvajeen ongelmaa lähes vuosikymmenen ajan. Minua on aina turhauttanut se, että kuulemme jatkuvasti irtisanomisista, mutta emme silti löydä oikeita ihmisiä oikeisiin työtehtäviin. Oikeiden osaajien ja työpaikkojen yhteensovittamisen ongelmaan ei tunnu löytyvän ratkaisua.

Kun tapasin Ashun ja Kamalin ja näin Eightfoldin teknologian, joka mahdollistaa tekoälyn käyttämisen tämän ongelman ratkaisemiseen, kiinnostuin välittömästi. Heillä oli myös useita onnistuneita käytännön esimerkkejä, joita voitiin kuvata selkeästi.

Kyse ei ollut vain teoriasta. Teknologia on saatavilla nyt, ja voimme kertoa, kuinka sitä käytetään. Tulevaisuudentutkijana monet käsittelemäni asiat ovat spekulatiivisia, mutta tämä teknologia on jo olemassa ja sitä käytetään ympäri maailmaa. Toivon, että tarjoamme ihmisille käytännöllisen etenemissuunnitelman aloittamiseen ilman pelkoa.

Tämä ei ole asia, jota pitäisi pelätä, eikä sen käyttöönottoon tarvita valtavaa liiketoimintaperustetta tai suurta rahamäärää. Mitä menetettävää on? Halusin kirjoittaa aiheesta ja levittää tietoa.

Viestini kirjailijana ja tulevaisuudentutkijana on aina sama: autetaan mahdollisimman monia ihmisiä elämään mahdollisimman merkityksellistä elämää. Omalla alallani kyse on työstä. Kuinka voimme löytää mahdollisimman monille ihmisille oikeat ja merkityksellisimmät urat? Näin tämän kirjan keinona edistää tätä tavoitetta.

Becca Banyard: Upeaa. Me People Managing Peopleilla yritämme myös luoda sisältöä, jossa ei kerrota vain mitä pitäisi tehdä, vaan myös miten se tehdään ja kuinka asian voi toteuttaa omassa organisaatiossa, työssä ja uralla.

Alexandra Levit: Teillä on täsmälleen sama tehtävä.

Becca Banyard: Hienoa. Olemme jo puhuneet siitä, kuinka tekoäly mullistaa organisaatiokulttuuria vähentämällä työttömyyttä ja pitämällä työntekijät työpaikassa, josta he olisivat muuten lähteneet, koska eivät nähneet mahdollisuuksia uusiin tehtäviin.

Millä muilla tavoin tekoäly mullistaa organisaatiokulttuuria?

Alexandra Levit: Tekoälyä käytetään yhä enemmän ihmisten osallistumisen tukemiseen työvoimassa. En pidä sanasta korvata. En usko, että tekoäly on vielä siinä pisteessä, että se voisi korvata ihmisten osallistumisen työelämään.

Esimerkiksi ChatGPT:stä ja vastaavista keskustelubottiteknologioista puhutaan tällä hetkellä paljon. Kun tekoälyä liitetään perinteisesti ihmisten hoitamaan prosessiin, tarvitaan ihminen luomaan, hallitsemaan, korjaamaan ja uudelleensijoittamaan se sekä selittämään päättäjille, kuinka se toimii.

Tekoälyteknologioiden valvontaan tarvitaan siis paljon ihmisiä. Jos heitä ei ole mukana, seurauksena on kaaos.

Kirjoitan kolumnia The Wall Street Journaliin. Jotkut kuuntelijat saattavat tuntea sen nimellä The Workplace Report. Tänään minulle tarjottiin juttuideoita ChatGPT:n avulla. He käyttivät keskustelubottia tiedotteiden laatimiseen, mutta yksikään ihminen ei lukenut ChatGPT:n kirjoittamia tekstejä ennen niiden lähettämistä.

ChatGPT ei kuitenkaan osaa kirjoittaa tiedotteita kuten oikeat viestinnän ammattilaiset. Tekstit olivat järjettömiä, ja sain näistä ihmisistä huonon vaikutelman. On myös tärkeää ymmärtää, että yrityksesi vastaa kaikesta tekoälyn aiheuttamasta huonosta toiminnasta. Vastuu ei ole ohjelmiston myyjällä, jos toiminta on laitonta tai syrjivää tai aiheuttaa oikeudellisia ongelmia.

Tämä on yksi suurimmista huolenaiheistani. Tekoälyä otetaan käyttöön monilla työelämän alueilla ilman asianmukaista ihmisen suorittamaa valvontaa. Tähän liittyy eettisiä ja oikeudellisia huolia. Teknologioiden ei pidä antaa toimia hallitsemattomasti, eikä niiden pidä olettaa korvaavan ihmisiä.

