Olla ihmisiksi?

Monissa symposiumin puheenvuoroissa tekoälyteknologia oli esillä. Tätä teknologiaa selvitetään muun muassa Opetus- ja kulttuuriministeriön käynnissä olevassa Datanhallinnan ja laskennan kehittämisohjelmassa. Symposiumissa tekoälyn mahdollisia uhkakuvia ei juurikaan nostettu esiin. Tekoäly nähtiin pikemminkin mahdollisuutena.

Olli-Pekka Heinosen eettisyyttä korostavat pohdinnat olivat kutkuttavia. Samansukuisia eettisiä ja ihmisyyttä pohtivia teemoja on tullut vastaan muuallakin. Eräs mieleen jäänyt on Nils Gilmanin kirjoitus. Gilman toteaa uusien teknologioiden sisältävän niin suuren potentiaalisen vaikutuksen, että se voi haastaa ihmisyyden määritelmän. Gilmanin mukaan länsimaisessa filosofiassa on otettu itsestäänselvyytenä se, että ihmiset ovat ainoita ajattelevia olentoja. Ihmisiä on pidetty ainoina subjekteina maailmassa, jossa kutakuinkin kaikki muut ovat objekteja. Muun muassa tekoälyteknologia pakottaa määrittelemään uudelleen, mitä on olla ihminen. Tärkeä kysymys on myös se, mihin teknologiaa käytämme. Hyödynnämmekö teknologiaa harmonisemman maailman rakentamiseen?

Sunnuntain 21.10.2018 Helsingin Sanomissa julkaistussa Pekka Vahvasen esseessä tien päässä näkyy sotilaalliseen käyttöön tarkoitettujen robottien armeija ja ihmisen tasoinen tekoäly, jonka ei tarvitse olla paha, jotta se voisi tuhota ihmisen.

Teknologinen kehitys voi nyt olla tekoälyä ja robotiikkaa ja elämä voi olla yhä teknologisempi, mutta ehkä tämä johtaa myös siihen, että ihmisyyteen liittyvät asiat nousevat yhä enemmän esiin. Mitä teknologisemmaksi maailma muuttuu, mietimmekö sitä enemmän, mitä on olla ihminen?

Business Tampereen seminaari: Digitalisaatio ja ekosysteemit

Business Tampereen järjestämästä iltapäivän seminaarista muutamia merkintöjä:

Tampereen kaupungin elinvoimajohtaja Teppo Rantasen aiheena oli tulevaisuuden ekosysteemit älykkäässä kaupungissa. Muutoksen suunnasta Rantasen esimerkkinä oli Siri, tekoäly, jonka kanssa käyttäjät kommunikoivat. Rantasen mukaan AI (artificial intelligence) pitäisi olla IA (intelligence augmented). Teppo Rantanen näki tekoälyteknologian työtoveri-näkökulmasta: tekoäly on tukenamme ja auttaa meitä toimimaan paremmin. Tampereen kaupungin 6aika-hankkeessa on rakennettu eri toimijoiden kanssa alustoja erilaisille ekosysteemeille. Esimerkkeinä yritysyhteistyöalustoista Rantanen mainitsi Hervannan, jonne Elisa rakentaa yritys-5G-verkkoa. Raitiotievaunuissa tullaan hyödyntämään uudenlaisia kamera- ja näyttöratkaisuja. Suunnitteilla on muun muassa autonomisen liikenteen testialue ja Hiedanranta drone -testialustaa. Kaupungin sisäinen digiohjelma on suunnitteilla ja tavoitteena on, että kaikki palvelut digitaalisesti käytössä vuonna 2025.

Timur Kärki (Gofore) puhui organisaatiokulttuurista. Kärki painotti organisaatiokulttuurin merkitystä organisaation menestykselle. Menestyvä kulttuuri rakentuu ihmisten kanssakäymisessä ja teknologialla on tuossa avustava rooli.

Juha Latvala Intopalo Oy:stä antoi neuvoja, joiden avulla digiloikka onnistuu paremmin. Kommunikaation merkitys nousi esiin: yhtenä sudenkuoppana on se, että muutosjohtaminen ja ihmisten vuorovaikutus eivät toimi. Digitalisaatio on muutosprojekti, jossa vuorovaikutustaitojen merkitys on suuri. Mielenkiintoinen neuvo oli varautuminen loikan jälkeiseen aikaan: 50 %:a budjetista tulisi varata jatkokehitykseen. Iso luku. Kuinka monessa digitalisaatiohankkeessa noin on?

