Miten tekoäly voi auttaa tekemään parempia projektipäätöksiä

Galen Low: Projekteja voidaan tavallaan pitää vain päätösten kokoelmana. Päätökset ovatkin merkittävä osa siitä, mikä vie projekteja eteenpäin. Mutta miten voimme odottaa ihmisten tekevän hyviä päätöksiä, kun projektit etenevät nopeasti ja arvioitavana on valtava määrä tietoa ja dataa? Tekoäly voi ehdottomasti auttaa, mutta sillä ei aina ole riittävää kontekstia, eikä päätöksistä vastuuttaminen ole silti mahdollista.

Toisaalta joskus vaistonvaraiset nopeat päätökset osoittautuvat parhaiksi. Mikä siis on oikea tasapaino dataohjautuvan, tekoälyn avustaman päätöksenteon ja asioiden yhdessä pohtimisen välillä? Missä vaiheessa hyödyt alkavat vähentyä, ja mikä tärkeintä, miten päätöksiä oikeastaan tehdään? Syventyäkseni aiheeseen kutsuin mukaan tekoälyn ja tiedonhallinnan asiantuntijan, jonka taustaan kuuluu kaikkea psykologiasta ja yritysten kustannusarvioinnista yrittäjyyteen sekä tuoteomistajan tehtäviin Fortune 50 -yrityksissä, kuten Metalla ja ExxonMobililla.

Käymme yhdessä läpi konkreettisia esimerkkejä siitä, miten tekoäly voi tukea laadukasta päätöksentekoa, miten jäljitettävyys voi auttaa ihmisiä tekemään parempia päätöksiä, miten vastuu muuttuu tekoälyn tullessa mukaan ja mitä projektipäällikön roolille tapahtuu, jos tekoäly helpottaa aiemmin meille kuuluneiden päätösten tekemistä.

Toivottavasti nautit jaksosta.

Tervetuloa Digital Project Manager -podcastiin – ohjelmaan, joka auttaa toimitusjohtajia työskentelemään älykkäämmin, toimittamaan sujuvammin ja johtamaan tiimejään luottavaisin mielin tekoälyn aikakaudella. Minä olen Galen, ja joka viikko perehdymme käytännön strategioihin, uusiin kehityssuuntiin, hyväksi todettuihin viitekehyksiin ja toisinaan myös tosielämän tarinoihin projektien etulinjasta.

Olitpa sitten ohjaamassa valtavia muutoshankkeita, hallinnoimassa tekoälyn työnkulkuja tai vain yrittämässä pitää kaaoksen hallinnassa, olet oikeassa paikassa. Jos olet pitänyt siitä, mitä olet meiltä viime aikoina kuullut, seuraa meitä siellä, missä kuuntelet tai katselet, ja harkitse myös arvostelun jättämistä. Siirrytään asiaan.

Tänään puhumme tekoälyn tukemasta päätöksenteosta ja siitä, miksi päätösten laatu saattaa ratkaista projektin tai hankkeen onnistumisen. Käymme läpi, miten irralliset päätökset synnyttävät riskejä, miten projektijohtajat voivat parantaa päätösten laatua monimutkaisissa tiimeissä ja miten tekoäly voi auttaa meitä tekemään parempia päätöksiä – ja päinvastoin.

Vieraanani on Optimalityn toinen perustaja ja tuotepäällikkö Cali Collins. Cali on kokenut tuotejohtaja, jonka ura on kattanut tekoälyinfrastruktuurin, tietojärjestelmät, yritysten muutoshankkeet ja laajamittaisten pääomaprojektien toteutuksen. Ennen Optimalityn perustamista hän johti tuotekehitystä muun muassa Metalla ja ExxonMobililla. Tämä on antanut hänelle ainutlaatuisen näkökulman siihen, miten päätöksiä tehdään – tai jätetään tekemättä – sekä nopeasti muuttuvissa teknologiaympäristöissä että monimutkaisissa Fortune 50 -yrityksissä.

Nykyään hän edistää Optimalityn avulla tekoälyn ehdoilla rakennettua päätöksenteon infrastruktuurialustaa, joka auttaa organisaatioita jäsentämään, optimoimaan ja skaalaamaan päätöksentekoa ylikuormittavan datan ja kilpailevien prioriteettien aikakaudella.

Cali, kiitos kun olet mukana tänään.

Cali Collins: Ehdottomasti. Kiitos paljon kutsusta.

Galen Low: On hienoa saada sinut mukaan. Aloitan hieman kipakalla kysymyksellä ja pohjustan sitä hieman. Monissa organisaatioissa päätöksenteon ympärillä on hyvin vähän rakennetta tai kurinalaisuutta, ja joskus merkittäviä päätöksiä tehdään sähköpostiketjussa tai suullisesti golfkentällä.

Useimmiten tiimit ovat liian kiireisiä reagoimaan näihin päätöksiin pysähtyäkseen miettimään: ”Onko tämä hyvin perusteltu päätös?” He vain tavallaan menevät sen mukana. Kysymykseni on siis tämä: kun me ihmiset emme oikeastaan pysty selittämään toisillemme, miten päätökset syntyvät ja miksi, eikö ole hieman harhaanjohtavaa ajatella, että tekoäly voisi yhtäkkiä parantaa organisaation päätöksentekoa?

Cali Collins: Niin, ehdottomasti. Uskon, että suuri osa tästä liittyy vinoumiin. Jos kysyt, miksi tein jonkin päätöksen, kertomani syy ei ehkä todellisuudessa ole se, miksi päätin toimia niin. Meillä kaikilla on omat näkökulmamme. Sinulla on oma näkökulmasi siihen, miten kuulisit minun toistavan päätökseni, ja puhuimme tästä hieman myös valmistautumisen aikana.

Kaikki, mitä teet, on päätös. Et voi dokumentoida kaikkea samalla kun toimit. Päätin kirjautua tähän puheluun. Aionko sitten kirjoittaa sen muistiin? Koska minun täytyy tehdä päätös myös siitä, milloin kirjaan juuri tekemäni päätöksen. Elämämme on päätösten sarja, ja kun käytössä on tekoälyn kaltainen järjestelmä, joka tallentaa tapahtumat automaattisesti niiden aikana ilman, että niitä tarvitsee tietoisesti dokumentoida, se voi auttaa meitä juuri siinä.

