Tekoälyllä tehostettu maailma vaatii kehittyneempää lahjakkuuden arviointia

Alla oleva kaavio tiivistää IMF:n raportin ja osoittaa, kuinka tekoäly korvaa yhä useammin yksinkertaisempia tehtäviä sekä vahvistaa tai täydentää ihmisiä monimutkaisemmissa ja vivahteikkaammissa arvioinneissa.

Tämä kehityssuunta on järkeenkäypä, kun otetaan huomioon, miten tekoäly käsittelee tietoa. Signaalit liikkuvat digitaalisissa järjestelmissä lähes valonnopeudella. Tekoäly on myös järjestetty vektoriesityksiksi kutsutuiksi komponenteiksi, jotka muuttavat monimutkaisen, jäsentymättömän datan tiiviiksi lukuja sisältäviksi taulukoiksi, joita voidaan käsitellä matemaattisesti ilman tarvetta kamppailla hienovaraisen semanttisen merkityksen kanssa.

Ihmisen hermoarkkitehtuuri toimii eri tavalla. Tieto liikkuu aivojen synapseissa enintään 120 m/s:n nopeudella, ja ihmisen käsittelemän kognitiivisen tiedon määrä on rajallinen — tavallinen tieteislaskin pystyy suorittamaan huomattavasti monimutkaisempia laskutoimituksia kuin älykkäinkin ihminen.

Mutta tekoäly ei ylitä ihmisiä kaikilla alueilla. Prosessointikyvyn nopeasta kehityksestä huolimatta ihmiset suoriutuvat yhä tekoälyä paremmin epävarmoissa ja monimutkaisissa tilanteissa, erityisesti silloin, kun niihin liittyy sosiaalista dynamiikkaa tai eettistä harkintaa. 

Inhimillisen päätöksenteon muovautuva ja sopeutuva luonne antaa ihmisille paremmat valmiudet tilanteisiin, jotka edellyttävät kokonaisvaltaista ja vivahteikasta näkemystä, erityisesti dynaamisissa ja epävarmoissa olosuhteissa.

Kuvan 2 havainnollistukset tuovat nämä erot esiin. Tekoälyn rakenteiset segmentoinnit näkyvät ensimmäisessä kuvassa, kun taas ihmisaivojen toiminta paljastuu konnektomista, joka on taustalla olevan hermoverkoston kartta. 

Ihmisaivot eivät ole järjestäytynyt joukko erikoistuneita alueita, vaan toisiinsa kietoutuneiden erityyppisten signaalien rikas kokonaisuus, joka toimii yhdessä merkitysten rakentamiseksi. Jopa yhteyksien määrä vaihtelee erilaisten ja muuttuvien tilanteiden mukaan.

Tämä ymmärrys aivojen monimutkaisuudesta ja yhteenliittyneisyydestä on suhteellisen uusi. Ennen vuotta 2000 psykologiaa opiskelleet ovat hyvinkin saattaneet tutustua segmentoituneeseen malliin, jossa erilaiset erikoistuneet toiminnot toimivat suhteellisen itsenäisesti — malliin, joka muistuttaa kuvan 2 tekoälymallia. 

Samankaltaisuus ei ole sattumaa. Tekoälymallit kehittyivät kognitiivisten psykologien Herbert A. Simonin ja Allen Newellin varhaisen asiantuntijatiedon käsittelyä koskevan työn pohjalta.

MRI-teknologian kehitys on sittemmin paljastanut syvällisemmän kuvan siitä, miten ihmisaivot todella toimivat. Ihmisen harkintakyvyn ja sopeutumiskyvyn vahvuus piilee hermoverkostojemme tiiviissä yhteenliittyneisyydessä. Sen ansiosta ihmiset voivat tarkastella asioita eri näkökulmista, havaita taustalla olevia yhteyksiä ja mukauttaa reaktioitaan muuttuviin ihmisiin ja tilanteisiin.

Nämä kyvykkyydet — jotka ovat yhä keskeisempi osa sitä, miten ihmiset tuottavat arvoa tekoälyn vahvistamassa työympäristössä — on koottu EPOCH-viitekehykseen.

EPOCH-taidot

• Empatia ja tunneäly
• Läsnäolo, verkostoituminen ja yhteenkuuluvuus
• Mielipide, harkinta ja etiikka
• Luovuus ja mielikuvitus
• Toivo, visio ja johtajuus

Työmarkkinoilla näkyy jo muutoksia, jotka heijastavat tätä uudelleensuuntautumista. Vuodesta 2022 lähtien toistuvaan ja jäsenneltyyn analyysiin painottuvien tehtävien määrä on vähentynyt 13 prosentilla, samalla kun teknistä asiantuntemusta tai luovaa ajattelua edellyttävän työn kysyntä on kasvanut noin 20 prosentilla.

Kauppakorkeakoulun professori Suraj Srinivasanin mukaan tämä muutos heijastaa tekoälyn tukemisen vaikutusta. Kun työprosessit ovat yhdistettyjä ja monitasoisia ja edellyttävät luovuutta ja analyyttistä ajattelua, teknistä hallintaa ja hienovaraista harkintaa sekä sääntöjen noudattamista ja hienotunteisuutta, tekoälyn käyttöönotto prosessissa kasvattaa inhimillisten osatekijöiden taloudellista arvoa. Täydentävänä työkaluna käytettynä tekoäly voi lisätä ihmisen panoksen arvoa, ei vähentää sitä.

Ihmiset saattavat menettää tekoälylle asemaansa nopeaa käsittelyä ja rutiininomaista harkintaa edellyttävässä työssä, mutta heidän mahdollisuutensa hyödyntää tekoälyä ja luoda arvoa selkeästi inhimillisten vahvuuksien avulla todennäköisesti kasvavat. 

Vaikka tämän muutoksen lyhyen aikavälin realiteetit, kuten laajamittaiset työpaikkojen menetykset, herättävät aiheellista huolta, IMF:n raportti ennustaa pidemmällä aikavälillä rikastuvia ja monimutkaisempia rooleja, jotka tuottavat enemmän arvoa. 

Jotkut kirjoittajat, kuten Andrew Lopianowski ja Mike Pino tulevassa kirjassaan HumanCorps, kuvailevat tätä kehittyvää ajanjaksoa viisauden aikakaudeksi. Näkemys perustuu siihen, että ihmiset ja tekoäly toimivat symbioottisessa suhteessa, joka hyödyntää kummankin vahvuuksia.

Vaikutukset kykyjen arviointiin

Kun nämä muutokset otetaan huomioon, miten arvioimme viisauden ja EPOCH-taitojen kapasiteettia tehokkaan rekrytoinnin ja kehittämisen tukemiseksi? Vastaus tuskin löytyy työkaluista, joihin henkilöstöhallinto on tukeutunut viimeisten 50 vuoden ajan. 

Kun arvonluomiseen tarvittavat kyvykkyydet muuttuvat monimutkaisemmiksi ja integroidummiksi, ihmisiä osatekijöihin hajottavien työkalujen hyödyllisyys vähenee nopeasti. Silti tämä on edelleen useimpien nykyisten kykyjen arviointityökalujen vallitseva lähestymistapa. Niissä monimutkainen ihminen pyritään pelkistämään yksinkertaistetuiksi määrällisiksi osatekijöiksi, jotka voidaan esittää matemaattisena datana.

On useita syitä siihen, miksi nämä työkalut ovat vähemmän hyödyllisiä kykyjen tunnistamisessa tekoälyn rikastamassa maailmassa.