Loppupaneelista vielä yksi nosto: yhtenä aiheena oli, miten uudet digipalvelut vaikuttavat ja kuinka hallitaan muutosta. Juha Latvalan mukaan nykyisen viestintäteknologian, sosiaalisen median jne osalta on sama tilanne kuin Gutenbergin kehitettyä painotekniikan. Ykskaks yllättäen tiedonvälitys on mullistunut ja käytäntöjen hakeminen on meneillään. Latvala arvioi, että 50 vuoden päästä mietimme, miten me olimme niin sekaisin 2000-luvun alkuvuosikymmeninä. Yhtä aikaa sekä huvittava, surullinen että uskottava ajatus.

Tavoitteita, mittareita

Aamulehden ja JKY ry:n seminaarissa pohdittiin muun muassa työelämään ja mittaamiseen liittyviä kysymyksiä. Keskustelua veti Jussi Tuulensuu. Keskustelijoina olivat Toni Luhti, Minna Vanhala-Harmanen ja Esko Kilpi.

Muutamia nostoja muistivihkoon tarttuneista ajatuksista:

Voiko ammattiin kouluttautua? Perinteinen kuvio on se, että hankitaan koulutus ja mennään koulutusta vastaavaan työhön. Esko Kilpi ennusti, että tulevaisuudessa pätkätyöt lisääntyvät. Kuvion pitäisi Kilven mukaan mennä niin, että ensin hankitaan työ ja sitten hankitaan osaaminen. Oppimiskyvykkyydellä tulee olemaan yhä suurempi merkitys työelämässä.

Sitä saa mitä mittaa? Esko Kilven mukaan tärkeitä asioita ei välttämättä ole saatavissa mittauksen piiriin. Mittareita ei välttämättä ole. Asiakasmittareiden lisäksi jotkin yritykset ovat ottaneet käyttöönsä yhteiskunta-mittarin. Mikäli asiakas- ja yhteiskunta-mittareiden tulokset menevät sukset ristiin, voivat yritykset asettaa yhteiskunnan edelle. Kilven mukaan perinteisen politiikan menettäessä tehojaan ottavat yritykset poliittista toimijuutta. Liekö esimerkki tällaisesta USA:n irtautuminen Pariisin ilmastosopimuksesta irtautuminen, jota seurasi joidenkin yritysten sitoutuminen ilmastosopimukseen? Tai ehkä tämä on esimerkki siitä, että yritykset ylipäätään voivat halutessaan olla poliittisia toimijoita.

Minna Vanhala-Harmasen mukaan digitalisaation ja automatisoinnin myötä vuorovaikutuksen merkitys kasvaa, koska vuorovaikutusta on vaikea automatisoida. Vuorovaikutustaitojen kehittäminen voi olla tulevaisuudessa yhä tärkeämpi taito.

Tom Davenport tiedolla johtamisesta

Tom Davenport kävi läpi analytiikan historiaa. Osa esityksen termeistä oli itselle vieraampia ja niistä lisätietoa hakiessa jäljet johtivat usein Deloitten tutkimuksiin ja julkaisuihin. Davenportilla on ollut työhistoriaa Deloitten palveluksessa.

Esityksessään Davenport tunnisti analytiikan 4 aikakautta.

Vaihe 1.0 (”artisanal analytics”)

Vaiheen 1.0 (”artisanal analytics”) Davenport ajoitti alkaneen 1970-luvulla. Tämän aikakauden analytiikkavälineet ovat käytössä edelleen joltain osin. Kyse on kuvailevasta analytiikasta ja raportoinnista. Raportoinnin päätavoitteena on tukea sisäistä päätöksentekoa. Ennustavia analyysimallejakin on ja ne pohjautuvat ihmisten tekemiin hypoteeseihin. Yksi käyttökohde tälle analytiikan lajille on muun muassa varastoinventaario.

Vaihe 2.0 (big data analytics)

Vaihe 2.0 (big data analytics) ajoittuu Davenportin mukaan 2000-luvun alkuun. Analytiikan lähdemateriaalina on laaja, rakenteeton datajoukko. Tällaisen materiaalin analysointi vaati uudenlaisia laskennallisia työvälineitä.

