Avainsana: tekoäly

  • Älä aloita tekoälystrategiasta – aloita ongelmasta

    Älä aloita tekoälystrategiasta – aloita ongelmasta

    Yrityksissä tekoälyn käyttöönotto pysähtyy usein ennen ensimmäistäkään kokeilua. Keskustelu alkaa riskeistä, järjestelmistä ja strategioista, vaikka hyödyllisempi kysymys olisi paljon yksinkertaisempi: mikä yksi todellinen ongelma voitaisiin ratkaista jo tänään paremmin?

    Eräässä yrityksessä päätettiin jokin aika sitten siirtyä tekoälyaikaan.

    Käytännössä tämä tarkoitti sitä, että johtoryhmätasolla alettiin pohtia, uskaltaako tekoälyä käyttää.

    Mitä se oikeastaan pystyy tekemään?

    Voisiko se lukea skannauspalveluun saapuvan ostolaskun?

    Löytäisikö se laskulta viitenumeron, summan ja eräpäivän?

    Entä jos se lukisi yhden numeron väärin?

    Kysymykset olivat sinänsä täysin aiheellisia. Taloushallinnon tiedoissa ei ole paljonkaan hyötyä järjestelmästä, joka toimii lähes oikein.

    Mutta keskustelussa oli myös jotain hyvin inhimillistä.

    Ennen kuin tekoäly oli päässyt käsittelemään ensimmäistäkään laskua, sitä arvioitiin jo kuin se olisi hakemassa yrityksen talousjohtajaksi.

    ”Tietokone ei koskaan pärjää ihmiselle”

    Yksi keskustelua seurannut työntekijä nauroi koko ajatukselle.

    ”Tekoäly? Niin juuri. Tekoälyttömyys. Ei tietokone koskaan pärjää ihmiselle.”

    Hänellä oli omasta näkökulmastaan näyttöä asiasta.

    Hänen työpisteensä ympärille oli vuosien aikana muodostunut erittäin pitkälle kehitetty tiedonhallintajärjestelmä.

    Pöydällä oli arviolta 78 kiloa tulostettua paperia: pinoja, mappeja, muovitaskuja ja niiden väliin sijoitettuja irrallisia dokumentteja.

    Loput 42 kiloa oli järjestetty lattialle tuolin ympärille täsmällisen korkuisiksi pinoiksi.

    Puolikaaren muotoinen arkisto oli suunniteltu ergonomisesti.

    Kun käyttäjä pyörähti työtuolillaan oikeaan kulmaan, hän osui yleensä haluamansa paperipinon kohdalle alle minuutissa.

    Järjestelmä oli täysin riippumaton verkkoyhteydestä.

    Sillä ei ollut lisenssimaksuja.

    Se ei tarvinnut ohjelmistopäivityksiä.

    Kyberturvallisuuden näkökulmasta sitä oli vaikea hakkeroida etänä.

    Eikä yksikään tekoäly ollut vielä onnistunut siirtämään vahingossa väärää paperipinoa.

    Tarkemmin ajatellen kyseessä oli siis varsin toimintavarma ratkaisu.

    Sen ainoita heikkouksia olivat hakutoiminto, varmuuskopiointi, tiedon jakaminen, versionhallinta, paloturvallisuus ja se, että järjestelmän koko käyttöliittymä oli tallennettu yhden ihmisen päähän.

    Kysymys ei ole ihmisestä vastaan kone

    Tekoälystä keskusteltaessa asetelma rakennetaan helposti väärin.

    Pärjääkö tietokone ihmiselle?

    Voiko tekoäly tehdä saman työn kuin kokenut työntekijä?

    Kumpi on parempi?

    Useimmissa yrityksissä tämä ei ole ensimmäinen ratkaistava kysymys.

    Paljon hyödyllisempää olisi kysyä:

    Missä tehtävässä ihminen käyttää tällä hetkellä aikaa sellaiseen, minkä kone voisi tehdä nopeasti – ja jonka ihminen voisi tarkistaa vielä nopeammin?

    Ostolaskun viitenumeron lukeminen on hyvä esimerkki.

    Tehtävä ei vaadi tekoälyltä syvällistä liiketoimintaymmärrystä, eettistä harkintaa tai vuosikymmenten kokemusta.

    Sen pitää tunnistaa numerosarja.

    Ja koska tunnistamisessa voi tapahtua virhe, tulos tarkistetaan tai validoidaan olemassa olevia sääntöjä vasten.

    Tekoälyn ei siis tarvitse olla täydellinen.

    Sen pitää olla riittävän hyvä siinä työvaiheessa, johon sitä käytetään, ja prosessin pitää tunnistaa tilanteet, joissa ihminen tarvitaan mukaan.

    Tämä on huomattavasti realistisempi lähtökohta kuin kysymys siitä, voiko tekoäly korvata ihmisen.

    Samaan aikaan toisaalla

    Kun yhdessä huoneessa pohditaan, voiko tekoälyä uskaltaa käyttää yksittäisen viitenumeron lukemiseen, toisessa ympäristössä työskentelytapa on jo muuttunut kokonaan.

    Ihminen ottaa verkkosivustoa rakentaessaan kuvakaappauksen lähes jokaisen työvaiheen jälkeen.

    Tekoäly tarkastelee kuvaa ja tunnistaa:

    • mikä muutos onnistui
    • mikä elementti siirtyi väärään paikkaan
    • mitä asetusta pitää seuraavaksi muuttaa
    • mikä välilehti selaimessa on jo valmiiksi auki
    • mitä työkalua seuraavassa vaiheessa todennäköisesti tarvitaan

    Kuvassa näkyy, että selaimen kolmannella välilehdellä vasemmalta on webhotellin hallintapaneeli.

    Sitä tarvitaan seuraavaksi, jotta itse rakennettu ajanvarausmoduuli saadaan upotettua verkkosivustolle.

    Ihminen ei joudu ensin selittämään koko työympäristöään uudelleen.

    Tekoäly lukee tilanteen kuvasta ja jatkaa siitä, missä työ oikeasti on.

    Tämä ei ole enää vain tekstin tuottamista.

    Se on tilanteen tulkitsemista, seuraavan työvaiheen ennakointia ja ihmisen ohjaaman projektin jatkuvaa tukemista.

    Tekoäly voi valmistella myös ihmisten välisiä tilanteita

    Teknologian näkyvimmät käyttötavat liittyvät usein dokumentteihin, kuviin, laskentaan ja koodiin.

    Vähemmän näkyvä mutta vähintään yhtä kiinnostava käyttökohde on viestinnän ja vuorovaikutustilanteiden valmistelu.

    Kun ihmiset työskentelevät yhdessä riittävän pitkään, heidän viestintätavoistaan alkaa löytyä toistuvia piirteitä.

    Yksi haluaa suoran vastauksen.

    Toinen tarvitsee taustat ja perustelut.

    Kolmas reagoi voimakkaasti siihen, jos asia esitetään liian lopullisena.

    Neljäs ei vastaa pitkään viestiin lainkaan, mutta reagoi kolmeen selkeään kysymykseen.

    Aiemman viestinnän perusteella tekoäly voi auttaa jäsentämään näitä eroja ja muotoilemaan viestin vastaanottajalle sopivammaksi.

    Ei manipuloidakseen ihmistä, vaan vähentääkseen tilanteita, joissa hyväkin asia epäonnistuu väärän esitystavan vuoksi.

    Sama koskee kokouksiin valmistautumista.

    Ennen tärkeää keskustelua voidaan pohtia:

    • mitkä ovat todennäköisimmät vastaväitteet
    • missä kohdassa osallistujien tavoitteet eroavat
    • mitä kysymyksiä todennäköisesti esitetään
    • millä kolmella eri tavalla keskustelu voi edetä
    • miten kuhunkin tilanteeseen kannattaa vastata

    Tekoäly ei ennusta ihmisten käyttäytymistä varmasti.

    Se auttaa valmistautumaan useampaan kuin yhteen mahdolliseen tapahtumakulkuun.

    Johtamisessa tämä on merkittävä ero.

    Huonosti valmistautunut ihminen reagoi siihen, mitä kokouksessa tapahtuu.

    Hyvin valmistautunut ihminen on pohtinut etukäteen, mitä voi tapahtua.

    Tässä kohtaa tarvitaan myös rajat

    Tekoälyn hyödyntäminen viestinnässä ja henkilöstöasioissa vaatii harkintaa.

    Kaikkea aineistoa ei pidä viedä mihin tahansa palveluun.

    Henkilötiedot, luottamukselliset viestit, sopimukset ja liikesalaisuudet edellyttävät soveltuvia yritystyökaluja, käyttöoikeuksia ja selkeitä pelisääntöjä.

    Tämä ei kuitenkaan ole peruste jättää koko asia tutkimatta.

    Se on peruste suunnitella käyttö oikein.

    Yrityksissä ei kielletä sähköpostia siksi, että sähköpostilla voi lähettää salassa pidettävää tietoa väärälle vastaanottajalle.

    Sen sijaan luodaan ohjeet, käyttöoikeudet ja vastuut.

    Tekoälyn kanssa tarvitaan samaa aikuismaista suhtautumista.

    Ei sinisilmäistä innostusta.

    Ei myöskään sitä, että kaikki uusi kielletään varmuuden vuoksi.

    Suuri tekoälystrategia voi olla erinomainen tapa olla tekemättä mitään

    Monessa yrityksessä tekoälyn käyttöönotto aloitetaan poikkeuksellisen kunnianhimoisesti.

    Päätetään laatia:

    • koko konsernin tekoälystrategia
    • laaja riskikartoitus
    • kattava teknologia-arkkitehtuuri
    • koulutusohjelma koko henkilöstölle
    • lista hyväksytyistä käyttötapauksista
    • monivuotinen etenemissuunnitelma

    Kaikki nämä voivat myöhemmin olla tarpeellisia.

    Mutta jos ensimmäinen käytännön kokeilu siirtyy puolella vuodella, strategiatyö voi muuttua hienostuneeksi lykkäysmekanismiksi.

    Tekoälystä keskustellaan paljon.

    Kalvoihin ilmestyy uusia laatikoita.

    Vastuuryhmä perustetaan.

    Yksi johtoryhmän jäsen käy seminaarissa.

    Ja sama työntekijä jatkaa joka aamu tietojen kopioimista järjestelmästä toiseen.

    Yritys ei tarvitse ensimmäiseksi täydellistä kuvausta kaikesta siitä, mitä tekoäly voisi joskus tehdä.

    Se tarvitsee yhden hallitun kokemuksen siitä, mitä tekoäly pystyy tekemään nyt.

