Päätöksenteon tuki on se piste, jossa tekoäly ei enää vain tuota tekstiä, vaan vaikuttaa valintaan, jonka joku tekee. Luottoriskin arviointi, liidien priorisointi, neuvo henkilöstön mitoituksesta, signaali siitä, että sopimus poikkeaa normista. Chat-ikkunan alla ei silloin ole enää keskustelu, vaan laskelma, joka perustuu johonkin, ja juuri se perusta on olennainen.
Chat-ikkuna, joka vastaa kysymyksiin, työskentelee sen kanssa, mitä itse keskustelussa on. Päätöksenteon tuki työskentelee sen kanssa, mitä organisaatiossa on: järjestelmien dataa, aiempien päätösten historiaa, sääntöjä, jotka on joskus kirjattu selkeästi ja joskus ovat vain kokeneiden työntekijöiden päässä. Mallin on päästävä näihin lähteisiin käsiksi, kyettävä yhdistämään niitä ja punnitsemaan niitä. Tämä vaatii toisenlaisen infrastruktuurin kuin erillinen tekstityökalu. Se vaatii myös, että joku organisaatiossa pystyy selittämään, miksi tietty lopputulos syntyi, ei vain mikä se lopputulos on.
Päätöksenteon tuki nojaa kolmeen asiaan, jotka eivät useinkaan ole vielä täysin kunnossa. Ensinnäkin data-ympäristö, jossa tarvittava tieto on luotettavasti ja ajantasaisesti saatavilla — ei hajallaan taulukkolaskentatiedostoissa, jotka vaihtelevat osastoittain. Toiseksi organisaatio, joka tietää, kuka mistäkin pysyy vastuussa: mallin antama neuvo ei korvaa päätöksentekijää, mutta jonkun on pystyttävä vastaamaan kysymykseen, kuka neuvon sivuuttaa ja miksi. Kolmanneksi IT-infrastruktuuri, joka voi taata, ettei arkaluonteinen tieto kulkeudu pidemmälle kuin on tarkoitus.
Nämä kolme kohtaa eivät ole reunaehtoja, jotka järjestetään jälkikäteen. Ne ratkaisevat, tuottaako päätöksenteon tuki jotain vai muuttuuko se pelkäksi uudeksi epävarmuuden lähteeksi. Organisaatio, jonka data ei ole kunnossa, ei saa mallilta parempia päätöksiä — se saa vääriä nopeammin.
Päätöksenteon tuki rakentuu usein työn päälle, jota tehdään jo muualla. Valvonta ja signalointi osoittaa, milloin jokin poikkeaa kaavasta; päätöksenteon tuki menee askeleen pidemmälle ja punnitsee, mitä poikkeama merkitsee tehtävän valinnan kannalta. Myös dokumenttien lukeminen ja tiivistäminen voi tuottaa pohjaa päätökselle, mutta ei sellaisenaan anna neuvoa — se antaa yleiskuvan. Päätöksenteon tuki lisää siihen punnitsemisen kerroksen, ja se kerros vaatii organisaatiolta enemmän kuin pelkän pääsyn tekstiin.
Päätöksenteon tuki koskettaa harvoin vain yhtä osastoa. Neuvo varastotasoista koskettaa hankintaa ja logistiikkaa; neuvo henkilöstön käytöstä koskettaa HR:ää ja lähiesimiestä. Tämä tarkoittaa, että osastojen välisen koordinaation on kasvettava kunnianhimon mukana: sen, joka saa neuvon, on tiedettävä, kenelle se päätyy, jos neuvo sivuutetaan tai päinvastoin sitä noudatetaan. Ilman tätä yhteensovittamista syntyy tilanne, jossa malli kyllä antaa lopputuloksen, mutta kukaan ei tiedä, kenen tulisi jatkaa siitä.
Päätöksenteon tuki ei ole oraakkeli eikä vastuun korvike. Malli antaa arvion käytettävissä olevan datan kaavojen perusteella; se ei tunne kontekstia, jonka kokenut työntekijä joskus tuntee, ja se voi esittää virheellistä tai vanhentunutta tietoa yhtä vakuuttavasti kuin oikeaa. Se, joka ottaa päätöksenteon tuen käyttöön ilman tapaa valvoa taustadatan laatua, rakentaa vankalta näyttävälle, mutta epävakaalle pohjalle.
Se ei myöskään ole päätepiste. Yksinään toimiva päätöksenteon tuki tuottaa neuvon, joka jonkun on siirrettävä käsin seuraavaan järjestelmään. Kun tuo siirtäminenkin automatisoituu, syntyy ketju toisiaan seuraavista vaiheista, ja se vaatii taas omat takeensa — virheenkäsittelyn osalta, sen osalta, kuka puuttuu asiaan, jos jokin vaihe epäonnistuu. Mitä tämä vaatii organisaatiolta, on kuvattu kohdassa ketjut, joissa vaiheet seuraavat toisiaan. Myös kysymys siitä, antaako tekoäly neuvon lisäksi myös toteuttaako sen, kuuluu samaan sarjaan; se on työtä suorittavien agenttien aluetta, jolla on omat vaatimuksensa valvonnalle ja hallinnalle.
Se, onko organisaatio valmis päätöksenteon tukeen, riippuu siitä, kuinka pitkällä perustavat ulottuvuudet jo ovat: onko data-infrastruktuuri riittävän kypsä, onko päätöksenteon hallintomalli selkeä, onko selvää, kuka mistäkin vastaa. Juuri näitä kysymyksiä hybridresourcing.comin kypsyysmittaus kartoittaa, useilla tasoilla ja useiden arvioijien avulla samanaikaisesti, jotta näkyväksi tulee, missä organisaatio näkee tilanteen samalla tavalla ja missä käsitykset eroavat toisistaan.
Kysymys siitä, kykeneekö organisaatio kantamaan tekoälyä, on eri kysymys kuin se, minkä osan työstä tekoäly voi ottaa hoitaakseen. Se, joka haluaa tietää, mikä osa konkreettisesta tehtävästä — neuvon kokoaminen, skenaarioiden laskeminen, päätöksen valmistelu — soveltuu siirrettäväksi, löytää vastauksen FTE TO AI:n työskannauksesta. Se laskee tehtäväkohtaisesti, minkä osan työstä tekoäly pystyy hoitamaan, riippumatta siitä, onko organisaatio siihen jo valmis. Molemmat kysymykset kuuluvat yhteen, mutta ne eivät ole sama kysymys.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.