Kaikki ongelmat eivät tarvitse tekoälyä

Abdulrhman AlOdhayb työskentelee teknologian ja muutoksen parissa monimutkaisessa institutionaalisessa ympäristössä. Hän toimii Saudi-Arabian puolustusministerin kanslian vanhempana teknologia-asiantuntijana.

Istuimme alas Abdulrhmanin kanssa oppiaksemme, millaisia mahdollisuuksia ja sudenkuoppia tekoälyn käyttöönottoon liittyy monimutkaisissa ja korkean riskin ympäristöissä. Tässä hänen näkemyksensä.

Teknologia ei ole koskaan vaikein osa

Olen Abdulrhman Alodhayb, teknologia- ja muutosjohtaja, jolla on 19 vuoden johtamiskokemus yhdestä kuviteltavissa olevista monimutkaisimmista institutionaalisista ympäristöistä: kansallisesta puolustuksesta. Olen työskennellyt lähes kaksi vuosikymmentä Saudi-Arabian puolustusministeriössä johtaen digitaalista terveydenhuollon muutosta ja kokonaisarkkitehtuuria sekä viimeksi toimien puolustusministerin kanslian vanhempana teknologia-asiantuntijana.

Urani on sijoittunut risteyskohtaan, jonka teknologiajohtajat kohtaavat harvoin – jossa suunnittelupäätöksillä on vaikutuksia kansalliseen turvallisuuteen, jossa sidosryhmien yhteensovittaminen tarkoittaa sotilasjohdon rakenteiden yhdistämistä kliinisiin järjestelmiin ja yritysalustoihin ja jossa epäonnistuneen muutoksen hinta ei määräydy menetettynä liikevaihtona vaan institutionaalisena luottamuksena ja operatiivisena valmiutena.

Kaiken tämän läpi kulkenut punainen lanka on ollut yksi vakaumus: teknologia ei ole koskaan vaikein osa. Vaikeinta on luoda organisaatiolle edellytykset, joiden avulla teknologia tuottaa arvoa. Olen suunnitellut tieto- ja viestintäteknologian strategioita sairaaloille, osallistunut koko ministeriön kattavaan tavoitetilan käyttömallin uudistamiseen BCG:n kanssa ja ohjannut koko organisaation laajuisia digitaalisia hankkeita, joissa epäonnistuminen ei yksinkertaisesti ollut vaihtoehto.

Nyt kun tekoäly siirtyy kokeiluista järjestelmäarkkitehtuurin, ohjelmistokehityksen ja organisaatioiden mahdollistamisen ytimeen, elän urani kiinnostavinta vaihetta. Minua askarruttavat eniten kysymykset, jotka eivät koske teknologiaa itsessään vaan sitä, kuinka johtajat rakentavat harkintakykyä, hallintamalleja ja resilienttejä arkkitehtuureja, joiden avulla tekoäly voi nopeuttaa toimituksia laadusta tai turvallisuudesta tinkimättä.

Siitä haluan tässä puhua.

Työskentely strategisella tasolla

Teknologiakokonaisuus, jonka parissa työskentelen, on merkittävä kaikissa ulottuvuuksissa. Käytössämme on koko organisaation kattavia järjestelmiä, jotka ulottuvat sotilassairaaloista johtamis- ja valvonta-alustoihin, yhtenäiseen viestintäinfrastruktuuriin ja kansallisen puolustuksen tietokehyksiin. Arkkitehtuuri on luonteeltaan hybridi: paikallisesti toteutetut suvereenit käyttöönotot, joissa tietojen sijainti ja turvallisuusluokittelu eivät ole neuvoteltavissa, on integroitu nykyaikaistettuihin alustoihin, joiden avulla edistämme aktiivisesti digitaalista muutosta.

Työskentelen strategisella tasolla neuvonantajana ministeriötasolla, johdan PMO- ja IT-strategisen johtamisen toimintoja sekä yhteensovitan teknologian tiekarttoja useiden osastojen ja organisaatioyksiköiden välillä. Inhimillinen monimutkaisuus on teknisen monimutkaisuuden veroinen. Muutoksen koordinointi moniportaisessa sotilas- ja siviilityövoimassa, jossa kullakin ryhmällä on erilainen toimintakulttuuri ja riskinsietokyky, on itsessään oma tieteenalansa.

Tuotteiden monimutkaisuus poikkeaa täällä kaupallisesta teknologiasta. Emme toimita ominaisuuksia. Suunnittelemme uudelleen kansallisen instituution toimintatapoja. Tähän sisältyvät sotilassairaaloiden verkoston sähköiset potilastietojärjestelmät, yritysresurssien hallinta-alustat sekä viimeisimpänä osallistuminen koko ministeriön kattavan tavoitetilan käyttömallin laatimiseen. Malli hahmottelee uudelleen, kuinka teknologia jäsentää ja mahdollistaa koko puolustusorganisaation toiminnan.

Käyttöönottomalli perustuu välttämättömyyden vuoksi suvereniteettiin. Turvallisuus, luokittelu ja kansallinen tiedonhallinta eivät ole rajoitteita, joiden kiertämiseksi työskentelemme. Ne muodostavat arkkitehtuurin. Tämä todellisuus vaikuttaa siihen, miten ajattelen resilienssiä, redundanssia ja vastuullista tekoälyn käyttöönottoa tilanteessa, jossa panoksena on kansallinen etu kaupallisen hyödyn sijaan.