Muun muassa Barack Obaman hallinto hyödynsi tätä analytiikkaa (esimerkiksi Issenberg (2012), How Obama’s Team Used Big Data to Rally Voters. MIT Technology Review, 19.12.2012). Osana tätä vaihetta perustettiin yrityksiä, jotka loivat data-analytiikkaan perustuvia ns. ”data-tuotteita”. Tässä vaiheessa analytiikan painopiste siirtyi tuotteisiin, joita voitiin myydä.

Vaihe 3.0 (data economy analytics)

Vaihe 3.0 (data economy analytics) käynnistyi Davenportin mukaan vuonna 2013. Hän kutsuu vaihetta myös data-talouden aikakaudeksi (data economy era). Tässä analytiikan lajissa sekoitetaan sekä perinteistä analytiikkaa ja ns. big dataa.

Analyysimateriaalia ovat esimerkiksi yritysten omiin asiakaslojaalisuusohjelmiin kertyvä data. Analytiikka on kehittynyt yhdeksi liiketoiminnan ydinalueiksi. Analyyseja ei tehdä enää manuaalisesti vaan analysointi on ns. teollistunut (industrialized): analytiikkaa tekevät koneet, analyyseja syntyy nopeammin ja toiminta on skaalattavissa eri kokoisiin yrityksiin ja tarpeisiin (Davenport, Industrialized analytics : Implications of large-scale predictive analytics models. Deloitte).

Esimerkkinä tästä analytiikasta Davenport mainitsee Ciscon ns. propensity model -analyysin, jolla yritys tekee ennusteita siitä, millä todennäköisyydellä asiakas ostaa Ciscon tuotteen (Davenport & Rosner (2016), Decoding the path to purchase Using autonomous analytics for customer mapping; Davenport, 7 Ways to Introduce AI into Your Organization. Harvard Business Review). Tätä nykyä Cisco keskittyy Davenportin mukaan ennustamaan yritystasolla, ketkä yksittäiset yritysjohtajat hankkivat Ciscon tuotteita. Kuuleman mukaan analyysi on hyvin yksityiskohtaista ja osuu hyvin kohdilleen.

Toinen esimerkki tällaista analytiikkaa hyödyntävästä yrityksestä on Procter & Gamble, jolla pääpaino analytiikassa on parantaa hallinnon päätöksentekoa. Analyytikkoja on suoraan johdon, esimerkiksi toimitusjohtajan, neuvonantajina. Sovellusalueina on esimerkiksi sosiaalisen median reaaliaikainen analysointi, jonka avulla yritys ns. pitää sormeaan asiakassuhdepulssilla ja seuraa, mikä on kuluttajien mieliala yrityksen suhteen. Davenportin mukaan Procter & Gamble on siirtymässä vaiheeseen 4.0 muun muassa myynnin optimoinnissa.

Davenportin mukaan myös General Electric hyödyntää 3.0-analytiikkamenetelmiä. Fokuksessa yrityksellä ovat data-pohjaiset tuotteet ja palvelut, joita tarjotaan yrityksen perinteisten tuotteiden (kuten junien, suihkumoottorien ja turbiinien) ohessa. General Electric on sekin siirtymässä Davenportin vaiheeseen 4.0 muun muassa koneoppimiseen pohjautuvien teknologioiden käyttöönoton myötä. Koneoppimista hyödynnetään ”digital twin” -analyysissa, jolla seurataan fyysisen esineen aiempaa ja nykyistä toimintaa ja pyritään optimoimaan suoritusta. Tällainen analyysi pohjautuu suureen, kumulatiiviseen, reaaliaikaiseen ja arkimaailmasta saatavaan mittausdataan. Tätä dataa ja sen analysointia voidaan hyödyntää muun muassa tuotantoprosessin tai tuotteiden kehittämisessä. (Industry 4.0 and the digital twin : Manufacturing meets its match. Deloitte.)

Vaihe 4.0 (cognitive analytics)

Vaiheen 4.0 (cognitive analytics) Davenport laskee alkaneen juurikin vuonna 2018. Davenport puhuu myös kognitiivisten teknologioiden, kuten tekoälyn (artificial intelligence), aikakaudesta.

Tässä vaiheessa analytiikka alkaa olla yhä itsenäisempää ja se tekee myös automatisoituja päätöksiä. Tietojärjestelmät pystyvät tekemään joitain ihmisen aiemmin hoitamia tehtäviä. Dataa analysoimalla pyritään löytämään välineitä ja ratkaisuja, joilla organisaatio saadaan toimimaan yhä tehokkaammin.

