Miltä tekoälysujuvuus todella näyttää – ja miten siihen päästään

David Rice: Mitä tekoälyyn liittyviä riskejä johtajat aliarvioivat vain siksi, että ihmisille on nykyään suoraan sanottuna helppo ymmärtää, miten sitä käytetään?

Kenneth Corrêa: Suurin yritysten tekemä virhe, jonka näen, ei oikeastaan liity pelkästään työkalun käyttämiseen. Kyse on luottamuksellisten ja yksityisten tiedostojen jakamisesta. Jollakulla oli juuri idea, joten hän käyttää omaa puhelintaan ladatakseen laskentataulukon, jossa ovat vuosineljänneksen taloudelliset tulokset, ChatGPT:n ilmaiseen versioon.

David Rice: Mainitsit, että oma yrityksesi näki tuottavuuden kasvavan 15 prosenttia, ettekä kasvattaneet henkilöstömäärää lainkaan. Miksi sanoisit, etteivät useammat yritykset seuraa esimerkkiä?

Kenneth Corrêa: Ihmiset opettavat ja puhuvat tekoälystä ikään kuin kyse olisi 70 vuotta vanhasta teknologiasta, joka tarvitsee edelleen valtavasti dataa, tietokantoja ja data-analyytikkoja. Nyt generatiivinen tekoäly on jotain, jota on helppo käyttää, erittäin helppo ottaa käyttöön ja erittäin helppo kokeilla. Tuottavuus kasvaa vain 20–40 prosenttia.

David Rice: Millaisia sudenkuoppia yleensä näet organisaatioissa, jotka pyrkivät tekoälysujuviksi? Miten epäluotettavia ja liikaa lupaavia tuloksia voidaan välttää?

Tervetuloa People Managing People -podcastiin, ohjelmaan, jossa autamme johtajia pitämään työn inhimillisenä tekoälyn aikakaudella. Olen juontajanne David Rice. Tänään vieraana on Kenneth Corrêa, maailmanlaajuisesti toimiva tekoälyn kouluttaja, puhuja ja kirjan Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents kirjoittaja.

Tässä keskustelussa Kenneth esittelee yrityksille reitin tekoälyä koskevasta uteliaisuudesta todelliseen tekoälysujuvuuteen. Hän avaa, mitä se tarkoittaa, miksi useimmat johtajat ovat edelleen sivustakatsojia ja miten työkalujen ylikuormituksen Frankenstack-ansalta voi välttyä. Keskustelemme siirtymästä ennakoivasta tekoälystä generatiiviseen tekoälyyn, siitä, mitä johtajat ymmärtävät käyttöönotossa väärin, sekä siitä, miksi tiimien johtamisen tulevaisuus saattaa näyttää enemmän työnkulkujen orkestroinnilta kuin tehtävien delegoinnilta.

Jos yrität antaa ihmisillesi enemmän mahdollisuuksia sen sijaan, että korvaisit heidät, ja haluat tekoälyyn järjestelmällisemmän ja käytännönläheisemmän lähestymistavan, tämä jakso on sinulle. Joten pidemmittä puheitta aloitetaan.

Selvä. Ken, tervetuloa!

Kenneth Corrêa: Kiitos paljon, David. On ilo olla täällä kanssasi.

David Rice: Aivan. Olet siis Brasiliassa, eikö niin?

Kenneth Corrêa: Kyllä, São Paulossa, Etelä-Amerikan suurimmassa kaupungissa.

David Rice: Vau, hienoa. Minulla on muutamia kollegoita siellä päin. Olen aina halunnut käydä siellä.

Kenneth Corrêa: Se on suuri kaupunki, ei yhtä suuri kuin New York, mutta tämä on meidän New Yorkimme etelässä.

David Rice: Puhumme siis tekoälysujuvuudesta ja siitä, miten siihen päästään. Luulen, että monet meistä ovat jo kulkemassa sitä kohti, mutta eivät oikein tiedä, mitä kaikki vaiheet ovat. Eikö niin? Ja miten sujuvuutta mitataan?

Kenneth Corrêa: Rakennamme portaita vielä parhaillaan, joten löydämme joitakin askelmia vasta matkan puolivälissä. Lentokonetta rakennetaan sen lentäessä.

Näitä kielikuvia käytämme nykyään, koska kaikki tapahtuu niin nopeasti.

David Rice: Ehdottomasti. Yksi asia, joka tässä on niin erilaista, on se, että kun ajattelee nykyaikaista tekoälyliittymää, se on poistanut monia kokeilun esteitä. Sinun ei tarvitse olla tietojenkäsittelytieteilijä ollaksesi vuorovaikutuksessa sen kanssa ja testataksesi, mitä se osaa.

Kun tarkastelemme historian eri vaiheita, esimerkiksi Excelin tullessa ihmiset joutuivat aluksi käymään kursseja: miten Exceliä käytetään? Nykyään se on lähes yleissivistystä. Kun valmistut korkeakoulusta, sinulla on jonkin verran kokemusta Excelistä. Se on kuitenkin johtanut myös laskentataulukoiden väärinkäyttöön.

