Kuinka tekoälyn liiketoimintavaikutuksia todella mitataan

Galen Low: Onko edes mahdollista määrittää määrällisesti, millaisia vaikutuksia tekoälyllä on organisaatioon?

Michael Domanic: Jos parannat jotakin myyntiprosessin osaa, haluat mitata, kuinka paljon kyseinen muutos paransi toimintaa. Minkä tuloksen se saavutti? Myimmekö enemmän? Saavutimmeko liikevaihtotavoitteen sen seurauksena, että otimme kyseisen asian käyttöön liiketoiminnassa?

Sama koskee markkinointia. Parannamme monia markkinoinnin prosesseja. Hienoa. Jos esimerkiksi säästämme aikaa markkinointikampanjoiden luomisessa, kuinka monta kampanjaa voimme luoda lisää ja mikä on niiden lisäarvo? Mielestäni juuri tässä kannattaa keskittyä hieman enemmän arvon mittaamiseen.

Galen Low: Millaisia organisaation ajattelutapojen ja käyttäytymisen muutoksia tarvitaan matkan varrella, jotta tekoälymuutoksen tahdissa pysytään?

Michael Domanic: Kaikkien on totuttava siihen, että olemme kaikki muutos- ja oppimistilassa vielä pitkään. Tiedämme, että kyvykkyyksien yleistymisen vauhti ei tule pysähtymään. Se jatkaa etenemistään, ja meidän on mukauduttava todella nopeasti kaikkiin näihin muutoksiin ja edistysaskeliin.

Galen Low: Julkaisit juuri artikkelin tekoälyä koskevista ennusteistasi vuodelle 2026. Yksi hypoteeseistasi oli myös se, että käyttäjäkokemuksen tutkijoista ja suunnittelijoista tulee vuonna 2026 yritysten tärkeimpiä ihmisiä. Voitko avata, mitä tarkoitat sillä?

Michael Domanic: Niin, siis...

Galen Low: Tervetuloa The Digital Project Manager -podcastiin – ohjelmaan, joka auttaa toimitusjohtajia ja projektien vetäjiä työskentelemään fiksummin, toimittamaan sujuvammin ja johtamaan tiimejään itsevarmasti tekoälyn aikakaudella. Olen Galen, ja joka viikko perehdymme käytännön strategioihin, uusiin trendeihin, toimiviksi todettuihin viitekehyksiin ja joskus myös tosielämän tarinoihin projektirintamalta. Johdatpa sitten valtavia muutoshankkeita, hallinnoit tekoälyn työnkulkuja tai yrität vain pitää kaaoksen hallinnassa, olet oikeassa paikassa. Aloitetaan.

Tänään puhumme tekoälyä koskevien virheellisten oletusten kumoamisesta yrityskulttuurissa ja järjestelmän nollaamisesta, jotta ymmärtäisimme paremmin, miten tekoäly vaikuttaa ydintoimintaasi – ei vain pinnallisiin mittareihin. Käymme läpi oikeat ja väärät tavat mitata tekoälyn vaikutusta, sen, miten organisaation näkemyksen tekoälystä on muututtava tekoälyn kypsyystason muuttuessa, sekä muutamia ennusteita siitä, miten tekoäly vaikuttaa liiketoiminnan trendeihin vuonna 2026.

Vieraana tänään on Michael Domanic, UserTestingin tekoälyjohtaja.

Michaelin tavoitteena on edistää koko yrityksen kattavaa muutosta tekoälyn avulla, jotta merkittävä liiketoiminta-arvo voidaan vapauttaa. Hän tekee tätä työskentelemällä tiiviisti eri toimintojen johtajien kanssa, upottamalla tekoälyn keskeisiin työnkulkuihin, edistämällä innovaatiokulttuuria ja kasvattamalla tekoälyosaamista koko organisaatiossa käytännöllisellä ja vaikutuksiin keskittyvällä tavalla.

Michael, kiitos, että olet mukana tänään.

Michael Domanic: Kiitos, Galen. Arvostan todella paljon kutsua tulla mukaan keskusteluun.

Galen Low: Olen innoissani tästä keskustelusta, koska keskustelimme ennen tätä todella mielenkiintoisista asioista. Tiedän, että saatamme poukkoilla aiheen sisällä, mutta varmuuden vuoksi – koska olen projektipäällikkö – tässä on etenemissuunnitelma, jonka hahmottelin meille.

Aloitetaan saamalla näkemyksesi suureen ja vaikeaan kysymykseen. Sen jälkeen haluan ottaa hieman etäisyyttä ja puhua ensin kolmesta asiasta. Haluan keskustella siitä, miten olette ottaneet tekoälyä käyttöön ja mitanneet sen vaikutuksia UserTestingissä sekä siitä, miksi lähestytte asioita juuri tällä tavalla.

Sen jälkeen haluan tutkia, mihin organisaatio voi päätyä tekoälymatkansa kypsyessä: millaisten ajattelutapojen, käyttäytymisen ja arvojen on muututtava tai ehkä jopa väistyttävä kokonaan, jotta menestys voidaan säilyttää. Lopuksi haluan perehtyä ennusteisiisi siitä, miten tekoäly vaikuttaa työelämäämme ja liiketoiminnan tekemiseen vuonna 2026.

Miltä tämä kuulostaa?

Michael Domanic: Kuulostaa hyvältä. Tehdään siis hieman siksakkia.

Galen Low: Tehdään siksakkia. Aloitetaan. Ajattelin aloittaa yhdellä suurella ja vaikealla kysymyksellä ja antaa sille hieman taustaa. Näkemykseni mukaan useimmat yritykset haluavat pystyä mittaamaan tekoälyn käyttöönoton onnistumista.

Tekoälyn jatkuvasti vaikeasti saavutettava sijoitetun pääoman tuotto, joka ylittää yksinkertaisen onnistumisen tai epäonnistumisen jaottelun, jakaa mielipiteitä. Jotkut sanovat, ettei tekoälyä tarvitse edes mitata, koska se selvästi parantaa toimintaa. Toisten mielestä organisaatioiden on luotava uusia tekoälyyn liittyviä mittareita ja mitattava niitä järjestelmällisesti.

Suuri kysymykseni on siis tämä: onko edes mahdollista määrittää määrällisesti, millaisia vaikutuksia tekoälyllä on organisaatioon, vai onko tässä vaiheessa useimmille organisaatioille turhaa yrittää tarkastella muutosta sillä tavalla?

Michael Domanic: Se on hyvä kysymys, ja siitä kiistellään usein kiivaasti – erityisesti kaltaisteni ihmisten keskuudessa, jotka johtavat tekoälyä organisaatioissa.

On olemassa ajattelutapa, jonka mukaan tekoälyn sijoitetun pääoman tuottoa ei kannata mitata, koska kaikki on vielä niin varhaisessa vaiheessa. Tämän pitäisi myös tuntua useimmista organisaatioista perustason asialta. Emmehän mittaa sähkön tai sähköpostin sijoitetun pääoman tuottoa. Miksi siis mittaisimme tätä?

Oma näkemykseni on hieman erilainen. Ymmärrän tuon ajatuksen ja olen osittain samaa mieltä. Meillä on talousjohtaja ja hallitus. Käytämme paljon rahaa tekoälymuutokseen, joten meidän on pystyttävä osoittamaan jonkinlainen tuotto näille investoinneille.

Sen sijaan, että yrittäisimme muodostaa yhden kokonaisvaltaisen luvun siitä, mikä tekoälyn tuotto on koko organisaatiossa, tarkastelemme neljännesvuosittain kymmentä merkityksellisintä tekoälyn käyttöönottoa ja mittaamme niitä. Mittaamme näiden käyttöönottojen sijoitetun pääoman tuottoa.

Jos joku organisaatiossamme esimerkiksi luo mukautetun GPT:n, joka auttaa kriittisessä osassa myyntiprosessia, mittaamme sitä. Mittaamme tulosta – emme välttämättä säästettyä aikaa. Kun ihmiset mittaavat sijoitetun pääoman tuottoa, he keskittyvät usein liikaa ajansäästöön. Ajansäästö ei ole tulos, vaan hyöty. Todellinen kysymys on, mitä saavutit ottamalla tämän tekoälyratkaisun käyttöön tässä liiketoiminnan osassa?

Jos siis parannat jotakin myyntiprosessin osaa, haluat mitata, kuinka paljon kyseinen asia paransi toimintaa. Minkä tuloksen se saavutti? Myimmekö enemmän? Saavutimmeko liikevaihtotavoitteen sen seurauksena, että otimme kyseisen asian käyttöön? Sama koskee markkinointia: parannamme monia markkinoinnin prosesseja.