Kuinka tekoäly tekee näkymättömän näkyväksi

Abdulrhman jakaa

Muutimme itse hallintotason toimintaa. Otimme tekoälyavusteisen analyysin käyttöön ohjelmien arviointiprosessissa… Tämä ei korvannut ihmisen harkintaa. Se tarjosi päätöksentekijöille rikkaamman ja nopeamman kuvan organisaation todellisuudesta…

Otin viime vuonna käyttöön tekoälyyn perustuvia hallinnan tarkistuspisteitä teknologiaohjelmiemme arviointisykliin. Ennen tätä muutosta ohjelmien arvioinneissa keskityttiin perinteisiin toimitusmittareihin: virstanpylväiden saavuttamiseen, budjettien seurantaan ja riskien kirjaamiseen. Prosessi oli kurinalainen, mutta luonnostaan menneisyyteen katsova. Mittasimme jo tapahtunutta sen sijaan, että olisimme ennakoineet, mikä voisi mennä pieleen.

Muutos tapahtui, kun ymmärsin, että useat yritysohjelmat tuottivat valtavia määriä jäsenneltyä ja jäsentämätöntä dataa — projektidokumentaatiosta, toimittajaviestinnästä, muutosvaatimuksista ja operatiivisista raporteista — mutta kukaan ei koonnut tätä tietoa reaaliaikaisten johtamispäätösten tueksi. Käsittelimme tätä tietoa arkistona.

Muutimme itse hallintokerrosta. Otimme tekoälyavusteisen analyysin osaksi ohjelmien tarkastusprosessia hyödyntämällä kielimallien kykyjä ohjelmien välisen dokumentaation kokoamiseen, toimitusmallien poikkeamien esiin tuomiseen ja varhaisten varoitusindikaattorien tuottamiseen ennen kuin niistä tuli eskalointiasioita. Tämä ei korvannut ihmisen harkintaa. Se antoi päätöksentekijöille rikkaamman ja nopeammin muodostettavan kuvan organisaation todellisuudesta, mikä mahdollisti harkinnan soveltamisen oikealla hetkellä ja oikealla tasolla.

Tulokset olivat merkittäviä. Tarkastussyklit keskittyivät olennaiseen, koska johto saapui paikalle valmiiksi koostetun näkemyksen kanssa siitä, mihin huomiota todella tarvittiin, sen sijaan että jokaisen tapaamisen ensimmäinen puolisko olisi kulunut tilanteen rekonstruoimiseen raakaraporteista. Vielä tärkeämpää oli, että havaitsimme kaksi merkittävää ohjelmariskiä aiemmin kuin perinteinen prosessimme olisi ne tuonut esiin, mikä mahdollisti puuttumisen ennen vaikutusten syntymistä sen sijaan, että olisimme vain reagoineet jälkikäteen.

Tämä kokemus vahvisti periaatteen, josta pidän nykyään tiukasti kiinni: tekoäly ei muuta organisaatioita korvaamalla prosesseja. Se muuttaa niitä tekemällä näkymättömän näkyväksi ja antamalla johtajille selkeyttä toimia täsmällisesti kiireeseen reagoimisen sijaan.

Missä teknisten tiimien tulisi käyttää tekoälyä

Tekoälyn ohjaamien ja ihmisten vastuulla olevien päätösten välinen raja ei ole pysyvä. Se muuttuu, kun luottamus ansaitaan, valmiudet kehittyvät ja kunkin päätöksentekoalueen merkitys selkiytyy.

Omassa toimintaympäristössäni hyödynnän tekoälyä aktiivisesti teknisen työn ohjaamiseen tai toteuttamiseen useilla alueilla. Yksi niistä on dokumentaation kokoaminen ja ohjelmien välinen tiedonmuodostus. Lisäksi hyödynnän tekoälyä arkkitehtuurimallien analyysin tukena, erityisesti arvioitaessa, ovatko ehdotetut ratkaisut linjassa vakiintuneiden yritystason standardien kanssa vai synnyttävätkö ne teknistä velkaa, joka kasautuu ajan mittaan. Tekoäly voi nyt tuoda muutamassa tunnissa esiin asioita, joiden tarkastaminen vei aiemmin kokeneelta arkkitehdiltä päiviä — ei lopullisena tuomiona, vaan jäsenneltynä lähtötietona, joka terävöittää sitä seuraavaa ihmisen tekemää tarkastelua.

Hyödynnän tekoälyä paljon myös strategisen suunnittelun tasolla: teknologiamaiseman arviointien kokoamisessa, maailmanlaajuisiin parhaisiin käytäntöihin vertaamisessa sekä tiekarttojen ja tavoitetilan toimintamallien analyyttisen perustan luonnostelussa. Kun syötteen määrä on suuri ja kokoamiseen käytettävissä oleva aika rajallinen, tekoäly tuottaa suhteettoman paljon arvoa.

Tietoturvan puolella tekoälyä hyödyntävästä valvonnasta ja poikkeamien havaitsemisesta on tullut perusodotus, ei innovaatio. Nykyaikaisten uhkaympäristöjen edellyttämä kuvioiden tunnistaminen niiden vaatimalla nopeudella ja laajuudella ylittää yksinkertaisesti ihmisen kyvyt ilman apuvälineitä. Tässä luotan tekoälyyn asioiden esiin tuomisessa ja merkitsemisessä. En luota siihen johtopäätösten tekemisessä tai reagoinnissa.