Galen Low: Pidän tuosta todella paljon, koska aloitat vinoumista, ja minä olen yksi niistä ihmisistä, jotka uskovat, että vinoumat voivat olla sekä hyviä että huonoja. Meillä on tiedostamattomia vinoumia, jotka varmasti jarruttavat meitä lajina, mutta on myös vinouma, joka syntyy siitä, että tiedämme sen minkä tiedämme. Puhumme paljon vaistonvaraisista päätöksistä ja siitä, ovatko ne hyviä vai huonoja, mutta pohjimmiltaan suuri osa päätöksistä tehdään jonkinlaisen logiikan perusteella, vaikka ihmiset eivät näyttäisikään päättelyään.

Toisaalta on myös tilanteita, joissa tehdään nopea päätös ja asiat menevät pieleen. Se on ehdottomasti mahdollista. Luulen kuitenkin, että sivuutamme asian, koska meillä ei ensinnäkään ole aikaa jäljittää kaikkea ja selittää jokaista yksityiskohtaa. Meidän on luotettava siihen, että päätöksentekijät tekevät hyviä päätöksiä. Lisäksi päätöksiin vaikuttaa paljon muutakin, eikä se välttämättä ole maailman huonoin asia.

Cali Collins: Se on täysin totta. Aivoissa on eri osia, joita käytämme erityyppisten päätösten tekemiseen. Nopeat ja vaistonvaraiset päätökset syntyvät eri alueella kuin päätökset, joita pysähdymme pohtimaan. Se on kiinnostavaa.

Galen Low: Pidän tuosta. Ehkä tämä on hyvä kohta tarkentaa, koska pidän ajatuksesta, että päätöksenteossa on kaksi toimintatapaa. Ensimmäinen on eräänlainen kiireellisen päätöksen tekemisen tila, joka saattaa ohittaa kaiken sen logiikan ja perustan, jota yleensä käytämme.

Sitten on rauhallinen tila, jossa päätös tehdään tietoon perustuen, arvioimalla ja analysoimalla. Tavallaan käytettävissä oleva tieto palauttaa meidät tälle tasolle, jossa emme tee hätiköityjä päätöksiä, koska tiedämme voivamme käyttää aikaa.

Tietoa on saatavillamme nopeasti, ja voimme tehdä päätöksen perustellusti. Voisin laajentaa näkökulmaa vielä enemmän, koska kokemuksesi kiinnostaa minua. Tulet tuotealalta ja olet syvästi kokenut tuoteasiantuntija, joka on ottanut melko suuren suunnanmuutoksen siirtymällä Metan ja ExxonMobilin kaltaisista organisaatioista rakentamaan tekoälyn ehdoilla toimivaa päätöksenteon käyttöjärjestelmää.

Toivottavasti saan kuvata sitä näin.

Cali Collins: Kyllä.

Galen Low: Ajattelin kysyä yksinkertaisesti: miksi päätökset? Missä olet nähnyt virheellisen päätöksenteon romahduttavan projektin tai strategisen suunnitelman, ja millaisia taustalla olevia syitä olet havainnut, jotka saivat sinut suunnittelemaan ratkaisua tähän?

Cali Collins: Kaikki, mitä teemme, liittyy päätöksiin. Se on koko ihmiskuntaa koskeva ongelma, ja halusin tehdä jotain, joka todella vaikuttaisi siihen, miten työskentelemme päivittäin ja jolla olisi suuri vaikutus. Kuten aloit kuvata, on dataperusteisia päätöksiä ja sitten välittömiä nopeita päätöksiä.

Mainitsit turvallisuuden, ja aloin ajatella sitä hieman eri tavalla, koska projektitaustani vuoksi ajattelen työturvallisuutta, kuten HSE-turvallisuutta, jos joku on loukkaantumassa.

Galen Low: Aivan.

Cali Collins: Jos näet vaarallista toimintaa, sinun on puututtava siihen ja toimittava. Toisaalta on päätöksiä, joissa täytyy ottaa askel taaksepäin, analysoida ja harkita asiaa hieman pidempään.

Aloitin kustannusarvioinnista ja työskentelin sen parissa vuosia. Se oli päivittäinen työni, vaikka minulla oli aina myös tuotepuoli mukana. Sain paljon kokemusta ylimmistä johtajista ja olin neuvottelupöydässä, kun suuria päätöksiä käytiin läpi.

Näin, kuinka ihmiset nostivat nämä johtajat jalustalle ja kysyivät: ”Mitä mieltä olet? Mitä meidän pitäisi tehdä?” Kun pääsin muutaman kerran keskustelemaan heidän kanssaan kahden kesken, kysyin: ”Mistä tiedät oikean päätöksen? Perustuuko se kaikkeen tähän käytettävissä olevaan dataan? Missä vaiheessa hyödyt alkavat vähentyä tai sijoituksen tuotto saavuttaa rajansa?”

Jotkut heistä vastasivat: ”Kerron sinulle salaisuuden. En tiedä puoliakaan ajasta. Menen vain vaiston varassa.” He olivat päätyneet asemaansa, koska olivat tehneet paljon hyviä päätöksiä. Samalla ihmiset odottavat heiltä varmuutta, vaikka heillä ei aina ole kaikkea tietoa ja dataa oikean päätöksen tekemiseen.

Ajattelin, että jos voisin auttaa näitä ihmisiä, jotka tekevät valtavia päätöksiä – käytämmekö miljardeja tähän vai tuohon – ymmärtämään, missä kohtaa lisätiedon hyöty alkaa vähentyä, voisin auttaa heitä merkittävästi.

Missä vaiheessa data auttaa? Miten voimme toimittaa sen heille nopeasti, jotta he voivat tehdä nopeita päätöksiä ja luottaa samalla vaistoonsa ja päätöksenteon tueksi saatavilla olevaan tietoon?

Galen Low: Rakastan tuota haavoittuvuuden hetkeä. On järkevää ajatella, että tilanne on monille meistä samanlainen: ”En tiedä. Minun on tehtävä päätös paineen alla. Olen tehnyt aiemmin hyviä päätöksiä, mutta minulla ei ole mitään takuuta siitä, että teen aina oikean päätöksen. Todennäköisyyteni on kuitenkin melko hyvä, ja siksi olen päätynyt tähän tehtävään. Joskus vain menen vaiston varassa.”

Pidän ajatuksesta, ettei sen tarvitse jäädä siihen. Päätösten laatu ei ehkä ole jo valmiiksi huono, mutta voisiko onnistumistodennäköisyyttä parantaa? Voisimmeko tehdä oikean päätöksen hieman todennäköisemmin? Jo pelkkä tähän asemaan liittyvä epävarmuus ja paine voivat olla raskaita.