Tunnen ihmisiä, joilla on laskentataulukko keittiökaapissa olevien puhdistusaineiden määrän seuraamiseen. Olen kiinnostunut siitä, mitä riskejä tekoälyyn liittyy, kun palaamme aiheeseen: aliarvioivatko johtajat organisaationlaajuisen tekoälyn käytön monimutkaisuutta vain siksi, että sen käyttö on ihmisille rehellisesti sanottuna helppoa ymmärtää?

Kenneth Corrêa: Se on osoita ja napsauta -tyyppistä toimintaa, tai voit jopa puhua työkalulle ja se vastaa luonnollisella kielellä.

Pidän tavastasi ilmaista asia, koska olen aina mainostanut sitä ominaisuutena, mutta ehkä yrität tuoda esiin tilanteen, jossa siitä voi tulla virhe. Ihmisen on helppo hypätä mukaan. Hyvä käyttöliittymä, joka tekee vuorovaikutuksesta helppoa, on erinomainen tapa saada ihminen aloittamaan. Suurin yritysten tekemä virhe, jonka näen, ei kuitenkaan ole työkalun käyttäminen sinänsä, vaan yksityisten ja luottamuksellisten tiedostojen jakaminen.

Puhumme yrityksen tiedoista, jotka pitäisi pitää salassa ja jotka ovat yleensä palomuurien, salasanojen ja käyttäjätunnistautumisen takana. Nyt joku saa idean, ja ehkä koska yritys on estänyt ChatGPT:n käytön, hän käyttää omaa puhelintaan – omaa puhelintaan – ladatakseen laskentataulukon, jossa ovat vuosineljänneksen taloudelliset tulokset, ChatGPT:n ilmaiseen versioon.

Luultavasti suurin riski liittyy siis siihen, että yksityistä tietoa leviää käyttäjän tietämättä.

David Rice: Onko olemassa tapoja tarkastaa, miten ihmiset käyttävät sitä, tai luoda vaikkapa vaatimustenmukaisuuden tarkistuslista, jonkinlainen viitekehys, jonka avulla ihmiset ymmärtävät, miten sitä ei pidä käyttää? Mitkä asiat ovat mielestäsi toimineet tällä alueella todella hyvin?

Kenneth Corrêa: En näe, että voisimme tarkistaa ihmisten kehotteita tai lukea heidän keskustelujaan. Vuonna 2025 meillä ei ole siihen aikaa. Omassa yrityksessäni, ja myös muiden yritysten kanssa, yritän keskittyä koulutukseen. Kyse on samasta asiasta kuin kyberturvallisuudessa.

Emme pysty estämään kaikkea. Tileille murtautumiseen käytetään uusia verkko-osoitteita ja uusia temppuja. Siksi toivomme, että kouluttamalla ihmiset työkalun käyttöön, sen rajoituksiin ja siihen, mitä tarkoittaa ilmaisen version käyttäminen omalla puhelimella, he ymmärtävät eron yritysversioon, jossa on rajoituksia.

Tieto pysyy silloin näiden aitojen sisällä. Koulutuksen pitäisi siis olla tässä mielessä tärkein lähestymistapa, koska meillä ei tietenkään ole tarpeeksi aikaa tarkistaa kaikkien vastauksia. Jotkin yritykset yrittävät edelleen luoda oman avustajan. Ne ottavat teknologian, kuten GPT:n tai Geminin, ja luovat sen avulla yrityksen nimellä toimivan avustajan, johon voidaan lisätä suojakaiteita.

Avustaja voi vastata esimerkiksi: en pysty auttamaan tässä. Se voi kertoa, millaisen vastauksen voi antaa tai millaista tietoa ei saa jakaa. Jos yritys luo oman avustajansa, siihen voidaan asentaa ylimääräisiä suojauksia tällaisen toiminnan estämiseksi.

David Rice: On kiinnostavaa, että otit esiin kyberturvallisuuden ja tämän vertailun.

Kenneth Corrêa: Kun puhumme innovaatiosta, pyrimme yleensä yhdistämään sen johonkin ennestään tuntemaamme. Jos puhun jostain täysin uudesta ja erilaisesta, joutuisin ikään kuin nostamaan pääsi irti kehostasi ja puhumaan sinulle kuin kyse olisi täysin uudesta asiasta.

Ihmiset eivät koskaan omaksu sitä. Opimme tämän jo 1960-luvulla. Oli muistaakseni Raymond Lowy -niminen henkilö, joka loi MAYA-käsitteen. Olet ehkä kuullut siitä. Se tarkoittaa edistyneintä mutta hyväksyttävää. Kun luot uuden tuotteen, pyrit tekemään siitä mahdollisimman edistyneen, uusine ominaisuuksineen ja mahdollisuuksineen.

Sinun on kuitenkin luotava jonkinlainen tuttuuden tunne, jotta ihminen pystyy yhdistämään sen johonkin ja ymmärtämään sitä. Olin kaksi viikkoa sitten San Franciscossa ja ajoin Waymo-autoilla. Jos joku kysyy minulta, mikä Waymo on, sanon: Waymo on Uber ilman kuljettajaa. Teen siitä tutun. Voit käyttää sovellusta ja tilata kyydin, mutta kuljettaja ei istu ratin takana.

Se on ero. Kaikki muu on samaa. Syötät luottokortin, maksat matkasta ja niin edelleen. Uskon, että tuttuuden luominen helpottaa uuden tiedon ja uusien ideoiden omaksumista.

David Rice: Saimme juuri Waymot tänne Atlantaan, enkä usko, että ne ovat valmiita tähän kaupunkiin. Ne jäävät jatkuvasti jumiin.

Kenneth Corrêa: Ne jäävät jumiin. Näin uutisia väkivallasta Los Angelesissa. Siellä oli tämä...

David Rice: Aivan, kun ihmiset sytyttivät niitä tuleen ja kaikkea sellaista.

Kenneth Corrêa: En tiedä, onko auto valmis kaupunkiin vai kaupunki valmis autoon. Jonkinlainen paradoksi, tiedäthän?

David Rice: Ehkä hieman molempia. Johtajat haluavat tiimien saavan enemmän aikaan. Tuottavuus ohjaa suurelta osin sitä, mitä tekoälyltä tavoitellaan, ja sitä myös saavutetaan. Joidenkin tutkimusten mukaan 20–40 prosentin kasvu on tavallista. Mainitsit aiemmin, että omassa yrityksessäsi tuottavuus kasvoi 15 prosenttia ettekä kasvattaneet henkilöstömäärää lainkaan.

Miksi useammat yritykset eivät siis seuraa esimerkkiä? Mikä pidättelee ihmisiä? Onko kyse vain tekoälyn ymmärryksen puutteesta? Onko kyse työn laajuuden hallitsemattomasta kasvusta, jossa tekoälyä käytetään niin moniin asioihin, ettei kukaan käytä sitä samoihin tarkoituksiin, mikä aiheuttaa sekaannusta tai vaihtelevaa tehokkuutta? Mikä on mielestäsi suurin este?

Kenneth Corrêa: Kuulostaa aivan hullulta, etteivät yritykset hyppää mukaan, koska teen niin omassa yrityksessäni ja näen tulokset. Löysin rahaa pöydältä, kuten asian mielelläni ilmaisen. Uskon kuitenkin, että tähän vaikuttaa monia tekijöitä.

Ensimmäinen on se, että ihmiset opettavat ja puhuvat tekoälystä kuin kyse olisi 70 vuotta vanhasta teknologiasta, joka tarvitsee valtavasti dataa, tietokantoja, datajärviä ja data-analyytikkoja. Se pelottaa ihmisiä, joilla ei ole teknistä osaamista. Meidän pitäisi tehdä selväksi, että se, mitä tekoäly oli ennen marraskuun 22. päivää, eroaa siitä, mitä se on ollut lähes kolmen viime vuoden ajan. Aiempi tekoäly oli klassista ja ennakoivaa tekoälyä. Se on teknisesti vaativaa ja vaikuttavaa, mutta kallista ja hidasta ottaa käyttöön. Generatiivista tekoälyä on helppo käyttää, kuten mainitsit. Se on niin helppoa, että ihmiset lataavat tietoja, joita heidän ei pitäisi.

Sen käyttöönotto on erittäin helppoa, ja sillä voidaan saavuttaa 20–40 prosentin tuottavuuden kasvu. Muista, että jos puhumme viisipäiväisestä työviikosta, 20 prosenttia vastaa yhtä vapaapäivää. Sama tuotanto ja samat tulokset voidaan saavuttaa yhdellä tai kahdella työpäivällä vähemmän viikossa. Yritysten johtajat ja vastuuhenkilöt eivät kuitenkaan käytä sitä henkilökohtaisesti.

Ensimmäinen vinkki yleisöllesi on tämä: sinun täytyy itse tarttua siihen. Näet arvon vasta, kun alat käyttää sovelluksia. Käytettävissä ovat ChatGPT, DeepSeek, Gemini ja Claude, joiden sovelluksen voi ladata ja joita voi käyttää henkilökohtaisiin asioihin.

Voit esimerkiksi tulla sunnuntai-iltana kotiin, etkä halua kokata, mutta sinun on syötävä. Voit ottaa kuvan jääkaapistasi tai keittiökaapistasi ja sanoa: tässä ovat ainekset, mitä voin valmistaa viidessä minuutissa tai nopeammin? Silloin näet, että työkalu pystyy tarkastelemaan kuvaa ja ymmärtämään siinä olevat esineet.

Joskus se pystyy myös laskemaan esineet, etsimään reseptejä tietokannasta ja ehdottamaan, mitä voisit valmistaa yhdistämällä kyseiset ainekset. Tämä synnyttää usein niin sanotun ahaa-elämyksen. Brasiliassa sanomme, että pää räjähtää. Mahdollisuudet ja ideat alkavat avautua. Kun palaat omaan yritykseesi ja tarkastelet prosesseja sekä ihmisten päivittäin tekemiä tehtäviä, olen varma, että monia mahdollisuuksia alkaa tulla esiin.

David, tämä on ensimmäinen kerta, kun meillä on teknologia, joka voi opettaa itse, miten sitä käytetään. Voit sanoa ChatGPT:lle: johdan 14 hengen tiimiä, jotka kaikki ovat myyjiä. Käymme asiakkaiden luona heidän toimistoissaan ja haluan tietää, miten ChatGPT voisi auttaa minua. Työkalu ei anna yleisluontoista vastausta, jos kerrot tiimisi toimintatavoista.

