Tekoälyn toiminta perustuu sille annettuun taustatietoon. Siksi Palkkaa.AI -prosessi alkaa kartoittamalla organisaation olemassa oleva tieto, jonka perusteella toimintaa tehostavan tekoälytyöntekijän ominaisuudet voidaan määritellä.
Kartoituksen tarkoituksena on selvittää, millä tavalla tietoa kerätään ja säilytetään. Syyniin pääsevät myös ”totutut tavat”, eli toimintamallit, joilla yhteisössä päivittäisessä työssä tietoisesti tai tiedostamatta asioita järjestellään ja päätetään. Mikäli tieto on organisaatiossa siirtynyt vain suullisena perimätietona vanhoilta työntekijöiltä uusille, ja tietoa vaikkapa asiakkaista tai projekteista ei ole ollut tapana tallentaa, on tarpeen luoda käytännöt järjestelmälliselle ja suunnitelmalliselle datankeruulle.
Tekoäly ja koulutuksen tarve
Kiikarissa olevan AI-työntekijän kyvyt määrittävät, kuinka paljon dataa tekoälyn käynnistämiseen tarvitaan. Joskus alkuun on mahdollista päästä luomalla keinotekoista dataa. Konetyöntekijän koulimiseen voidaan käyttää joko raakaa dataa kuten kirjauksia tai lokitietoja, valmiita tilastoja tai ihmisasiantuntijan määrittämiä päätöksenteon sääntöjä, tai näiden yhdistelmää. Tässä mielessä tekoälytyöntekijän perehdyttäminen ei eroa lihaa ja verta olevan työntekijän perehdyttämisestä paljoakaan.
Käytetyn tiedon laadulla sen sijaan on suuri merkitys. Tekoäly, jolta ammatillinen koulutus, aiempi työkokemus ja muut inhimilliset ominaisuudet luonnollisesti puuttuvat, voi tukeutua päätöksissään ainoastaan taustadataan. Sillä, millaista ja millä tavalla tietoa kouluttamiseen käytetään, on siis suuri merkitys. Onko datassa vääristymiä, jotka johtavat jonkun ryhmän suosimiseen? Onko data riittävän kattavaa eikä painotu liikaa johonkin ääripäähän? Jos päätösprosessin määrittää ihmisasiantuntija, onko hän varmasti puolueeton? Tekoälyä koulutettaessa on kiinnitettävä huomiota ainakin näihin asioihin.
Perehdyttäminen ja kouluttaminen ei myöskään lakkaa siihen, kun tekoäly ensimmäistä kertaa päästetään tositoimiin. Täydennyskoulutuksen tarvetta on tarkkailtava jatkossakin.
Tekoäly ja olosuhteiden muutokset
Siinä missä ihminen, voi myös AI tehdä päätöksen kannalta väärän arvauksen, kun olosuhteet ja järjestelyt muuttuvat. Ylipäätään tekoälyn työnantajan ja kehittäjän rooleissa korostuu elinikäisen oppimisen soveltaminen myös konetyöntekijään. Asiantuntija pysyy asiantuntijana vain seuraamalla aikaansa. Kuten ohjelmistoa ja tietokoneen käyttöjärjestelmää, on myös tekoälyä säännöllisesti päivitettävä, jotta se voi ottaa huomioon uuden tiedon ja sopeutua muutoksiin toimintaympäristössään. Jos niin halutaan, tekoäly voidaan myös ohjata oppimaan kaikesta kokemastaan.
Silloin kun tekoälyn kouluttamiseen käytetään keinotekoisesti luotua dataa todellisen maailman havaintojen sijaan, mallista voi tulla liian kapea, jolloin se ei kata kaikkia todellisen maailman tilanteita. Keinodatalla luodun tekoälyn toimintaa onkin usein tarpeen kalibroida uudelleen, kun saadaan kerättyä todellista dataa. Jos esimerkiksi vakuutuspäätöksiä tekevä tekoäly tuntuu tuottavan lähinnä vain hylkäyksiä, on varmistettava, ettei sen kouluttamiseen käytetty historia-aineisto painotu liikaa hylättyihin hakemuksiin. Toisena esimerkkinä jäätelötehtaan varastoa ja menekkiä hallinnoiva tekoäly tarvitsee arvion uuden lanseerattavan maun menekistä, jotta se voi ennustaa ja järjestellä tilauksia – historian perusteellahan kyseistä makua ei ole myyty ollenkaan.
Koska tekoäly on osa tiimiä, muutokset tiimin toiminnassa tai kokoonpanossa voivat myös vaikuttaa sen työhön. Uudet ihmistyöntekijät tekevät omia tehtäviään ehkä vanhasta poikkeavalla tavalla, tai käyttävät tekoälytyöntekijän palveluksia eri tavoin. Tällöin AI tarvitsee uuden strategian ja päivityksen perehdytykseensä. Uudet työntekijät on tapana esitellä toisilleen, jotta tiimi voi toimia kitkattomasti, eikä tekoälytyöntekijä ole poikkeus.
Tekoäly ei siis ole pelkkä tietokoneohjelma, jonka voi vain hankkia pyörimään taustalle, vaan siihen kannattaa asennoitua kuin työntekijään. Tarvitaan asianmukaista opastusta ja säännöllisiä kehityskeskusteluja, jotta tekoälystä saadaan muovattua osaava työntekijä. Oikein hoidettuna tekoälystä kuoriutuu tehokas ja näppärä työkaveri, josta koko organisaatio hyötyy.
Tutustu tekoälyrekrytointiin:
Lue lisää tekoälystä:
