Ihmiskeskeinen uusien palveluideoiden tunnistaminen ja konseptointi

Kolme Teamitin työntekijää pelaamassa pöytäjalkapalloa.

Teamitiläiset ovat saaneet olla mukana niin isojen kuin pientenkin organisaatioiden matkoilla tekemässä tekoälyä olennaiseksi osaksi työympäristöä. Olemme tiivistäneet havaintomme työpajasarjaksi, jonka esittelemme nyt blogissamme.

Metodissa yhdistyvät mm. vahva ihmiskeskeisyys, palvelumuotoilun tutkimusvaihe, tekoälyn mahdollisuuksien kokeilu ja hyödyntäminen sekä tulevaisuusajattelu. Lopputuloksena ei ole pelkkiä irrallisia kokeiluja, vaan organisaation ihmisten oikeisiin tarpeisiin perustuvia isoja ja pieniä palveluinnovaatioita.

Kaavio, jossa näkyy ihmiset, data ja ympäristö.

Seitsenosaisen sarjamme kirjoitukset esittelevät ihmiskeskeisen prosessin, jonka avulla organisaatio siirtyy kokeiluista tekoälyn syvälliseen hyödyntämiseen. Tulevina viikkoina käymme läpi havaitsemiamme olennaisia vaiheita, ja kuinka niistä saadaan parhaat hyödyt tulevaisuuteen hyödyntäen strategisen palvelumuotoilun menetelmiä. Käymme läpi myös tekoälyn etiikkaan ja tietoturvaan liittyviä kysymyksiä ja perehdymme tulevaisuusajattelun hyödyntämiseen.

Emme paneudu kovin paljon yksittäisiin teknologioihin tai sovelluksiin, koska kuhunkin tilanteeseen sopivat hahmottuvat prosessin aikana. Prosessimme antaa vastauksia niihin kysymyksiin, jotka tulevaisuuden teknologiavalintoihin vaikuttavat. Kirjoitukset avaavat työskentelyn ajatusmaailmaa, ja jokaisen artikkelin lopussa luetellaan olennaisia ja konkreettisia toimenpiteitä.

Haluamme säilyttää ihmisen kontrollissa ja yrittää mahdollisimman paljon ymmärtää, miksi jokin ratkaisu toimii, kuten toimii.

Prosessin lopputulemana saadaan validoituja konsepteja, joiden parissa esimerkiksi UX-muotoilutyöhön voi luottavaisin mielin lähteä. Ihmisten motivaatioiden, tuntemusten ja ajatusmaailman kartoittaminen on tulevaisuudessa erittäin tärkeää, kun järjestelmien käyttökokemus kehittyy yhä personoidummaksi.  

Kokeilemaan!

Koska luet tätä artikkelia, olet ehkä jo käyttänyt tekoälyä: keskusteluja ChatGPT:n kanssa töissä ja vapaa-ajalla, hauskoja kuvia, musiikkia, tekstin tiivistämistä ja kielenkäännöksiä…

On hienoa, että kokeileminen on nykyään niin helppoa. Työskentelytavallamme kokeiluista opitut asiat saadaan hallitusti mukaan kasvattamaan koko osaamispääomaa. Oletettavasti suuri osa ideoista tulee olemaan pieniä jatkuvan parantamisen ideoita, mutta tarpeeksi laajasti sovellettuna voi odottaa joskus myös jotain uutta radikaalia.

Kaikenlaisten ideoiden kerääminen kannattaa.

Tekoäly on ollut tulossa jo kauan ja scifimäisiä odotuksia tietotekniikan kykenevyyteen löytyy ainakin puolenkymmeneltä sukupolvelta. Viimeisin aalto syntyi ChatGPT:n julkaisusta, joka pari vuotta sitten toi laajat kielimallit kaikkien ulottuville.

Tätä kirjoittaessa syksyllä 2024 suurimmat Gen AI -kuplat lienevät jo puhjenneet. Pidämme lähestymistavassamme mukana realismin, ja lähdemme siitä, että tekoäly voi hienosti täydentää, mutta harvoin täysin korvata ihmisen työtä. Haluamme säilyttää ihmisen kontrollissa ja yrittää mahdollisimman paljon ymmärtää, miksi jokin ratkaisu toimii kuten toimii.