Kun kerrot, mitä myyt, mikä strategiasi on ja mihin olet menossa, saat todella hyviä neuvoja siitä, mitä tehdä. Työkalujen käytön aloittaminen on siis yksi tärkeistä askelista, ja yritykset eivät ole sitä vielä tehneet riittävästi. Kun mediaa seuraa, kaikki liittyy pelkoon ja riskeihin sekä siihen, kuinka yleinen tekoäly, Skynet ja tekoäly tuhoavat meidät kaikki.

En tiedä, luemmeko uutisia vai tieteiskirjaa, mutta joskus siltä tuntuu. Se on luultavasti yksi tärkeimmistä syistä, miksi yritykset eivät ole vielä lähteneet mukaan. Kyse on teknologiasta, jolla on rajoituksensa, ja meidän on tärkeää ymmärtää ne.

Työkalu hallusinoi ja tuottaa sisältöä, joka ei perustu todellisuuteen. Se on suuri ongelma. En halua käyttää työkalua, joka tekee asioita omasta päästään. Siksi suosittelen aloittamaan ChatGPT:stä, mutta ottamaan mukaan esimerkiksi Perplexityn. Silloin vastaukset perustuvat lähteisiin.

Emme puhu ehdottomista totuuksista, mutta ainakin mukana on jonkinlainen perusta. Voit kypsyä ja kehittyä parempaan työskentelyyn sekä oppia parhaat käytännöt, kunhan olet mukana.

David Rice: Aivan. On kiinnostavaa, että mainitsit ihmisten kokevan ehkä, ettei tekoäly ole turvallista tai etteivät he ole päteviä käyttämään sitä.

Tutkimukset ovat osoittaneet, että esimerkiksi henkilöstöhallinnon ja operatiivisen toiminnan parissa työskentelevillä voi olla pelkoja, koska he eivät koe olevansa teknisiä asiantuntijoita. He saattavat ajatella ennakoivia tekoälyratkaisuja. Jotkut muut ovat ehkä kokeilleet hieman generatiivista tekoälyä, mutta eivät vielä luota siihen.

Mitä ajattelet siitä, että näiden ihmisten generatiivisesta tekoälystä saama arvo voisi olla erilainen kuin muiden tiimien? Missä näet suurimmat mahdollisuudet esimerkiksi henkilöstöhallinnossa tai operatiivisessa toiminnassa työskentelevälle?

Kenneth Corrêa: Hienoa. Vastaan siihen heti, mutta ensin: tiedätkö, miksi henkilöstöhallinnon ihmiset pelkäävät generatiivisen tekoälyn käyttöä?

David Rice: Miksi?

Kenneth Corrêa: Vuonna 2016 julkaistiin tutkimus, ja sen jälkeen lähes kaikki henkilöstöhallinnosta puhuva media mainitsi algoritmisen vinouman.

Yritykset käyttivät ennakoivaa tekoälyä ansioluetteloiden seulomiseen. Sitten huomattiin, että työkalu oli tarkastellut IT-tiimien dataa ja päätellyt, että alalla työskentelevät vain miehet. Ennakoivana työkaluna se ennusti, että vain miehet soveltuvat työskentelemään IT-alalla. Se on hirvittävä väite.

Tekoälyllä ei kuitenkaan ole etiikkaa eikä moraalia. Se toimii vain sille annetun datan perusteella. Tämä on todellinen ongelma, jota ei ole vieläkään ratkaistu täysin. Vastuulliseen tekoälyyn liittyy monia toimenpiteitä, ja tämä on yksi niistä. Monet henkilöstöhallinnon ihmiset yhdistivät tällaisen asian tekoälyyn.

Kun sanot tekoäly, he ajattelevat heti, että siinä on vinoumaa. Jos käytän ChatGPT:tä, siinä tietenkin on vinoumaa. Jokaisella tuntemallani ihmisellä on omat vinoumansa, myös minulla. Ihmisdatalla koulutettu ohjelmisto kantaa mukanaan inhimillisiä vinoumia. Halusin vain mainita tämän syynä siihen, miksi henkilöstöhallinnon ihmiset eivät ole innostuneita siitä.

Olen puhunut kahdessa suuressa tapahtumassa Brasiliassa. Toisessa oli 3 000 henkilöstöhallinnon ammattilaista. Esittelin tekoälyn käyttötapauksia, joita olemme toteuttaneet. Yksi oli tapaustutkimus, jonka tein ratkaisutoimittajan kanssa. Omassa yrityksessäni on 95 ihmistä, ja käytämme tekoälyä työntekijöidemme suorituksen arviointiin ja heille soittamiseen.

Arvioimme myös, miltä heistä tuntuu yrityksessä ja miten kohtelemme heitä sekä miten heidän esihenkilönsä kohtelevat heitä. Kyse on 360 asteen palautteen analyysistä. 95 ihmistä arvioi 95 ihmistä. Se tarkoittaa 95 kertaa 95 eli 9 000 analysoitavaa sisältöä. Siihen ei ole mahdollista löytää aikaa.