Missä tehtävien tulisi säilyä ihmisten vastuulla

Kaikki institutionaalisia seurauksia sisältävä säilyy nimenomaisesti ihmisten vastuulla. Organisaatiota viidestä kymmeneen vuoteen muokkaavat arkkitehtuuripäätökset säilyvät ihmisten vastuulla. Tekoälyanalyysi tukee niitä, mutta organisaation asiayhteyden, poliittisen dynamiikan ja pitkän aikavälin vaikutukset ymmärtävät ihmiset arvioivat ne lopulta tavoilla, joihin yksikään malli ei tällä hetkellä pysty. Operatiiviseen jatkuvuuteen vaikuttavat häiriötilanteiden aikaiset päätökset, erityisesti puolustusympäristössä, edellyttävät ihmisen johtovaltaa. Vastuunalaisuutta ei voi automatisoida.

Toimittajia ja kumppanuuksia koskevat päätökset säilyvät ihmisten vastuulla. Luottamuksen, arvojen yhteensopivuuden ja pitkän aikavälin organisatorisen sopivuuden arviointi edellyttää ihmisen harkintaa, joka ulottuu paljon pidemmälle kuin mitä tekoäly pystyy nykyään luotettavasti arvioimaan.

Ja hallinto itsessään pysyy ihmisten käsissä. Suhtaudun erittäin varovasti organisaatioihin, jotka sallivat tekoälyn hallita tekoälyä. Niiden ihmisten, jotka voidaan pitää vastuussa tuloksista, on omistettava valvontakerros, eettiset tarkistuspisteet sekä päätökset siitä, missä tekoälyn tulisi toimia ja missä ei.

Toimintaperiaatteeni on tämä: luotan tekoälyyn ihmisen harkinnan alan laajentamisessa, en koskaan itse harkinnan korvaamisessa. Heti kun organisaatio sekoittaa nämä kaksi asiaa keskenään, se ei ole omaksunut tekoälyä. Se on vain ulkoistanut vastuunsa.

Tekoälyn integroinnin myönteiset tulokset

Myönteistä oli se, että tekoälyn integrointi työnkulkuihimme paransi mitattavimmin ohjelmien arviointikierrosten tehokkuutta. Kun otimme tekoälyavusteisen synteesin käyttöön hallintoprosessissamme, johto käytti noin 60 % vähemmän aikaa projektien tilan rekonstruointiin raakadokumentaatiosta jokaista arviointikierrosta kohden. Se ei ole vähäpätöinen luku ympäristössä, jossa ylemmät päätöksentekijät työskentelevät samanaikaisesti useiden ohjelmien parissa. Käytännössä palautimme joka kierroksella tunteja johtajien huomiokykyä, ohjaten sen arviointiin ja puuttumiseen tilan rekonstruoinnin sijaan.

Toinen mitattava tulos oli riskien havaitseminen. Kuten aiemmin mainitsin, tunnistimme kaksi merkittävää ohjelmariskiä aiemmin kuin perinteinen arviointiprosessimme olisi ne havainnut. Molemmissa tapauksissa varhaisen havaitsemisen ja toimitukseen kohdistuvan merkittävän vaikutuksen välinen aika mitattiin viikoissa. Kaupallisessa ympäristössä tämä merkitsee kustannusten välttämistä. Puolustusympäristössä se merkitsee operatiivista valmiutta — lukua, jota on vaikeampi mitata mutta joka on huomattavasti merkityksellisempi.

Strategisessa suunnittelussa tekoälyn integrointi lyhensi ensimmäisten teknologia-arviointien ja tiekarttojen runkojen laatimiseen kuluvaa aikaa noin 70 %. Tämä ei tarkoita, että lopullinen tuotos olisi vaatinut 70 % vähemmän työtä. Se tarkoittaa, että ihmisten työpanos siirtyi tuottamisesta arviointiin, kirjoittamisesta muokkaamiseen ja synteesistä validointiin. Tuotoksen laatu parani, koska kokeneet asiantuntijat käyttivät aikansa siihen, mikä vaati heidän asiantuntemustaan, eivät mekaanisiin tehtäviin.

Tekoälyn integroinnin kielteiset tulokset

Abdulrhman kertoo

Ensimmäinen haaste oli käyttöönotto. Toinen haaste oli tuotoksen laadun johdonmukaisuus. Kolmas ja tärkein opetus liittyi odotuksiin…

Seuraavaksi rehellinen kuvaus siitä, mikä on toiminut odotettua heikommin — sillä teknologiajohtamisen yhteisöä palvelevat huonosti tarinat, joissa juhlitaan vain onnistumisia.

Ensimmäinen haaste oli käyttöönotto. Suuressa institutionaalisessa ympäristössä, jossa toimintakulttuurit ovat syvälle juurtuneita, tekoälyn tuominen työnkulkuihin ei ole teknologiaongelma. Se on muutosjohtamisen ongelma. Meillä oli ohjelmia, joissa otimme työkalut käyttöön ja myönsimme käyttöoikeudet, mutta ominaisuus jäi suurelta osin hyödyntämättä, koska emme olleet suunnitelleet sen ympärille ihmisten järjestelmiä — kannustimia, tapoja ja luottamusta — uudelleen. Teknologian käyttöönotto ilman käyttäytymisen muutosta on vain kallista hyllytavaraa.

Toinen haaste oli tuotoksen laadun johdonmukaisuus. Varhaisissa käyttöönotoissa havaitsimme merkittävää vaihtelua tekoälyn tuottaman analyysin laadussa sen mukaan, millaista syöte oli laadultaan ja rakenteeltaan. Roskaa sisään, roskaa ulos ei ole uusi periaate, mutta tekoäly saa roskan näyttämään auktoritatiivisemmalta. Huonosti jäsennelty kehote, joka tuottaa hyvin muotoillun mutta analyyttisesti heikon tuloksen, on joillakin tavoin tyhjää sivua vaarallisempi, koska se synnyttää väärää luottamusta. Opimme panostamaan voimakkaasti kehotteiden kurinalaisuuteen ja syötteiden hallintaan ennen kuin luotimme tuloksiin korkean riskin tilanteissa.