    Aloita tehtävästä, jonka tuloksen ihminen pystyy tarkistamaan

    Hyvä ensimmäinen kokeilu on pieni, toistuva ja riittävän turvallinen.

    Se voi olla esimerkiksi:

    • ostolaskujen tietojen poiminta
    • kokousmuistion ensimmäinen luonnos
    • pitkän raportin tiivistäminen
    • asiakaspalautteiden ryhmittely
    • tarjouksen tietojen vertaaminen vaatimuksiin
    • sisäisen ohjeen löytäminen suuresta dokumenttimäärästä
    • myyntipalaverin valmistelu
    • verkkosivutekstin ensimmäinen versio
    • yksinkertaisen työkalun prototyyppi

    Hyvässä pilotissa:

    1. tehtävä toistuu riittävän usein
    2. siihen kuluu selvästi aikaa
    3. lähtöaineisto on saatavilla
    4. lopputulos voidaan tarkistaa
    5. virhe ei aiheuta hallitsematonta vahinkoa
    6. hyödylle voidaan määrittää yksinkertainen mittari

    Ensimmäisen kokeilun ei tarvitse todistaa, että tekoäly mullistaa koko yrityksen.

    Riittää, että se vastaa yhteen kysymykseen:

    Kannattaako tätä jatkaa?

    Mittaa tavallisia asioita

    Tekoälypilotin onnistumista ei tarvitse mitata monimutkaisella AI-indeksillä.

    Voidaan kysyä:

    • paljonko aikaa säästyi
    • vähenikö manuaalinen työ
    • paraniko tiedon löydettävyys
    • jäikö ihmiselle enemmän aikaa arviointiin
    • syntyikö vähemmän virheitä
    • helpottiko työ aidosti
    • oliko tulos riittävän hyvä jatkokäyttöön

    Jos ostolaskun käsittelyyn kului ennen kolme minuuttia ja nyt yksi minuutti, hyöty voidaan laskea.

    Jos tärkeään kokoukseen valmistautuminen tuotti aiemmin yhden suunnitelman ja nyt kolme realistista skenaariota, hyöty näkyy päätöksenteossa.

    Jos verkkosivuston pieni tekninen muutos vaati ennen ulkopuolisen kehittäjän ja nyt se syntyy valvotusti vartissa, vaikutus näkyy nopeudessa ja kustannuksissa.

    Kaikkea arvoa ei tarvitse kuvata futuristisilla termeillä.

    Joskus tekoälyn paras liiketoimintahyöty on se, että tavallinen työ sujuu hieman paremmin joka päivä.

    Kokeilu ei tarkoita kontrollin menettämistä

    Yritysten varovaisuus on ymmärrettävää.

    Virheitä tapahtuu.

    Tietoa voi vuotaa.

    Tekoäly voi tuottaa vakuuttavalta kuulostavaa hölynpölyä.

    Mutta samaan aikaan myös ihmiset lukevat viitenumeroita väärin, tallentavat tiedostoja vääriin kansioihin, unohtavat kokousten päätöksiä ja tekevät ratkaisuja puutteellisella tiedolla.

    Tavoitteena ei ole korvata inhimillistä epätäydellisyyttä täydellisellä koneella.

    Sellaista konetta ei ole.

    Tavoitteena on rakentaa prosessi, jossa ihmisen ja teknologian vahvuudet täydentävät toisiaan.

    Tekoäly käsittelee nopeasti suuria määriä tietoa, tunnistaa rakenteita ja tuottaa vaihtoehtoja.

    Ihminen ymmärtää tilanteen, arvioi seuraukset, tekee päätöksen ja kantaa vastuun.

    Ehkä suurin riski ei olekaan virheellinen viitenumero

    Yrityksissä on hyvä pohtia, mitä tapahtuu, jos tekoäly lukee yhden tiedon väärin.

    Vähintään yhtä tärkeä kysymys on kuitenkin tämä:

    Mitä tapahtuu, jos emme opi käyttämään sitä lainkaan?

    Silloin kilpailija käsittelee saman tiedon nopeammin.

    Toinen yritys rakentaa palvelun, jota oma organisaatio vielä selvittää työryhmässä.

    Yksi työntekijä moninkertaistaa tuottavuutensa, kun toinen jatkaa tietojen etsimistä paperipinoista.

    Mikään teknologia ei poista hyvän työn, kokemuksen tai harkinnan arvoa.

    Mutta historia ei tunne kovin montaa tapausta, jossa tehokkaamman työkalun järjestelmällinen vastustaminen olisi muodostunut pitkäaikaiseksi kilpailueduksi.

    Aloita ongelmasta

    Ensimmäisen tekoälyprojektin ei tarvitse olla näyttävä.

    Sen ei tarvitse muuttaa koko organisaatiota.

    Sen ei tarvitse edes näkyä asiakkaalle.

    Valitse yksi todellinen ongelma.

    Rajaa tehtävä.

    Määrittele, mitä onnistuminen tarkoittaa.

    Suojaa tiedot.

    Pidä ihminen mukana tarkistamassa tulokset.

    Kokeile.

    Mittaa.

    Päätä sen jälkeen, mitä opitusta kannattaa tehdä seuraavaksi.

    Yritys ei siirry tekoälyaikaan sillä hetkellä, kun johtoryhmän esitykseen lisätään sana AI.

