Kehittämisen tehostamisessa tekoälyn suurimmat hyödyt eivät synny siitä, että organisaatiolla on käytössään parhaat mahdolliset mallit. Hyödyt syntyvät siitä, että organisaatiossa ymmärretään, miten tieto kulkee kehittämisen arvovirroissa ja miten sitä voidaan hyödyntää tehokkaammin. Tekoäly toimii kiihdyttimenä, mutta kehittämisen todellinen raaka-aine on edelleen tieto ja sen konteksti. 

Kehitysputken ‘tekoälyttäminen’ kokonaisuutena tapahtuu kehittämisen kyvykkyyksien ja arvovirtojen ymmärtämisen kautta 

Tekoälyn hyödyntämistä kehittämisessä on helppo lähestyä yksittäisten käyttötapausten kautta. Voidaan rakentaa esim. erilaisia avustajia vaatimusmäärittelyyn tai projektinjohtamiseen. Parhaimmillaan nämä tuovatkin hyötyjä kehittämiseen. 

Yksittäisen asiantuntijan tai tiimin työ tehostuu, mutta koko kehittämisen läpimenoaika, laatu tai ennustettavuus eivät välttämättä parane merkittävästi. Riski on, että tulokset jäävät paikallisiksi.  

Syy on yksinkertainen, tekoäly ei toimi tyhjiössä. Sen todellinen arvo syntyy tiedosta, kontekstista ja kyvystä toimia osana kehittämisen koko elinkaarta. 

Sen sijaan, että kysymme miten tekoälyä kannattaa kehittämisen eri kohdissa hyödyntää, meidän kannattaa lähteä liikkeelle kysymyksestä:  

Vaihe 1: Tunnista kehittämisen kyvykkyydet 

Ensimmäinen askel on kuvata kehittämisen putki kyvykkyyksinä (Business Capabilities). 

Kyvykkyys kuvaa asiaa, joka organisaation pitää pystyä tekemään riippumatta organisaatiorakenteesta, prosesseista tai käytettävistä työkaluista. 

Tyypillisiä kehittämisen kyvykkyyksiä voivat olla esimerkiksi kysynnän hallinta, priorisointi, vaatimusmäärittely, ratkaisun suunnittelu, projektinhallinta jne. Oman kokemukseni pohjalta useimmissa organisaatioissa näitä voidaan tunnistaa noin 20-30 kappaletta. 

Jokaisen kyvykkyyden kohdalla tarkastellaan neljää näkökulmaa: 

Osaaminen – Mitä meidän pitää osata, jotta kyvykkyys toteutuu? 

Tieto – Mitä tietoa asioiden tekemiseen tarvitaan ja mitä tuotetaan? 

Prosessit – Mikä on työnkulku, miten työ tapahtuu? 

Teknologia – Millä välineillä työ tehdään? 

Jo pelkästään näiden asioiden tunnistaminen avaa silmiä kehittämisen putken moninaisuuteen ja ruokkii keskustelua tekoälyn hyödyntämiseen kehittämisessä. Toki yksittäistä kyvykkyyttä tarkastellessa ollaan vielä rajatussa kontekstissa, joten tarkastelua pitää laajentaa. 

Vaihe 2: Tarkastele kehittämisen arvovirtoja kyvykkyyksien yli 

Vaatimukset kirjoitetaan yhteen paikkaan, suunnitelmat toiseen, päätökset kolmanteen ja projektin opit jäävät lopulta ihmisten muistiin. Tässä auttaa kyvykkyyksien tarkastelu verkostona ja näiden läpi kulkevina kehittämisen arvovirtoina. 

Kehittämisen läpimenoaikaa ei yleensä hidasta yksittäinen työvaihe vaan tiedon katkeaminen kyvykkyyksien välillä. 

Virtoja on useampia, ja niillä on useimmiten erilaisia tarpeita. Esimerkiksi isojen hankkeiden, pienkehityksen ja salkunhallinnan arvovirrat poikkeavat toisistaan, vaikka tukeutuvatkin samankaltaisiin kyvykkyyksiin. 

