Tekoälymääräykset: hitti vai huti? Johtajat kertovat kaiken
Tekoälyä koskevat määräykset ovat nyt kaikkialla. Jotkin niistä kuiskataan kulttuurisina odotuksina, toiset kirjataan tavoitteisiin ja suoritusarviointeihin. Mutta toimivatko ne oikeasti?
Kysyimme tekoälyä koskevia määräyksiä antaneilta johtajilta ja niiden alaisuudessa työskennelleiltä, millainen määräys todellisuudessa oli, miten onnistumista mitattiin ja mitä sen jälkeen tapahtui. Heidän vastauksensa osoittavat yllättävän johdonmukaisen jakolinjan, eikä kyse ole siitä, oliko määräys olemassa. Ratkaisevaa oli se, mitä määräyksellä mitattiin.
Miltä määräykset todellisuudessa näyttivät
Sana ”määräys” tuo mieleen muistion, mutta käytännön versiot vaihtelivat yksinkertaisista koulutusvaatimuksista tiukkoihin suunnittelukiintiöihin. Tiukkuudeltaan kevyemmässä päässä on Amazonin vanhempi toimitusketjupäällikkö Aniket Ghonge, jonka organisaatiossa ei ole lainkaan käyttökiintiötä. ”Kukaan ei mittaa, kuinka paljon käytän [tekoälyä]”, hän sanoo.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Amazon edellyttää kaikilta organisaation tasoilta tekoälykoulutusta: ”Meidän on suoritettava tekoälykoulutus. Muuten asia voidaan eskaloida”, hän sanoo ja kutsuu sitä ”Amazonin vakiokäytännöksi”. Tämä kevyesti ohjaava odotus ei kuitenkaan pidätellyt häntä — Ghonge päätyi vibekoodaamaan työkalun tiimilleen ja säästi sillä huomattavasti aikaa.
Kukaan ei mittaa, kuinka paljon käytän [tekoälyä]. Meidän on kuitenkin suoritettava tekoälykoulutus.
Toisessa ääripäässä ReelPulsen ja Quartzin perustaja ja tekninen johtaja Liu Peng otti käyttöön tiukan sisäisen säännön: ”Kaikissa tietojen kaapimiseen tarkoitettujen käsittelyputkien ja lokalisointikomentosarjojen pull-pyynnöissä on hyödynnettävä tekoälyavusteista koodin luontia, ja jokaisen insinöörin on kirjattava päivittäiset LLM-kehotetyönkulkunsa sprinttien retrospektiiveissä.”
Useimmat sijoittuivat jonnekin näiden ääripäiden väliin ja rajasivat tekoälyn tiettyihin työn vaiheisiin sen sijaan, että olisivat vaatineet jatkuvaa käyttöä. CTK Industriesin perustaja Neal J. McLeod määritteli rajan tarkasti: ”Sääntö ei ollut ’käytä tekoälyä päivittäin’. Sääntö oli ’käytä sitä siellä, missä se vähentää vähäarvoista manuaalista työtä poistamatta ihmisen tekemää tarkistusta luottamukselle herkistä vaiheista’.” Brizyn tuotejohtaja ja toinen perustaja Bogdan Condurache lähestyi asiaa samalla tavoin tuotekehityksen näkökulmasta: ”Tekoälyä koskeva määräyksemme oli, että jokaista uutta ominaisuutta tulisi tutkia tekoälyn avulla ennen työn aloittamista.”
Milloin määräykset toimivat
Onnistumistarinoissa toistuu sama kaava: johtajat mittasivat toiminnan lopputuloksia, pitivät ihmiset mukana tarkistusprosessissa ja jättivät tilaa harkinnalle. Simply Notedin toimitusjohtaja ja perustaja Rick Elmore edellytti, että jokainen tiimin jäsen sisällyttää tekoälyn viikoittaiseen työnkulkuunsa vuoden 2025 ensimmäisestä neljänneksestä alkaen, mutta seurasi asiaa tulosten kautta kysyen: ”Veivätkö ehdotukset vähemmän aikaa? Suljettiinko tukipyynnöt nopeammin? Tarvitsivatko markkinointiluonnokset vähemmän muokkauskierroksia?” Tulos: ”Markkinointimme tuotantomäärä lähes kaksinkertaistui ilman henkilöstölisäyksiä.”