    Se siirtyy tekoälyaikaan sillä hetkellä, kun ensimmäinen oikea ongelma ratkaistaan uudella tavalla.

  • Tekoäly ei muuttanut vain työtäni – se muutti tapani ratkaista ongelmia

    Tekoäly ei muuttanut vain työtäni – se muutti tapani ratkaista ongelmia

    Tekoäly on tullut mukaan mitä erilaisimpiin tilanteisiin: akvaariokalojen laskemisesta hifijärjestelmän suunnitteluun, pH-mittarin kalibroinnista yrityksen verkkosivuihin. Suurin muutos ei ole yksittäinen temppu, vaan tapa, jolla ongelmia nykyään lähestyn.

    Tekoäly ei tullut elämääni yhtenä suurena mullistuksena.

    Se tuli ensin pieninä kysymyksinä.

    Voisitko verrata näitä vaihtoehtoja?

    Mitä tämä mittaustulos tarkoittaa?

    Miten tämä kannattaisi rakentaa?

    Tunnistatko tämän laitteen kuvasta?

    Sitten kysymykset alkoivat muuttua.

    En enää kysynyt vain tietoa, vaan pyysin tekoälyä tulkitsemaan kuvia, arvioimaan videoita, hahmottamaan teknisiä kokonaisuuksia, suunnittelemaan järjestelmiä ja rakentamaan ratkaisuja kanssani.

    Jossain vaiheessa huomasin, ettei ChatGPT ollut minulle enää vain tavallista monipuolisempi hakukone.

    Siitä oli tullut ajattelukumppani.

    Sama työkalu, täysin erilaiset ongelmat

    Tekoälystä puhuttaessa keskustelu keskittyy helposti suuriin teemoihin.

    Puhutaan työpaikkojen katoamisesta, automatisoinnista, suurista IT-hankkeista ja kokonaisia toimialoja muuttavista innovaatioista.

    Ne ovat tärkeitä aiheita, mutta oman kokemukseni perusteella tekoälyn vaikutus näkyy ainakin aluksi aivan muualla.

    Se näkyy pienissä hetkissä.

    Sellaisissa tilanteissa, joissa ennen olisin etsinyt käyttöohjeen, selannut keskustelupalstoja, soittanut osaavammalle henkilölle tai jättänyt koko asian myöhemmäksi.

    Nyt voin ottaa kuvan, kuvata ongelman ja aloittaa asian selvittämisen saman tien.

    Aamulla pH-mittari

    Eräänä aamuna minulla oli edessäni akvaariokäyttöön tarkoitettu pH-mittari.

    Mittari oli näyttänyt viime aikoina hieman liikaa, joten olin puhdistanut anturin, pitänyt sitä hoitoliuoksessa ja siirtänyt sen lopulta pH 7,0 -kalibrointiliuokseen.

    Laite pitäisi vielä kalibroida.

    Ongelma oli pieni mutta käytännöllinen: mistä säätö tehdään?

    Otin mittarista kuvan ja lähetin sen ChatGPT:lle.

    Kuvan perusteella laite tunnistui Milwaukee pH51 -mittariksi. Seuraavasta kuvasta löytyivät kaksi säätöruuvia ja merkinnät, jotka viittasivat pH 7:n ja pH 4:n kalibrointipisteisiin.

    Pääsin jatkamaan ilman käyttöohjeiden etsimistä tai eri malliversioiden vertailua.

    Tekoäly ei tietenkään kalibroinut mittaria puolestani. Minä valmistelin laitteen, tein säädön ja tarkistin tuloksen.

    Mutta tekoäly auttoi minut nopeasti tilanteeseen, jossa tiesin, mitä olin tekemässä.

    Juuri tällaiset hetket ovat muuttaneet omaa tapaani ratkaista ongelmia.

    Ennen ensimmäinen kysymys olisi voinut olla:

    Mistä löydän tähän käyttöohjeen?

    Nyt se on usein:

    Mitä pystymme päättelemään tästä kuvasta?

    Akvaariokalojen laskeminen videolta

    Akvaariokalojen kasvattamisessa tulee vastaan ongelmia, joita ei välttämättä löydy valmiista käyttöohjeesta.

    Yksi niistä on poikasten määrän arviointi.

    Kun altaassa ui suuri määrä pieniä lehtikalanpoikasia, niiden laskeminen silmämääräisesti on vaikeaa. Kalat liikkuvat, menevät toistensa taakse ja vaihtavat jatkuvasti paikkaa.

    Yksittäisestä kuvasta voi saada karkean käsityksen, mutta video kertoo tilanteesta enemmän.

    Videon perusteella olemme arvioineet poikasten määrää, tarkastelleet niiden liikkumista ja ruokailukäyttäytymistä sekä seuranneet värityksen kehittymistä.

    Tekoälyn arvio ei tällaisessa tilanteessa ole absoluuttinen totuus. Liikkuvien kalojen laskentaan liittyy aina epävarmuutta.

    Se voi silti antaa huomattavasti paremman lähtökohdan kuin nopea silmämääräinen arvaus.

    Vielä olennaisempaa on se, että videota voidaan tarkastella useasta näkökulmasta:

    • kuinka paljon poikasia altaassa suunnilleen on
    • jakautuvatko ne tasaisesti
    • näyttävätkö ne syövän aktiivisesti
    • näkyykö joukossa kokoeroja
    • miten väritys ja evät kehittyvät
    • milloin tila alkaa jäädä liian pieneksi

    Tekoäly ei korvaa kasvattajan kokemusta.