Analytiikan taustalla on (automatisoituun) koneoppimiseen perustuvia teknologioita, kuten neuroverkot (neural networks) ja syväoppiminen (deep learning), luonnollisen kielen käsittelyyn liittyviä työkaluja, erilaisten työprosessien robotisaatiota.

4.0-vaiheessa olevista yrityksistä Davenport antoi esimerkkinä Vanguardin, jonka sijoituspalveluissa yhdistyy kone- ja ihmisäly. Tekoäly hoitaa yhä isompaa osaa sijoituspalveluista ja leikkisästi Davenportin mukaan ihmisasiantuntijalle jäävät talouspsykiatriaan (”financial psychiatry”) liittyvät tehtävät.

Chileläinen kaivosyhtiö Codelco hyödyntää automatisaatiota työturvallisuuden parantamiseen. Yhtiö aloitti 1990-luvulla kauko-ohjattavilla kaivostyökaluilla ja on siirtynyt muun muassa kaivoksissa toimiviin autonomisiin kuljetusvälineisiin.

Hissiyhtiö Koneen Davenport mainitsi esimerkkinä tekoälyn tuomisesta palveluntarjontaan. Kone tekee yhteistyötä IBM Watsonin ja Salesforce.comin kanssa. Watsonin Internet of Things -teknologiaa hyödynnetään hissilaitteiden valvontaan ja toiminnan ennustamiseen. Tekoälyn avulla Kone pyrkii tunnistamaan ja ennakoimaan teknisiä ongelmia ja huollon tarvetta. Samasta asiasta on kirjoittanut myös New York Times (From Agriculture to Art — the A.I. Wave Sweeps In, 21.10.2018).

Miksi hyödyntää tekoälyä (cognitive/AI)?

Davenport mainitsi yhdeksi perusteluksi tekoälyn hyödyntämiseen sen, että ihmiseen ei aina voi luottaa ennakkoasenteiden, henkilökohtaisten taipumusten tai puolueellisuuden vuoksi. Joissain tilanteissa ihminen voi olla huono tekemään päätöksiä. Teknologia puolestaan kykenee joissain tehtävissä nopeampiin suorituksiin kuin ihminen. Tietyissä tehtävissä ihmistyövoima voi olla kalliimpaa tai tietyt tehtävät voivat olla liian tylsiä/väsyttäviä ihmiselle.

Deloitten vuonna 2018 tekemän selvityksen mukaan käytetyimpiä tekoäly-teknologioita (cognitive technologies) olivat robotiikka (prosessien automatisoinnissa; 59 %), tilastoihin pohjautuva koneoppiminen (statistical machine learning; 58 %), luonnollista kieltä prosessoivat tai tuottavat teknologiat (53 %), asiantuntija- tai sääntöpohjaiset järjestelmät (expert or rule-based systems; 49 %), syväoppimiseen pohjautuvat neuroverkot (deep learning neural networks; 34 %), robotit (physical robots (32 %).

Yleisimmät tekoälyhankkeet yrityksillä liittyvät robotiikan ja tekoälyn avulla saavutettavaan automatisointiin (robotics and cognitive automation, 47 %). Automatisoinnin kohteena ovat rutiinitehtävät tai hallinnolliset tehtävät, jotka ovat dataintensiivisiä. Tällaisessa automatisoinnissa on kyse esimerkiksi

sähköposteissa tai puhelinkeskuksissa olevan datan siirtämisestä muihin järjestelmiin
kadonneiden luottokorttien poistaminen käytöstä ja korvaaminen uudella kortilla ilman ihmistyövoiman puuttumista prosessiin
sijoitusraporttien tuottaminen automatisoidusti.

Toiseksi yleisimpiä hankkeita ovat tekoälyn tuottamat analyysit (cognitive insights, 37 %), jotka pohjautuvat rakenteisen dataan tilastolliseen analysointiin. Käsite ”cognitive insight” oli itselleni vieras. Muutamia kirjoituksia löytyy Deloittelta, joissa käsitettä oli avattu. Paul Roma määrittelee käsitteen näin:

Cognitive insights to uncover hidden patterns and relationships to identify new opportunities for innovation.

Aiheesta ovat kirjoittaneet myös Ryan Renner, Mark Cotteleer ja Jonathan Holdowsky (Cognitive technologies : A technical primer. Deloitte, 6.2.2018). Tätä tekniikkaa käytetään esimerkiksi reaaliaikaisessa luottokorttihuijausten tunnistamisessa.

