Tekoälyn ensimmäiset vaikutukset kohdistuvat ajatteluun, asiantuntijatyöhön ja päätöksenteon rakenteisiin, kauan ennen kuin se heijastuu talouslukuihin.
Tekoälyn vaikutuksia etsitään väärästä kohdasta. Helsingin Sanomissa 3.1. julkaistu haastattelu taloustieteen nobelistin Daron Acemoğlun kanssa on tästä ajankohtainen esimerkki.
Acemoğlu tarkastelee tekoälyä ennen kaikkea työmarkkinoiden ja tuottavuuslukujen näkökulmasta. Hänen analyysinsä nojaa siihen, miltä tekoälyn käyttö näyttää nyt: miten se istuu olemassa oleviin prosesseihin, näkyykö se yritysten kannattavuudessa ja kuinka moni työpaikka sen vuoksi katoaa. Tämä on taloustieteilijälle ymmärrettävä ja perusteltu lähtökohta, mutta se ei usein toimi teknologioiden kohdalla.
Siinä vaiheessa kun tekoäly näkyy talousluvuissa, se on jo muuttanut työtä pitkään.
Teknologinen muutos etenee harvoin lineaarisesti. Alkuvaiheen käyttötavat heijastavat lähes aina vanhaa työnjakoa ja vanhoja rakenteita. Uutta sovitetaan vanhaan, eikä vaikutus näy vielä siellä, missä sitä myöhemmin mitataan. Näin kävi sähkön, tietokoneiden ja internetin kohdalla. Varsinainen muutos alkoi vasta, kun työn tekemisen logiikka ehti muuttua. Tekoäly ei ole tästä poikkeus.
Ymmärrystä hämärtää lisäksi se, että tekoälystä puhutaan usein kuin se olisi yksi teknologia tai yksi ratkaisu. Haastattelussa tekoälyn vaikutukset kehystetään pitkälti automaation ja työn korvaamisen näkökulmasta. Tässä kehyksessä kysymys tuottavuudesta ja työpaikoista on looginen. Se on kuitenkin vain yksi ulottuvuus.
Tällä hetkellä laajimmin koettu tekoälyn muoto tietotyössä on kielipohjainen generatiivinen tekoäly. Chat-rajapintojen kautta se on tullut suoraan asiantuntijoiden ja johtajien arkeen. Tässä muodossa tekoäly ei ensisijaisesti korvaa työtä, vaan muuttaa ajattelua. Se nopeuttaa jäsentämistä ja helpottaa vaihtoehtojen tarkastelua. Tämä ei ole koko totuus tekoälystä, mutta se on se tapa, jolla muutos nyt laajasti koetaan.
Tämä ajatteluun kohdistuva vaikutus on kuitenkin vasta alku. Tekoälyn muut vaikutukset näkyvät myöhemmin prosesseissa, rakenteissa ja lopulta järjestelmätasolla. Ongelma syntyy, kun näitä eri vaiheita tarkastellaan samanaikaisina ja samalla mittarilla.
Ajattelu muuttuu ennen prosesseja. Prosessit muuttuvat ennen rakenteita. Rakenteet muuttuvat ennen mittareita. Ajattelu on vaikeasti mitattavaa, ja sen vaikutukset realisoituvat usein epäsuorasti. Yksittäiset ihmiset ja tiimit kokevat merkittävää hyötyä ilman, että se vielä näkyy organisaation tunnusluvuissa.
Useimmat aiemmat teknologiset murrokset ovat aluksi automatisoineet rutiinityötä ja fyysistä tekemistä. Vaikutus eteni alhaalta ylöspäin. Tekoäly toimii toisin. Se vaikutukset eivät tule kerralla, vaan tietyssä järjestyksessä.
Ensin muuttuu ajattelu. Osa ihmisistä oppii käyttämään tekoälyä tapana jäsentää asioita, valmistella päätöksiä, testata näkökulmia ja hahmottaa kokonaisuuksia nopeammin kuin ennen. Työn määrä ei välttämättä vähene, mutta sen laatu ja suunta muuttuvat. Kyse on abstraktista ja käsitteellisestä työstä, juuri siitä työstä, jota tehdään vaativissa asiantuntijarooleissa ja päätöksenteon ytimessä.
Tämä tekee murroksesta poikkeuksellisen. Se ei näy ensin työpaikkojen määrässä, vaan työn sisäisessä dynamiikassa. Siinä, kenen ajattelu vahvistuu ja kenen tekeminen alkaa näyttäytyä hitaana tai kapeana.
Seuraavaksi mukaan tulee optimointi. Kun vaihtoehtoja ja analyyseja voidaan tuottaa nopeasti, aletaan samalla rajata. Kaikkea ei enää tarvitse tehdä käsin tai pohtia alusta asti. Tässä kohtaa keskitasoinen asiantuntijatyö joutuu paineeseen: työ, joka perustuu toistuvaan analyysiin, raportointiin tai vaihtoehtojen kokoamiseen, alkaa näyttää suhteessa hitaalta tai kalliilta.
Vasta tämän jälkeen automaatio etenee laajemmin. Kun on selvää, millaista ajattelua todella tarvitaan ja mikä voidaan vakioida, osa tehtävistä siirtyy järjestelmille. Tämä ei tapahdu siksi, että tekoäly olisi yhtäkkiä täydellistä, vaan siksi, että ihmiset ovat jo muuttaneet tapaansa tehdä työtä.
Lopulta tekoäly muuttuu infrastruktuuriksi. Se on osa taustajärjestelmiä, päätöksenteon oletuksia ja työnkulkuja. Valintoja tehdään tietyllä tavalla, koska järjestelmät on rakennettu niin. Tässä vaiheessa vaikutus on suuri, mutta vaikeasti havaittava. Kukaan ei varsinaisesti “käytä tekoälyä”, mutta se ohjaa silti sitä, miten työtä tehdään ja mitä pidetään järkevänä.
Tässä mielessä tekoälyn vaikutus ei ole yksittäinen hyppäys vaan ketju. Ja jos ketjua katsoo vain lopusta, automaation tai työpaikkojen kautta, jää helposti näkemättä se alku, jossa muutos oikeasti käynnistyy.
Acemoğlu niputtaa haastattelussa yhteen kaksi kysymystä: tuottaako tekoäly talouskasvua ja millaista yhteiskuntaa se rakentaa. Molemmat ovat tärkeitä, mutta ne ovat eri asioita. On mahdollista, että tekoäly muuttaa työn sisältöä, osaamisen arvoa ja vallan jakautumista kauan ennen kuin se näkyy BKT:ssä. Johtamisen kannalta nämä ilmiöt on syytä pitää erillään, jotta ei odoteta vääriä signaaleja vääristä paikoista.
Tässä valossa kysymys siitä, onko tekoäly ylihypetetty vai ei, tuntuu toissijaiselta.
Kehitystä ei voi pysäyttää, eikä sitä voi arvioida yhdellä mittarilla tai yhdestä näkökulmasta. Olennaisempi kysymys on, miten tämä murros eletään todeksi johtamisessa ja päätöksenteossa.