Jos esimerkiksi säästämme aikaa markkinointikampanjoiden luomisessa, kuinka monta kampanjaa voimme luoda lisää ja mikä on niiden lisäarvo? Juuri tässä kannattaa keskittyä enemmän arvon mittaamiseen.

Galen Low: Pidän tuosta tarkkuudesta – siitä, ettei mennä liian yksityiskohtaiselle tasolle laskemaan säästettyjä työtunteja, mutta ei myöskään yritetä keksiä täysin uusia mittareita ja tapoja ajatella liiketoimintaa.

Loppujen lopuksi kyse on tuloksesta. Emme tällä hetkellä mittaa sähköpostin tehokkuutta, ja jollakin tavalla tämä on uutta ja mullistavaa. Mutta vuosikymmenen kuluttua se on jollakin tavalla arkipäiväistä.

Michael Domanic: Olen samaa mieltä. Mielestäni mitattavia asioita on kahdenlaisia. On niin kutsumani pehmeä sijoitetun pääoman tuotto ja kova sijoitetun pääoman tuotto. Kuvaamani on kova tuotto: asia, jonka voi todella mitata. Voimme sanoa, että varasimme tällä vuosineljänneksellä 64 prosenttia enemmän ensitapaamisia tämän tekoälyratkaisun ansiosta.

Tiedämme, mikä yhden ensitapaamisen arvo on. Se on SaaS-yrityksen myyntiprosessin kriittinen osa. Pehmeät mittarit liittyvät esimerkiksi siihen, että olemme tekoälyn mahdollistama työyhteisö. Tiedämme ihmisten haluavan työskennellä tekoälyn mahdollistamissa työyhteisöissä ja että se auttaa meitä rekrytoimaan parempia osaajia. Sitä on vaikeampi mitata, mutta tiedämme sen olevan tärkeää.

Galen Low: Pidän siitä. Se on noussut esiin monissa keskusteluissa. Oikean osaamisen houkuttelemiseksi meidän on ajateltava asiaa tästä näkökulmasta. Ihmiset haluavat työskennellä organisaatioissa, jotka ovat edistyksellisiä ja johtavat kehitystä.

Michael Domanic: Yksi tärkeimmistä kysymyksistä, jonka työnhakijan kannattaa esittää haastattelussa, on: “Kerro tekoälymuutoksestanne. Kuinka tekoälyn mahdollistama organisaationne on?” Yrityksillä täytyy olla tähän todella hyvä vastaus, jos ne haluavat houkutella parhaat osaajat.

Galen Low: Haluaisin perehtyä tähän enemmän. Haastatteluprosessi, työnhaku ja organisaation brändi ovat kokonaan oman jaksonsa aiheita. Monet organisaatiot ajattelevat, että niillä on hyvä tekoälystrategia, mutta eivät ehkä osaa vastata tuohon kysymykseen ytimekkäästi haastattelussa.

UserTesting on alusta, jota monet projektitiimini ovat käyttäneet. Olen aina pitänyt sitä älykkäänä alustana, joka keskittyy vaikuttavien käyttäjäkokemusten luomiseen todellisiin havaintoihin perustuen. Se kiinnostaa minua.

Sinulla on syvällinen historia tämän organisaation kanssa. Aloitit asiakasmenestyksen tehtävissä ja siirryit sitten tekoälystrategiaan ennen nykyistä tehtävääsi, joka on tietääkseni generatiivisen tekoälyn liiketoimintastrategian varajohtaja ja johtaja.

Onnittelut. Haluaisin kuulla näkemyksiäsi tekoälystä, sen organisaatiovaikutusten mittaamisesta ja organisaatiokulttuurin muuttamisesta. Voisitko antaa muutaman esimerkin siitä, miten UserTestingin tiimi käyttää tekoälyä työssään tällä hetkellä?

Michael Domanic: Tekoälyllä on nykyään suuri rooli lähes kaikessa tekemisessämme, koska olemme siirtyneet käyttöönoton käyrällä eteenpäin ja otamme tekoälyä käyttöön kaikkialla, missä uskomme sen tuottavan arvoa.

Olemme SaaS-yritys, joten meidän on kasvatettava liikevaihtoa, säilytettävä asiakkaamme ja nopeutettava tuotteidemme kehitystä. Keskityn erityisesti näihin asioihin, koska niillä on suurin vaikutus.