    Se auttaa kohdistamaan huomion oikeisiin asioihin.

    Hifijärjestelmä ei ole vain kasa laitteita

    Toinen täysin erilainen käyttökohde on hifi.

    Olen suunnitellut ja rakentanut pitkään erilaisia kaiutinratkaisuja, huoneakustiikkaa ja sähköistä huonekorjausta. Tällaisissa projekteissa yksittäinen kysymys liittyy lähes aina suurempaan kokonaisuuteen.

    Kaiuttimien sijoitteluun vaikuttavat esimerkiksi:

    • huoneen mitat
    • kuuntelupaikka
    • seinien ja katon heijastukset
    • elementtien suuntaavuus
    • jakotaajuudet
    • viiveet
    • vahvistimien ominaisuudet
    • MiniDSP:n säädöt
    • mittaustulokset

    Yksittäiseen kohtaan voi löytyä nopeasti tekninen vastaus. Vaikeampaa on nähdä, miten ratkaisu vaikuttaa koko järjestelmään.

    Juuri siinä tekoälystä on ollut minulle paljon hyötyä.

    Olemme voineet tarkastella kaiutinrakenteita, vertailla eri toteutustapoja ja pohtia, miten akustiset ratkaisut, DSP-säädöt ja fyysinen sijoittelu vaikuttavat toisiinsa.

    Välillä tekoäly toimii laskijana.

    Välillä kriitikkona.

    Välillä se auttaa sanoittamaan ongelman, jonka olen itse jo havainnut mutta jota en ole osannut vielä määritellä tarkasti.

    Välillä hyödyllisin kysymys ei ole:

    Mikä jakotaajuus minun pitäisi valita?

    Vaan:

    Mitä yritämme tällä säädöllä oikeastaan korjata?

    Tämä ero on tärkeä.

    Ensimmäinen kysymys hakee lukua.

    Toinen hakee ymmärrystä.

    Tekoäly ei tarvitse valmista lokeroa

    Ihmisellä on tapana jakaa osaamisensa eri alueisiin.

    Työasiat ovat yhdessä lokerossa.

    Harrastukset toisessa.

    Tekniikka kolmannessa.

    Luovuus neljännessä.

    Tekoälyn näkökulmasta nämä rajat eivät ole yhtä jyrkkiä.

    pH-mittarin kalibrointi, akvaariokalojen laskeminen, hifijärjestelmän suunnittelu ja verkkosivuston rakentaminen näyttävät pinnalta täysin erilaisilta tehtäviltä.

    Niissä käytetään silti monia samoja työvaiheita:

    • tunnistetaan ongelma
    • kerätään havaintoja
    • vertaillaan vaihtoehtoja
    • muodostetaan oletus
    • testataan ratkaisua
    • arvioidaan tulos
    • korjataan suuntaa

    Tekoälyn vahvuus on siinä, että sama keskustelukumppani voi osallistua kaikkiin näihin vaiheisiin.

    Aamulla se voi auttaa tunnistamaan kalibrointiruuvin.

    Päivällä se voi tulkita kaiutinmittausta.

    Illalla se voi auttaa suunnittelemaan yrityksen verkkosivustoa.

    Työkalua ei tarvitse vaihtaa joka kerta, kun aihe vaihtuu.

    Pienet kysymykset voivat johtaa suuriin projekteihin

    Tekoälyn käyttö alkaa usein hyvin pienestä.

    Kysyt yhden kysymyksen.

    Saat vastauksen.

    Kysyt tarkennuksen.

    Sitten huomaat, että samaa asiaa voisi kehittää pidemmälle.

    Näin on käynyt minulle useita kertoja.

    Yksittäisestä teknisestä ongelmasta on voinut syntyä kokonainen suunnitelma.

    Suunnitelmasta prototyyppi.

    Prototyypistä toimiva ratkaisu.

    Esimerkiksi oman Mac-sovelluksen rakentaminen ei alkanut siitä, että olisin päättänyt ryhtyä ohjelmistokehittäjäksi.

    Minulla oli käytännön tarve seurata koneen lämpötiloja, muistinkäyttöä ja muita järjestelmän tietoja paremmin.

    Tarpeesta syntyi keskustelu.

    Keskustelusta määrittely.

    Määrittelystä Codexilla rakennettu sovellus.

    Tässä näkyy yksi tekoälyn kiinnostavimmista vaikutuksista.

    Se lyhentää matkaa ajatuksesta ensimmäiseen kokeiluun.

    Aiemmin moni idea olisi voinut pysähtyä tähän:

    Tämä olisi hyödyllinen, mutta en osaa rakentaa sitä.

    Nyt seuraava ajatus voi olla:

    Katsotaan ensin, kuinka pitkälle pääsemme.

    Tekoäly voi sekä lisätä että peittää osaamista

    Tekoälyyn liittyy myös riski.

    Kun vastaukset tulevat nopeasti ja ohjeet näyttävät vakuuttavilta, käyttäjä voi alkaa luottaa niihin liikaa.

    Tämä korostuu erityisesti teknisissä, terveydellisissä, juridisissa tai taloudellisissa kysymyksissä, joissa virheellinen neuvo voi aiheuttaa todellista haittaa.

