Pitääkö jokaisessa järjestelmässä olla tekoälyä, jotta se on moderni? Ei välttämättä, kirjoittaa Solveonin HR Tech -ratkaisujen tuotejohtaja Hanna-Mari Kinnunen. Varsinkin kriittisissä prosesseissa kuten palkkahallinnossa vastaus voi olla suorastaan päinvastainen.
Kun aloitin Solveonin HR Tech -ratkaisujen tuotejohtajana muutama kuukausi sitten, ymmärsin nopeasti, että meidän tuotteissamme on valtava määrä älyä. Ratkaisuihin on rakennettu sääntökoneita, automaatiota, TES-tulkintaa, poikkeamien tunnistamista sekä prosesseihin sisäänrakennettua ohjausta. Meillä on vuosikymmenten aikana karttunutta toimialaosaamista, joka on koodattu sisään järjestelmiin. Pidämme näitä älykkäitä ominaisuuksia niin itsestäänselvinä, että ne jäävät usein mainitsematta.
Samaan aikaan teknologiakeskustelu pyörii lähes yksinomaan tekoälyn ympärillä ja lähes kaikki arvioidaan AI-linssin läpi. Kun katsoo tarkemmin sitä, mistä ohjelmistojen todellinen arvo syntyy erityisesti kriittisissä prosesseissa kuten palkka- ja henkilöstöhallinnossa tai työvoiman suunnittelussa, huomaa nopeasti, että älykkyyttä on monenlaista. Eikä kaikkein arvokkain osa ohjelmistoa välttämättä ole se näkyvin.
Julkisen sektorin hankintaprosesseissa asiakas speksaa vaatimukset ja lähtee kilpailuttamaan. Nyt vaatimuksiin on alkanut ilmestyä kysymyksiä tekoälystä. Se on ymmärrettävää, koska tekoäly kiinnostaa ja herättää odotuksia, ja päättäjät haluavat varmistaa, että hankittava ratkaisu on moderni.
Mutta tekoälyyn liittyvissä vaatimuksissa piilee riski. Jos kilpailutuksessa vaaditaan tekoälyä ilman syvempää ymmärrystä siitä, mitä sillä tarkoitetaan ja mihin sitä käytetään, voidaan päätyä tilanteeseen, jossa hankitaan näyttävä AI-ominaisuus, mutta ohitetaan se älykkyys, joka oikeasti ratkaisee ongelman.
Monet mainostavat tällä hetkellä tekoälyä tuotteissaan, vaikka se käytännössä tarkoittaisi jotain pientä toiminnallisuutta, joka muotoilee tekstejä vähän näppärämmin. Teknisesti se on tekoälyä, mutta onko se älykkyyttä, jota organisaatio oikeasti tarvitsee?
Tekoäly ei ole oikea työkalu kaikkiin ongelmiin. Tietyissä kriittisissä toiminnoissa se voi olla suorastaan väärä valinta.
Generatiivinen tekoäly perustuu päättelyyn: sille syötetään kysymyksiä tai tietoa, ja se todennäköisyyksien perusteella arpoo vastauksen perustuen siihen dataan, millä se on koulutettu. Se on niin sanottu black box -teknologia – päättelyprosessi ei ole läpinäkyvä eikä lopputulos ole ennustettava.
Palkkahallinnossa lainsäädäntö on tarkkaa, työehtosopimukset vaativat tulkintaa ja lopputuloksen pitää olla aina täsmälleen sama. Palkanlaskennan virheet näkyvät suoraan maksetuissa palkoissa, jolloin "ehkä oikein" ei yksinkertaisesti riitä. En usko, että kukaan oikeasti haluaa, että tekoäly päättää, kuinka paljon palkkaa itselle maksetaan.
HR-järjestelmissä, joilla on pitkä historia, on paljon sellaista älyä, joka ei näytä tekoälyltä mutta on arjessa äärimmäisen arvokasta. Esimerkiksi järjestelmään rakennettu sääntökone on työkalu, johon syötetään sisältöä ja joka tarkastaa sen tiettyjä sääntöjä vasten ja tuottaa lopputuloksen niihin sääntöihin perustuen.