Puhumme joskus miljardeista dollareista, ja ihminen ajattelee: ”En tiedä. Minun on tehtävä päätös ja hyödynnettävä sitä, minkä tiedän. Lisäksi voin tukea päätöstäni muulla datalla.” Luulen, että juuri tässä on tekoälyn nykyinen vahvuus: se pystyy kokoamaan suuria määriä tietoa ja dataa yhteen ja tiivistämään ne tarpeidemme mukaisesti.

Ehkä tämä on hyvä siirtymä Optimalityyn. Voisitko kertoa hieman, mitä Optimality tekee, miten se auttaa ja millaisia käyttötapauksia on, joissa päätöksenteon riskiä voidaan poistaa tai ainakin pienentää?

Cali Collins: Ehdottomasti.

Olemme kehittäneet Optimalityä noin kaksi ja puoli vuotta, joten se on luonnollisesti muuttunut ja kasvanut jatkuvasti. Ytimessä on aina ollut päätöksenteon parantaminen, joka kehittyi päätöksenteon optimoinniksi. Siitä nimi Optimality sai alkunsa. Optimointiteoriassa on matemaattinen käsite, joka liittyy myös lisähyödyn vähenemiseen.

Mikä on optimaalinen päätös? Olemme omaksuneet tämän ajatuksen osaksi sitä, mitä rakennamme. Optimality toimii kontekstikaavion päällä. Kun työskentelet Optimalityssä, käytät järjestelmää ymmärtääksesi, mitä sinun pitäisi tehdä tänään ja mitä teit eilen.

Kyse on kuitenkin paljon suuremmasta kokonaisuudesta. Se sisältää varsinaisen tuottamasi sisällön ja toimitettavat tuotokset sekä kaikki käsittelemäsi päätökset. Julkaisimme juuri tänään uuden päätösvelhon, jonka avulla voit käsitellä perusteellista päätöstä vaihe vaiheelta.

Velhon rinnalla käytössäsi on Opti-keskustelu, jolta voit kysyä: ”Pohdin näiden kahden vaihtoehdon välillä. Mitä ajattelet, Opti?” Se auttaa sinua jäsentämään asian. Seuraavaksi voit kysyä: ”Mitä epävarmuuksia tähän päätökseen liittyy? Missä oma henkilökohtainen vinoumani vaikuttaa? Milloin olemme aiemmin tehneet vastaavan päätöksen ja miten siinä kävi?”

Opti tarkastelee kontekstikaaviotasi ja yrittää ymmärtää, milloin olet käsitellyt saman päätöksen aiemmin. Kaavioksi muodostuu organisaatiosi ja toteutuksen älykkyys, joka imee jatkuvasti tietoa taustalla. Näin Opti voi kehittyä älykkäämmäksi ja tarjota parempia näkemyksiä, kun sinun täytyy päättää vaihtoehdon A ja B välillä tai pohtia, onko olemassa vaihtoehto C, jota et ole tullut ajatelleeksi.

Galen Low: Pidän siitä, kuinka nerokkaan tekninen nimi Optimality oikeastaan on. Kyse ei ole vain päätöksenteon optimoinnista, vaan matemaattisesta teoriasta, joka määrittää, missä kohtaa päätöksenteon lisähyödyt alkavat vähentyä. Se on todella kiinnostavaa. Valmistautuessamme opetit minulle myös ajatuksen kontekstikaaviosta, joka toimii eräänlaisena hermoverkkona joillekin käyttämillemme tekoälytyökaluille.

Käytit muistaakseni termiä päätöskonteksti, ja alan nyt ymmärtää sitä. Opti imee mukaansa kaiken tämän tiedon prosessin aikana. Ei niin, että vasta päätöksen tullessa vastaan joku sanoo: ”Voisitko kerätä kaiken tarvittavan tiedon ja kysyä näiltä ihmisiltä?” ja sitten kuluu päiviä neuvojen kokoamiseen päätöksentekijälle.

Kaikki onkin jo valmiiksi saatavilla. Mitä päätöskonteksti tarkoittaa projektihallinnan ympäristössä? Mitä tiimit joskus jättävät päätöksentekoprosessissaan huomioimatta, ja miten tämä järjestelmä auttaa?

Cali Collins: Ihmisaivot ovat erinomaiset tietyissä asioissa, mutta niillä on myös rajoituksensa. Et voi olla jokaisessa kokouksessa keräämässä kaikkea dataa, josta muut puhuvat. Kuvittele, jos sinulla olisi edustaja, joka olisi mukana muissa kokouksissa ja omaksuisi siellä käsitellyn tiedon.

Siinä tekoäly astuu kuvaan. Ihmisten näkökulmasta perustamme toimintamme yhteistyöhön ja viestintään. Tämä oli suuri syy siihen, miksi siirryin Metalle, sillä he pyrkivät rakentamaan koko maailmalle yhteistä yhteistyöalustaa. Ihmiset menevät sinne jakamaan asioita ja liittymään yhteisöön. Se on ihmisyydelle erittäin tärkeää, vaikka nykyisessä tekoälyn ja ihmisten vastakkainasettelussa tämän sanominen tuntuukin hieman oudolta.

Ihmisenä vahvuuteni on pystyä kokoontumaan muiden kanssa, vaihtamaan ajatuksia ja muuttamaan omia näkemyksiäni muiden kertomien asioiden perusteella. Ihminen täytyy siis pitää mukana päätöksenteossa. Meillä kaikilla on omat kokemuksemme, ja meidän on tehtävä yhteistyötä löytääksemme parhaan mahdollisen päätöksen.

Galen Low: Pidän tästä vuorovaikutuksesta. Lähtökohta ei ole se, että ihmiset ovat huonoja tekemään päätöksiä, koska emme pysty omaksumaan kaikkea tietoa ja ennustamme tulevaisuutta huonosti. Nämä väitteet ovat osittain totta, mutta kyse on vuorovaikutuksesta: olemme olentoja, jotka keskustelevat, tuntevat ja tekevät päätöksiä tunteiden perusteella. Teknologia, erityisesti tekoäly, pystyy tekemään sen, mihin aivomme eivät kykene.

Se voi koota yhteen keskustelut ja muun tiedon ja tiivistää ne niin, ettei meidän tarvitse yrittää muistaa jokaista yksityiskohtaa. Meillä ei ole siihen kapasiteettia eikä siihen liittyvää kulttuuria.

Pidän ajatuksesta, että tekoäly neuvoo ja antaa tietoa mutta ei korvaa keskustelua siitä, miten päätös tehdään. Meidän täytyy edelleen puhua asiat yhdessä. Ihmisten välinen yhteistyö on tärkeää, koska keskustelun avulla voimme tehdä hyvän päätöksen.