    Tekoäly voi tunnistaa laitteen väärin.

    Se voi tulkita kuvan puutteellisesti.

    Se voi ehdottaa teknisesti mahdollista mutta käytännössä huonoa ratkaisua.

    Se voi myös kirjoittaa täysin varman kuuloisesti asiasta, jonka se on ymmärtänyt väärin.

    Siksi tekoälyn käyttö ei poista käyttäjän harkintaa.

    Se lisää sen merkitystä.

    pH-mittarin kuvassa voi näkyä kaksi säätöruuvia. Minun pitää silti ymmärtää, kumpaa ollaan säätämässä ja miksi.

    Hifijärjestelmään voidaan ehdottaa uutta jakotaajuutta. Minun pitää silti mitata, kuunnella ja arvioida lopputulos.

    Kalojen määrä voidaan arvioida videolta. Minun pitää silti ottaa huomioon, kuinka paljon yksilöitä voi jäädä piiloon.

    Tekoälyn vastaus ei ole prosessin loppu.

    Se on usein uuden tarkistuksen alku.

    En saanut kaikkia vastauksia – sain paremman tavan kysyä

    Tekoälyn hyötyä mitataan helposti sillä, kuinka monta asiaa se pystyy tekemään.

    Minulle suurempi muutos on tapahtunut siinä, miten lähestyn asioita.

    Olen oppinut pilkkomaan ongelmia paremmin.

    Kuvaamaan lähtötilanteen tarkemmin.

    Kertomaan, mitä olen jo kokeillut.

    Pyytämään vaihtoehtoja yhden vastauksen sijaan.

    Kysymään perusteluja.

    Pyytämään riskejä ja vasta-argumentteja.

    Pysähtymään välillä tarkistamaan kokonaiskuvaa.

    Hyvä keskustelu tekoälyn kanssa ei synny siitä, että ihminen kirjoittaa yhden täydellisen komennon.

    Se syntyy vaiheittain.

    Aivan kuten hyvä keskustelu toisen ihmisen kanssa.

    Ensimmäinen vastaus harvoin ratkaisee koko asiaa. Se auttaa muodostamaan paremman seuraavan kysymyksen.

    Ei oraakkeli vaan työpari

    En pidä tekoälyä kaikkitietävänä auktoriteettina.

    Se tekee virheitä, unohtaa asioita ja voi ymmärtää tilanteen väärin.

    En myöskään ajattele sen korvaavan ihmistä.

    Parempi kuvaus on työpari.

    Sellainen työpari, joka on käytettävissä silloin, kun mieleen tulee kysymys, havainto tai idea.

    Sen kanssa voi:

    • ajatella ääneen
    • tutkia vaihtoehtoja
    • tarkastella kuvia ja videoita
    • testata oletuksia
    • rakentaa suunnitelmia
    • kirjoittaa ja ohjelmoida
    • palata aiempaan ja yrittää uudelleen

    Työparilla ei ole omaa tavoitetta.

    Minun pitää tuoda se keskusteluun.

    Työpari ei kanna vastuuta.

    Minun pitää kantaa se.

    Mutta hyvällä ohjauksella se voi auttaa minua tekemään enemmän, oppimaan nopeammin ja näkemään mahdollisuuksia siellä, missä aiemmin näin vain rajoituksia.

    Suurin muutos tapahtuu ehkä huomaamatta

    Tekoälyn vaikutusta ei välttämättä huomaa yhtenä suurena käännekohtana.

    Sen huomaa vasta, kun katsoo taaksepäin.

    Huomaa kysyneensä apua kymmeniin asioihin, joita ei olisi aiemmin tullut edes ajatelleeksi tekoälylle sopivina.

    Akvaariokalojen määrä.

    pH-mittarin kalibrointi.

    Kaiuttimien sijoittelu.

    MiniDSP:n säädöt.

    Tietokoneen lämpötilat.

    Verkkosivuston rakenne.

    Yrityksen palvelut.

    Yksittäin nämä ovat pieniä tai keskisuuria käyttötapauksia.

    Yhdessä ne muodostavat paljon suuremman muutoksen.

    Tekoäly ei muuttanut vain tapaani tehdä työtä.

    Se muutti tapaani kohdata ongelma.

    En enää kysy ensimmäiseksi, osaanko tehdä tämän jo valmiiksi.

    Kysyn:

    Mitä tästä pystymme selvittämään – ja mikä olisi järkevä ensimmäinen askel?

  • Miten automaattivaihteisto ja navigaattori liittyvät ChatGPT:hen?

    Miten automaattivaihteisto ja navigaattori liittyvät ChatGPT:hen?

    Tekoäly voi tehdä työstä huomattavasti helpompaa. Samalla se voi viedä käyttäjän perille niin, ettei tämä enää täysin ymmärrä kulkemaansa reittiä. Siksi ChatGPT muistuttaa minusta sekä automaattivaihteistoa että navigaattoria – kahdella täysin vastakkaisella tavalla.

    Olen viimeisen vuoden aikana hurahtanut tekoälyyn melko perusteellisesti.

    Kuluneiden viikkojen aikana olen rakentanut ChatGPT avulla Sulonen Solutionsille kokonaisen verkkosivuston, suunnitellut sivuston rakennetta ja sisältöä sekä kirjoittanut Gutenberg-koodia ja CSS-määrityksiä. Olen kehittänyt oman ajanvarausmoduulin ja käyttänyt Codexia Mac-sovelluksen rakentamiseen. Sovellus seuraa muun muassa tietokoneen lämpötiloja ja muistinkäyttöä.