1. Heikko ennustava validiteetti. Laajasta käyttöönotostaan huolimatta useimmat näistä työkaluista eivät ennusta tulevaa työsuoriutumista hyvin. Tuore meta-analyysi osoittaa, että persoonallisuus ennustaa alle 6 prosenttia työsuoriutumisen vaihtelusta, kun taas kognitiiviset testit suoriutuvat hieman paremmin, noin 10 prosentin tasolla.
2. Virheellinen oletus pysyvyydestä. Useimmat nykyiset työkalut muodostavat yksittäisestä ihmisestä tilannekuvan ja käsittelevät sitä kiinteänä lähtökohtana. Oletus persoonallisuuden pysyvyydestä ajan kuluessa sisältyy jo sen määritelmään — ”vakaat, mitattavissa olevat ajattelun, tunteiden ja käyttäytymisen mallit” — mutta nyt on huomattavasti meta-analyyttista näyttöä siitä, että persoonallisuus muuttuu ja kehittyy ajan myötä ympäristön ärsykkeiden ja jatkuvan henkilökohtaisen kehittymisen vaikutuksesta.
3. Virheellinen oletus riippumattomuudesta. Persoonallisuutta ja kognitiivista kyvykkyyttä on perinteisesti pidetty toisistaan riippumattomina käyttäytymisen ja tulosten ennustajina, mutta yhä enemmän on näyttöä siitä, että ihmisten käyttäytymisensä kuvauksilla ja heidän osoittamillaan kognitiivisilla kyvyillä on vahva yhteys. Tämä on järkevää, kun otetaan huomioon aivojen hermoverkostojen erittäin yhteen kietoutunut luonne ja vakiintunut periaate, jonka mukaan yhdessä aktivoituvat neuronit myös kytkeytyvät toisiinsa.
4. Kyvyttömyys ottaa dynaamisuutta huomioon. Useimmat työkalut omaksuvat tiettyyn ajankohtaan perustuvan mallin, joka ei pysty kuvaamaan sitä, miten ihmiset reagoivat dynaamisiin tilanteisiin. Kuten Ric Roi ja minä korostamme kirjassa Tulevaisuusvalmis lahjakkuus, kyky oppia ja sopeutua muuttuviin olosuhteisiin saattaa olla arvoa luovan kyvykkyyden tärkein tunnusmerkki — ja se on EPOCH-taitojen ytimessä.
5. Valintojen sivuuttaminen. Pitkäkestoisissa Dunedinin tutkimuksissa, joissa on tarkasteltu elämänmenestyksen ennustajia terveyden, uran, taloudellisen hyvinvoinnin ja rikollisuuden näkökulmista, itsehillintä tunnistettiin kaikkien tulosten osalta tärkeimmäksi yksittäiseksi ennustavaksi tekijäksi. Toisin sanoen kyse on yksilön kyvystä valita käyttäytymisensä tilanteen vaatimusten eikä henkilökohtaisten mieltymysten perusteella. Ylikorostamalla yksilöllisiä rakenteita aliarvioimme käyttäytymistä, joka syntyy ihmisen ja tilanteen välisestä vuorovaikutuksesta sekä kognitiivisella että käyttäytymisen tasolla.

Ironista kyllä, useimmat nykyisin käytössä olevat psykometriset työkalut sopisivat hyvin tekoälyn arviointiin. Tekoälyn taustalla olevat jäsennellyt, segmentoidut ja matemaattiset mallit vastaavat läheisesti jäsenneltyjä, segmentoituja ja matemaattisia malleja, jotka määrittävät perinteisen kykyjen arvioinnin. 

Nämä työkalut ovat saattaneet olla riittäviä silloin, kun työ oli suhteellisen vakaata ja segmentoitua. Dynaamisuuden, integraation ja monimutkaisen harkinnan määrittämässä tekoälyä hyödyntävässä työympäristössä ne eivät riitä.

Osaamisen arvioinnin kehitys

Perinteisten arviointityökalujen kehittämiseen on vaikuttanut osittain filosofinen tarve, mutta teknologiset rajoitteet olivat yhtä merkittävä tekijä. Itsearvioinnin hallitseva asema, kyselylomakkeiden yleisyys ja kysymysten rajallinen määrä muotoutuivat kaikki paperilla ja kynällä toteutettavan testaamisen aikakaudella.

Teknologian kehittyessä monet näistä työkaluista on digitalisoitu ja toisinaan pelillistetty, mikä on tehostanut niiden hallinnointia, pisteytystä ja tulkintaa sekä parantanut hakijoiden sitoutumista. Taustalla olevat rakenteet ovat kuitenkin pysyneet suurelta osin samoina. 

Ennustava validiteetti on parantunut vain vähän, vaikka koneoppimista käytetään yhdistämään useista työkaluista saatavia näkemyksiä.

