Yrityksen tekoälymatka ei ole helppo – siksi mekin menetimme data scientistimme

Kun yritys ottaa tekoälyn käyttöön, sen täytyy oppia rakastamaan virheitä.

Noin vuosi sitten Harvard Business Review’ssä julkaistiin artikkeli otsikolla Are You Setting Your Data Scientists Up to Fail? Samaan aikaan Ellun Kanoille vain kahdeksan kuukautta aikaisemmin palkattu data scientist irtisanoutui.

Mitä hemmettiä oikein tapahtui? Paras mahdollinen: teimme tekoälymatkamme virheet nopeasti.

Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it… toteaa yhdysvaltalainen psykologian ja käyttäytymistieteiden professori Dan Ariely, eikä ole ihan väärässä. Dataistumisen matka esitetään yleensä loogisena ja helppona. Kaikki ovat ”dataistaneet” bisneksensä ja kaikki ovat tietoisia disruptiosta ja edelläkävijöitä.  Tämä ei ole kuitenkaan koko totuus.

Ennen kuin tekoäly voi poistaa järjettömyydet, on kuitenkin organisaatioiden poistettava järjettömyydet tekoälyn edestä. Eikä se ole ihan helppo homma.

Viime viikolla Ellun Kanat ja tekoälyyn liittyvien projektien konsultointiyritys Fourkind yhdessä WSOY:n kanssa julkaisi Atte Jääskeläisen kirjoittaman kirjan Mitä tapahtuu huomenna – kun tekoäly poistaa järjettömyydet. Yhtään liioittelematta voin sanoa, että se on paras suomalainen kirja tekoälystä. Ennen kuin tekoäly voi poistaa järjettömyydet, on kuitenkin organisaatioiden poistettava järjettömyydet tekoälyn edestä. Eikä se ole ihan helppo homma.

Vuoden 2016 syksyllä Ellun Kanat nosti data- ja tekoälykyvykkyyden strategiansa ytimeen. Vähänpä tiesimme silloin, mitä sillä oikeasti tarkoitimme. Tekoälymatka on parhaimmillaankin mutkikas. Seuraavat kolme opetusta ovat yleisimmät. Nämä läksyt kannattaa oppia nopeasti.

Opetus numero 1: Yksisarvisia ei ole

The worst mistake a company can make is to hire a cadre of smart data scientists, provide them with access to the data, and turn them loose, expecting them to come up with something brilliant (HBR 25.1.2018).

Elokuussa 2017 Ellun Kanojen ensimmäinen (ja ainoa) data scientist aloitti hommat. Maaliskuussa 2018 hän irtisanoutui. Kahdeksan kuukauden työsuhde kuulostaa – hmm – lyhyeltä. Teimme virheen, josta Harvard Business Review varoitti. Sen tekee moni muukin.

Yleisimpiä virheitä on olettaa ”yksisarvisen” hoitavan homman kammiossa ja tulevan “valmiilla tavaralla” sieltä ulos.

Tämä johtuu siitä, että meille on taottu päähän, että datascientist on ihmeolento, yksisarvinen, joka kykenee kaikkeen. Tähän maailman seksikkäimmäksi ammatiksikin määriteltyyn hommaan on sisältynyt valtavat ja epärealistiset odotukset. Toisin kuin yleisesti ajatellaan ja millaista mielikuvaa pyritään luomaan, datascientistit eivät ole yksisarvisia. Ollakseen strategian ytimessä datan pitää olla osa ydintä, ei yksinäinen hakkeri. Yleisimpiä virheitä on jättää data yksin tai siilouttaa se. Yleisimpiä virheitä on olettaa ”yksisarvisen” hoitavan homman kammiossa ja tulevan “valmiilla tavaralla” sieltä ulos. Me odotamme, että data scientist löytää datan, analysoi sen oikeassa bisnes- ja strategiakontekstissa, visualisoi datan ja esittää sen vielä Ted talk -tasoisesti kaikelle yleisölle ymmärrettävästi. Tosiasiassa datascientist ei pysty mihinkään ilman tiimiä, jossa on diversiteettiä. Yksisarvinen ON taruolento.

Opetus numero 2: Isoin muutos on kulttuurin muutos

77 % yrityksistä toteaa, että big data ja AI -hankkeiden bisneshyödyt jäävät toteutumatta. Hankkeisiin investoidaan, mutta tulokset ovat heikkoja. 95 % vastaajista pitää syynä kulttuurisia tekijöitä, ei teknologiaa (Big Data and AI Executive Survey 2019).