Kolmas ja tärkein opetus liittyi odotuksiin. Organisaatiot, jotka kehystävät tekoälyn integroinnin kustannusten leikkaamisena, näkevät yleensä vaisuja tuloksia, koska ne optimoivat väärää lopputulosta varten. Organisaatiot — myös omat ohjelmamme — jotka ovat saaneet aikaan todellisia vaikutuksia, kehystivät tekoälyn kyvykkyyksien vahvistajana. Kysymys ei ollut: ”Miten teemme saman työn pienemmällä ihmismäärällä?” Se oli: ”Miten teemme työtä, joka oli aiemmin mahdotonta, tai saavutamme siinä laadun, johon emme aiemmin pystyneet käytettävissämme olevilla resursseilla?”

Tämä uudelleenmäärittely erottaa tekoälyn tehokkuustyökaluna tekoälystä muutoksen vipuna. Kokemukseni mukaan vain jälkimmäinen versio tuottaa tuloksia, joista kannattaa puhua.

Miksi tekoälyn integrointi jää puutteelliseksi monimutkaisissa ympäristöissä

Ero sen välillä, mitä tekoäly lupaa johtoryhmän esityksessä ja mitä se tuottaa monimutkaisessa institutionaalisessa ympäristössä, on edelleen merkittävä, ja toisin väittäminen tekee ammattikunnalle karhunpalveluksen.

Tekoäly on selkeimmin alisuoriutunut meillä järjestelmien välisessä integraatioälyssä. Odotimme perustellusti, sen perusteella mitä teknologia osoitti kontrolloiduissa ympäristöissä, että tekoäly voisi toimia älykkäänä orkestrointikerroksena yritysalustojemme välillä, ymmärtää järjestelmien välisiä suhteita, tunnistaa integraatiohäiriöt ennen niiden ketjuuntumista ja suositella korjaavia toimia reaaliajassa.

Havaitsimme, että tekoäly suoriutuu poikkeuksellisen hyvin selkeästi määritellyillä ja hyvin dokumentoiduilla alueilla, mutta poikkeuksellisen huonosti suurten organisaatioiden yritysjärjestelmien välisten sekavien, puutteellisesti dokumentoitujen ja poliittisesti monimutkaisten rajapintojen yli. Mikään dokumentti ei sisällä näiden rajapintojen navigointiin tarvittavaa tietoa. Se elää ihmisissä, ihmissuhteissa ja vuosien aikana kertyneessä institutionaalisessa muistissa. Tekoälyllä ei ollut pääsyä tähän tietoon eikä luotettavaa tapaa hankkia sitä tarvitsemassamme tahdissa.

Tehottomaksi osoittautui myös tekoälyn käyttö luonnollisen kielen käyttöliittymissä teknisiä taitoja vailla oleville käyttäjille. Teoria oli vakuuttava: operatiiviselle henkilöstölle ja ylimmälle johdolle tarjottaisiin keskustelupohjainen käyttöliittymä organisaation tietoihin, jolloin teknisten välikäsien tarve jokaisen kyselyn ja raportin yhteydessä poistuisi. Käytännössä kuilu sen välillä, miten teknisiä taitoja vailla olevat käyttäjät luonnostaan ilmaisevat tarkoituksensa ja miten tekoälyjärjestelmät pystyvät tulkitsemaan tämän tarkoituksen luotettavasti, osoittautui paljon odotettua suuremmaksi. Käyttäjät turhautuivat, kun tulokset eivät vastanneet odotuksia, eikä turhautuminen suuressa organisaatiossa synnytä palautesilmukoita. Se johtaa käytön lopettamiseen. Päädyimme ratkaisuun, joka toimi hyvin teknisesti orientoituneille käyttäjille mutta huonosti laajemmalle väestölle, jota varten se oli suunniteltu – juuri päinvastoin kuin muutos edellyttää.

Kolmas alue on strategisten asiakirjojen käsittely. Odotimme tekoälyn pystyvän työskentelemään merkityksellisesti pitkien, erittäin kontekstisidonnaisten ja usein monitulkintaisten toimintaohje- ja strategia-asiakirjojen kanssa. Nämä asiakirjat muodostavat perustan sille, miten suuret valtionhallinnon organisaatiot tekevät päätöksiä. Havaitsimme, että tekoäly pystyy tiivistämään nämä asiakirjat pätevästi, mutta sen on vaikea tehdä päätelmiä niiden välillä, tunnistaa eri osastojen laatiman toimintaohjeen ja toisessa osastossa hyväksytyn standardin välisiä todellisia ristiriitoja, ymmärtää tietyn kohdan taustalla olevaa poliittista painoarvoa tai havaita, milloin teknisesti oikea suositus on organisaation kannalta mahdoton. Tämä harkinnan taso, joka tekee strategisesta neuvonnasta hyödyllistä eikä vain paikkansapitävää, pysyi itsepintaisesti ihmisten vastuulla.

