Jokaisella on käytössä samat tekoälymallit. Kenelläkään ei ole sinun kontekstiasi.

Seisoin viikko sitten erään suomalaisen tehtaan valvomossa. Linja kävi. Vuorossa olleet työntekijät rupattelivat, siemailivat kahvia ja vilkuilivat näyttöjä. Kukaan ei koskenut mihinkään. He seurasivat mitä prosessi tuotti ja olisivat puuttuneet automaation toimintaan vain, mikäli asia olisi vaatinut ihmistä.

Tämän kaltaista työtä ei ollut olemassa, kun ensimmäiset tuotantolinjat rakennettiin. Rooli suunniteltiin: joku päätti mistä se vastaa ja mitä sen täyttäminen hyvin vaatii.

Tietotyö ei ole vielä valvomossa, mutta se on matkalla sinne. 

Tietotyön on tuotettava oma kontekstinsa automaatiolle

Tehtaan automaatio toimii, koska prosessi on mittaroitu. Lämpötila, paine, virtaama — kaikki mitä säätö tarvitsee, syntyy prosessin sivutuotteena, koneen luettavassa muodossa.

Tietotyössä raaka-aine on konteksti: se mitä organisaatio tietää, mitä se on päättänyt ja miksi se on näin päättänyt. Tätä tietoa ei ole totuttu tuottamaan muodossa, jota kone voi käyttää. Miksi olisi? Vielä hetki sitten tiedon ainoa kuluttaja oli kollega, joka osasi kysyä tarkentavan kysymyksen ja oppi kysymysten ja työn seuraamisen myötä hiljaisen tiedon kokeneemmilta.

Siksi tietotyön itsensä on alettava tuottaa konteksti, jolla automaatio toimii.

Miksi tekoälyn tuotokset eivät usein vastaa odotuksia?

Käyttöönottoinsinööri ratkaisee laitosongelman tiistaina. Muutos kirjataan. Se, miksi hän valitsi juuri sen ratkaisun, ei kirjaudu. Kolme kuukautta myöhemmin toinen insinööri kohtaa saman ongelman toisella laitoksella ja aloittaa päättelyketjun alusta. Niin aloittaa myös tekoäly, jolle annettiin luettavaksi huoltoraportit, mutta ei päätösten perusteluja. Prosessi, joka vain kuluttaa kontekstia, on sadannella kerralla täsmälleen yhtä hyvä kuin ensimmäisellä. Prosessi, joka tuottaa sitä, on koko ajan parempi.

Teknologia osaa vihdoin käsitellä kahdenkymmenen vuoden korvauspäätökset. Mutta osaako se kertoa, mikä tulkintalinja muuttui hiljaisesti vuonna 2021, kun korvauspäällikkö vaihtui? Haku osaa kyllä ohittaa ohjeen, joka on merkitty vanhentuneeksi. Se ei osaa ohittaa ohjetta, jonka vain kokenut käsittelijä tietää vanhentuneeksi.

Tekoäly, joka tietää mikä on lämmönvaihdin, on hyödyke, jonka voi ostaa pilvestä. Tekoäly, joka tietää miksi säädit lämmönvaihtimen tietylle asiakkaalle, tietyissä prosessiolosuhteissa juuri näin, ei ole saatavilla valmiina mistään.

Nämä eivät ole teknisiä, vaan toimintatapojen, prosessien ja tiedonhallinnan kysymyksiä. Prosessit tuottavat dataa. Data jalostuu kontekstiksi, jolla tekoäly operoi. Edelleen tekoäly muuttaa työtä ja prosesseja tuottaen parempaa dataa, jonka jälkeen silmukka alkaa alusta, rikastuneena. 

Tekoälyn adoptiokäyrän etureunalla kulkevan SaaS-yhtiön kollega jakoi tuoreita kontekstin laadun vaikuttavuuslukuja. Lähtötilanteessa asiakaspalvelun automaatio ratkaisi 10–15% tiketeistä. Kun työnkulkujen konteksti saatiin kuntoon, samat agentit ratkaisivat tiketeistä 75–80%. Ainoa keskeinen muuttuja oli kontekstitiedon hallinta.