Samalla voimme tukea sitä asioilla, joihin aivomme eivät yksin pysty.

Cali Collins: Juuri niin. Puhun Optin kanssa jatkuvasti. Aloittavassa yrityksessä on pieni tiimi, joten joskus on hyödyllistä keskustella myös tekoälyn kanssa ja antaa sen heijastaa ajatuksia takaisin.

Se tietää, mitä työskentelet, koska Opti perustuu kontekstikaavioon. Se tietää, mitä sinä ja kaikki tiimisi jäsenet teette.

Galen Low: Voisimme ehkä siirtyä tähän, koska monille yhteisöni jäsenille tekoäly on jo täällä. Sanotaan vain niin. Sen käyttö tuntuu tavallaan pakotetulta, koska emme voi valita, käytämmekö sitä vai emme.

Teknologian luonteeseen kuuluu myös eräänlainen isoveliulottuvuus: mitä enemmän kontekstia sillä on ja mitä enemmän se tietää, sitä paremmin se pystyy toimimaan ja auttamaan meitä. Monet kuuntelijat ajattelevat varmasti: ”Kuulostaa pelottavalta, että Opti kuuntelee kaikkea ja ottaa kaiken talteen.” Onko tässä jotain orwellilaista?

Voimmeko päätöskontekstin ja kontekstikaavioiden yhteydessä valita, mitä jaamme tekoälyn kanssa? Onko kyse kaikki tai ei mitään -ratkaisusta? Jos ei, mitä meidän pitäisi jakaa tekoälylle, jotta se voisi neuvoa meitä paremmin, vaikka emme antaisikaan sille täydellistä pääsyä jokaiseen näppäinpainallukseen ja tietokoneella käymäämme keskusteluun?

Mitkä asiat tekoälylle pitäisi siis antaa, jotta se voisi neuvoa meitä paremmin?

Cali Collins: Kun aloimme rakentaa Optimalityä, liitimme sen rajapintojen kautta sähköposteihini ja keskusteluihini. Aloitimme näin, mutta ymmärsimme nopeasti, että laajentaminen olisi pelottavaa ja ihmiset haluaisivat enemmän kontrollia siihen, mitä he jakavat.

Tämä liittyy myös tekoälyn hallintaan. Et välttämättä halua, että tekoäly ottaa tietosi, tekee päätöksiä ja lähettää sähköposteja puolestasi. Jos annat Optille tai tekoälylle pääsyn salasananhallintaasi, sähköpostin lähettämiseen ja pankkitilillesi, olet avannut valtavan ongelmien vyyhdin.

Jos sähköpostissa vuotaa salainen tieto, agentin käynnistänyt ja luvan antanut henkilö on siitä vastuussa. Hän kantaa oikeudellisen vastuun hallinnon näkökulmasta, vaikka ei olisi koskaan nähnyt sähköpostia ennen sen lähettämistä. Siksi on erittäin tärkeää pysyä itse hallinnassa sen suhteen, mitä tekoälylle antaa ja mitä sen sallii tehdä.

Siksi rakensimme järjestelmän niin, että voit valita esimerkiksi kokouksen lopussa, haluatko tallentaa kokouksen puhtaaksikirjoituksen vai et. Voit myös valita, tallennetaanko tietty sähköpostikeskustelu. Näin hallitset paremmin myös sitä hyvää tietoa, jonka annat järjestelmälle. Jos tekoälyä koulutetaan vain internetin roskalla, se ei tiedä, mikä on hyvää ja mikä ei.

Jos pidät tiedon laadukkaana ja annat sille vain hyvää tietoa, se saa enemmän hyötyä. Pidämme myös ihmisen mukana päätöksissä. Optimality voi luoda asiakirjoja, luonnostella sähköposteja ja päivittää tilannetietoja, mutta lopussa ihminen päättää, mitä tehdään.

Tämä eroaa joistakin yrityksistä, jotka lupaavat rakentaa kokonaisen markkinointitiimin, antaa sen toimia itsenäisesti, julkaista sosiaalisessa mediassa ja ottaa työn haltuun. Me uskomme sen sijaan ihmisten ja tekoälyn yhteistyöhön. Jos haluat työskennellä markkinoinnin parissa, voit ottaa markkinointiroolin, käyttää markkinoinnin asiantuntijana toimivaa avustajaa ja saada ohjausta matkan varrella, mutta sinä teet edelleen päätökset.

Galen Low: Pidän tästä, ja uskon monien kuuntelijoideni pitävän myös. Kyse on jälleen teknologian ja ihmisyyden välisestä vuorovaikutuksesta. Haluan palata myöhemmin siihen, miten kontekstikaavioon jaettavaa tietoa kuratoidaan, koska se on kiinnostavaa ihmisten päätöksenteon kannalta.

Ehkä ennen sitä voisimme kuitenkin tarkastella hyvää käyttötapausta. Miten tekoäly ja Optimality voivat auttaa meitä tekemään parempia päätöksiä? Pidän ajatuksesta, että meillä on markkinointia ajatteleva keskustelukumppani ja Opti, jonka kanssa voimme keskustella.

Voimmeko käydä vaihe vaiheelta läpi, miten tämä toimii? Optimality kerää taustalla tietoa, minkä jälkeen sanomme: ”Meidän täytyy kehittää kampanja tai tehdä viikon LinkedIn-julkaisu.” Miltä vuorovaikutus näyttää ja miten se parantaa työskentelyä verrattuna tilanteeseen, jossa tekoälyä ei olisi taustalla?

Cali Collins: Yksi käyttötapauksista, joiden parissa työskentelemme, on Optimalityn päälle rakennettava yrityksen käyttöjärjestelmä. Optimalityä voi ajatella alustana, joka mahdollistaa erilaisia käyttötapauksia, vähän kuin Excel. Excelissä voi tehdä monenlaisia asioita, mutta se ei määrää, että sitä on käytettävä budjettitaulukon tekemiseen.

Se mahdollistaa toiminnan. Meillä on tässä suhteessa enemmän rakennetta kuin Excelissä, mutta sallimme silti monia erilaisia käyttötapauksia. Yksi kiinnostava alue on yrityksen käyttöjärjestelmä. Sen avulla voit esimerkiksi kehittää sivutoimista yritystä.

Monet yrittävät nykyään aloittaa sivubisneksen, koska tekoälyn aikakaudella sovelluksen voi rakentaa luonnollisella koodauksella muutamassa viikossa. Yhden päivän lupaukset eivät yleensä ole realistisia, jos tuotteesta halutaan hyvä. Lisäksi luonnollisesti koodatun työkalun tietoturva voi olla ongelma.