Jos olisimme aloittaneet tammikuun ensimmäisenä päivänä, olisimme edelleen vasta puolivälissä. Meidän on kuitenkin annettava ihmisille palautetta. Käytimme Geminiä, jonka konteksti-ikkuna on suuri, kaksi miljoonaa tokenia. Lomakkeen 9 000 vastausta voitiin syöttää datana. Nyt käytämme sitä mallien analysointiin.

Pyysimme Geminiä tunnistamaan poikkeamat ja osoittamaan, mitkä aiheet olivat kiireellisimpiä, jotta voisimme toimia niiden perusteella. Henkilöstöhallinnossa voi olla esimerkiksi raporttinäkymiä, dataa, vastauksia ja lomakkeita, mutta ei aikaa kaiken analysointiin. Kaikki eivät osaa käyttää Microsoft Exceliä tai kaavoja eivätkä ole hyviä numeroiden kanssa.

Gemini pystyy järjestämään ja analysoimaan dataa ja numeroita melko hyvin. Tätä olemme tehneet myös henkilöstöhallinnossa. Toinen esimerkki liittyy henkilöstöhallinnon työnkulkuun. Ensin tarvitaan työnkuvaus, jotta tiedetään, ketä ollaan palkkaamassa.

Sen jälkeen ovat ansioluettelot, haastattelut ja valintaprosessi. Myös tässä meidän on huomioitava aiemmin mainitsemani vinouma. Voit kuitenkin luoda kehotteen, jossa on työnkuvaus, ja sanoa: olen Kenneth ja vastuussa tästä rekrytoinnista. Sen jälkeen liität työnkuvauksen.

Tämän voi tehdä millä tahansa työkalulla: ChatGPT:llä, Geminillä, DeepSeekillä, Claudella tai Microsoft Copilotilla. Lataat ensimmäisen ansioluettelon ja kysyt: tämä on ensimmäinen hakija, miten hän sopii tähän tehtävään? Voit tehdä saman jokaiselle ansioluettelolle.

Kun haastattelet ihmisiä ja saat heidän luvallaan haastattelun tekstityksen, voit syöttää sen yhdessä ansioluettelon kanssa ja sanoa: tässä ovat ansioluettelo ja haastattelun tekstitys. Gemini, auta minua ymmärtämään tämän henkilön palkkaamisen myönteiset ja kielteiset puolet.

Kun teet tämän jokaiselle haastattelulle, saat yhteenvedot ja vertailut. Sinulla on tietenkin omat vaikutelmasi, koska sinä teit haastattelun. Voit myös pyytää Geminiä tai ChatGPT:tä ehdottamaan kysymyksiä, joita voisit esittää kyseiselle hakijalle hänen lähettämänsä ansioluettelon perusteella.

Kun yhdistät omat havaintosi siihen, mitä tekoäly tuotti ansioluettelosta, työnkuvauksesta ja tekstityksestä, olet mielestäni paljon paremmassa asemassa tekemään paremman valinnan. Olen nähnyt yritysten tekevän tätä jo Yhdysvalloissa, Brasiliassa, Chilessä ja Intiassa.

David Rice: Monissa yrityksissä tekoälyn, erityisesti generatiivisen tekoälyn, käyttö on alkanut sisällön ja viestinnän automatisoinnista. Monet eivät koske operatiiviseen toimintaan, suunnitteluun tai sisäisiin päätöksentekotyönkulkuihin. Johtajat eivät välttämättä käytä tekoälyä paremman näkyvyyden saamiseen, prioriteettien selkeyttämiseen tai päätöksenteon nopeuttamiseen.

Mistä pitäisi aloittaa, jos tekoälyä halutaan soveltaa tavallisia tehtäviä laajemmin? Sivusimme henkilöstöhallintoa, mutta laajennetaan tämä johtamiseen yleisesti. Kyse voi olla toimitusjohtajasta tai operatiivisesta toiminnasta. Mitkä sisäiset työnkulut ovat mielestäsi helposti hyödynnettäviä?

Kenneth Corrêa: Erinomainen kysymys.

Yritykseni nimi on 80 20, joka perustuu Pareton periaatteeseen. Pidämme tärkeänä priorisointia ja sitä, missä pitäisi toimia ensin, koska tehtäviä on varmasti paljon. Voit toimia tai hyökätä monella rintamalla. Olen luonut kirjaani matriisin, jossa tehtävät jaetaan yksinkertaisiin, monimutkaisiin, ainutlaatuisiin ja toistuviin tehtäviin.

Ensimmäisenä kannattaa käsitellä yksinkertaiset ja toistuvat tehtävät. Emme siis puhu tekoälyratkaisun luomisesta paremman strategisen suunnittelun tueksi. Se on mahdollista, mutta voit aloittaa ostoreskontrasta ja myyntireskontrasta, asiakaspuheluiden analysoinnista tai työhaastattelujen tekstityksistä.

Nämä tehtävät toistuvat päivittäin. Jos tuottavuus kasvaa niissä viisi tai kymmenen prosenttia, saat tulokset jo seuraavana päivänä. Helposti hyödynnettävät mahdollisuudet löytyvät yksinkertaisista ja toistuvista tehtävistä. Tämä ei ole uutta eikä koske vain tekoälyä. Automaatiossa käytämme samaa matriisia.

