Generatiivinen tekoäly on jatkuvasti läsnä työssä mm. ChatGPT:n, Geminin ja Copilotin muodossa, mutta sen hyöty ei jakaudu tiimeissä tasaisesti. Osa saa siitä nopeasti merkittävää vipuvoimaa ajatteluun ja työhönsä. Osa taas kokee tekoälyn häiritsevänä tai hyöty jää vähintäänkin ohueksi. Miksi joku saa merkittävää hyötyä ja toinen ei?
Olen viime aikoina törmännyt useampaan kertaan kiinnostavaan tutkimukseen ihmisen ja tekoälyn yhteistyöstä. Kyse on Christoph Riedlin (Northeastern University) ja Ben Weidmannin (UCL) tutkimuksesta Quantifying Human–AI Synergy, jossa joukko ihmisiä ratkaisi erilaisia ongelmia ensin yksin ja sitten tekoälyn kanssa. Tarkoituksena oli tutkia sitä, mitkä inhimilliset kyvykkyydet ennustavat onnistumista ihmisen ja tekoälyn yhteistyössä. Havainnot koskettavat työelämän arkea yllättävän suoraan.
Kun ihmiset tutkimuksissa ratkoivat erilaisia ongelmia ensin yksin ja sitten tekoälyn kanssa, osa paransi suoritustaan selvästi. Osa ei lainkaan. Jotkut jopa heikensivät tulostaan. Ero ei selittynyt siitä kuka oli fiksuin, kokenein tai teknisesti taitavin vaan ratkaisevaa oli se, miten tekoälyä lähestyttiin.
Yksin ajattelu ja yhdessä ajattelu ovat eri taitoja
Tutkimuksessa nousi esiin havainto, joka haastaa monen asiantuntijan itsestäänselvänä pitämän oletuksen: hyvä yksilösuorittaja ei automaattisesti ole hyvä yhteistyökumppani tekoälylle.
Olemme tottuneet ajattelemaan, että fiksu ihminen hyödyntää uusia työkaluja muita paremmin. Tutkimuksen perusteella tekoäly kuitenkin palkitsee ennen kaikkea niitä, jotka osaavat rakentaa yhteistä ajattelua.
Sama ilmiö on tuttu asiantuntijaorganisaatioista. Huippuasiantuntija ei välttämättä ole hyvä esihenkilö tai tiimipeluri. Hän saattaa ajatella kirkkaasti yksin, mutta kohdata vaikeuksia tilanteissa, joissa ajattelua pitäisi jakaa, selkeyttää ja sovittaa yhteen toisten kanssa. Tekoäly tekee tämän eron näkyväksi poikkeuksellisen nopeasti, koska se ei paikkaa epäselvää ajattelua ihmisten tavoin.
Tutkimuksessa tekoälystä hyötyivät eniten ne, jotka eivät kohdelleet sitä vastauskoneena. He antoivat kontekstia, rajasivat tehtävää ja tekivät näkyväksi sen, mihin vastausta oli tarkoitus käyttää. He suhtautuivat tekoälyn tuottamiin vastauksiin ehdotuksina, joita piti vielä arvioida, haastaa ja jäsentää.
Heikosti toimiva käyttö puolestaan muistutti tuttua ilmiötä monista asiantuntijaorganisaatioista: oletetaan, että toinen kyllä ymmärtää, koska asia on itselle selvä. Kysytään, mutta ei rakenneta yhteistä ymmärrystä. Lopputulos näyttää ulospäin yhteistyöltä, mutta ajattelu jää tosiasiassa yksin tehdyksi.
Tekoälyn hyödyntäminen vaatii mielentämistä
Tutkimuksessa keskeinen onnistumista ennustava tekijä oli kyky hahmottaa toisen toimijan näkökulmaa. Käytännössä tämä tarkoitti kykyä ymmärtää, mitä toinen “tietää”, mihin se kykenee ja missä sen rajat tulevat vastaan.