Oman yrityksen perustaminen on nykyään kuitenkin helpompaa. Ihmisillä on paljon mahdollisuuksia yrittäjyyteen. Saatat tuntea sovelluksen, jonka haluat rakentaa, mutta et markkinointia, sosiaalista mediaa tai liiketoimintasuunnitelman tekemistä. Tai ehkä olet hyvä markkinoinnissa, mutta et tunne taloutta, veroja ja muita vastaavia asioita.

Rakennamme kykyä, jonka avulla voit mennä Optimalityyn, kertoa tavoitteistasi ja siitä, mitä haluat tehdä. Järjestelmä ottaa tiedot vastaan, dokumentoi ne ja luo sinulle strategian, minkä jälkeen voit kysyä: ”Haluanko todella tehdä näin?” Keskustelet Optin kanssa edestakaisin.

Voit sanoa: ”Kyllä, tämä on suunnilleen sitä, mitä haluan. Tallenna se.” Sen jälkeen järjestelmä kartoittaa suunnitelman tavoitteidesi saavuttamiseksi. Se tekee tämän automaattisesti tekoälyn avulla, mutta voit muokata kaikkea haluamallasi tavalla. Se auttaa luomaan rakennetta yrityksen perustamiseen.

Yrityksen perustaminen on vain yksi käyttötapaus. Voit käyttää järjestelmää myös esimerkiksi jalostamon rakentamiseen. Yksi asiakkaistamme on Chevron. Kun etenet eri vaiheissa, järjestelmä voi kysyä, haluatko Optin auttavan markkinointisuunnitelman tai sisällön kehittämisessä tai muissa tehtävissä, joita agentit voivat hoitaa.

Voit työskennellä tekoälyn rinnalla, mikä tekee toiminnasta helpompaa. Monet pien- ja keskisuurten yritysten omistajat tai sivubisneksistä kiinnostuneet ovat uteliaita tekoälyn suhteen, mutta eivät tiedä, mistä aloittaa.

Miten voimme tehdä tästä helppoa ilman, että käyttäjä avaa Clauden, yrittää ymmärtää agenttien toimintaa ja kuluttaa valtavasti syötteitä? Käytän itse Claudea aktiivisesti ja pidän siitä, mutta alkuun pääseminen vie aikaa. Useimmille ihmisille se ei ole erityisen helposti lähestyttävää.

Tämä on vain yksi käyttötapauksista, joiden parissa työskentelemme.

Galen Low: Hienoa. Kiitos ensinnäkin kaikesta tästä. Ajattelin aluksi, että sanoisit: ”Ei mitään pahaa luonnollisesta koodauksesta.” Olet kuitenkin osunut asian ytimeen. Esimerkiksi yrityksen perustamisen esteet ovat paljon matalampia, mutta samalla mukana on hypeä: koko tuotteen ja alustan voisi muka rakentaa päivässä.

Ei, niin ei voi tehdä. Se on kuitenkin todennäköisesti helpompaa kuin ennen. Tässä on siis välimuoto. Kuten sanoit, Excel on hyvin yleiskäyttöinen työkalu. Optimality puolestaan asettaa asioita raiteilleen. Jos Claude on Excel, Optimality on erikoistuneempi ja tiettyyn tehtävään paremmin soveltuva ratkaisu kuin yleinen keskustelubotti.

Jotkut kuuntelijat saattavat sanoa: ”Cali, pystyn tekemään tuon. Teen sen Claudella. Claude auttaa markkinoinnissa, kun kysyn siltä asioita.” Kuulostaa kuitenkin siltä, että Optimalityssä työ myös todella etenee. Kyse ei siis ole vain siitä, että käyn kysymässä neuvoa keskustelukentästä, vien asiakirjan muualle ja minun on itse muistettava määräpäivä, julkaistava sisältö ja tehtävä muut päätökset matkan varrella.

Tapahtuuko Optimalityssä oikeasti työskentelyä? Onko se päätösten optimointialustan lisäksi myös työskentely- ja yhteistyöalusta?

Cali Collins: Se on ehdottomasti yhteistyöalusta. Nyt näet, missä todellinen arvo on. Kun yksi yritystä perustava henkilö tarvitsee rakennetta, seuraava suuri alue ovat pienyritykset, jotka kasvavat niin suuriksi, ettei kukaan enää tiedä tarkalleen, mitä kaikki tekevät.

Kun ihmiset työskentelevät ja tekevät yhteistyötä järjestelmässä, rakennat samalla kontekstikaaviota. Mikä on yrityksesi visio? Mikä on missio? Mitkä ovat periaatteesi? Kaikki tämä muodostaa osan Optin älykkyydestä.

Kun se ehdottaa markkinointistrategiaa tai erilaisia vaihtoehtoja, ehdotukset perustuvat siihen, mitä olet kertonut järjestelmälle. Se tietää, mikä on sinulle tärkeää ja arvokasta. Rakennatko kukkakauppaa, josta haluat maailman suurimman ja joka syrjäyttää kaikki muut kukkakaupat? Vai haluatko olla pienen paikkakuntasi paras kukkakauppa, koska sinulla on siihen erityinen intohimo?

Konteksti auttaa jäsentämään kaiken tämän. Voisit toki kysyä Claudelta: ”Laadi minulle markkinointisuunnitelma.” Se vastaisi yleisellä ehdotuksella. Se ei kuitenkaan ymmärrä kaikkea järjestelmässäsi ja toimintaympäristössäsi tapahtuvaa.

Galen Low: Pidän tuosta. Mainitsit, että yrityksen kasvaessa näkyvyys joskus vähenee, koska emme rakenna järjestelmiä heti alussa.

Aluksi toimimme improvisoiden, kunnes yhtäkkiä meillä on 15 tai 50 työntekijää ja ajattelemme: ”En tiedä, mitä tapahtuu, enkä edes kaikkien toisten toisia nimiä.” Onko prosessimme edelleen kunnossa? Toimivatko ihmiset arvojemme ja missiomme mukaisesti?

Haluan palata ajatukseen siitä, mitä jaamme tekoälylle – ja oikeastaan myös muille ihmisille – jotta voimme auttaa heitä tekemään päätöksiä. Tarvitseeko heidän tietää, että olin viime perjantaina hammaslääkärissä? Ehkä koko kalenteriani ei tarvitse jakaa.

Olen kuitenkin ollut tilanteissa, joissa päätöksiä tehdään ajatuksella, ettei kaikille tarvitse antaa koko kuvaa. Tietoa jätetään pois tai sitä hämärretään. Jos emme anna tekoälylle koko kontekstia, emmekö samalla heikennä sen kykyjä? Tässä tuntuu olevan tasapaino liiallisen tiedon ja inhimillisten vivahteiden välillä.

Miten estämme ihmisiä käyttämästä tekoälyä päätösten ohjaamiseen haluttuun suuntaan jättämällä tietoja jakamatta? Ja onko päätöksiä, jotka tarvitsevat inhimillistä hienovaraisuutta ja joita pitäisi käsitellä ihmislähtöisesti sen sijaan, että kaikkiin päätöksiin sovellettaisiin samaa kaavaa?

Cali Collins: Kun ajatellaan, mitä tekoälylle annetaan, on muistettava, ettei se osaa itse priorisoida tärkeää ja epäolennaista. Jos sille vain kaataa kaiken tiedon, sille täytyy kertoa, että esimerkiksi tietty keskustelu käytiin ylimmän johtajan kanssa ja että siinä sanottu asia ohittaa aiemmat näkemykset.

Tekoälylle täytyy antaa suojakaiteet eikä kaikkea voi vain syöttää sellaisenaan, koska se ei täysin ymmärrä, mikä on tärkeää tai kenelle se on tärkeää, ellet kerro sitä sille. Ihmisten päätöksissä haluamme ehdottomasti, että ihminen tekee lopullisen päätöksen.

Voimmeko tehdä parempia päätöksiä, jos saamme tarvitsemamme datan? Kyllä. Tarvitsemme sitä. Kun työskentelin ExxonMobililla, rakensin tiedonhallinnan huippuyksikköä ja tekoälyn ehdoilla toimivaa tiedonhallinta- ja oppimisalustaa.

Yksi tärkeä käyttötapaus oli tilanne, jossa tuote- tai rakennusprojektipäällikkö sanoo: ”Olen ollut viidessä projektissa. Tämä on epäonnistunut joka kerta, joten meidän ei pitäisi tehdä näin.” Ehkä nämä viisi projektia ovat ainoat tapaukset, joissa kyseinen asia on epäonnistunut, ja kaikissa muissa tapauksissa se on onnistunut. Tekoäly voi auttaa tuomaan tämän kontekstin näkyviin.

Se auttaa vähentämään vinoumia, mutta henkilön oma kokemus on silti tärkeä. Hän tietää jotain, mitä joku muu ei tiedä. Ei pidä sanoa: ”Tuo oli vain kaksi prosenttia, joten mielipiteesi ei merkitse mitään.” Se, että kyseessä oli kaksi prosenttia, auttaa kuitenkin tekemään paremmin perustellun päätöksen.

Galen Low: Pidän siitä, koska tässä ei ole kyse siitä, kuka on oikeassa ja kuka väärässä. Asiasta voidaan oppia. Ehkä voimme välttää pitkälle meneviä yleistyksiä, jotka perustuvat vain yhteen tapaukseen tai viiteen samasta lähteestä tulevaan kokemukseen.

Samalla mukana on tietoa, joka täytyy ottaa huomioon. Jos sama asia tapahtui viisi kertaa, siinä on varmasti jotain tarkasteltavaa. Tässä käyttötapauksessa kiinnostavaa on se, että sitä voidaan käyttää sekä ennen päätöstä että sen jälkeen.

Voimme ensin kerätä kaiken mahdollisen tiedon päätöksen tekemistä varten. Tai voimme keskustella ihmisten kesken ja käyttää tekoälyä tarkistamaan faktat ja haastamaan ajatteluamme. Näin päätöksen laatu voi parantua, vaikka lopputulos olisi sama.

Tämä auttaa tekemään päätöksenteosta enemmän dataohjautuvaa ja estää meitä kuuntelemasta vain huoneen äänekkäimpiä ihmisiä. Muuten kaikki saattavat ajatella: ”En halua haastaa tuota kokenutta projektipäällikköä, joka on nähnyt kaiken ja taistelee jokaista vastaväitettä vastaan.”

Silloin huonot päätökset voivat jatkua vuosia, vaikka panokset olisivat valtavat. Olet työskennellyt korkean riskin ja näkyvyyden projekteissa, joissa on suuria budjetteja ja vahvoja persoonia. Tämä on keino tasapainottaa tilannetta hieman.

Cali Collins: Juuri niin. Jotkut ihmiset ovat hyviä tekemään nopeita päätöksiä, kun taas toiset tarvitsevat aikaa pohtia, ajatella asiaa ja hahmotella sen taululle. Emme kaikki tee päätöksiä samalla tavalla, emmekä ole kaikki hyviä samoissa päätöksissä. Tämä voi hieman tasoittaa pelikenttää.

Se voi myös osoittaa, ettet ehkä ole hyvä tekemään nopeita päätöksiä ja että sinun kannattaisi pysähtyä pohtimaan asiaa pidempään.

Galen Low: Olen lähestynyt tätä niin teknologian näkökulmasta, etten tullut edes kysyneeksi, mitä olet oppinut ihmisten päätöksenteosta tätä tuotetta rakentaessasi.

Jotkut ovat hyviä nopeissa päätöksissä, jotkut huonoja, ja jotkut ehkä huonoja mutta kuvittelevat olevansa hyviä. Projektijohtajille annetaan usein vastuu paitsi päätösten tekemisestä myös niiden edistämisestä. Haluamme laadukkaita päätöksiä, mutta niiden täytyy olla myös oikea-aikaisia.

Kun mukana on vahvoja sidosryhmiä ja johtajia, millaisia käytännön tapoja tai taktiikoita projektijohtajat voivat kehittää auttaakseen projekteihin osallistuvia ihmisiä tekemään hyviä päätöksiä nopeudesta tinkimättä? Entä jos joku tekee nopean mutta erittäin huonon päätöksen?

Cali Collins: Taustani auttaa tässä hieman. Opiskelin lukion jälkeen psykologian kandidaatiksi.

Galen Low: En tiennyt tuota.

Cali Collins: Siksi mukana on ehkä hieman tätä näkökulmaa.

Olen myös itseapukirjojen ja nykyään äänikirjojen suurkuluttaja. Pidän podcasteista ja kaikesta, mikä käsittelee ihmisen psyykeä, ajattelua ja toimintaamme. Siirryin myöhemmin rakennusjohtamiseen ja suoritin toisen kandidaatin tutkinnon, koska en pystynyt tekemään psykologian tutkinnolla paljoakaan.

Se auttoi minua ymmärtämään rakennusalalla tehtäviä päätöksiä. Miksi ihmiset tekevät niitä? Suoritin myöhemmin myös MBA-tutkinnon, joten pystyin tarkastelemaan aihetta monesta näkökulmasta.