Lopuksi haluan nostaa esiin asian, joka harvoin näkyy toimittajien tapaustutkimuksissa: tekoäly ei ole tuottanut odottamaamme organisaation oppimisen nopeutta. Oletimme, että organisaation ottaessa käyttöön tekoälytyökaluja se kehittäisi kollektiivista älykkyyttään nopeammin ja että tekoälyn yhdessä ohjelmassa esiin nostamat havainnot leviäisivät luonnostaan muihin ohjelmiin ja parantaisivat päätöksentekoa niissä. Todellisuudessa tekoälyn tuottamat havainnot jäivät niiden tiimien siiloihin, jotka olivat tuottaneet ne, koska organisaatiorakenteet, tiedon jakamisen mekanismit sekä dokumentointiin ja avoimuuteen liittyvät kulttuuriset normit eivät olleet kehittyneet niin, että ne olisivat pystyneet tallentamaan ja levittämään tekoälyn tuottamaa tietoa. Teknologia tuotti enemmän signaalia kuin organisaatio osasi ottaa vastaan.

En kerro tätä tekoälyn potentiaalin kritiikkinä, jonka uskon olevan edelleen valtava, vaan muistutuksena siitä, että jokainen juuri kuvaamani kuilu on ihmisten ja järjestelmien ongelma teknologia-asuun puettuna.

Tekoälyä hyödyntävä työnkulku strategisten ohjelma-arviointien optimointiin

Käyn läpi työnkulun, joka on yksi nykyisen työni arvokkaimmista: tekoälyllä vahvistettu strateginen ohjelma-arviointi. Kuvaan sen päästä päähän, sillä sen arvo ei piile yksittäisessä vaiheessa vaan siinä, miten vaiheet liittyvät toisiinsa.

Tämä työnkulku käynnistyy yleensä, kun ohjelma saavuttaa kriittisen päätöksentekopisteen. Meidän ympäristössämme kyse voi olla esimerkiksi keskeisen organisaatioalustan siirrosta, digitaalisen terveydenhuoltojärjestelmän käyttöönotosta sotilassairaaloiden verkostossa tai tavoitetoimintamallin uudistamiseen liittyvästä kokonaisarkkitehtuurin arvioinnista. Näissä ohjelmissa päätöksellä on useita vuosia kestäviä seurauksia, ja lähtöaineisto on laaja, monimuotoinen ja poliittisesti latautunut.

Työnkulku alkaa jäsennellyllä lähtötietojen kokoamisella. Ennen kuin tekoäly osallistuu analyysiin, tiimini kuratoi lähtöaineiston tarkoituksellisesti: kokoamme ohjelmadokumentaation, toimittajien ehdotukset, tekniset arkkitehtuuriehdotukset, aiempien arviointien havainnot, asiaankuuluvat toimintakehykset ja sidosryhmien kannanotot jäsennellyksi tietoaineistoksi. Tämä vaihe on täysin ihmisten toteuttama ja täysin tarkoituksellinen. Tekoälyn myöhemmän tuotoksen laatu on suoraan verrannollinen sen lähtötietojen laatuun ja rakenteeseen. Opimme tämän kantapään kautta ensimmäisissä käyttöönotoksissa, ja nyt pidämme lähtötietojen hallintaa tinkimättömänä toimintatapana.

Seuraavaksi teemme tekoälyavusteisen synteesin. Syötämme kuratoidun tietoaineiston kielimallille käyttäen huolellisesti suunniteltua kehotearkkitehtuuria, jossa esitetään täsmällisiä analyyttisiä kysymyksiä avoimen yhteenvedon sijaan. Emme pyydä mallia kertomaan, mitä asiakirjoissa sanotaan. Sen sijaan pyydämme sitä tunnistamaan ilmoitettujen tavoitteiden ja ehdotettujen arkkitehtuurien väliset ristiriidat, tuomaan esiin oletukset, joita esitetään ilman näyttöä, merkitsemään riippuvuudet, jotka esiintyvät yhdessä asiakirjassa mutta puuttuvat toisesta, sekä korostamaan riskimalleja, jotka vastaavat profiileja, joiden olemme aiemmissa ohjelmissa nähneet epäonnistuvan. Tuloksena on jäsennelty analyyttinen muistio, ei yhteenveto.

Kolmas ja inhimillisin vaihe on kriittinen tarkastelu ja uudelleenkontekstualisointi. Vanhempi neuvonantaja – useimmiten minä tai luotettu tekninen johtaja – lukee tekoälyn tuottaman muistion lähtökohtana lisätarkastelulle, ei johtopäätöksenä. Kysymme: Mitä malli toi esiin, mitä emme olleet tietoisesti muotoilleet? Mitä se jätti huomaamatta, vaikka tiedämme sen organisaatiokokemuksemme perusteella? Missä se on teknisesti oikeassa mutta organisaation kannalta naiivi? Tässä 19 vuoden työskentely tässä toimintaympäristössä tuottaa arvoa, jota mikään malli ei voi jäljitellä. Tekoälyn muistio terävöittää kysymyksiä. Ihmisen harkinta tarjoaa vastaukset.

Neljäs vaihe sisältää päätöksenteon valmistelun. Hyödynnämme ihmisen tekemässä tarkistuksessa vahvistettuja oivalluksia johtoryhmän päätöksentekoaineiston laatimiseen: päätöksen rajaamiseen, vaihtoehtojen esittämiseen todellisine kompromisseineen, riskien kuvaamiseen realistisine todennäköisyyksineen ja vaikutuksineen sekä suosituksen esittämiseen ja sen eksplisiittisten oletusten kuvaamiseen. Koska tekoälyn tekemä synteesi hoitaa aineiston mekaanisen käsittelyn, tämä vaihe on nopeampi ja sisällöltään rikkaampi kuin täysin manuaalinen prosessi olisi. Johtajat saapuvat päätöksentekopisteeseen selkeämpi kokonaiskuva ja kohdennetummat kysymykset mukanaan.