Aloitetaan ihmisistä tässä hetkessä

Koko prosessi aloitetaan ihmisistä, koska ajattelemme, että teknologia on ihmistä varten. Yksittäisten asiantuntijoiden työtavoissa ja työnkuluissa on suunnattomasti opittavaa. Prosessin alussa on tärkeää saada kerättyä paljon ja monenlaisia ideoita, ja myös sellaisia, jotka eivät välttämättä heti tunnu tärkeiltä tai mahdollisilta.

Prosessiin valmistautuessa kannattaa pyrkiä löytämään omasta ja organisaation työnkuluista vaikkapa tylsiä ja toisteisia tehtäviä, joiden luovuttaminen koneelle olisi vapauttavaa. Mahdollisuuksia avautuu myös ihmisen käsityskyvylle liian suurten kokonaisuuksien hahmottamisessa, toistuvien kuvioiden tai joukkojen löytämisessä – tukiäly-tyyppisellä lähestymistavalla voidaan saada suuria hyötyjä.

Työskentelyssä voi näin saavuttaa muutoksen, jossa kone auttaa ihmistyöntekijää saavuttamaan enemmän sen sijaan, että ihminen vain tarkastaa koneen aikaansaannoksia.

On paljon ratkaisuja, jotka eivät toimi

Kun puhutaan tekoälyn käyttöönotosta ja perehdytään työnkulkuihin, joita sillä on tarkoitus täydentää, tullaan usein tilanteeseen, jossa havaitaan, että jokin perinteisempi järjestelmäratkaisu olisi parempi. Yleensä ei ole toivottavaa, että yrityksen asiakaspalvelubotti vastailee mitä sattuu, tai kuvageneraattori luo loukkaavia kuvia. Näiden käyttötapausten löytäminen on hienoa ja toivottavaakin, koska tarkoitus ei ole korvata kaikkea tekoälyllä, vaan löytää soveliaimmat käyttökohteet.

Kiinnostavia ja hyödyllisiä kohteitakin riittää. Tekoälyä voidaan hyödyntää mm. kuvaan, ääneen, tekstiin sekä markkina- ja mittausdataan pohjautuen lukuisissa eri sovelluskohteissa. Oivaltavia mahdollisuuksia voi löytää markkinoinnissa, automaatiossa, optimoinnissa, prosessinohjauksessa, testauksessa, valvonnassa, kunnossapidossa…

On tärkeää pohtia ja ymmärtää, millainen on tarpeeksi hyvä tekoälyltä odotettu lopputulos.

Kielimallien kanssa työskennellessä on eduksi edetä pienin askelin. Ei ole aina täysin selvää, miksi malli antaa tietyn vastauksen. Sourav Banerjeen, Ayushi Agarwalin ja Saloni Singlan tutkimus tarkastelee generatiivisen tekoälyn hallusinointia ominaisuutena eikä vikana. Sitä ei ehkä koskaan saada täysin toimintavarmaksi siinä mielessä, että tietty työnkulku tuottaisi aina täsmälleen saman lopputuloksen. Pienemmissä kokonaisuuksissa eteneminen auttaa hahmottamaan, mitä tapahtuu ja ehkä myös, miksi.

On siis tärkeää pohtia ja ymmärtää, millainen on tarpeeksi hyvä tekoälyltä odotettu lopputulos omissa käyttötapauksissa. Onko meillä eri kriteerit tekoälylle kuin ihmisille? Ja onko edellytykset onnistua teknisessä mielessä? Saatavilla olevalla datalla on suuri merkitys. Generatiivisen tekoälyn aikaansaannoksissa on vielä käytettävä myös ihmistaitoja eli esimerkiksi estetiikan tajua lopputuloksen arvioinnissa.

Voisimmeko…

On tärkeää aloittaa hahmottamalla, mitä mahdollisuuksia on. Monimuotoinen työryhmä on eduksi, kun ideoita kerätään. Jokainen voi pohtia, kuinka haluaisi työnsä suorittamisen kehittyvän.