Päätöksenteossa on tärkeää tallentaa tiedonhallinnan näkökulma: mikä oli päätöksen lopputulos ja miksi päätös tehtiin. Näin tekoäly voi myöhemmin tarkastella päätöstä, koska ihmiset eivät yleensä käytä aikaa tähän, varsinkaan jos päätös ei toiminut.

Toinen alue on tekoälyn käyttämä tiedon alkuperä ja kulku. Metalla rakensin tekoälyn alkuperäalustan, joka kartoitti kaikkien Meta-mallien koulutusdatan. Olemme tuoneet osan tästä ajatuksesta Optimalityyn.

Jos järjestelmä luo esimerkiksi markkinointisuunnitelman, voit avata sen ja nähdä, mistä jokainen kappale on peräisin: mistä puhtaaksikirjoituksesta tai kenen kertomasta tiedosta. Järjestelmä ei ole musta laatikko, vaan se näyttää, mistä sisältö on tullut.

Se voi tuntua pelottavalta, koska jos järjestelmä sisälsi päätöksen, joka ei toiminut, se tietää, että sinä teit päätöksen. Ihmiset eivät voi muuttaa toimintaansa, jos he eivät ymmärrä, mikä sai heidät toimimaan niin tai että he tekivät huonoja päätöksiä tietyllä alueella.

Meidän on kehityttävä parempaan suuntaan, ja se vaatii muutosta, haavoittuvuutta ja halua ymmärtää, miten voimme kehittyä. Tekoäly voi nostaa tällaisia asioita esiin, vaikka se olisikin epämukavaa.

Galen Low: Kysyin, miten tekoäly voi auttaa tekemään parempia päätöksiä, ja ajattelin ensin, että vastaus on data. Mutta päätösten jälkikäteinen tarkastelu, jäljitettävyys ja näkyvyys ovat vähintään yhtä tärkeitä.

Emme sano, että tekoäly tekee lopulta parempia päätöksiä kuin ihmiset ja että ihmisten ei enää tarvitse päättää. Päinvastoin ihmisen tekemä päätös on ehkä entistä tärkeämpi. Meillä on kuitenkin tapana ajatella, että hyvät johtajat vain tekevät hyviä päätöksiä, vaikka monet heistä oikeastaan vain luottavat vaistoonsa ja sattuvat onnistumaan usein.

Cali Collins: Intuitioon.

Galen Low: Aivan, intuitioon. Vaikka johtajat olisivat epävarmoja päätöksistään, tämä voi tarjota keinon kehittyä. Mainitsit aiemmin fyysisen turvallisuuden ja sen, että asioita pitäisi pystyä tarkastelemaan jälkikäteen ja jäljittämään.

Tarkoitus ei ole käyttää kontekstikaaviota jonkun syyllistämiseen, vaan parantaa tapaa, jolla kaikki teemme päätöksiä. En ole tavannut ihmistä, joka tekisi aina hyviä päätöksiä tai edes ymmärtäisi aina, miksi teki tietyn päätöksen.

Cali Collins: Niin.

Galen Low: Haluan palata hallintaan ja vastuullisuuteen, koska ne ovat tärkeitä aiheita. Tällä hetkellä ihminen on vastuussa hyvästä tai huonosta päätöksestä, vaikka tekoäly olisi tehnyt varsinaisen toimenpiteen.

Tekoäly tekee kuitenkin jatkuvasti päätöksiä. Mitä suojakaiteita meidän pitäisi rakentaa, jotta tekoäly välttäisi virheitä, vahvistaisi hyvää toimintaa ja kehittyisi päätöksenteossa? Voisiko joskus tulla tilanne, jossa olemme parantaneet järjestelmää niin paljon, että se voi tehdä päätöksiä ja olla niistä vastuussa?

Cali Collins: Tästä tehdään paljon tutkimusta ja käydään paljon keskustelua.

Jos ajatellaan suuria kielimalleja, tekoäly on päätösten sarja. Se päättää, mikä sana tulee seuraavaksi sen perusteella, mikä on todennäköisesti paras seuraava sana. Se tekee sarjan päätöksiä sen mukaan, miten se on koulutettu toimimaan.

Aluksi tekoälyä voidaan käyttää sähköpostien luonnosteluun. Se ei ehkä ole aluksi kovin hyvä, mutta kehittyy paremmaksi. Meta esitteli minulle kerran ominaisuuden, joka tuotti yrityksen sosiaalisen median yksityisviesteihin vastauksia. Katsoin ehdotuksia ja ajattelin, etteivät ne olleet kovin hyviä. Niitä voi kuitenkin muokata, jolloin järjestelmä oppii.

Matalan riskin tehtävissä tekoälyn voi ehkä antaa vastata itsenäisesti. Jos myyt paitoja ja joku kysyy, onko tiettyä mallia saatavilla tietyssä koossa, tekoäly voi tarkistaa asian ja vastata. Toisenlaisiin sähköposteihin sen ei ehkä pitäisi vastata.

Siksi tarvitaan selkeät rajat. Tutkimme myös, saavuttaako tekoäly jonkin päätöksenteon tason, jota se ei pysty ylittämään. Oma filosofiamme on pitää ihminen mukana ja antaa tekoälylle vähitellen matalan riskin tehtäviä.

En kuitenkaan halua siirtää oikeudellista vastuutani ja luottamusvelvollisuuttani Optimalitylle, jolla olisi pääsy sähköposteihini ja joka voisi lähettää muille viestejä ja vahingossa paljastaa yritykselle haitallista tietoa. Se ei ole riski, jonka haluan ottaa.

Pidän itseni mukana päätöksissä ja annan tekoälyn auttaa muissa tehtävissä, jotka tehostavat päivääni.

Galen Low: On kiinnostavaa, että lääketieteellisissä laitteissa voidaan tietyissä rajoissa antaa diagnooseja. Kuka silloin kantaa vastuun? Joissakin tilanteissa lääkinnällinen laiteyhtiö ottaa vastuun diagnoosista, mutta näin ei ole kaikissa yhteyksissä.

Sama liittyy projektikoordinaattorien kouluttamiseen. Heille voidaan antaa turvallisia tilanteita, joissa epäonnistuminen ei aiheuta suurta haittaa, kuten vastaaminen kysymykseen paidan koosta, määräpäivästä tai toimitettavan tuotoksen yksityiskohdasta.