Viides vaihe on tulosten tallentaminen, jossa useimmat organisaatiot epäonnistuvat. Kun päätös on tehty ja ohjelma etenee, dokumentoimme paitsi sen, mitä päätettiin, myös sen, mitkä tekoälyanalyysin esiin nostamat asiat osoittautuivat paikkansapitäviksi, mitä se ei havainnut ja mitkä sen tekemät oletukset osoittautuivat vääriksi. Tätä palautetta ei tallenneta kansioon, vaan se palautetaan kehotearkkitehtuuriimme ja syötteiden hallinnan standardeihimme seuraavaa ohjelmaa varten. Työnkulku paranee jokaisen iteraation myötä, koska käsittelemme jokaista suoritusta oppimistapahtumana.

Tällä työnkululla on ollut merkittävä ja mitattava vaikutus. Se on lyhentänyt suurten ohjelmien arviointikierrosten kestoa noin 65 prosentilla. Se on parantanut riskien tunnistamisen syvyyttä ja tuonut ongelmat esiin aiemmin päätöksentekoprosessissa sen sijaan, että ne havaittaisiin toteutuksen aikana. Ja ehkä kaikkein tärkeintä on, että se on parantanut johtotason keskustelun laatua päätöksentekopisteissä, koska johtajat käyttävät aikansa aitoihin harkintaa vaativiin ratkaisuihin sen sijaan, että he muodostaisivat tilannekuvaa raakatiedosta.

Haluan korostaa tämän työnkulun suunnittelufilosofiaa. Tekoäly ei tee yhtäkään yksittäistä päätöstä, vaan käsittelee, syntetisoi ja nostaa asioita esiin. Jokainen arvio, jokainen vahvistus ja jokainen suositus säilyy ihmisen vastuulla.

Kuinka välttää tekoälyn käyttöönoton sudenkuopat

Abdulrhman kertoo

Olen oppinut, että aidosti uudella alueella älyllinen rehellisyys epävarmuudesta ei ole johtajuuden heikkous. Se on edellytys sellaisen luottamuksen rakentamiselle, joka pitää tiimit koossa väistämättömien hetkien yli, kun polku osoittautuu vaikeammaksi kuin suunnitelma ennakoi.

Organisaation immuunijärjestelmä on todellinen ja voimakas, ja se aktivoituu nopeammin kuin mikään tekoälytyökalu ehditään ottaa käyttöön. Jokainen suuri instituutio on vuosien ja vuosikymmenten aikana kehittänyt epävirallisia mekanismeja, jotka vastustavat muutoksia, jotka uhkaavat olemassa olevia valtarakenteita, vakiintuneita työnkulkuja ja ammatillisia identiteettejä. Ymmärsin tämän älyllisesti jo ennen aloittamista, mutta aliarvioin, kuinka täsmällisesti ja nopeasti nämä mekanismit aktivoituisivat vastauksena tekoälyyn.

Kun ihmiset aistivat, että tekoälytyökalut muuttivat paitsi työn tekemisen tapaa myös sitä, kenellä organisaatiossa oli arvoa, vastarinta ei ilmennyt vastustuksena vaan käyttöönottona ilman omaksumista. Tiimit käyttivät työkaluja, mutta eivät hyödyntäneet niitä. Ne saivat tuotoksia, mutta eivät toimineet niiden perusteella. Prosesseja päivitettiin nimellisesti, mutta toiminta ei muuttunut. Passiivinen vastarinta suuressa organisaatiossa on lähes näkymätöntä, kunnes tuloksia mitataan. Kun mittaus paljastaa ongelman, kuukausien eteneminen on jo menetetty.

Haluan mainita myös erään tähän liittyvän asian: olisin toivonut tietäväni, kuinka pysyvästi käyttöönoton kehystys muokkaisi siihen suhtautumista. Varhaisissa käyttöönotoissamme teimme viestintävirheen, jota pidän yhtenä aloitteen merkittävimmistä virheistä. Rakentaaksemme johdon tuen ja perustellaksemme investoinnit kuvasimme tekoälytyökaluja tehokkuuden kielellä: nopeampina, kevyempinä ja tuottavampina.

Tämä kehystys oli teknisesti kapeassa mielessä paikkansapitävä, mutta inhimillisestä näkökulmasta syvästi haitallinen. Kun ihmiset kuulevat tehokkuudesta uuden työkalun käyttöönoton yhteydessä, he kuulevat sanan henkilöstövähennykset. He kuulevat, että heidän roolinsa arvioidaan päällekkäisyyden kannalta. He suhtautuvat työkaluun eivät sellaisena, joka parantaisi heidän työtään, vaan sellaisena, joka saattaisi tehdä heidän tehtävänsä tarpeettomaksi. Tämän kehystyksen synnyttämän puolustuskannan purkaminen kesti kuukausia, eikä se joissakin organisaation osissa koskaan täysin hälventynyt.

Henkilökohtaisesti tiedän nyt, että minun olisi pitänyt olla tiimeilleni avoimempi omasta epävarmuudestani. Lähdin tälle matkalle luottaen enemmän näkemykseni oikeaan suuntaan kuin siihen, että tuntisin käytännössä, miten tekoäly toimisi juuri meidän institutionaalisessa toimintaympäristössämme. Tiesin määränpään olevan oikea. En tuntenut polkua täysin. Pyrkiessäni osoittamaan suurten ohjelmien vaatimaa johtajuuden varmuutta viestin toisinaan varmuutta, jota minulla ei todellisuudessa ollut, mikä loi odotuksia, joita todellisuus myöhemmin mutkisti. Olen oppinut, että aidosti uudella alueella älyllinen rehellisyys epävarmuudesta ei ole johtajuuden heikkous. Se on edellytys sellaisen luottamuksen rakentamiselle, joka pitää tiimit koossa väistämättömien hetkien yli, kun polku osoittautuu vaikeammaksi kuin suunnitelma ennakoi.