Mitä olemme oppineet Valimon omassa toiminnassa

Kahdeksan kuukauden ikäisenä yrityksenä emme kanna menneisyyden painolastia (paitsi korviemme välissä). Olemme voineet lähestyä tiedonhallinnan ja tekoälykontekstin ongelmaa puhtaalta pöydältä. Tiedonhaun tai tekoälyn toiminnan tekninen laatu eivät missään vaiheessa ole olleet varsinaisia ongelmia. Teknisesti oma Foxling-tietovarastomme sekä tekoälyautomaatiot toimivat kuten pitääkin. Ongelmat vastausten ja toiminnan laadussa ovat johtuneet siitä, mitä olemme tai emme olleet kirjanneet. Yhdellä asialla on voinut olla kolme elävää määritelmää, kaikki auktoritatiivisen näköisiä, eikä yksikään ole alisteinen muille. Pääsääntöisesti myös perustelut päätöksille ovat jääneet tekoälyn ulottumattomiin. 

Nykyisin pyrimme tekemään kontekstin automaattisen keruun (esimerkiksi palaveritranskriptiot, Slack, mailit, dokumentit) sekä ihmisten tekemät eksplisiittiset kirjaukset tietoisesti tekoälyn kontekstia rikastaen. Tiedonhallinnan käytänteiden määrittely ja tekoälyavustettu operointi ovat työn alla oleva aihe.

Tiivistäen: ongelmatapauksissa teknologia toimii, käytännöt eivät. Toimintatapaan liittyvät asiat vaativat myös työtä kaikilta, ratkaisujen tekninen osuus vain harvoilta.

Neljä kysymystä ratkaisun kontekstiperustasta

Onko konteksti, jota ratkaisu tarvitsee, luotettavassa kunnossa? Ei "onko dataa", sillä dataa on lähes aina. Onko oleellisista käsitteistä yksi vai useampi määritelmä? Onko vanhentunut dokumentti merkitty vanhentuneeksi, vai näyttääkö se yhä ajantasaiselta? Jos tekoäly tuottaa huonon vastauksen, koska oikea tieto asuu ihmisen päässä, kyseessä on tiedonhallinnan ongelma tekoälyvaatteissa.

Tuottaako ratkaisu lisää oleellista kontekstia? Kun konsepti on ajettu sata kertaa, onko organisaation tieto jalostunut ja uusiutunut? Tallentuuko perustelu silloin kun päätös tehdään? Konsepti, joka ei tuota jalostettua tai uusiutunutta tietoa, ei kerrytä korkoa korolle.

Rikastuuko tuotettu konteksti vai rapautuuko se? Tekoälyn tuotos palaa tyypillisesti jossain muodossa takaisin organisaatioon: kalvoina, muistioina, tikettien vastauksina, tarjouspohjina. Jos se palaa aina täysin katselmoimatta, syntyy riski syventää kontekstitiedon hallinnan ongelmaa konenopeudella. Mikä tuotoksista päätyy takaisin virallisiin lähteisiin, kuka sen hyväksyy ja millä kriteereillä? Etenkin nyt, kun ihmisen ja koneen työnjako tietotyössä on vasta muotoutumassa, ihmisen roolissa korostuu kontekstin kuratointi ja validointi. 

Ketkä omistavat totuuden eri asioista ja miten se päätetään? Kun kaksi lähdettä on eri mieltä, kuka ratkaisee? Jos asiaa ei ole määritelty, tekoäly valitsee, mahdollisesti väärin. Muutosten vaikuttavuuden arviointi ei myöskään ole välttämättä triviaalia: yhden nollan lisääminen myyntitavoitteen perään on yksi merkki ja voi olla vuoden suurin muutos, kun taas kymmenen uutta sivua yksittäisen tarjouksen liitteessä ei muuta organisaation kannalta juuri mitään.

Näistä ei kuitenkaan seuraa, että koko organisaation tiedonhallinta pitäisi korjata ennen kuin tekoälystä saa ulosmitattua lisää arvoa. Päinvastoin: koko organisaation kontekstin siivoaminen etukäteen on projekti, joka ei valmistu koskaan. Konteksti kannattaa rajata siihen työnkulkuun, jonka automatisoit ensimmäisenä. Silloin sen kuntoon saattaminen kestää viikkoja, ei vuosia, ja se maksaa itsensä takaisin heti. Seuraava työnkulku alkaa jo paremmasta lähtötilanteesta.

Jokaisella kilpailijallanne on samat tekoälymallit kuin teillä. Mutta vain teillä on oma kontekstitietonne, jonka laatu ja rikastuminen luovat tai rapauttavat kilpailuetua.