Tässä vaiheessa on tärkeää painottaa ajattelun positiivisuutta. Voisimmeko? Ei siis “pitäisikö” tai “kannattaisiko”, vaan “voisimmeko”.

Jos on käynyt työelämään liittyvillä kursseilla viime vuosikymmenten aikana, on varmasti törmännyt yltiöpositiiviseen “virhe on oppi” –tyyppiseen hokemaan. Tätä klisettä ei kuitenkaan kannata vältellä kuin ruttoa, sillä sen taustalla on todellisia mahdollisuuksia.

Kovassa kiireessä ja paineessa taas saattaa tulla eteen tilanne, jossa näkökulma alkaa kaventua, eikä pysty hahmottamaan kovin laajasti, kun keskitytään käsillä olevan ongelman ratkaisuun. Epäonnistumisen pelko ahdistaa ja tukahduttaa luovan ajattelun, mitä juuri tarvittaisiin sitä enemmän, mitä haastavampi tilanne on.

Kun kokoonnutaan hahmottelemaan tekoälyn käyttöönoton ensi askelia, kannattaa keskittyä aktiivisesti miettimään yhdessä “voisimmeko”? Kun pohtii, voisimmeko, epäonnistumisen pelko katoaa ja vapauttaa ajattelua. Mahdolliset lopputulemat ovat idean hyväksi osoittautuminen, tai sitten sen havaitseminen, että idea ei nyt tällä kertaa ollut oikeassa ajassa tai paikassa.

Voisimmeko-ajattelua esitellään laajemmin Saku Tuomisen Kaikki on hyvin -kirjassa, joka kannattaa lukea.

Kokeilevan yhteiskehittämisen kulttuuri

Oman pään sisällä ideointia tapahtuu kaikilla. Säännöllinen kokoontuminen omia oivalluksia jakamaan sen sijaan on jo harvinaisempaa.

Löydöksistä keskustelu on tärkeä osa koko prosessia ja on erittäin hedelmällistä saattaa yhteen erilaisia asiantuntijoita. Keskusteluiden fasilitointi on tarpeen, jotta ääneen pääsevät muutkin kuin ekstrovertit. Ihmisten tavat pohtia ja kertoa pohdinnoistaan vaihtelevat suuresti.

Metodiimme kuuluu aina kolme olennaista tekijää: ihmiset, heidän toimintaympäristönsä ja käytettävissä oleva data. Tämän kolminaisuuden säännöllinen tutkiskelu ja kuuntelu antaa kehityshankkeelle sen tarvitseman tiedon.

Mitä tarvitaan?

  • luottavainen fiilis ja paikka kokeiluille: kokeilujen tulokset eivät saa vahingossa lurahtaa julkisuuteen tai luottamukselliset tiedot päätyä kielimallien opetusmateriaaliksi. SIlloin kun on aikaa ja innostusta, on päästävä tekemään.
  • Jatkuvaa keskustelua kokeiluista: niin edistykselliset kuin juuri aloittaneet ovat loistavia neuvomaan toisiaan. Monesti ongelman pohdinta voi olla tärkeämpää kuin varsinainen ratkaisu
  • jatkuvuutta, jotta keskusteleminen muodostuu luontevaksi
  • Dokumentaatioalusta: lappuja seinällä tai digitaaliset muistiinpanot

Mitä voi tehdä itse?

  • Pohdi omaa tekemistä: mitä työvaiheita olisi mielekästä antaa koneen hoidettavaksi?
  • Kokeile, mitä ChatGPT saa aikaan ideoiden tiimoilta
  • Järjestä kokoontuminen, vertaile ajatuksia kollegoiden kanssa, ja kirjatkaa ne ylös

Seuraavassa kirjoituksessa on aiheena ideoiden käsittely, validointi ja kokeilujen käytännön järjestelyt.

Tavataan!

Tulemme mielellämme kertomaan, kuinka olemme saaneet hedelmällisiä prosesseja alkuun. Tunti riittää. Ollaan yhteydessä!

Aleksi Manninen
aleksi.manninen@teamit.fi