Tuotetiimissämme insinöörien pitäisi käyttää Codexin, Copilotin ja Cursorin kaltaisia työkaluja. Ne voivat tukea prosessia, tehostaa toimintaa ja lisätä kirjoitettavan koodin tarkkuutta. Suunnittelijat käyttävät nopean prototypoinnin työkaluja ja rakentavat prototyyppejä paljon nopeammin.

Haluamme luoda parempia tuotteita nopeammin, joten koko tuotetiimi osallistuu tähän. Myynnissä luomme mukautettuja GPT-malleja parantamaan myyntiprosessin osia. Myyntikehittäjillä on joukko GPT-malleja, jotka auttavat kohdentamaan prospekteja, käymään parempia keskusteluja ja herättämään kiinnostusta tapaamiseen.

Markkinointitiimimme käyttää tekoälyä parempien kampanjoiden luomiseen, kampanjoiden tekemiseen nopeammin, tekstien kirjoittamiseen ja muokkaamiseen sekä kuvien luomiseen. Sitä käytetään siis koko liiketoiminnassamme.

Galen Low: SaaS on tähän todella hyvä käyttötapaus. Nopeus on tärkeää ja kilpailu on kovaa. Lisäksi markkinoille pääsyn esteet ovat paljon matalammat. Kilpailijat voivat kuroa eron umpeen nopeasti, ja kaikki liikkuu hurjan nopeasti.

Projektipäälliköt kuulevat jatkuvasti: toimittakaa nopeammin, paremmin ja halvemmalla. Pidän siitä, miten kuvaat organisaation terveyttä ja edistyksellisyyttä: nopeus hyödyttää kaikkia, koska se on alallanne tärkeää.

Michael Domanic: Organisaatiossa tekoälyä käytetään kolmella tavalla. Ensinnäkin harjoittelijana: se auttaa tiivistämään asiakirjoja ja tekemään tutkimusta. Myyjä voi käyttää sitä prospektien ja asiakkaiden tutkimiseen.

Toiseksi tekoälyä käytetään assistenttina. Markkinointitiimi voi käyttää sitä tekstien, sähköpostien ja LinkedIn-julkaisujen luomiseen. Nämä kaksi käyttötapaa ovat arvokkaita, mutta kolmas on vielä arvokkaampi: tekoälyn käyttäminen ajatuskumppanina.

Tekoäly on erittäin hyvä tarjoamaan strategisia näkemyksiä liiketoiminnan haasteisiin. Haluan kaikkien hyödyntävän kahta ensimmäistä käyttötapaa, mutta ennen kaikkea haluan heidän käyvän strategisia keskusteluja tekoälytyökalun kanssa strategiansa ja lähestymistapansa parantamiseksi.

Galen Low: Pidän tuosta. Roolisi on kirjaimellisesti ohjata organisaation muutosta tekoälyn avulla. Kuinka tiiviisti osallistut? Seuraatko kaikkia tiimejä vai onko kyse enemmän harvemmasta valmennuksesta? Miten autat ihmisiä omaksumaan ajattelutapoja, joissa tekoälyä käytetään kriittisesti eikä vain työn suorittamiseen?

Michael Domanic: Meidän on tarjottava kaikille työkalut, koulutus ja tuki. Yrityksessämme on noin 750–800 ihmistä, joten en voi olla kaikkialla yhtä aikaa.

Keskityn organisaation tärkeimpiin asioihin. Lisäksi kannattaa löytää ihmiset, jotka jo kokeilevat ja ovat aktiivisesti mukana. Heistä tulee osaamiskeskus.

UserTestingissä on noin kahden tusinan ihmisen monialainen osaamiskeskus. Mukana on ihmisiä henkilöstöhallinnosta, myynnistä, markkinoinnista, tuotteista ja tuotekehityksestä. He toimivat oman tiiminsä tekoälyasiantuntijoina.

He selvittävät, mitkä tekoälyn käyttöönotot ovat merkityksellisimpiä heidän roolissaan, keskustelevat samaa tai läheistä työtä tekevien kanssa ja ratkaisevat asiaa yhdessä. Tämä on ollut erittäin tärkeä osa käyttöönotto- ja muutosmatkaamme.

Galen Low: Pidän tästä mahdollistavasta lähestymistavasta. Ihmiset, jotka tuntevat oman työnsä parhaiten, pitäisi kouluttaa tekoälyyn, mutta heidän pitäisi myös saada päättää, missä siitä on eniten hyötyä ja miten se otetaan käyttöön.

