Käytämme evästeitä tarjotaksemme paremman käyttökokemuksen ja henkilökohtaista palvelua. Suostumalla evästeiden käyttöön voimme kehittää entistä parempaa palvelua ja tarjota sinulle kiinnostavaa sisältöä. Sinulla on hallinta evästeasetuksistasi, ja voit muuttaa niitä milloin tahansa. Lue lisää evästeistämme.
Generatiivinen tekoäly on tuonut mukanaan vallankumouksellisia työkaluja, jotka pystyvät tekemään asioita, joihin on aiemmin tarvittu ihmisiä – kuten ratkaisemaan matemaattisia tehtäviä tai ehdottamaan lääkitystä. Vaikka tekoäly voi vaikuttaa lupaavalta kumppanilta työelämässä, se ei ymmärrä käsittelemiään asioita. Onko tekoäly sittenkään työkaveri vai pelkkä tehokas apuväline?
“Tekoäly kirjoitti matematiikasta ja ranskasta laudaturin.”
“Tekoäly löytää potilaalle täsmälääkityksen.”
Tekoälyohjelmat osaavat asioita, joihin on aiemmin tarvittu asiantuntija. Saammeko tekoälystä uuden työkaverin?
Generatiivinen tekoäly – kielimallit sekä esimerkiksi kuvia, videota, puhetta tai musiikkia tuottavat tietokoneohjelmat – perustuu koneoppimiseen eli matkimiseen. Ne koulutetaan valtavilla opetusaineistoilla, joista löytyneitä tilastollisia säännönmukaisuuksia hyödyntämällä ne pyrkivät tuottamaan opetusaineistoa muistuttavaa sisältöä.
Koneoppimiseen perustuvilla tekoälyohjelmilla on muutama keskeinen heikkous. Ensinnäkin koneoppimiseen sisältyy uusia virhelähteitä: opetusaineiston virheet ja vinoumat sekä säännönmukaisuuksien löytämisen ja hyödyntämisen puutteet. Jos ohjelman on tarkoitus oppia ehdottamaan, miten potilasta hoidetaan, mutta nuoret potilaat ovat opetusaineistossa aliedustettuja, ohjelma käsittelee nuoria kuin ikäihmisiä.
Merkittävämpi periaatteellinen ongelma on se, että nykyinen generatiivinen tekoäly ei ymmärrä käsittelemiään asioita. Kielimalli ei tunne itse tuottamiensa tekstien merkityksiä, se vain generoi sanoja tilastollisten säännönmukaisuuksien perusteella. Tekoälyohjelma voi ehdottaa oireiden perusteella raskaustestiä – myös miehille.
Tekoälyohjelma, joka ei ymmärrä mitä se itse tekee, ei voi olla työkaveri. Kaveruudesta puhuminen on harhaanjohtava metafora, joka viittaa sellaisiin ominaisuuksiin, joita tekoälyohjelmilla ei ole: ymmärrys, ajattelu, tavoitteellisuus, tietoisuus – tunteista ja empatiasta puhumattakaan.
Työkalu on tekoälylle parempi metafora. Silloin roolit ovat selvät: ihminen päättää mihin ja miten työkalua käytetään. Ihminen kantaa vastuun sen käytöstä ja vaikutuksista. Ihmisen tehtävänä on ennakoida mahdollisia virheitä ja korjata niitä.
Työpaikalla käytettävistä työkaluista päättää organisaatiossa usein joku muu kuin työntekijä itse. Tekoälyn tapauksessa on luontevaa edetä myös ruohonjuuritasolta ylöspäin, sillä kielimallit ovat helposti saatavilla. Asiantuntija voi kokeilla niitä ketterästi sillä välin, kun organisaation johto vasta laatii tekoälystrategiaa.
Työntekijöinä voimme itse kukin pohtia, miten omaa työtämme tai oman organisaatiomme toimintaa voisi kehittää tekoälyn avulla – ei itsetarkoituksena vaan oman työn merkityksellisyyden parantajana. Millaiset tekoälytyökalut auttaisivat meitä tekemään entistä paremmin niitä asioita, jotka oikeasti ovat tärkeitä?
Ennen digiajan tuomaa etätyön vallankumousta vain harvoilla oli mahdollisuus työskennellä vapaasti oman aikataulunsa mukaan. Taiteilijat, kirjailijat ja tiedemiehet pakenivat jo 1800-luvulla kaupunkien kiirettä maaseudun rauhaan, jossa työ ja luonto soljuivat saumattomasti yhteen.
Uudet työntekijät kokevat usein jäävänsä työyhteisön ulkopuolelle etätöissä. Ratkaisu voi löytyä viestintätapojen ja työkalujen paremmasta hyödyntämisestä – kahvihuoneet on vietävä digitaaliseen ympäristöön.
Etätyön hyödyistä puhutaan paljon, mutta myös toimistossa on hyviä puolia.
Koronapandemia lisäsi teollisuuden työntekijöiden halua osallistua työpaikkansa kriisinhallintaan, kertoo tutkija Tiina Saari. 5K-malli opastaa, miten se onnistuu.