Tätä kutsutaan mielentämiseksi eli mentalisaatioksi. Se viittaa joukkoon kyvykkyyksiä, joiden avulla hahmotamme toisen toimijan mieltä. Siihen kuuluu kyky ymmärtää toisen ajattelun rajoitteita ja oletuksia, mutta myös kyky tunnistaa epävarmuutta, keskeneräisyyttä ja väärinymmärryksen mahdollisuuksia omassa ja toisen ajattelussa.
Tekoäly ei jaa taustaoletuksiamme. Se ei tiedä, mikä meille on itsestäänselvää, eikä ymmärrä tarkoitusta, ellei sitä eksplisiittisesti sanoiteta. Kun nämä rajat tunnistetaan, tekoälyä ei käytetä vastauskoneena vaan ajattelun kumppanina, jonka kanssa omaa ajattelua jäsennetään.
Parhaat tulokset syntyivät silloin, kun käyttäjä suhtautui tekoälyyn ajattelevana mutta rajallisena toimijana. Ei ihmisenä, mutta ei myöskään neutraalina työkaluna. Tällöin tekoälyä ei ylikuormiteta odotuksilla, mutta sitä ei myöskään alihyödynnetä mekaanisena apuvälineenä.
Tässä mielessä hyvä tekoälyn käyttö rakentuu samoille perusulottuvuuksille kuin hyvä johtaminen asiantuntijaorganisaatioissa: kontekstin jakamiseen, oletusten näkyväksi tekemiseen ja ymmärryksen varmistamiseen.
Tekoälyn mielentäminen ei kuitenkaan ole sama asia kuin ihmisen mielentäminen. Ihmisellä on intentiot, tunteet ja oma kokemusmaailma. Ihminen tulkitsee, reagoi ja mielentää takaisin. Tekoäly ei tätä tee. Se simuloi ymmärrystä, mutta ei koe eikä kanna vastuuta. Vastuu ajattelun selkeydestä on aina käyttäjällä.
Asiantuntija, joka ei rakenna kontekstia tekoälyn kanssa, toimii usein samalla tavalla myös tiiminsä kanssa. Ero on siinä, että ihmiset paikkaavat toistensa puutteita yllättävän pitkään. He arvaavat, mitä toinen tarkoitti, täydentävät kontekstia mielessään ja tekevät hiljaisia tulkintoja, jotta työ etenee. Tämä tapahtuu usein huomaamatta ja hyvää tarkoittaen.
Tekoäly tekee tätä myös, mutta toistaiseksi huomattavasti kömpelömmin. Se yrittää päätellä puuttuvaa kontekstia tilastollisesti ja tuottaa uskottavan kuuloisia vastauksia silloinkin, kun ymmärrys on vajavaista. Juuri siksi väärinymmärrykset tulevat näkyviin nopeammin.
Voisiko tekoäly vahvistaa myös ihmisten välistä ymmärrystä?
Tässä on aidosti kiinnostava mahdollisuus. Tekoäly pakottaa tekemään ajattelusta näkyvää tavalla, johon ihmiset harvoin panostavat kiireisen arjen keskellä. Painotamme usein nopeutta selkeyden kustannuksella.
Tekoäly voi yhtä hyvin vahvistaa huonoja tapoja. Se voi houkutella ulkoistamaan ajattelun, hyväksymään vastauksia ilman kriittistä jäsentämistä tai ohittamaan yhteisen ymmärryksen rakentamisen kokonaan.
Kun opimme antamaan tekoälylle parempaa kontekstia, opimme usein huomaamattamme tekemään saman myös kollegoillemme. Ajattelu jäsentyy ulospäin ja oletettu yhteinen ymmärrys tulee näkyväksi. Parhaimmillaan tekoäly toimii harjoitusalustana asiantuntijaorganisaatioiden keskeiselle taidolle: kyvylle ajatella yhdessä ja erottaa yksilöllinen ajattelu aidosti jaetusta.
Johtamisen ydin ei tässä muutu. Johtaminen on kykyä rakentaa yhteistä ymmärrystä tilanteissa, joissa asiat eivät ole valmiiksi selviä. Tekoäly ei välttämättä tee tästä helpompaa eikä vaikeampaa, mutta se tekee näkyvämmäksi, kuka tämän taidon hallitsee ja kuka ei.