Kolmanneksi yleisin hanke on tekoälypohjainen osallistuminen (cognitive engagement, 16 %), jossa tekoäly on joko kielellisessä tai kuvapohjaisessa vuorovaikutuksessa yrityksen asiakkaiden tai työntekijöiden kanssa. Davenport käytti esimerkkinä tällaisesta teknologiasta ruotsalaista Ada-nimistä yritystä, joka oli automatisoinut ns. entry level -tehtävät. Tekoälyn avulla yritys tarjosi muun muassa 24/7-asiakaspalvelua. Tekniikkaa käytetään yritysten sisällä henkilöstöhallinnossa tai IT-tuessa työntekijöiden esittämien kysymysten selvittämisessä.

Davenport esitti kysymykseen, automatisoidaanko seuraavaksi tietotyöläisten tehtävät? Ja vastasi: kyllä ja ei. Davenportin mukaan monia tietotyöhön liittyviä tehtäviä automatisoidaan ja voi olla työpaikkoja katoaa, mutta toisaalta voi syntyä uudenlaisia työpaikkoja, joissa työskennellään yhdessä tekoälyn kanssa. Automatisointi kytkeytyy työntuottavuuteen ja Davenport näkee yhdeksi mahdollisuudeksi pienentää automatisoinnin aiheuttamia vaikutuksia työelämään sen, että tuottavuuden myötä saaduilla voitoilla rahoitetaan työntekijöiden uudelleenkouluttautumista ja uudelleensijoittumista.

Davenport antoi omat viisi vinkkiä, mitä ihminen voi tehdä tekoäly-kaudella:

step in: ihmiset hallitsevat järjestelmien yksityiskohdat, heikkoudet, vahvuudet, mitä pitää kehittää
step up: ihmisellä on kokonaiskuva ja ymmärrys mitä automatisoida
step aside: ihminen voi keskittyä niihin osa-alueisiin, joilla ihmiset toistaiseksi pärjäävät koneita paremmin
step narrowly: ihminen voi erikoistua johonkin niche-asiaan, jota ei kannata automatisoida
step forward: ihminen voi rakentaa automatisoituja systeemejä.

Varsinkin listan viimeisen kohdan perusteella voi tulkita, että Davenport suhtautuu tekoälyyn myönteisesti.

Uuden teknologian vaikutusta ihmisiin Davenport pohdiskeli termiparilla automatisointi vai augmentointi (augmentation)? Davenportin mukaan tavoitteena teknologian käyttöönotossa on myös augmentointi, jossa on kyse työskentelystä yhdessä esimerkiksi tekoälyn kanssa. Tämä on mahdollinen muutossuunta, jossa ihminen ja kone tekevät yhteistyötä.

Kirjastoalalta tuontyyppinen ihminen ja kone työkavereina -esimerkki voisi olla Jyväskylän yliopiston avoimen tiedon keskuksen keväällä 2018 uusima opinnäytteiden sisällönkuvailuprosessi (Julkaisuarkisto JYX uudistuu). JYX-julkaisuarkistossa ryhdyttiin keväällä hyödyntämään Kansalliskirkastossa kehitettyä Finnaan perustuvaa ANNIF-sisällönkuvailupalvelua:

Kun opiskelija lähettää työnsä, lomake tunnistaa työn kielen ja pyytää ANNIF-palvelulta asiasanaehdotuksia, joista opiskelija valitsee sopivimmat. Tästä kertyvää aineistoa käytetään jatkossa ANNIFin kehittämiseen yhä paremmaksi. (Julkaisuarkisto JYX uudistuu)

ANNIFin kanssa pääsimme leikkimieliseen sisällönkuvailukisaan kirjastoverkkopäivillä 2017. En muista enää, mitkä olivat kisan tulokset, mutta muistan, että lupaus oli, että revanssit otetaan.

Esimerkkeinä kirjastoalan analytiikkavälineistä tulee mieleen palveluympäristön raportointipalvelu kirjastotoimelle ja CollectionHQ-analyysityökalu, joka on ollut käytössä ainakin Jyväskylän kaupunginkirjastossa (Avoin lähdekoodi yleistyy kirjastojen järjestelmissä, Kirjastolehti).