Merkityksellisemmät edistysaskeleet osaamisen arvioinnissa perustuvat multimediaa hyödyntäviin, immersiivisiin ja vuorovaikutteisiin työkaluihin, pelipohjaisiin arviointeihin ja liiketoiminnan simulaatioihin, joissa jäsenneltyjen kuvitteellisten skenaarioiden avulla tuotetaan tietoa taustalla olevista psykologisista rakenteista. 

Näillä työkaluilla on useita selkeitä etuja:

• Ne voidaan sijoittaa asiaankuuluviin liiketoimintaympäristöihin, mikä parantaa tietojen laatua ja vähentää mittauskohinaa, jota syntyy, kun hakijat suorittavat testejä, joilla on vain vähän yhteyttä heidän todelliseen työhönsä. Ne eivät myöskään välttämättä ole kalliita. Nopeiden sisällöntuotantotyökalujen käyttö on mahdollistanut räätälöityjen arviointien luomisen huomattavasti edullisemmin kuin aiemmin oli mahdollista, ja ne voivat toimia myös realistisina työn esittelyinä osaajien hankinnassa.
• Niissä hyödynnetään multimediaa, mikä lisää sitoutumista ja helpottaa tietojen syöttämistä. Hakijat voivat puhua vastauksensa kirjoittamisen sijaan ja tehdä sen haluamallaan kielellä, mikä parantaa tietojen laatua entisestään.
• Ne mahdollistavat avoimemmat kysymykset. Pelipohjaisia arviointeja koskevassa väitöskirjatutkimuksessa on havaittu, että avoimemmat kysymykset tuottavat syvällisempää ja laadukkaampaa tietoa.
• Ne voidaan suunnitella maksimaalista ennustavaa validiteettia varten esimerkiksi näyttöön perustuvan suunnittelun kaltaisten prosessien avulla. Niissä keskitytään menestyksen kannalta tärkeimpiin tekijöihin ja varmistetaan pisteytyksen rigoröösiys.
• Ne tarjoavat mahdollisuuden tarkkailla osallistujien reaktioita erilaisissa ja muuttuvissa ympäristöissä, mikä antaa järjestelmällisemmän kuvan yksilöiden kyvyistä muuttuvien ärsykkeiden vaikutuksiin reagoitaessa.

Mikään tästä ei olisi mahdollista ilman tekoälyä, joka tukee näitä työkaluja koko prosessin ajan – monimutkaisten liiketoimintaskenaarioiden herättämisestä eloon vuorovaikutteisen pelin avulla tietojen keräämiseen ja analysointiin sekä mitattujen muuttujien välisten dynaamisten vuorovaikutusten monimutkaisten analyysien toteuttamiseen. 

Tekoälyn kyky käsitellä suuria tietomääriä muodostaa näiden edistysaskelten perustan.

Työkalut ovat kuitenkin vain niin valideja kuin niiden suunnittelu. Luova ja kerronnallinen osa on olennainen sellaisen ympäristön luomiseksi, joka tuntuu merkitykselliseltä ja immersiiviseltä, erityisesti silloin, kun työkaluilla on tarkoitus tuoda esiin tietoa tunne-elämän ja sosiaalisen toiminnan dynamiikasta, jotka ovat keskeisiä EPOCH-taidoille. 

Psykologiseen tutkimukseen ja ihmisten hienovaraiseen ymmärtämiseen perustuva huolellinen psykometrinen suunnittelu tekee tuotetusta tiedosta merkityksellistä, hyödyllistä ja tulkittavaa.

Nämä edistysaskeleet edustavat välttämätöntä kehitystä. Ilman niitä kykymme tunnistaa ja kehittää arvoa luovia valmiuksia heikkenee edelleen. Sama työelämää muokkaava dynamiikka muokkaa myös työkaluja, joita käytämme sen ymmärtämiseen. Tekoäly on tässä tehokkaimmillaan ei ihmisen harkinnan korvaajana, vaan infrastruktuurina, joka tekee syvällisemmän inhimillisen harkinnan mahdolliseksi.