Vaikka arvovirrat eroavat toisistaan, yksi asia yhdistää niitä kaikkia: tieto kulkee arvon mukana. Tästä syystä arvovirtojen mallintaminen ei ole ensisijaisesti prosessien kuvaamista, vaan tiedonkulun ja tietotarpeiden ymmärtämistä. 

Kehittämisen näkökulmasta mielenkiintoista on, että suurin osa työstä ei varsinaisesti luo uutta tietoa, vaan jalostaa olemassa olevaa tietoa seuraavaan käyttötarkoitukseen. Liiketoiminnan tarve muutetaan vaatimuksiksi, vaatimukset suunnitelmiksi, suunnitelmat toteutettaviksi tehtäviksi ja lopulta testattaviksi ratkaisuiksi.  

Jokaisessa vaiheessa tieto tulkitaan uudelleen, täydennetään uudella kontekstilla ja siirretään seuraavalle toimijalle. Samalla syntyy väistämättä riski tiedon katoamiselle, väärintulkinnoille ja kontekstin häviämiselle. Juuri tästä syystä arvovirtojen tarkastelu tiedon näkökulmasta on tärkeää. 

Vaihe 3: Tunnista tarvittavat tekoälykyvykkyydet 

Kun ymmärrämme kehittämisen kyvykkyydet ja niiden läpi kulkevat arvovirrat, voidaan siirtyä varsinaiseen tekoälysuunnitteluun. Tässä vaiheessa kysymys ”Missä voisimme käyttää tekoälyä?” kannattaa korvata kysymyksellä ”Mitä tekoälykyvykkyyksiä tarvitsemme kehittämisen kokonaisuuden tehostamiseksi?” 

On helppo sortua lähtemään liikkeelle yksittäisistä käyttötapauksista. Parempi lähtökohta on tarkastella kehittämisen arvovirtaa vaihe vaiheelta ja seurata siinä kulkevaa tietoa. Tavoitteena on tunnistaa, missä kohtaa tieto syntyy, muuttuu, siirtyy tai menettää kontekstiaan. Juuri näissä kohdissa tekoälyllä on usein suurin potentiaali.  

Esittelen tähän kolmivaiheisen menetelmän: 

1. Mahdollista:  

Saadaanko tieto samaan kontekstiin? 

Ensimmäinen tarkastelunäkökulma liittyy tiedon saatavuuteen. Ennen kuin tekoäly voi auttaa, sillä täytyy olla pääsy oikeaan tietoon oikeassa kontekstissa. 

Monessa organisaatiossa arvovirran eri vaiheissa tarvittava tieto on hajautunut lukuisiin järjestelmiin, dokumentteihin, työkaluihin ja asiantuntijoiden hiljaiseen tietoon. Esimerkiksi vaatimusmäärittelyn onnistuminen voi edellyttää liiketoimintatavoitteiden, aikaisempien määrittelyjen, arkkitehtuuriperiaatteiden, projektipäätösten ja järjestelmäkuvausten yhdistämistä. Jos nämä sijaitsevat eri paikoissa, tekoälyn ensimmäinen tehtävä ei välttämättä ole automaatio vaan yhteisen tietokontekstin luominen. 

Tässä vaiheessa kannattaa kysyä, mitä tietoa arvovirran vaiheessa tarvitaan, mistä se löytyy ja ymmärretäänkö sen yhteys muihin vaiheisiin. Usein ensimmäiset tekoälyinvestoinnit liittyvätkin tiedon yhdistämiseen, semanttiseen hakuun tai yhteisen tietomallin rakentamiseen. Tavoitteena ei vielä ole tehdä asioita automaattisesti, vaan mahdollistaa se, että tieto on löydettävissä ja ymmärrettävissä riippumatta siitä, missä järjestelmässä se alun perin sijaitsee. 

2. Jalosta:  

Voiko tekoäly rikastaa tietokontekstia? 

Kun tieto on saatavilla samassa kontekstissa, voidaan pohtia seuraavaa tasoa: voiko tekoäly auttaa ymmärtämään tietoa paremmin kuin tänään? 