Suurten kielimallien myötä tapahtui kuitenkin jotain uutta. Mallit ja tekoälyagentit pystyvät ymmärtämään niille annettua tietoa ja lukemaan tekstiä. Ne voivat avata CSV-tiedostoja, tarkastella kuvia, ja eräs kanssani työskentelevä yritys käyttää tekoälyä raporttinäkymien tarkasteluun.

Jokaisella yrityksellä on nykyään omat raporttinäkymänsä, joissa on tunnuslukuja, suorituskykyindikaattoreita ja tietoa tapahtumista. Työntekijät eivät kuitenkaan käytä aikaa raporttinäkymien katsomiseen. Mitä hyötyä raporttinäkymästä on, jos sitä ei katsota?

Monet henkilöstöhallinnon ihmiset eivät osaa teknisesti analysoida dataa. He saattavat kysyä, mitä tämä tunnusluku tarkoittaa ja miten raporttinäkymässä näkyneen asian perusteella pitäisi tehdä erilainen päätös. Jos selität esimerkiksi Microsoft Copilotille, mitä kukin tunnusluku tarkoittaa, voit ottaa kuvan raporttinäkymästä.

Copilot lukee sen sinulle. Tällainen automaatio helpottaa elämäämme huomattavasti. Omistan toisen yrityksen, brasilialaisen terveysteknologiayrityksen, jossa on 45 hengen myyntitiimi. Ihmisemme käyvät lääkäreiden vastaanotoilla.

He ovat odotustiloissa, ja päästessään lääkärin vastaanotolle heillä on neljästä viiteen minuuttia aikaa tehdä myynti. Markkina on hyvin dynaaminen. Yhdysvalloissa on hieman yli 50 osavaltiota ja Brasiliassa 27. Olemme 17 osavaltiossa, joten ihmiset ovat hajallaan kaikkialla.

Näin suuren yrityksen tapahtumia on vaikea ymmärtää. Tekoälyllä ei ole ongelmia analysoida raporttinäkymän dataa. Tekoäly ei ole laiska. Se tutkii jokaisen yksityiskohdan raporttinäkymässä.

David Rice: Kun puhumme sujuvuudesta, osa minusta ajattelee, että kyse on siitä, tietää, mihin työkalut sopivat omassa toiminnassa ja miten niiden ympärille suunnitellaan työnkulku.

Useimmat organisaatiot haluavat ottaa käyttöön kiinnostavan työkalun sen nähdessään, mutta eivät ehkä koskaan rakenna yhdistävää kudosta tiimien, työkalujen ja tehtävien välille. Miltä alle sadan työntekijän yrityksen perustason mutta toimiva tekoälykokonaisuus mielestäsi näyttää?

Miten vältetään Frankenstack, joka muodostuu ajan mittaan?

Kenneth Corrêa: Pidän tuosta Frankenstack-sanasta. Monet yritykset työskentelevät ehkä 10–20 eri työkalun kanssa, ja jokaisella työkalulla on erilainen tapa antaa kehotteita ja erilainen lopputulos.

Suuremmat yritykset yrittävät yleensä rajoittaa määrän yhteen tai kahteen työkaluun. Jos yritys käyttää Microsoftia, sen kokonaisuus on Microsoft ja se valitsee Copilotin. Jos se käyttää Googlea, se valitsee Geminin.

Jos yritys on teknisempi, esimerkiksi ohjelmistokehitysyritys tai digitaalisten tuotteiden kehittäjä, se voi valita Anthropicin Clauden tai OpenAI:n GPT:n. Suosittelen aluksi yhtä työkalua ja tiimin kouluttamista.

Kun vertaat nykyisiä työkaluja, niitä on ehkä seitsemän, joita pidän huipputason ratkaisuina. Ei oikeastaan ole väliä, käytätkö ChatGPT:tä vai Geminiä. Niillä on samanlainen käyttöliittymä ja suurin piirtein sama teho.

Vuoden 2025 puolivälissä näitä ovat Microsoftin Copilot, OpenAI:n ChatGPT, Googlen Gemini, X:n Grok 4, Metan Llama, DeepSeek ja lisäksi Perplexity, josta pidän todella paljon. Nämä seitsemän tekoälyavustajaa ovat nyt samalla tasolla. Yrityksen on paljon helpompi hallita riskejä, käyttöoikeuksia ja koulutusta, jos se keskittyy yhteen.

Tämä koskee loppukäyttäjää, joka käyttää avustajaa. Kun siirrytään taustajärjestelmiin, automatisoituihin prosesseihin, agenttiverkostojen toteuttamiseen ja niiden orkestrointiin, tarvitaan ehkä kolme tai neljä eri toimittajaa.

Yhteen toimittajaan on vaikea sitoutua, koska tapahtuu niin paljon. Uuden mallin tai teknologian tullessa sinun on pystyttävä vaihtamaan näiden seitsemän välillä. Tämä on kuitenkin teknisempi, teknologiajohtajalle kuuluva keskustelu.

David Rice: Ymmärrän. Monilla johtajilla on tällä hetkellä suuri kysymys, kun kyse on ihmisistämme ja heidän taidoistaan: miten siirrämme ihmiset kohti seuraavaa vaihetta?