Nykyisyyttä suojelee organisaatioissa moni, tulevaisuutta harvempi. Meillä on tapana muutoksen kourissakin pitää kiinni totutusta. Sisäinen vastustus on usein vahvaa. Sanonnan mukaan organisaatiokulttuuri syö strategian aamupalaksi, ja siinä sivussa voi mennä datascientist välipalana. Vahva ajatteleva organisaatio tuudittautuu helposti ajatukseen näkemyksen ja luovan ajattelukyvykkyyden riittävyydestä. Data on kuitenkin näkemyksen paras kaveri. Ilman sitä viestintätoimistot (ja kyllä, myös moni muu konsultointia tekevä toimija) jäävät vain ”paskaa puhuviksi huijareiksi” ja ovat irrelevantteja 10 vuoden kuluessa, mistä Brexit-kampanjan arkkitehti Dominic Cummings puhuu provosoivasti täällä. 

Näkemys on datan paras kaveri.

Ihan sellaisenaan en niele Cummingsin väitettä. Data ilman näkemystä ja kommunikaatiota ei johda mihinkään. Näkemys on datan paras kaveri. Data- ja tekoäly kannattaa rakentaa oman strategian ytimeen, ja sen kannattaa perustua omaan näkemykseen siitä, mitä omalla toimialalla tulee tapahtumaan ja mikä asiakkaan näkökulmasta on relevanttia muuttuvassa maailmassa. Se edellyttää, että yrityksessä on vahvat datamuskelit ja sisäänrakennettu tapa luoda näkemystä olemassa olevasta datasta ja kyky johtaa siitä ymmärrystä tulevaan, joka ei ehkä toimi vanhan datan logiikalla.

Opetus numero 3: Kumppanilla on väliä

Obsess on quality, professionalism, and business results (HBR 25.1.2018). 

Tekoälymatkan ensimmäiset askelet ovat vähän kuin vieraan kielen opiskelu. On jännää miettiä, minkälainen robotti rakennetaan? Mitä kaikkea voikaan dataistaa? Milloin olemme teknologiayritys?

Datan ja tekoälyn kanssa on kiva puuhata, kunnes tulee aika tehdä rahallinen investointi.

Datan ja tekoälyn kanssa on kiva puuhata, kunnes tulee aika tehdä rahallinen investointi. Silloin mitataan oikea tahtotila. Ja oikeat kumppanit. Uutta kieltä (jota data- ja tekoälykin tavallaan ovat) oppii parhaiten, kun on osaava opettaja vierellä.

Ison muutoksen edessä matka on pitkä ja eväiden pitäisi riittää koko matkalle. Se tarkoittaa sitä, että virheitä pitää rakastaa, silloinkin kun ne ovat kalliita.

Ellun Kanojen matka sai alussa kiritystä siitä, että Fourkindin alkutaival tapahtui kanojen siipien suojissa, eli starttasi toimintaansa meidän tiloissa. Erilaisen ajatustavan törmääminen oli joskus tuskallista – mutta aina hedelmällistä.

Konflikteista syntyy ymmärrystä, puolin ja toisin. Sitä syntyy itse substanssista mutta myös reunaehdoista ja tavasta ajatella. Matkan aikana alkaa hahmottua, mikä on yritykselle mahdollista ja mikä ei, ja toisaalta hahmottuu, mistä syntyy aitoa bisneshyötyä ja mikä on vain hauskaa leikkiä. Oikeat kumppanit ovat kaiken kehittymisen ja onnistumisen edellytys.

Näkemys on datan paras kaveri

Jotta voi oppia näistä kolmesta virheestä nopeasti, on hyvä tehdä kuten yrityskonsultti Simon Sinek neuvoo: Start with why. On muodikasta todeta, että se tai tämä yritys on tulevaisuudessa teknologiayritys. Pyrkimys julistautua teknologiayritykseksi osoituksena jostain ”edelläkävijyydestä” edustaa kuitenkin maailmaa, jossa teknologia on jotain eriskummallista ja erityistä eikä osa arkipäivää. Se edustaa helposti juuri sitä maailmaa, jossa datascientistit jäävät yksin ja jossa on unohdettu oma erilaisuus ja ainutlaatuisuus, oma olemassaolon tarkoitus.

Pyrkimys julistautua teknologiayritykseksi osoituksena jostain ”edelläkävijyydestä” edustaa kuitenkin maailmaa, jossa teknologia on jotain eriskummallista ja erityistä eikä osa arkipäivää.

Ellun Kanoista ei ehkä koskaan tule teknologiayritystä, mutta sillä on tulevaisuudessa vahva tekoälyn mahdollistama sydämentahdistin.

The best data scientists get out and talk to people, toteaa data-asiantuntija Thomas Redman Harvard Business Review’n artikkelissa vuodelta 2017 (HBR 26.1.2017). Sanoisin sen toisin: Näkemys on datan paras kaveri, eikä ilman kommunikaatiota tapahdu muutosta.

Vuosi data scientistin menettämisen jälkeen voin jo sanoa: Tervetuloa taloon tekoäly, koska järjettömyydet (ainakin iso osa) on lakaistu edestäsi!