Samaan aikaan heille täytyy sanoa, ettei uutta päivämäärää saa luvata asiakkaalle ilman hyväksyntää. Esihenkilö on vastuussa juniorikoordinaattorin tekemästä lupauksesta, vaikka kyseessä olisi valmennustilanne. Tekoälyn kohdalla asia ei ole kovin erilainen.

Cali Collins: Aivan. Tekoälyä voi ajatella harjoittelijana, jonka toimista olet vastuussa sen perusteella, mitä olet käskenyt sen tehdä.

Tekoäly ei voi olla vastuussa, koska sillä ei ole vastuuntuntoa. Sitä ei voi erottaa tai alentaa tehtävästä huonon päätöksen vuoksi.

Yksi kiinnostava käyttötapaus on sopimusten noudattamisen valvonta. Voit opettaa tekoälylle sopimusvaatimukset ja tekniset määrittelyt ja pyytää sitä seuraamaan toimintaasi sekä ilmoittamaan, jos saatat rikkoa sopimusta. Se ei toimi puolestasi, vaan tarkkailee taustalla, auttaa pitämään sinut turvassa ja varmistaa vaatimustenmukaisuuden.

Galen Low: Se on erinomainen käyttötapaus. Pidän ajatuksesta, että mallille annetaan palautetta, jotta se kehittyy. Emme ehkä vielä pääse tilanteeseen, jossa tekoäly olisi itse vastuussa, mutta voimme käyttää sitä valmennettavissa tilanteissa ja hyödyntää sen vahvuuksia.

En pysty pitämään kaikkia palvelutasosopimuksiamme mielessä yhtä aikaa. Olisi hienoa, jos jokin järjestelmä pystyisi siihen – ja tekoäly pystyy.

Voisimme päättää keskustelemalla tulevaisuudesta. Tekoäly kehittyy jatkuvasti kokoamaan tietoa, päättämään, mikä on tärkeää ja mikä ei, sekä tunnistamaan riskejä ja riippuvuuksia. Mitä tapahtuu projektipäällikön roolille, jos tekoäly pystyy paremmin havaitsemaan riskit, tuomaan riippuvuudet esiin ja suosittelemaan päätöksiä?

Cali Collins: Rooli muuttuu entistä tärkeämmäksi. Projektipäällikön tehtävästä tulee paljon tärkeämpi. Kustannusarvioinnin ja projektien hallinnan parissa työskentelyni aikana tehtäväni oli koota data ja antaa se ylemmälle johtajalle päätöksentekoa varten.

Tämä suppilo kapenee. Se ei tarkoita, että projektinhallinnan asiantuntijoista luovutaan, vaan heidän roolinsa paranee. Heidän ei tarvitse käyttää aikaansa siihen, että he kyselevät jatkuvasti, valmistuiko jokin asia tänään. He voivat analysoida dataa, hyödyntää asiantuntemustaan ja parantaa toimintaa.

Ohjelmistoalalla kehittäjien määrä yhtä tuotepäällikköä kohden on vähenemässä, koska kehittäjät rakentavat tehokkaammin. Tarvitaan enemmän tuotepäälliköitä ja projektipäälliköitä, koska he ohjaavat suuntaa ja päätöksiä. Kun dataa saa enemmän, nopeammin ja paremmassa muodossa, tarvitaan enemmän ihmisiä tekemään sen perusteella suuria päätöksiä.

Olen itse ollut tuotteiden parissa ylikuormittunut, koska kehittäjät toimivat nopeammin. He kysyvät: ”Haluatko rakentaa ideasi luonnollisella koodauksella ja antaa sen meille, jotta muutamme sen oikeaksi koodiksi?” Olen joutunut opettelemaan tätä itsekin.

Tämä madaltaa kynnystä rakentaa omia ratkaisuja, mutta samalla se tekee tuote- ja projektijohtamisesta sekä strategisesta päätöksenteosta entistä arvokkaampaa.

Galen Low: Se on hienoa. En odottanut näin optimistista vastausta, mutta olet oikeassa. Työn nopeus kasvaa, ja joskus pienempi määrä ihmisiä saa enemmän aikaan. Johtamista, ohjaamista ja päätöksenteon helpottamista tekevien roolien merkitys kuitenkin kasvaa.

Jos työ tapahtuu nopeammin, saatamme tarvita heitä enemmän. Tekoäly ei siirrä dataa suoraan päätöksentekijälle, vaan ihmisen täytyy edelleen ymmärtää, analysoida ja arvioida se. Päätökset tehdään myös keskustelemalla.

Se ei ehkä ole teknisesti tehokkain tapa, mutta ihmiset eivät halua koneen vain kertovan, mitä päätetään. Mukana on inhimillinen ja vakuuttava elementti sekä tarve tarkistaa asia yhdessä. Tekoäly antaa tälle prosessille lisää tehoa.

Cali Collins: Ehdottomasti.

Galen Low: Cali, tämä on ollut todella hauskaa. Kiitos ajastasi. Mistä ihmiset voivat lukea lisää sinusta ja Optimalitystä?

Cali Collins: Olemme LinkedInissä, ja minut löytää myös LinkedInistä. Verkkosivustomme on optimalitypro.com. Sivustolla voi nyt rekisteröityä suoraan Optimalityn 14 päivän ilmaiseen kokeiluun tai tutustua siihen, mitä rakennamme.

Pidämme sivuston jatkuvasti ajan tasalla. Kun rakennamme uusia käyttötapauksia eri toimialoille, lisäämme niihin tukidokumentaation. Käy siis tutustumassa osoitteessa optimalitypro.com.

Galen Low: Hienoa. Lisään ohjelman muistiinpanoihin linkit profiiliisi ja Optimalityn sivustolle. Kiitos vielä kerran, että tulit mukaan. Taustasi on todella kiinnostava, enkä tiennyt psykologiataustastasi. Tämä on ollut hauskaa ja oivalluttavaa. Päätökset pyörittävät maailmaa.

Nyt mukana on tekoäly, mutta myös ihmiset ovat edelleen mukana. Onpa hienoa elää tätä aikaa.

Cali Collins: Juuri niin. Tämä on jännittävää aikaa.

Galen Low: Kiitos paljon, Cali.

Cali Collins: Kiitos.

Galen Low: Hyvä kuulijat, siinä oli tämänkertainen Digital Project Manager -podcastin jakso. Jos pidit keskustelusta, tilaa podcast sieltä, missä kuuntelet sitä. Jos haluat vielä enemmän käytännön näkemyksiä, tapaustutkimuksia ja toimintamalleja, luo meille ilmainen tili osoitteessa thedigitalprojectmanager.com. Kuullaan seuraavalla kerralla. Kiitos kuuntelusta.