    Vielä vähän aikaa sitten en olisi kuvitellut tekeväni näitä asioita itse.

    Tai hetkinen – teinkö minä ne itse?

    ”Ai ChatGPT teki sinun verkkosivusi?”

    Tämä lienee yksi tekoälyn käyttöön liittyvistä yleisimmistä kommenteista:

    ”Ai ChatGPT teki sinun verkkosivusi? Ethän sä silloin itse sitä tehnyt.”

    Kysymys on kiinnostava, koska samalla logiikalla suuri osa nykyajan työstä ei ole enää ihmisen itsensä tekemää.

    Kirjoititko raportin itse, vaikka käytit Wordia?

    Teitkö laskelman itse, vaikka Excel laski summat?

    Otitko valokuvan itse, vaikka kamera tarkensi automaattisesti?

    Rakensitko huonekalun itse, vaikka käytit sähköporakonetta?

    Ajoitko itse Vantaalta Helsinkiin, vaikka autossasi oli automaattivaihteisto?

    Viimeinen vertaus kuvaa omaa kokemustani ChatGPT käytöstä ehkä parhaiten.

    Automaattivaihteisto ei aja autoa puolestani

    Olen opetellut ajamaan manuaalivaihteisella autolla. Se on edelleen hyvä taito, ja tarvittaessa osaan vaihtaa vaihteita itse.

    Nykyään automaattivaihteistot ovat kuitenkin niin hyviä, huomaamattomia ja mukavia, etten keksi kovin montaa syytä, miksi haluaisin tavallisessa liikenteessä välttämättä käyttää manuaalivaihteistoa.

    Automaatti hoitaa yhden ajamisen työvaiheen puolestani. Samalla minulle jää enemmän kapasiteettia liikenteen seuraamiseen, ympäristön havainnointiin ja itse ajamiseen.

    Se ei kuitenkaan päätä, minne olen menossa.

    Jos ajan Vantaalta Helsinkiin, minä päätän lähteä matkalle. Minulla on tarve päästä Helsinkiin. Minä valitsen määränpään, ohjaan autoa, seuraan liikennettä ja kannan vastuun tekemistäni ratkaisuista.

    Kukaan ei matkan jälkeen sano:

    ”Ethän sinä itse Helsinkiin ajanut. Automaattivaihteistohan sen matkan teki.”

    Ei tehnyt.

    Minä ajoin. Automaattivaihteisto teki päättämästäni matkasta helpomman ja miellyttävämmän.

    Samalla tavalla ChatGPT ei päättänyt perustaa Sulonen Solutionsia. Se ei määritellyt yrityksen palveluita, tavoitteita tai asiakaslupausta. Se ei tiennyt, miltä verkkosivuston pitäisi näyttää tai millaisen vaikutelman haluan yrityksestä antaa.

    Minä määrittelin tavoitteen.

    Minä arvioin ehdotuksia.

    Minä hyväksyin, hylkäsin ja käskin muokkaamaan ratkaisuja.

    Minä päätin, milloin lopputulos oli riittävän hyvä ja milloin työtä piti vielä jatkaa.

    ChatGPT ja Codex tekivät toteutuksesta nopeampaa. Ne poistivat teknisiä kynnyksiä ja auttoivat minua tekemään asioita, joihin olisin aiemmin tarvinnut useita eri asiantuntijoita.

    Tässä mielessä tekoäly on erinomainen automaattivaihteisto.

    Mutta vertauksella on myös toinen puoli.

    Navigaattori voi viedä perille opettamatta reittiä

    Rakentaessani verkkosivustoa työskentelin välillä ChatGPT kanssa hyvin pienissä vaiheissa.

    Sain lyhyen ohjeen. Toteutin sen WordPressissä ja otin kuvakaappauksen.

    ChatGPT tarkasti kuvan ja antoi seuraavan ohjeen.

    Toteutin senkin ja lähetin uuden kuvakaappauksen.

    Näin etenimme vaihe vaiheelta useita tunteja.

    Jossain vaiheessa huomasin oudon asian: en ollut enää täysin varma siitä, missä vaiheessa kokonaisuutta olimme tai mitä kaikkea olimme jo muuttaneet.

    Olin keskittynyt huolellisesti jokaiseen yksittäiseen ohjeeseen, mutta kokonaiskuvan seuraaminen oli jäänyt vähemmälle.

    Täsmälleen sama voi tapahtua navigaattoria käytettäessä.

    Navigaattori sanoo:

    Käänny seuraavasta oikealle.
    Jatka 300 metriä.
    Valitse liikenneympyrästä toinen liittymä.

    Ohjeita seuraamalla pääsee yleensä perille tehokkaasti. Mutta jos joku matkan jälkeen kysyy, mitä reittiä ajoit, vastaaminen voikin olla yllättävän vaikeaa.

    Et seurannut kaupunkia, ilmansuuntia tai reitin kokonaisuutta. Seurasit vain seuraavaa ohjetta.

    Jos ajat saman matkan ilman navigaattoria, joudut hahmottamaan reitin eri tavalla. Kiinnität huomiota teihin, risteyksiin, maamerkkeihin ja siihen, missä suunnassa määränpää sijaitsee.