Markkinointimme tuotantomäärä lähes kaksinkertaistui ilman henkilöstölisäyksiä.
Tabulan perustaja Carlos Rios havaitsi samanlaisia hyötyjä tehtyään tekoälystä tiiminsä oletusarvoisen työskentelytavan. ”Noin 95 % blogisisällöstämme alkaa nykyään tekoälyavusteisesta luonnostelusta. Blogikirjoituksen, jonka kirjoittamiseen kului aiemmin noin viikko, saa nyt valmiiksi tarkistusta varten noin tunnin kestäneellä kehottamisella ja muokkaamisella”, hän sanoo ja lisää, että jokainen teksti käy silti hänen tarkistuksessaan ennen julkaisemista.
Luvut pitivät paikkansa myös teknisissä ympäristöissä. DataNumenin toimitusjohtaja ja pääjohtaja Chongwei Chen kytki määräyksensä vuoden 2025 ensimmäisen neljänneksen tavoitteeseen, jonka mukaan 30 % tukipyynnöistä tuli käsitellä tekoälyn avustuksella. ”Palautustapausten keskimääräinen ratkaisuaika lyheni 4,2 päivästä 2,8 päivään. Tukipyyntöihin liittyvä asiakastyytyväisyys nousi 4,1:stä 4,6:een”, hän kertoo.
Palautustapausten keskimääräinen ratkaisuaika lyheni 4,2 päivästä 2,8 päivään. Tukipyyntöihin liittyvä asiakastyytyväisyys nousi 4,1:stä 4,6:een.
Kaikki hyödyt eivät liittyneet nopeuteen. Above Apexin toinen perustaja ja kasvumarkkinoija Kristiyan Yankov huomasi hyödyn muualla: ”Emme yhtäkkiä puolittaneet työmääräämme. Muutos oli johdonmukaisuus.” Condurache yllättyi samalla tavoin. ”Suurin yllätys oli, että tekoäly auttoi yhteistyötä enemmän kuin tuottavuutta. Tuote-, suunnittelu- ja insinööritiimit aloittivat saman luonnoksen pohjalta erillisten asiakirjojen sijaan”, hän sanoo.
Kun velvoitteet kääntyivät itseään vastaan
Epäonnistumisissa toistuu myös kaava — ja se on onnistumisten peilikuva. OneMetrikin Ankita Pathak eli selkeimmän varoittavan esimerkin: johto edellytti päivittäistä ChatGPT:n käyttöä, joka varmennettiin pudottamalla kuvakaappaus Slack-kanavalle kello neljään mennessä. Tämä toimi muutaman viikon ajan, mutta muuttui sitten haitalliseksi. ”Toiseen kuukauteen mennessä se kääntyi itseään vastaan. Ihmiset käyttivät sitä päivittäin vain rastittaakseen ruudun, joten he alkoivat käyttää sitä asioihin, joissa se ei ollut hyvä”, hän kertoo. Toimisto luopui velvoitteesta kahdeksan viikon jälkeen. Hänen johtopäätöksensä: ”päivittäiseen tekoälyn käyttöön pakottaminen ei rakenna parempia tapoja, vaan ainoastaan kuuliaisuutta.”
Myös tuloksia tuottaneilla velvoitteilla oli piilokustannuksia. Pengin pull request -kiintiö kaksinkertaisti hänen tiiminsä toimitusnopeuden 60 päivän kuluessa — sitten lasku saapui, ja hän kutsuu sitä ”tekoälyn uudelleentyöstöveroksi”. Hän kuvailee asiaa näin: ”Nuoremmat kehittäjät hyväksyivät sokeasti monimutkaisia, tekoälyn tuottamia ORM-kyselyitä ja säännöllisten lausekkeiden jäsentimiä tarkistamatta poikkeustapauksia. Tämä johti huomaamattomiin muistivuotoihin suuren samanaikaisuuden videodatakaappauksissa, mikä kasvatti pilvilaskentakustannuksiamme 22 prosenttia yhden kuukauden aikana.” Sittemmin hän on siirtynyt käyttövelvoitteesta hallintovelvoitteeseen ja perustelee sitä näin: ”Tekoälyvelvoitteet toimivat vain, kun kehittäjiä kohdellaan ’tarkoituksen ohjaajina’, jotka omistavat arkkitehtuurin, eivät passiivisina konekirjoittajina.”