Meidän on edelleen määriteltävä tehokkuus uudelleen niin, ettei se tarkoita ihmisten määrän vähentämistä vaan ihmisten parempaa hyödyntämistä. Ihmisistä tulee tekoälyn tuotosten orkestroijia ja tarkistajia, ei pelkkiä tehtävien suorittajia.

Tiiminvetäjän tulevaisuuden tehtävä saattaa keskittyä agenttien laadunvalvontaan ja työnkulkujen strategiseen ohjaamiseen. Mitä uusia rooleja tai taitoja johtajien pitäisi nyt kehittää tekoälyä ymmärtävien tiimien johtamiseen?

Kenneth Corrêa: Generatiivisen tekoälyn osalta tekoälylukutaito liittyy työkalujen käyttämiseen. Johtajille on kuitenkin erittäin tärkeää kehittää harkintakykyä eli kykyä valita viisaasti.

Pitäisikö ihminen suorittaa tämä tehtävä vai suoriutuuko tietokone siitä paremmin? Siinä ei ole mitään tabua. Tietokoneet suoriutuvat joistakin tehtävistä paremmin. Jos sinun täytyy tarkistaa asioita tarkistuslistasta, analysoida kuvia, tarkistaa asiakirjojen tietoja, etsiä tekstin osia tai tiivistää jotain, tietokoneet suoriutuvat näistä tehtävistä tällä hetkellä paremmin.

Johtajana voit käyttää tätä lähtökohtana: en halua ihmisteni käyttävän aikaansa tähän. Toisaalta ihmisillä on luovuutta ja harkintakykyä päätösten tekemiseen, vastuun ottamiseen niistä, paradoksien näkemiseen ja monimutkaisuuden ymmärtämiseen päätöksenteossa.

Nämä ovat inhimillisiä kykyjä, joissa ihmiset ovat tekoälyä parempia. Tekoälylle voi antaa suunnitelman laatimisen, ja se ehdottaa päivämääriä ja aikataulua, mutta laatu on ihmistyöhön verrattuna heikko.

Johtajien on siis opittava päättämään, kummalle tehtävä kuuluu: tietokoneille vai ihmisille. Tämä innoitti minut kirjoittamaan kirjan Cognitive Organizations. Halusin antaa johtajille käsikirjan, jonka avulla he voivat pysyä linjassa sen todellisuuden kanssa, että tietokoneista tulee koko ajan tehokkaampia.

Tietokoneet kehittyvät päivittäin. Joka päivä ja viikko julkaistaan uusi ratkaisu. Emme pysty seuraamaan kaikkea. Yritän pysyä kehityksessä mukana, mutta olemme olleet tässä keskustelussa jo kolme minuuttia, joten viimeisen puolen tunnin aikana on voinut tapahtua jotain suurta.

Jos ymmärrät tämän olevan todellisuutta ja hyväksyt 20–40 prosentin tuottavuuden kasvun merkityksen, et voi sivuuttaa sitä, koska kilpailijasi käyttävät sitä jo. Uskon, että johtajat tekevät silloin hyviä päätöksiä.

Maailmassa keskustellaan jatkuvasti työpaikkojen katoamisesta ja siitä, että tekoäly korvaa ihmiset. Yritysten todellinen ongelma on usein päinvastainen: ne eivät löydä tarpeeksi ihmisiä, jotka haluavat työskennellä.

Omassa yrityksessäni pidin lahjakkaat ihmiset. Yrityksessä on 95 työntekijää, ja olemme kasvaneet viimeiset kolme vuotta 15 prosenttia vuodessa samalla 95 hengen tiimillä. Tämä on mahdollista, koska annan omille ihmisilleni paremmat mahdollisuudet.

Kaikki eivät kuitenkaan lähteneet mukaan. Monet halusivat työskennellä kuten ennen. Vuonna 2025 ei voi työskennellä samalla tavalla kuin vuonna 2021, koska tuona aikana tapahtui jotain. En puhu koronasta, vaan generatiivisen tekoälyn työstä.

Kun muutat ajattelutapaasi ja ymmärrät, että yrityksessäsi on ihmisiä, joiden kykyjä sinun pitää vahvistaa ja hyödyntää parhaalla mahdollisella tavalla tekoälytyökalujen avulla, saat parhaan mahdollisen lopputuloksen.

David Rice: Olen samaa mieltä. Monet ihmiset kamppailevat pysyäkseen mukana tällä matkalla. Olen viime aikoina sanonut, ettei meidän pidä kiinnittyä tehtäviimme. Tehtävä ei anna meille arvoa, vaan kykymme, tietomme ja ainutlaatuiset inhimilliset piirteemme.

Ehkä kyse on siitä, että tehtävistä päästetään irti, jotta nämä piirteet pääsevät esiin. Mitä sudenkuoppia yleensä näet organisaatioissa, jotka haluavat tulla tekoälysujuviksi, erityisesti uteliaisuuden vaiheessa, kun kokeiluja vasta aloitetaan? Miten vältetään epäluotettavat tuotokset ja teknologian kykyjen liiallinen lupaaminen?

Kenneth Corrêa: Tekoälyyn liittyy ongelma, koska sanomme usein: tekoäly on tätä, tekoäly tekee tuota, tekoäly pystyy tähän ja tuohon. Alamme ajatella tekoälyä jonakin yhtenä kokonaisuutena, joka leijuu maapallon ympärillä ja ymmärtää kaikkia. Se ei ole totta.