Tom Davenportin esitykselle esittivät kommenttipuheenvuorot Nina Helander ja Olli-Pekka Heinonen. Helander näki haasteeksi sen, että teknologia on erillään yrityksen muista osasista esimerkiksi johdosta. Mihin pitäisi tutkimuksessa keskittyä? Nyt tutkitaan yksittäisiä yrityksiä. Pitäisikö tutkimuksen kohteena olla alustat (platforms) ja ekosysteemit? Ovatko faktat parempia kuin tunteet, ja ovatko eettiset kysymykset faktaa vai tunnetta? Helander nosti esiin, että hyvä johtaja haluaa tehdä hyviä, oikeudenmukaisia päätöksiä ja sitä varten tarvitaan dataa ja faktoja.

Myös Olli-Pekka Heinonen käsitteli kommenttipuheenvuorossaan etiikkaa. Datan määrä kasvaa, mutta samaan aikaan voi kysyä, toimimmeko viisaammin? Mitä ylipäätään on humaanisuus tulevaisuudessa (what is humanity in the future)? Vapauttaako tekniikka ihmiset tekemään asioita joissa ihmiset ovat parhaita? Kuinka saada kokonaisvaltaisempi kuva missä ollaan ja mitä tapahtuu ja mitä pitäisi tehdä? Mitä voi oppia ja mitä voi tehdä opituilla asioilla? Kuinka tehdä eettisesti kestäviä päätöksiä? Millä toimenpiteillä emme luo uusia isoja ongelmia? Huonona esimerkkinä Heinosella oli Cambridge Analytics? Kuinka säädellä uuden teknologian käyttöä? Esimerkiksi Facebookista ei aluksi osattu arvata mitä ongelmia se toisi tullessaan. Kun Fbsi oli aikansa kasvanut, se osoittautui haastavaksi, ehkä liian isoksi säädeltäväksi.

Eettiset kysymykset kiinnostavat Davenportin mukaan yhä enemmän myös opiskelijoita, mutta esityksessään hän ei näitä kysymyksiä käsitellyt.

Organisaatiokulttuuri ja avoin innovointi

Lassi Kurkijärvi puhui organisaatiokulttuurin merkityksestä avoimen innovoinnin toimintatavassa. Tilannetta Kurkijärvi luonnehti kahdella siteerauksella:

Certainty is a cruel mindset. it hardens our minds against possibility. (Ellen Langer, The illusion of control, 1975)

We are not machines that feel; rather we are feeling machines that think. (Antonio Damasio)

Onnistuneen toiminnan taustalla on Kurkijärven mukaan muun muassa selkeä tavoite ja asennemuutos kohti oppivaa organisaatiota (from know-it-all to learn-it-all). Muutos know-it-all-asenteesta kohti learn-it-all-asenteeseen on melkoinen muutos, kun paine (kirjastoalan lisäksi varmasti monella muullakin alalla) on pikemminkin olla know-it-all, oman alansa asiantuntija. Vitsi ehkä piilee siinä, että oli ala mikä vain, muutoksia tapahtuu ja sitä myöten uusien asioiden oppiminen on pelin henki.

Kurkijärvi nosti myös esiin organisaatiossa vaikuttavien ongelmien tuntemisen tärkeyden. Etäältä tuntui kuuluvan lean-kellojen kumina. Leanissahan yksi toiminnan kehittämisen lähtökohtia on ongelmien juurisyiden tuntemus.

Toiminnan kehittämistä edistävä ominaisuus on myös organisaatiokulttuurin moninaisuus: on hyvä ettemme ole ns. samasta puusta veistettyjä ja että ryhmässä on monenlaista tapaa ajatella ja osaamista.

Mielenkiintoinen ajatus, joka toistui myös muissa puheenvuoroissa, koski ihmisten ja koneiden välistä suhdetta: tätä suhdetta tulisi ajatella yhteistyösuhteena. Ihmisen ja koneen välistä suhdetta ei tule nähdä vain vastakkainasetteluna. Oma mutu-ajatus on se, että tietojärjestelmäpuolella vastakkainasettelu on tyypillisempi tapa määritellä ihmisen ja koneen välistä suhdetta. Esimerkiksi järjestelmäuudistusuutisoinnissa harvemmin kuulee kerrasta nappiin menneistä menestyskertomuksista, vaikka sellaisiakin uudistuksiakin on tehty. Eräänä lajityyppinä tuntuu olevan tapauskertomukset järjestelmistä, jotka pikemmin estävät työnteon, esimerkkinä sote-puolen tietojärjestelmät.

