Mikko Heilimo: tekoäly muuttaa työtä, harkinta jää ihmiselle
Kun tekoäly tekee enemmän suorittavaa työtä, ihmisen tehtävä painottuu suunnan valitsemiseen, tulosten tarkistamiseen ja vastuuseen.
Mitä kannattaa oppia, kun tekoäly pystyy tekemään yhä enemmän aiemmin itse tekemästämme työstä? DDScoren perustaja ja toimitusjohtaja Mikko Heilimo keskustelee Lotan ja Siljan kanssa Tekoälyttäjät-podcastissa agenttien vaikutuksesta työhön, yritysten valmistautumisesta ja siitä, miten oppimisessa pääsee alkuun ilman jokaisen uuden työkalun perässä juoksemista.
Katso koko suomenkielinen keskustelu YouTubessa.
Tekijästä työn ohjaajaksi
Heilimo näkee kasvavan roolin tekoälyagenteille, jotka suorittavat tehtäviä osana laajempaa työnkulkua. Hänen mukaansa yhä useampi tietotyöläinen käyttää aikaansa tehtävän määrittelyyn, järjestelmän ohjaamiseen ja tulosten tarkistamiseen. Vastuu lopputuloksesta jää tekoälyä käyttävälle ihmiselle.
Muutos koskee myös työn mielekkyyttä. Heilimo kuvaa, kuinka koodaamisen siirtyminen tekoälylle voi viedä osan siitä tyydytyksestä, jonka vaikean teknisen ongelman ratkaiseminen itse aiemmin toi. Siksi sopeutumisessa on kyse myös siitä, mikä työssä tuntuu merkitykselliseltä.
Rakenna oppimissuunnitelma oman työsi ympärille
Heilimon käytännön neuvo on suunnitella oppimista kolmella aikajänteellä: mitä haluat ymmärtää kahden vuoden päästä, mitä oppia kuudessa kuukaudessa ja mitä kokeilla tässä kuussa. Harjoittelu kannattaa liittää oikeisiin tehtäviin muun työn lomassa.
Osaaminen karttuu pienistä, toistuvista askelista. Esittelyvideoista saa ideoita, mutta vasta omassa työssä kokeileminen paljastaa hyödyt ja rajoitukset. Eteenpäin pääseminen ei edellytä jokaisen uuden mallijulkaisun seuraamista.
Mitä yritys tekee säästyvällä ajalla?
Juontajat haastavat ajatuksen, että tekoälyn hyöty pitäisi nähdä ensisijaisesti henkilöstövähennyksinä. Keskustelussa pohditaan myös sitä, miten samalla kapasiteetilla voisi palvella useampia asiakkaita, parantaa palvelua tai tehdä työtä, jonka tuottaminen oli aiemmin liian kallista.
Heilimo kertoo esimerkin omasta työstään: tekoäly selvitti tapahtuman osallistujia, luonnosteli tapaamispyyntöjä ja auttoi aikataulujen yhteensovittamisessa. Hän tarkistaa viestit ennen lähettämistä. Esimerkissä usea toisiinsa liittyvä tehtävä muodostaa yhden avustetun työnkulun, johon ihmisen tarkistus kuuluu edelleen.
Säilytä prosessi omassa hallinnassa
Toistuvan työnkulun siirtäminen tekoälylle nostaa esiin kysymyksiä luotettavuudesta, pääsystä tietoihin ja riippuvuudesta yhdestä toimittajasta. Heilimo varoittaa, että malli- tai työkalupäivitys voi muuttaa prosessin toimintaa. Organisaation pitää ymmärtää ja hallita asiakkaaseen vaikuttavat vaiheet.
Tämä liittyy myös jakson alussa esiteltyyn DDScoreen: yritysaineiston analyysiin, joka nostaa esiin vahvuuksia, heikkouksia ja kehityskohteita. Tuloksen tuottaminen on yksi vaihe. Sen perusteiden ymmärtäminen ja seuraavan toimenpiteen valitseminen vaativat edelleen harkintaa.
Toimialan ymmärrys antaa työlle suunnan
Keskustelu etenee luovuuteen, yrittäjyyteen, robotiikkaan ja asiantuntijatyön tulevaisuuteen. Heilimo kannustaa ymmärtämään toimialaa kokonaisuutena: asiakkaita, reunaehtoja ja eri osa-alueiden yhteyttä toisiinsa. Tämä auttaa valitsemaan hyödyllisiä tehtäviä ja arvioimaan niiden tuloksia.
Jaksossa esitetään myös kunnianhimoisia ennusteita. Niiden aikataulu on epävarma, ja Heilimo toteaa pitkän aikavälin yhteiskunnallisten vaikutusten ennustamisen vaikeaksi. Välitön neuvo on konkreettisempi: valitse hyödyllinen asia, aloita harjoittelu ja rakenna osaamista sen päälle.
Tutustu analyysiraporttiin
Katso, miten DDScore jäsentää yrityksen vahvuudet, puutteet ja riskit keskeisistä havainnoista yksityiskohtaiseen analyysiin.