Tekoäly voi tehdä hämmästyttäviä asioita, mutta ihmisen valvontaa tarvitaan aina, kun uusi toteutus otetaan käyttöön.

Becca Banyard: Olen iloinen, että toit tämän esiin. ChatGPT:n julkaisu on saanut internetin sekaisin. Haluaisin keskustella siitä hieman enemmän. Kuinka näet ChatGPT:n vaikuttavan työn ja organisaatioiden tulevaisuuteen?

Alexandra Levit: ChatGPT on keskustelubotti, joka käyttää luonnollisen kielen käsittelyä lauseiden ja ajatusten muodostamiseen. Se oppii siitä, mitä käyttäjä on sanonut ja mitä se on lukenut.

Se ei kuitenkaan ajattele itsenäisesti eikä käy todellista keskustelua tavalla, jolla ihminen muodostaisi ainutlaatuisia ja johdonmukaisia ajatuksia. Turingin testissä arvioidaan, voiko järjestelmää erottaa ihmisestä. Minusta ChatGPT ei läpäise testiä. Sen tekstistä huomaa, ettei kyseessä ole ihminen.

Tulevaisuudessa kehitys kuitenkin jatkuu, ja teknologiat osallistuvat yhä useampiin tehtäviin. Ihmisten on tarkasteltava omaa työtään ja mietittävä, mitkä sen osa-alueet ovat alttiita automaatiolle ja kuinka omaa uraa voi kehittää niiden rinnalla.

Jos olet esimerkiksi Wall Street Journalin kolumnisti ja uskot ChatGPT:n pystyvän kirjoittamaan kolumnisi muutaman vuoden kuluttua, sinun kannattaa kehittää kirjoittamisen lisäksi editointitaitoja. Näin voit toimia koneen ihmisenä valvojana.

Kaikkien pitäisi pohtia, mitä lisätaitoja heidän täytyy kehittää, jotta he voivat työskennellä myös silloin, kun koneet ottavat hoitaakseen osan heidän tehtävistään. Tekoälystä tulee yhä kehittyneempää, mutta ihmisen valvontaa tarvitaan jatkossakin.

Ihmisten täytyy tarjota harkintaa, henkilökohtaista otetta ja valvontaa. Näitä taitoja on kehitettävä. Ohjelmistoinsinööri ei voi enää luottaa vain ohjelmointitaitoihinsa, vaan hänen täytyy kehittää myös vuorovaikutustaitojaan ja olla monipuolisempi.

Becca Banyard: Aivan. Ennen kuin Skynet ottaa vallan.

Alexandra Levit: Juuri niin.

Becca Banyard: Meidän täytyy lopettaa, mutta haluan esittää vielä yhden kysymyksen. Kysyn tämän kaikilta vierailtani: mikä on mielestäsi tärkein asia, joka pitää työntekijät tyytyväisinä työpaikalla?

Alexandra Levit: Tärkeintä ovat uudet haasteet, mahdollisuus oppia ja kasvaa sekä tunne siitä, että sinua arvostetaan. Ne liittyvät kaikki toisiinsa. On tärkeää tuntea, että työtäsi arvostetaan, että kehityt ja että panoksesi on merkityksellinen sekä sinulle että organisaatiolle. On tärkeämpää tuntea olevansa osa jotakin itseään suurempaa kuin saada pelkkä palkankorotus.

Becca Banyard: Todella hyvä vastaus. Alexandra, on ollut ilo saada sinut vieraaksi. Olen nauttinut keskustelustamme.

Alexandra Levit: Samoin.

Becca Banyard: Jos meillä olisi enemmän aikaa, esittäisin vielä monia kysymyksiä. Ehkä meidän täytyy tehdä tulevaisuudessa toinen jakso. Kiitos vielä kerran, että tulit mukaan.

Jos kuuntelijat haluavat ottaa sinuun yhteyttä tai seurata työtäsi, kuinka he voivat tehdä sen?

Alexandra Levit: Voitte vierailla osoitteessa alexandralevit.com. Tutustukaa kirjaamme Deep Talent.

Olen myös Twitterissä osoitteessa @alevit. LinkedIn on myös hyvä kanava. Kuulemme mielellämme, mitä ihmiset ajattelevat, ja tulen mielelläni uudelleen vieraaksi milloin tahansa, Becca.

Becca Banyard: Upeaa.

Kuuntelijoillemme suuri kiitos kuuntelusta. Muistakaa tykätä ja tilata podcast, jotta pysytte ajan tasalla uusista jaksoistamme. Kuulemme pian. Mukavaa päivää!