Suomessa palkka- ja henkilöstöhallinnossa tätä tarvitaan jatkuvasti: taustalla on tulkintoja työehtosopimuksista, paikallissopimuksista, erilaisista työsuhdetyypeistä, poissaoloista, lisistä ja määräaikaisuuksista. Järjestelmän pitää laskea oikein, johdonmukaisesti ja läpinäkyvästi – ja sen pitää pystyä myös perustelemaan lopputulos, jos jotain täytyy jäljittää jälkikäteen.
Järjestelmien teknisistä ominaisuuksista puhuttaessa usein unohtuu, ettei lain tulkinta tuotteessa synny automaattisesti siitä, että laki on olemassa. Kun lainsäädäntö muuttuu, järjestelmätoimittajan pitää käydä vuoropuhelua, tulkita ja lopulta ohjelmoida se tulkinta käytännössä tuotteeseen. Samaa lakia voidaan tulkita eri tavoin, ja se toimintalogiikka, joka on koodattu, jää tuotteeseen. Se on valtava määrä hiljaista tietoa, jota ei voi ladata ulkopuoliselle tekoälylle ja jonka varaan luottamus rakentuu.
Hyvä esimerkki järjestelmän älykkyydestä, joka voi olla jotain muuta kuin generatiivista tekoälyä, on työvuorosuunnittelun optimointi. Numeronissa on toiminnallisuus, joka ottaa huomioon kaikki reunaehdot: millaisia resursseja on, mitä pätevyyksiä tarvitaan, mitä lakisääteisiä mitoitusvaatimuksia on täytettävä ja mitä toiveita työntekijät ovat esittäneet. Annettujen reunaehtojen mukaisesti se rakentaa vuorosuunnitelman. Hyvinvointialueen kaltaisessa monimutkaisessa ympäristössä, jossa on eri ammattiryhmiä, erilaisia pätevyysvaatimuksia ja tiukkoja resursointisääntöjä, se säästää merkittävästi aikaa suunnittelutyötä.
Tarkoitukseni ei ole kuulostaa tekoälyn vastustajalta, päin vastoin. Tekoäly tuo aitoa lisäarvoa monessa paikassa: käyttäjän ohjaamisessa ja avustamisessa, tiedon hakemisessa ja tiivistämisessä, poikkeamien tunnistamisessa ja ennakoinnissa. Hyvä esimerkki on M2 Tarkka, jossa tekoäly tarkastaa matkalaskuja ja tunnistaa poikkeamia – selkeä, toistuva työvaihe, johon se sopii hyvin ja jossa se vapauttaa ihmisen aikaa muuhun.
Tekoäly on parhaimmillaan silloin, kun se rakentuu jo valmiiksi toimivan kokonaisuuden päälle. Ensin tarvitaan kunnolliset prosessit, laadukas data ja luotettava järjestelmälogiikka. Sen jälkeen tekoäly voi tuoda lisää tehokkuutta ja käyttömukavuutta.
Jos olet parhaillaan arvioimassa tai kilpailuttamassa HR- tai palkkahallintojärjestelmää, näistä kysymyksistä on hyötyä riippumatta siitä, onko tekoäly vaatimuslistalla vai ei:
Nämä kysymykset ohjaavat kohti oikeanlaista älyä, eivät vain eniten AI-mainintoja sisältävää ratkaisua.
Kilpailutustaulukoissa ei näy järjestelmän arvokkain osa – toimintalogiikka, joka on koodattu tuotteeseen vuosien vuoropuhelussa lainsäädännön, asiakkaiden ja käytännön arjen kanssa ja joka toimii hiljaa taustalla joka ikinen päivä. Tekoälystrategian ydin ei ole se, että tekoälyä on, vaan se, että sillä ratkaistaan oikeita ongelmia.
Fiksuin ratkaisu ei ole se, jossa on eniten tekoälyä, vaan se, jossa oikeanlainen äly on oikeassa paikassa.