Michael Domanic: Tunnen useimmat liiketoiminnan osa-alueet riittävän hyvin, mutta en ole kaikkien toimintojen asiantuntija. Päivittäin työtä tekevät ihmiset ovat asiantuntijoita. Kun puhumme tekoälyn kyvykkyyksistä, he pystyvät tulkitsemaan, mitä ne tarkoittavat heidän omissa ja läheisissä rooleissaan.

Galen Low: Oletko kohdannut vastustusta tai tekoälyä koskevia virheellisiä oletuksia? Miten olet käsitellyt niitä?

Michael Domanic: Jokaisessa organisaatiossa on ihmisiä, jotka eivät ehkä ole mukana tässä. Suhtaudun heihin avoimesti ja kunnioittavasti. Meillä ei ole ehdotonta määräystä käyttää tekoälyä, mutta uskon, että ihminen, joka kieltäytyy kokeilemasta tai muuttamasta työtapaansa, on tällä hetkellä epäedullisessa asemassa.

On myös oikeutettuja huolenaiheita. Kehitys on nopeaa ja sillä voi olla ympäristövaikutuksia, joihin kaikki eivät halua sitoutua. Kunnioitan vastustajia, ja oikeastaan haluan heidän osallistuvan keskusteluun erityisesti siksi, että he ovat usein pohtineet asiaa muita perusteellisemmin.

Galen Low: Se on hyvä huomio. He miettivät asiaa moraalin, arvojen, hyvinvoinnin ja toimeentulon näkökulmasta. He edustavat riskiä ja ajattelevat riskejä. Joskus tarvitsemme ihmisiä, jotka painavat jarrua ja haastavat oletukset.

Michael Domanic: Useimmat tekoälyä käyttämättömät ihmiset kuuluvat kahteen ryhmään. Jotkut eivät vain ole kiinnostuneita muuttamaan työtapaansa. Toiset eivät käytä tekoälyä, koska suhtautuvat siihen hyvin harkitsevasti. Jälkimmäisten kanssa haluan keskustella erityisesti, koska heidän näkemyksensä ovat meille erittäin hyödyllisiä.

Galen Low: Käytättekö omaa tuotettanne uusien tekoälyavusteisten työtapojen testaamiseen?

Michael Domanic: Käytämme, ja melko usein. Rakensin tekoälyratkaisuja ja testasin niitä UserTestingissä jo kymmenen vuotta sitten. Se oli tekoälyn ensimmäinen hypekausi. Nyt olemme toisessa, paljon suuremmassa hypekaudessa.

Käytän alustaamme jatkuvasti palautteen keräämiseen. Teemme esimerkiksi kaksi kertaa vuodessa tekoälyosaamiskyselyn, jossa selvitetään, miltä tekoäly ihmisistä tuntuu, millaista tukea he tarvitsevat ja miten he käyttävät tekoälyä eri osa-alueilla.

Olemme rakentaneet vahvan kulttuurin mukautettujen GPT-mallien ympärille. Niitä on luotu jo lähes tuhat, vaikka yrityksessämme on noin 750 ihmistä. Monet ovat kokeiluja, mutta osa niistä on käytössä suurilla käyttäjäryhmillä.

Testaamme laajasti käytettyjä GPT-malleja UserTestingissä sisäisellä testiryhmällä. Varmistamme, että ne ovat intuitiivisia ja ratkaisevat oikean ongelman. Emme halua, että niiden käyttäminen edellyttää edistynyttä kehotesuunnittelua.

Galen Low: Se on erinomainen käytäntö. Monet keskittyvät kokeiluihin, mutta vähemmän puhutaan optimoinnista, palautteesta ja siitä, miten ihmiset voisivat parantaa ratkaisua. Organisaation kypsyessä osa GPT-malleista voi kehittyä käyttäjäpalautteen perusteella.

Pidän myös kulttuuristanne. Tekoälytyökalujen käyttöä ei määrätä, vaan ihmisiä kannustetaan tutkimaan niitä aidosta lähtökohdasta. Mittarit perustuvat liiketoiminnan ydintuloksiin, eivät tekoälyn käyttöön itsessään.

Mikään tästä ei kuitenkaan ole staattista. Muutos etenee jatkuvasti ja organisaation on sopeuduttava tekoälyn kypsyessä. Millaisia ajattelutapojen ja käyttäytymisen muutoksia tarvitaan matkan aikana?