    Matka voi vaatia enemmän keskittymistä, mutta samalla opit reitin.

    Tekoälyn kanssa voi tapahtua sama asia.

    Voit toteuttaa pitkän sarjan täysin oikeita ohjeita ja saada lopulta toimivan järjestelmän. Se ei kuitenkaan automaattisesti tarkoita, että ymmärtäisit, miten järjestelmä toimii.

    Pääsitkö perille vai opitko myös reitin?

    Tekoälyn käytössä ei siksi riitä, että kysyy vain:

    ”Mitä teen seuraavaksi?”

    Välillä täytyy pysähtyä ja kysyä myös:

    • Mitä olemme tähän mennessä rakentaneet?
    • Miksi tämä ratkaisu tehtiin juuri näin?
    • Miten eri osat liittyvät toisiinsa?
    • Mitä muutoksia on tehty ja mihin tiedostoihin?
    • Mitkä ovat ratkaisun riskit ja riippuvuudet?
    • Mitä tapahtuu, jos jokin osa lakkaa toimimasta?
    • Osaisinko selittää kokonaisuuden toiselle ihmiselle?

    Tämän opin myös oman sivustoprojektini aikana.

    Kun työvaiheita kertyi riittävästi, pelkkä seuraavan ohjeen toteuttaminen ei enää riittänyt. Tarvittiin yhteenvetoja, dokumentointia, koodin siivoamista ja kokonaisuuden uudelleen hahmottamista.

    Toisin sanoen välillä piti lopettaa navigaattorin seuraaminen ja avata kartta.

    Tekoälyä pitää käyttää – ei totella

    ChatGPT kaltaisen työkalun suurin hyöty ei synny siitä, että se antaa käyttäjälle loputtoman määrän ohjeita.

    Hyöty syntyy siitä, että ihminen osaa johtaa yhteistyötä.

    Tekoälylle pitää osata kertoa:

    • mitä ollaan tekemässä
    • miksi sitä tehdään
    • millainen lopputulos halutaan
    • mitä rajoituksia pitää huomioida
    • miten onnistumista arvioidaan

    Lisäksi käyttäjän pitää pystyä huomaamaan, milloin ehdotus ei vastaa tavoitetta.

    Tekoäly voi kirjoittaa teknisesti toimivaa koodia, joka ei silti sovi kokonaisuuteen. Se voi ehdottaa näyttävää sisältöä, joka ei sovi yrityksen äänensävyyn. Se voi ratkaista yksittäisen ongelman tavalla, joka aiheuttaa myöhemmin kolme uutta ongelmaa.

    Siksi vastuu ei siirry tekoälylle.

    Hyvä kuljettaja hyödyntää auton ominaisuuksia, mutta seuraa edelleen liikennettä.

    Hyvä navigaattorin käyttäjä kuuntelee ajo-ohjeita, mutta tarkistaa välillä myös kokonaisen reitin.

    Hyvä tekoälyn käyttäjä hyödyntää työkalun nopeutta ja osaamista, mutta ei luovuta sille päätösvaltaa tai vastuuta.

    Entä jos tekoäly teki osan työstä?

    Totta kai se teki.

    Juuri siksi käytin sitä.

    En käytä teknologiaa todistaakseni, että pystyn tekemään kaiken mahdollisimman vaikealla tavalla. Käytän sitä saadakseni aikaan paremman lopputuloksen nopeammin ja järkevämmin.

    Yritysmaailmassa pitäisi lopulta olla melko samantekevää, kuinka monta kertaa joku painoi näppäimistön välilyöntiä tai kirjoittiko hän jokaisen koodirivin omin käsin.

    Paljon olennaisempia kysymyksiä ovat:

    • Ratkaisiko työ oikean ongelman?
    • Oliko lopputulos hyvä?
    • Säästikö se aikaa tai rahaa?
    • Ymmärsikö joku kokonaisuuden?
    • Tarkastettiinko lopputulos?
    • Kuka teki päätökset?
    • Kuka kantaa vastuun?

    Jos tekoäly auttaa yhtä ihmistä tekemään asioita, joihin aiemmin tarvittiin kokonainen tiimi, se ei vähennä ihmisen tekemän työn arvoa.

    Se muuttaa työn luonnetta.

    Teknisen suorittamisen rinnalla korostuvat tavoitteen määrittely, kokonaisuuksien hahmottaminen, päätöksenteko, laadun arviointi ja kyky esittää oikeita kysymyksiä.

    Ne ovat myös johtamisen ydintaitoja.

    Hyödynnä automaattia, mutta älä kadota karttaa

    Käytän mielelläni automaattivaihteistoa. Minun ei tarvitse todistaa kenellekään, että osaan vaihtaa vaihteita käsin.

    Käytän mielelläni myös navigaattoria. Silti haluan välillä katsoa karttaa ja ymmärtää, missä olen ja minne olen menossa.

    Samalla tavalla haluan käyttää tekoälyä.

    Haluan hyödyntää sen tarjoaman nopeuden, helppouden ja mahdollisuudet. En kuitenkaan halua luovuttaa sille omaa harkintaani, kokonaisuuden ymmärtämistä tai vastuuta lopputuloksesta.

    Tekoäly voi tehdä matkasta huomattavasti helpomman.

    Mutta ihmisen täytyy edelleen päättää, minne ollaan menossa – ja pitää kädet ratissa.