Miksi tekoäly edellyttää uudenlaista teknologiajohtajaa

Tekoälyn aikakausi devalvoi järjestelmällisesti tietynlaista teknologiajohtajaa: asiantuntijaa, joka on kartuttanut syvällistä teknistä tietämystä vuosien kurinalaisen opiskelun ja harjoittelun kautta, rakentanut auktoriteettinsa mestaruutensa varaan ja johtanut olemalla huoneen asiantuntevin henkilö. Tämä profiili hallitsi teknologiajohtamista vuosikymmenten ajan ja tuotti poikkeuksellisia tuloksia silloin, kun tieto oli pullonkaula ja asiantuntemus kilpailuetu. Tekoäly ei poista tätä profiilia yhdessä yössä. Se kuitenkin murentaa sen perustaa nopeammin kuin useimmat tähän profiiliin kuuluvat myöntävät, ja instituutiot, jotka ovat riippuvaisia tästä profiilista kehittämättä sen seuraajaa, kasaavat johtamisriskin, jota ne eivät ole vielä tunnistaneet.

Tekoälyn aikakauden edellyttämä profiili on perustavanlaatuisesti erilainen. Tekoälyn aikakausi edellyttää johtajia, jotka ammentavat auktoriteettinsa eivät siitä, mitä he tietävät, vaan kysymystensä laadusta. Johtajia, joiden ensisijainen älyllinen panos ei ole synteesi (koska tekoäly pystyy syntetisoimaan), vaan harkinta. Johtajia, jotka hallitsevat teknologian lisäksi organisaatiodynamiikan, ihmisen psykologian ja institutionaalisen vallan. Johtajia, jotka säilyttävät aidon älyllisen nöyryyden työkalun edessä, joka projisoi jatkuvasti itsevarmuutta, ja jotka ovat kehittäneet sisäisen vakauden sanoa ”en tiedä” ja ”minun täytyy miettiä tätä” ympäristöissä, joissa päättäväisyyttä palkitaan lähes kaiken muun kustannuksella.

Ja ehkä kaikkein tärkeintä on, että tekoälyn aikakausi edellyttää johtajia, jotka vastaavat selkeästi ja perusteellisesti kysymykseen, jota aiempien sukupolvien teknologiajohtajien harvoin tarvitsi esittää: Mitä inhimillistä arvoa minä tuotan, jota tekoäly ei pysty jäljittelemään, ja panostanko tähän arvoon samalla kurinalaisuudella, jota osoitan tekniseen kehittymiseeni?

Esitän tämän kysymyksen itselleni säännöllisesti. Se ei ole mukava kysymys. Se edellyttää rehellistä itsearviointia siitä, mitkä ammatillisen identiteettini osat ovat aidosti korvaamattomia ja mitä osia suojelen tottumuksesta enkä välttämättömyyden vuoksi. Uskon, että tämä rehellinen itsetutkiskelu on tekoälyn aikakauden perustavanlaatuinen johtamiskäytäntö. Ei kehotemuotoilu, ei mallien arviointi, ei tekoälyn hallintakehykset — vaikka ne ovatkin tärkeitä. Kyse on halusta tarkastella selkeästi sitä, mitä tuot mukanasi ja mitä malli ei pysty tuomaan, sekä panostaa tietoisesti ja hellittämättä juuri siihen.

Tekoälyn aikakausi tuottaa teknologia-alalla monimutkaisuutta ennennäkemättömällä nopeudella ja mittakaavalla. Johtajat, jotka selviytyvät siitä hyvin, eivät omaksu tekoälyä nopeimmin, ota sitä käyttöön kunnianhimoisimmin tai puhu siitä sujuvimmin tämän kaltaisilla lavoilla. He tekevät vaikeampaa ja hiljaisempaa työtä kehittäessään niitä inhimillisiä ominaisuuksia, joita monimutkaisuus edellyttää: harkintaa, nöyryyttä, rohkeutta, institutionaalista viisautta ja tarkoituksen selkeyttä, jonka ansiosta he voivat suunnata tehokkaat työkalut arvokkaisiin päämääriin.

Uskon, että teknologiajohtajien yhteisön on käytävä tätä keskustelua paljon kiireellisemmin kuin se tällä hetkellä käy. Se on syy, miksi suostuin tähän haastatteluun: en puhuakseni siitä, mitä tekoäly pystyy tekemään, vaan ajatellakseni julkisesti ja huolellisesti sitä, millaisiksi meidän johtajina on tultava, jotta olisimme sen ohjaamisen arvoisia.

Viisi neuvoa teknologiajohtajille

Haluan antaa neuvoja, joista on hyötyä, enkä neuvoja, jotka kuulostavat hyviltä konferenssilavalta, joten haluan jakaa sen, mihin uskon perustuen yhdeksäntoista vuoden kokemukseeni muutosten johtamisesta yhdessä kuviteltavissa olevista monimutkaisimmista institutionaalisista ympäristöistä.