Puhumme useista yrityksistä, erilaisista teknologioista ja malleista, jotka on koulutettu erilaisilla datoilla. Niillä on erilaiset suojakaiteet, koska jokainen yritys päättää, mitä mallin on estettävä. Jos puhumme tekoälystä, meidän on muistettava, että se on vain työkalu.

Se auttaa käynnistämään tuottavuuden ja liiketoiminnan vallankumouksen, mutta se on edelleen vain työkalu. Sujuvuus syntyy toistosta, käytöstä, yrittämisestä ja virheiden tekemisestä. Kun tekoäly kehottaa sinua tekemään jotain, sinun ei tarvitse tehdä sitä. Sinun tarvitsee vain lukea ehdotus ja päättää itse, mitä teet.

Mitä enemmän käytät sitä, sitä helpommaksi tulee ymmärtää, mihin se sopii ja missä se toimii. Pohjoisamerikkalainen CH Robinson toimii kaikkialla maailmassa kolmannen osapuolen logistiikassa. He käsittelevät noin 3 000 sähköpostia tunnissa asiakkailta, jotka haluavat siirtää paketteja paikasta A paikkaan B.

Joku haluaa esimerkiksi siirtää jotain Beavertonista Oregonista Austiniin Texasissa. Kuinka paljon se maksaa, kuinka nopeasti kuljetus voidaan järjestää ja milloin lähetys voidaan noutaa? Aiemmin ihmiset hoitivat kaiken tämän lukemalla lyhyitä viestejä ja sähköposteja tietokoneillaan.

Nyt tekoäly tekee hienoa työtä esikarsinnassa. Se tunnistaa yksinkertaisen ja rutiininomaisen pyynnön, jossa kaikki tiedot ovat valmiiksi järjestettyjä, ja voi luoda koodin automaattisesti ilman ihmisen osallistumista.

Jos tapaus on erilainen, esimerkiksi kuljetus vaatii kylmäkuljetusauton tai sen on lähdettävä kuuden tunnin kuluessa, asia siirretään ihmiselle. Sujuvuus alkaa kehittyä, kun näet yhä useampia käyttötapauksia.

CHR on työskennellyt tämän kanssa vuoden, mutta tekoäly käsittelee vasta 10 prosenttia pyynnöistä. Ihmiset käsittelevät edelleen 90 prosenttia. Ruotsalainen Klarna puolestaan otti generatiivisen tekoälyn käyttöön täysimääräisesti. Yritys ajatteli, että tekoäly säästäisi heidät ja että kaikki voitaisiin irtisanoa.

Ajatus kuitenkin kääntyi heitä vastaan, koska tekoäly ei pysty käsittelemään kaikkia asiakaspalvelutilanteita. Nyt he ovat siirtyneet tasapainoisempaan malliin. En keksi lukuja itse, mutta suhde on 80/20: tekoäly hoitaa 80 prosenttia työstä ja ihmiset 20 prosenttia poikkeustapauksista.

Nämä tapaukset esikarsitaan ja ohjataan ihmisen käsiteltäviksi. Tekoälysujuvuudesta ei voi lukea yhtä kirjaa ja tulla sujuvaksi. Kielioppikirjaa ei ole. Voit puhua muiden kanssa, ja niin kielessäkin tullaan sujuvaksi. Toivon, ettei englannissani ole tänään liikaa vikaa.

David Rice: Se on juurtunut.

Kenneth Corrêa: Olemme siis sujuvia puhuessamme siitä. Voit keskustella oman tiimisi tai muiden yritysten ihmisten kanssa, jotka jo käyttävät näitä työkaluja. Ja jälleen kerran: tartu itse toimeen.

Uskon tehneeni asian selväksi. Mitä enemmän puhut kieltä, sitä sujuvammaksi tulet.

David Rice: Erinomaista. Kenneth, kiitos kun tulit mukaan. Arvostan suuresti näkemyksiäsi.

Kenneth Corrêa: Hienoa, mies. Toivottavasti pidit tästä. Minä pidin myös. Esitit todella monimutkaisia kysymyksiä.

Yritit saada minut kiinni, ja minun täytyi löytää tapa tuoda esiin oma näkökulmani. Joskus voi vaikuttaa siltä, että olen täysin innostunut ja että kaikkien pitäisi lähteä täysillä mukaan ilman rajoja tai ongelmia. Niitä kuitenkin on. On sudenkuoppia ja asioita, joista on pidettävä huolta.

Opimme kuitenkin vasta, kun hyppäämme mukaan. Yritän auttaa ihmisiä ymmärtämään, että 20 prosentin tuottavuuden kasvua on mahdotonta sivuuttaa.

David Rice: Kiitos vielä kerran, ja odotan mielenkiinnolla, miten keskustelusi kehittyvät seuraavien vuosien aikana. Tästä tulee varmasti kiinnostavaa.

Kenneth Corrêa: Hienoa.

David Rice: Kuuntelijat, jos haluatte tutustua Kennethin kirjaan, sen nimi on Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents. Sen voi ostaa Amazonista, joten käykää tutustumassa siihen. Ensi kertaan, tartu itse toimeen.