Michael Domanic: Kaikkien on totuttava siihen, että olemme muutos- ja oppimistilassa vielä pitkään. Katsokaa kaikkea sitä edistystä, jota tekoälyssä on tapahtunut viimeisten kolmen vuoden aikana. Jos kaikki tämä kehitys pysähtyisi nyt, sen vaikutusten ymmärtämiseen ja purkamiseen kuluisi vähintään kymmenen vuotta.

Kyvykkyyksien yleistymisen vauhti ei kuitenkaan pysähdy. Se jatkaa kasvuaan, joten meidän on mukauduttava kaikkiin muutoksiin ja edistysaskeliin. Jokaisen organisaation on opittava olemaan hyvin sopeutumiskykyinen hyvin nopeasti.

Galen Low: Se on samaan aikaan innostavaa ja pelottavaa. Organisaatiot saattavat ajatella hyppäävänsä yhden joen yli, vaikka todellisuudessa ne astuvat valtamereen, jolla ei ole loppua.

Michael Domanic: Tässä muutos eroaa aiemmista muutoksista. Ennen tiesimme, että toisella puolella odotti jokin päätepiste. Generatiivisen tekoälyn yleistyessä ja yleisen tekoälyn mahdollisesti lähestyessä viimeisten kolmen vuoden muutos ei ehkä edes raaputa seuraavien kymmenen vuoden pintaa.

Galen Low: Voimmeko palata hetkeksi mittareihin? Olette tällä hetkellä kiinnittäneet mittarit liiketoiminnan ytimeen. Muuttuuko tämä tulevaisuudessa, kun alatte innovoida ydintoimintamallin ulkopuolella?

Michael Domanic: Kyllä, mutta en vielä tiedä tarkasti, miten. Tällä hetkellä mittaamme kahta asiaa. Ensimmäinen on tekoälyn käyttöönotto koko organisaatiossa. Se on hieman pinnallinen mittari, mutta kriittinen: muutosta ei tapahdu, ellemme käytä työkaluja. Tällä hetkellä tekoälytyökalujen viikoittain ja päivittäin aktiivisten käyttäjien osuus on lähes sata prosenttia.

Toinen mittari on vaikutus liiketoiminnan tuloksiin. Jatkamme sen mittaamista, mutta todennäköisesti painotamme käyttöönottomittareita vähemmän.

Olemme siirtymässä toiseen vaiheeseen, jossa keskitymme itsenäisiin tekoälyagentteihin ja niiden tuomiseen liiketoimintaprosesseihin. Alamme mitata niiden vaikutusta prosesseihin ja työnkulkuihin. En tiedä vielä täsmälleen, miltä se näyttää, mutta todennäköisesti kyse on edelleen liiketoiminnan tulosten mittaamisesta hieman eri tavalla.

Galen Low: Haluaisin päättää keskustelun tulevaisuuteen. Ennusteissasi mainitsit, että tekoälyjohtajan kaltaisista rooleista tulee perustason tehtäviä keskisuurissa ja suurissa yrityksissä, tekoälyagentit toimivat taustalla ja toimitusjohtajat keskustelevat yleisen tekoälyn jälkeisistä strategioista.

Mainitsit myös, että tietolähteistämme tulee paljon sotkuisempia tekoälyn tuottaman sisällön vuoksi. Yksi hypoteesisi oli, että käyttäjäkokemuksen tutkijoista ja suunnittelijoista tulee yritysten tärkeimpiä ihmisiä vuonna 2026. Mitä tarkoitat sillä?

Michael Domanic: Tuotteiden luomisen esteet madaltuvat nopeasti. Rautalankamallien ja prototyyppien luominen on helpompaa, ja uusia liiketoimintoja voi rakentaa entistä nopeammin.

Yritykset käyttävät työkaluja nopeuttaakseen tuotekehitystä, mutta edelleen on erittäin vaikeaa luoda tuotteita, joita ihmiset oikeasti haluavat käyttää.

Tässä suunnittelijat ja käyttäjäkokemuksen tutkijat astuvat kuvaan. He auttavat liiketoimintaa ymmärtämään, mitkä kaikista käyttämistämme nopean prototypoinnin ja ohjelmistokehityksen työkaluilla luoduista tuotteista todella kiinnostavat asiakkaita.

Käyttäjäkokemuksen suunnittelijoilla ja tutkijoilla on aina ollut tärkeä rooli, erityisesti SaaS-yrityksissä. Tuotteita on kuitenkin luotava paljon nopeammin. Jos julkaiset ensi vuonna kymmenen kertaa enemmän ominaisuuksia kuin tänä vuonna, mutta ne eivät kiinnosta asiakkaita, et ole edistänyt liiketoimintaa lainkaan.

Galen Low: Käyttäjäkokemuksen tehtävä ei ole vain rautalankamallien, koodin tai digitaalisten kokemusten rakentaminen. Tehtävänä on vedota käyttäjiin. Sama koskee organisaation sisäisiä työkaluja. Niitä käyttävät ihmiset ovat käyttäjiä, eivät vain työntekijöitä.

Jotta ihmiset omaksuvat työkalut ja jotta ne kehittyvät käyttäjäpalautteen perusteella, on luotava kokemus, jota ihmiset haluavat käyttää. Se parantaa kulttuuria, tekee liiketoiminnasta terveemmän ja auttaa houkuttelemaan osaajia.

Michael Domanic: Täysin samaa mieltä.

Galen Low: Pidin artikkelistasi todella paljon, ja lisään siihen linkin ohjelman muistiinpanoihin. Mitä muuta yleisön kannattaa huomioida?

Michael Domanic: Käyttäjäkokemuksen lisäksi kannattaa valmistautua sisältötulvaan, koska se on tulossa. Ennustan, että sosiaalisen median käyttö vähenee voimakkaasti vuoden 2026 loppuun mennessä. Ihmiset kyllästyvät tekoälyn tuottamaan sisältöön eivätkä enää tiedä, mitä katsovat.

Käyttäjäkokemuksella on tässäkin rooli. Sosiaalisen median yritysten on mietittävä strategisesti, mitä tämä tarkoittaa niiden liiketoiminnalle ja millaisen kokemuksen ne haluavat tarjota käyttäjilleen.

Galen Low: Kanavamme kuluvat nopeasti. Sähköpostikin on kanava, jota käytämme tuskin enää, koska suurin osa saapuvasta sisällöstä on roskapostia. On kiinnostavaa nähdä, mikä korvaa sen tai miten sopeudumme.

Michael, tämä on ollut hienoa. Onko sinulla kysymystä, jonka haluaisit esittää minulle?

Michael Domanic: Mitkä ovat ennusteesi tekoälystä vuonna 2026?

Galen Low: Hyvin yleisellä tasolla ja optimistisesta näkökulmasta uskon, että jotkin myytit ja erityisesti pelottelu alkavat väistyä. Ihmiset käyttävät tekoälyä, ymmärtävät, mihin se sopii ja mihin ei, ja pelotteluun perustuva puhe menettää merkitystään.

Tekoäly ei ole itsessään hyvä tai paha. Se on teknologiaa. Toivon, että vähemmän faktapohjaiset väitteet tekoälystä, muutoksesta ja liiketoimintavaikutuksista alkavat väistyä keskustelusta.

Michael Domanic: Mielenkiintoista. Lopetammeko siis Gary Marcuksen kaltaisten tekoälytuomiopäivän ennustajien lukemisen?

Galen Low: Luultavasti tuomiopäivän ennustajia on edelleen, mutta toivon heitä olevan vähemmän. Michael, arvostan todella paljon aikaasi. Jos ihmiset haluavat oppia lisää sinusta ja UserTestingistä, mistä he löytävät lisätietoa?

Michael Domanic: Minua voi seurata LinkedInissä. Julkaisen siellä paljon tekoälyä koskevaa sisältöä. Jos työskentelet yrityksessä, joka haluaa palautetta tekemisistään, ota yhteyttä UserTestingiin. Kyse voi olla tekoälymuutosohjelmasta, rakentamistasi tuotteista tai vaikka tuottamastasi sisältötulvasta. Jos haluat palautetta, kerro meille.

Galen Low: Pidän noista kolmesta käyttötavasta. Michael, kiitos vielä kerran.

Michael Domanic: Kiitos, Galen. Oli hienoa keskustella kanssasi.

Galen Low: Siinä kaikki tämän päivän The Digital Project Manager -podcast-jaksosta. Jos pidit keskustelusta, tilaa podcast palvelussa, jossa kuuntelet sitä. Jos haluat lisää käytännönläheisiä näkemyksiä, kuten tapaustutkimuksia ja toimintamalleja, käy osoitteessa thedigitalprojectmanager.com.

Ensi kertaan – kiitos kuuntelusta.