Kehittämisen aikana sama tieto kulkee useiden ihmisten ja kyvykkyyksien läpi. Samalla alkuperäinen merkitys alkaa helposti hämärtyä. Kehittäjä näkee käyttäjätarinan, mutta ei välttämättä liiketoimintatarvetta sen taustalla. Testaaja tuntee toteutuksen yksityiskohdat, mutta ei välttämättä niitä päätöksiä, joiden perusteella ratkaisu alun perin valittiin. 

Juuri tässä kohtaa tekoäly voi tuottaa merkittävää arvoa. Sen sijaan että se vain suorittaisi tehtävän ihmisen puolesta, se voi rikastaa päätöksentekoon tarvittavaa kontekstia. Kehitystarpeen yhteyteen voidaan automaattisesti tuoda tietoa vastaavista aiemmista hankkeista, tunnistetuista riippuvuuksista, teknisistä rajoitteista, toteutuskustannuksista tai vaikutuksista muihin liiketoimintakyvykkyyksiin, joilla parannetaan toteutettavan tehtävän laatua. 

Käytännössä tekoälyratkaisu toimii tällöin organisaation kollektiivisena muistina. Se auttaa yhdistämään hajallaan olevan tiedon uudeksi näkemykseksi, joka tukee päätöksentekoa arvovirran jokaisessa vaiheessa. Tekoäly ei tee päätöstä ihmisen puolesta, mutta se voi merkittävästi parantaa päätösten laatua tarjoamalla enemmän kontekstia kuin yksittäinen asiantuntija ehtisi koskaan kerätä. 

3. Automatisoi:  

Voiko tekoäly suorittaa tehtäviä tai tukea osaamista? 

Vasta tämän jälkeen kannattaa kysyä, voidaanko itse työtä automatisoida. Kun tieto on saatavilla ja sen konteksti ymmärretään, voidaan tarkastella yksittäisiä kyvykkyyksiä osaamisen näkökulmasta. 

Tässä vaiheessa huomio kohdistuu siihen, mitä asiantuntijat tosiasiassa tekevät arvovirran eri kohdissa. Mihin käytetään aikaa? Mitkä tehtävät perustuvat tiedon käsittelyyn? Mitkä ovat toistuvia ja sääntöohjattuja? Missä kohdin tarvitaan ihmisen harkintaa, vastuunkantoa tai päätöksentekoa? 

Esimerkiksi vaatimusmäärittelyn yhteydessä tekoäly voi laatia ensimmäisen version vaatimusdokumentista hyödyntäen aiemmissa vaiheissa kerättyä liiketoimintakontekstia. Projektinhallinnassa se voi koostaa tilanneraportteja, seurata riippuvuuksia ja tunnistaa poikkeamia projektidatan perusteella. Testauksessa se voi generoida testitapauksia, analysoida virheraportteja tai ehdottaa korjaavia toimenpiteitä. 

Samalla on tärkeää tunnistaa arvovirran päätöspisteet. Vaikka tekoäly kykenee analysoimaan vaihtoehtoja ja tuottamaan suosituksia, liiketoiminnan priorisointi, hyväksynnät, riskinotto ja strategiset valinnat ovat edelleen ihmisen vastuulla. Parhaimmillaan tekoäly toimii asiantuntijan työparina, joka nopeuttaa valmistelua ja parantaa päätösten laatua. 

Käytännössä tästä muodostuu yksinkertainen mutta tehokas toimintamalli. Ensin mahdollistetaan tiedon käyttö tuomalla tieto samaan kontekstiin. Sen jälkeen rikastetaan tietoa uusilla näkökulmilla ja yhteyksillä. Vasta tämän jälkeen arvioidaan, mitä voidaan automatisoida tai delegoida tekoälyn hoidettavaksi. 

Organisaatio ei voi automatisoida sitä, mitä se ei ymmärrä. 

Kun tieto saadaan virtaamaan kehittämisen arvovirtojen läpi oikeassa kontekstissa, alkavat myös tekoälyn todelliset mahdollisuudet näkyä.