Se loi sen, mitä kutsun tekoälyn uudelleentyöstöveroksi. Tämä johti huomaamattomiin muistivuotoihin suuren samanaikaisuuden videodatakaappauksissa, mikä kasvatti pilvilaskentakustannuksiamme 22 prosenttia yhden kuukauden aikana.
Hive Foundersin perustaja ja toimitusjohtaja Andrea Sommer on seurannut samaa epäonnistumisen kaavaa perustajan paikalta käsin. ”Itseään vastaan kääntyvät velvoitteet ovat niitä, joita mitataan toiminnalla. ’Kaikki käyttävät Copilotia päivittäin’ tai ’X prosenttia tiketeistä on käsitelty tekoälyn avulla’ johtaa siihen, että ihmiset pelaavat mittaria sen sijaan, että tekisivät parempaa työtä”, hän sanoo. McLeod ilmaisee asian yhtä suorasukaisesti: ”velvoitteet kääntyvät itseään vastaan, kun ne palkitsevat näkyvästä käytöstä mitattavan toiminnan parantamisen sijaan.”
Mikä yllätti johtajat
Otsikoissa näkyneiden tulosten lisäksi haastattelemamme johtajat törmäsivät jatkuvasti samoihin toissijaisiin vaikutuksiin, joista vain harvat olivat mukana alkuperäisessä käyttöönottosuunnitelmassa.
Este ei ole pelko, vaan tapa. Elmore odotti vastarintaa ja löysi jotain hiljaisempaa: ”Suurin este ei ollut tekoälyn pelko, vaan tapojen hitaus.” Hänen ratkaisunsa olisi rakenteellinen: kaikkiin tuleviin velvoitteisiin yhdistettäisiin 30 päivän oppimisjakso, koska ”Velvoite ilman tukirakenteita on vain painostusta.”
Tekoäly on prosessien röntgenkuva. McLeod huomasi, että tekoälyn paljastavin tulos liittyi hänen omaan toimintaansa: ”jos syöte oli epämääräinen tai vakiotoimintamenettely oli heikko, tekoäly toi epäjohdonmukaisuuden esiin nopeammin. Tässä mielessä tekoäly paljasti prosessiongelmia enemmän kuin ratkaisi niitä.”
Kokemukseen perustuvan harkinnan arvo kasvaa. Barnett havaitsi, että ”eniten hyötyneet ihmiset eivät olleet kaikkein ahkerimpia tekoälyn käyttäjiä. He olivat niitä, jotka tiesivät, milloin lopettaa tekoälyyn tukeutuminen ja soveltaa omaa harkintaansa.”
Myös hypellä on rajansa. Catalyst Marketing Agencyn perustajajäsen ja strategiajohtaja Rion Haber määräsi johtoryhmälleen kuuden kuukauden avoimen tekoälykokeilun. Hän päätyi varoittamaan kaikkia, jotka odottavat pelkän velvoitteen muuttavan liiketoiminnan: ”ajatus siitä, että olet vain yhden kehotteen päässä sijoituksesi kymmenkertaistamisesta, on huijaus.”
Tekoälyvelvoitteen paradoksi
Tässä on kaikkien näiden tarinoiden läpi kulkeva paradoksi: tekoälyvelvoitteet onnistuvat sitä paremmin, mitä vähemmän ne todellisuudessa velvoittavat tekoälyn käyttöön. Toimivissa käyttöönotoissa velvoitettiin tuloksia, tarkistuspisteitä ja oppimista — itse työkalu oli lähes sivuseikka, jota jotkut saattoivat käyttää paljon ja toiset säästeliäästi. Epäonnistuneissa käyttöönotoissa velvoitettiin työkalun käyttöä, ja tuloksena oli täsmälleen se, mitä mitattiin: kuvakaappauksia Slack-kanavalla, rastitettuja ruutuja ja kirjattuja kehotteita. Kehotteina mitattu velvoite tuottaa kehotteita. Tuloksina mitattu velvoite tuottaa tuloksia — ja kuten käy ilmi, myös tekoälyn käyttöönottoa.
Haluatko lisää tämänkaltaisia näkemyksiä? Rekisteröidy maksuttomalle DPM-tilille kuullaksesi lisää samankaltaisia asiantuntijoita.