Ensinnäkin vastusta painetta laatia tekoälystrategia. Organisaatiosi tarvitsee liiketoimintastrategian, jota tekoäly palvelee. Olen nähnyt liian monien teknologiajohtajien käyttävän valtavasti energiaa tekoälyn tiekarttojen laatimiseen, tekoälyn osaamiskeskusten perustamiseen ja tekoälyaloitteiden julkistamiseen, mutta samalla he jättävät vastaamatta perustavanlaatuiseen kysymykseen siitä, mitä ongelmaa he ratkaisevat instituution kannalta. Tekoäly ilman strategista selkeyttä ei ole muutosta; se on hienostunutta toimintaa, joka esiintyy edistyksenä. Aloita tuloksesta, jonka tuottamisesta olet vastuussa, ja etene taaksepäin siihen, missä tekoäly tuottaa suurimman vipuvaikutuksen. Tällä järjestyksellä on valtava merkitys.

Toiseksi pidä käyttöönottoa ensisijaisena teknisenä haasteena, älä integraatiota. Tekoälyn käyttöönoton vaikein ongelma ei ole mallin yhdistäminen järjestelmiisi, vaan ihmisten ajattelun, päätöksenteon ja työskentelyn muuttaminen tekoälyavun läsnä ollessa. Kokemukseni mukaan organisaatiot investoivat tähän aivan liian vähän. Ne kohdentavat 80 prosenttia budjetistaan teknologiaan ja 20 prosenttia ihmisiin ja prosessien muutokseen, vaikka tuloksia tuottava suhde on lähempänä päinvastaista. Jos tekoälyaloitteeseesi ei kuulu vakavasti otettavaa muutosjohtamisen ja kyvykkyyksien kehittämisen osa-aluetta, rakennat hiekalle riippumatta siitä, kuinka kehittynyt arkkitehtuurisi on.

Kolmanneksi, suojele harkintakerrostasi päättäväisesti. Kun tekoälystä tulee kyvykkäämpää ja yhä syvemmin työnkulkuihin integroitunutta, syntyy jatkuvaa, hienovaraista ja vähemmänkin hienovaraista painetta laajentaa sen toimivaltaa: antaa sen paitsi tarjota tietoa päätöksiä varten myös tehdä päätökset, paitsi tuoda riskit esiin myös ratkaista ne, paitsi laatia suosituksia myös hyväksyä ne. Vastusta tätä. Ei siksi, etteikö tekoäly voisi tietyillä toimialoilla teknisesti kyetä näihin asioihin, vaan siksi, että heti kun organisaatiosi menettää ihmisen harkintaan perustuvan päätöksenteon tavan, se menettää jotakin poikkeuksellisen vaikeasti uudelleen rakennettavaa. Harkinta on lihas. Organisaatiot, jotka lakkaavat harjoittamasta sitä, eivät pysy ennallaan, vaan surkastuvat. Korkean panoksen ympäristössä tuo surkastuminen tulee maksamaan sinulle pahimmalla mahdollisella hetkellä.

Neljänneksi, kiinnitä vakavaa huomiota suvereeneihin tekoälyekosysteemeihin, erityisesti jos toimit julkishallinnon, puolustuksen tai kriittisen kansallisen infrastruktuurin parissa tai niiden läheisyydessä. Kyseenalaista oletus siitä, että maailmanlaajuiset hyperskaala-alustat pysyvät yritysten tekoälyn oletusarkkitehtuurina. Saudi-Arabiassa todistamme aidosti suvereenin tekoälyinfrastruktuurin syntyä HUMAIN ONE:n kaltaisten alustojen kautta. Nämä alustat perustuvat arabiankielisyyteen ensisijaisesti suunniteltuihin kielimalleihin, niitä isännöidään kansallisessa laskentainfrastruktuurissa ja ne on suunniteltu erityisesti suurten instituutioiden hallinnon monimutkaisuutta varten. Säännellyissä tai turvallisuusherkissä ympäristöissä toimiville teknologiajohtajille kysymys siitä, missä tekoälysi toimii, kenen infrastruktuurissa ja lainkäyttövallan alaisuudessa sekä kenen datalla se on koulutettu, ei ole vaatimustenmukaisuuden tarkistuskohta, vaan perustavanlaatuinen arkkitehtuuripäätös, joka määrittää organisaatiosi tekoälyyn liittyvän toimintatavan seuraavaksi vuosikymmeneksi.

Viidenneksi ja viimeiseksi, panosta omaan harkintaasi johtajana samalla kurinalaisuudella kuin panostat organisaatiosi tekniseen kyvykkyyteen. Tätä neuvoa pidän tärkeimpänä ja vähiten käsiteltynä teknologiapiireissä. Tämän hetken hyvin navigoivat teknologiajohtajat eivät välttämättä ymmärrä tekoälyä teknisessä mielessä kaikkein syvällisimmin. He yhdistävät teknisen lukutaidon institutionaaliseen viisauteen, strategiseen selkeyteen ja moraaliseen rohkeuteen tehdä organisaationsa kannalta oikeita päätöksiä silloinkin, kun ne ovat lyhyellä aikavälillä epäsuosittuja. Tekoäly kehittyy jatkuvasti riippumatta siitä, mitä kukaan meistä tekee. Ratkaiseva muuttuja on sitä ohjaavan inhimillisen johtamisen laatu.

Emme kilpaile siitä, kuka ottaa tekoälyn käyttöön nopeimmin, vaan siitä, kuka ottaa sen käyttöön viisaimmin. Kokemukseni mukaan viisaus ei ole koskaan ollut ominaisuus, jonka voi asentaa.

Pysy mukana

Voit seurata Abdulrhman AlOdhaybin työtä LinkedInissä.

Lisää asiantuntijahaastatteluja on tulossa The CTO Clubiin.