Tekoälyn osalta vastakkainasettelu on yleistä. Mieleen tulevat erilaiset kisailut ihmisten ja koneiden välillä: shakissa ja gossa asetelma on monesti kilpailullinen. Ihminen ja kone käyvät mestaruuskamppailuun ja tekoäly voittaa ihmisen. Toisinaan pyöräytetään esiin kolikon kääntöpuolikin: tekoäly voi myös opettaa ihmistä.

Viime vuosina lehdissä on julkaistu erilaisia listoja työpaikoista, joiden ennustetaan lähitulevaisuudessa katoavan. Kuitenkin madonlukujen laskemisesta ihmistyövoimalle on joissain piireissä siirrytty siihen näkemykseen, että tekoäly on työkaveri, joka avustaa meitä selviytymään entistä paremmin. Tällaiseen havaintoon on päätynyt samassa symposiumissa puhunut Tom Davenport kirjoituksessaan On AI and Jobs, We Are All Augmentarians Now (Forbes, 8.6.2018, viitattu 22.9.2018). Automatisoinnin merkitys työelämään nousi esiin päivän muissakin esityksissä.

Session loppupuolella nousi esiin eettinen puoli: Minshall heitti ilmaan ajatuksen, että pohtia sopii, kannattaako jokin asia tehdä, vaikka se pystyttäisiin tekemään.

We can do this – should we do this? (Tim Minshall)

Se on hyvä kysymys se.

Tim Minshall avoimesta innovoinnista

Tim Minshall aloitti määrittelemällä innovaation ja keksinnön ero: innovaatio menee pidemmälle. Luo jotain uutta ja toteuttaa sen. Parantaa arkea. Innovaatioissa on kyse myös riskeistä: innovaatio voi olla liian kaukana aikaansa edellä, jolloin sen käytäntöön vienti syystä tai toisesta epäonnistuu. Tällaisesta esimerkkinä Minshallilla oli Sinclair C5 -kulkupeli. Esimerkkinä onnistuneesta innovaatiosta Minshall mainitsi Innocent-juomasarjan.

Avoimessa innovoinnissa lähtökohtana on se, että kaikkea ei voi tehdä itse eikä tarvitsekaan. Uuden kehittämiseen liittyvää riskiä voi pienentää tekemällä yhteistyötä. Toimintavaihtoehtoja ovat ideoiden omaksuminen muualta, omien kehitelmien lisensointi organisaation ulkopuolisten tahojen käyttöön ja tarvittaessa lisenssien hankkiminen muualla tehtyyn kehitystyöhön.

Muutosten hallinta on tärkeää avoimessa innovoinnissa. Haasteena ovat muun muassa organisaatiokulttuuri ja kansallinen kulttuuri. Organisaatiopuolelta esimerkkinä Minshallilla olivat isot yritykset. Ulkopuolelta tulevan voi olla vaikea hahmottaa, ketä lähestyä yrityksessä.

Taidot ovat oma haasteensa: mitä taitoja tarvitaan ja kuinka niitä voi hankkia yritykseen. Toimivan motivointijärjestelmän (palkkiot ja muut edut) rakentaminen on vaativaa.

Avoimeen innovointimalliin siirtyneitä suuryrityksiä ovat esimerkiksi Philips ja Unilever. Toimintatapana on lyöttäytyä yhteistyöhön yliopistojen kanssa ja olla läsnä siellä, missä tutkimustyötä tehdään.

Johtajuussymposium 2018

Tampereen yliopistolla tänä vuonna järjestetyn johtajuussymposiumin teemana oli tiedolla johtaminen. Muutamia merkintöjäni useammassa palassa:

Tim Minshallin esityksestä, joka käsitteli avointa innovointia (open innovation)
Lassi Kurkijärven (Solita) esityksestä organisaatiokulttuurin merkityksestä, kun toimintatapana on avoin innovointi
Tom Davenportin puheenvuorosta analytiikan ja tiedolla johtamisen historiasta, johon saimme kommenttipuheenvuorot Nina Helanderilta (tietojohtamisen professori, Tampereen teknillinen yliopisto) ja Olli-Pekka Heinoselta (pääjohtaja, Opetushallitus)
Aamulehden ja JKY ry:n järjestämästä paneelista tavoitteista ja mittareista
Business Tampereen paneelista digitalisaatiosta.