Generatiivisen tekoälyn käyttötavoissa on selkeitä eroja eri ikäpolvien välillä. Harvard Business Schoolin tutkimus kertoo, että nuoremmat ammattilaiset keskittyvät yksittäisiin tehtäviin ja arkiprosesseihin, kun taas pidempi työkokemus tuo etuja riskienhallintaan ja tekoälyn strategiseen hyödyntämiseen laajemmassa organisaatiokontekstissa. Tutkimus haastaa myös yleisen oletuksen siitä, että juniorit olisivat parhaita opettamaan senioreille tekoälyn käyttöä.

Harvard Business Schoolin tutkimuspaperi ”Don’t Expect Juniors to Teach Senior Professionals to Use Generative AI: Emerging Technology Risks and Novice AI Risk Mitigation Tactics” avaa eri ikäpolvien roolia tekoälyn ja tietotyön kontekstissa.

Poimin siitä joitakin huomioita, jotka ovat tulleet vastaan konsultointityössäni ja keskusteluissa kollegoiden kanssa. Asiaan on monia muitakin näkökulmia, joista jatkan myöhemmin. (Lue myös PS. tämän kirjoituksen lopusta, kiinnostava suomalainen datapiste aiheeseen. )

Vielä terminologiasta: HBS:n tutkimus puhuu junioreista ja senioreista – käytän tässä samoja sanoja vaikka osaa teistä nämä ärsyttävät, ja parempiakin ilmaisuja varmaan löytyy.

Miten pitkä ammatillinen kokemus näkyi generatiivisen tekoälyn käytössä?

Erot junioreiden ja senioreiden välillä näkyivät erityisen selvästi riskien tunnistamisessa ja niiden arvioinnissa. Seniorin kokemus oli tässä valttia. Kokemuksen merkitys korostui myös dialogitaidoissa (kehotteiden muotoilussa), organisaation prosessien kokonaisvaltaisessa ymmärtämisessä sekä tekoälyn käyttöönoton strategisessa suunnittelussa.

On tuttua, että generatiivinen tekoäly tuottaa usein epätarkkoja, virheellisiä ja joskus aivan päättömiäkin tuloksia, ja sen toimintalogiikan monimutkaisuus ja läpinäkymättömyys vaikeuttavat tuotosten arvioimista. Siksi tuotosten tulkinnassa tarvitaan taitavaa kontekstin ymmärtämistä, kriittistä katsetta ja tervettä epäluuloakin.

Tätä vasten on selvää, ja tämä tutkimus vahvisti saman: senioreilla on etumatkaa tekoälyn taitavassa, tuloksellisessa käytössä.

Juniorien ja seniorien erilaiset taktiikat

Pitkä työkokemus ja vuosien asiantuntemus auttaa arvioimaan tekoälyn tuotoksia kriittisemmin, kun taas nuorempien ammattilaisten vahva luottamus teknologiaan voi synnyttää tarpeettomia riskejä.

Kokemus näkyy erityisesti kahdella alueella: dialogissa tekoälyn kanssa (eli kehotteiden muotoilussa) ja tekoälyn lopputuotosten laadun arvioinnissa. Kokenut ammattilainen osaa taustoittaa tehtävänannot ja antaa kontekstin riittävän laajasti. Tekoälyvastausten äärimmäinen sulavuus voi hämätä, jos toimialan tai tehtäväkentän tuntemus on vielä kehittymässä.

Tutkimuksen konsulttiyrityksessä tehty kokeilu vahvisti tätä havaintoa: ilman riittävää koulutusta ja kokemusta tekoälyn turvallinen ja tuloksekas hyödyntäminen oli haastavaa.

Juniorit ja seniorit lähestyivät tutkimuksen organisaatiossa tekoälyä eri tavoilla. Juniorit keskittyivät yksittäisiin tehtäviin ja arkiprosesseihin, mikä onkin luonnollista uran alkuvaiheessa. Seniorit puolestaan tarkastelivat tekoälyn käyttöä laajemmassa organisatorisessa kontekstissa sekä tunnistivat ja hallitsivat riskejä paremmin.

Pohdin itse tässä kohtaa, että vaikka senioreiden laajempi näkökulma toisi etuja riskienhallintaan, ei kumpaakaan lähestymistapaa tulisi nähdä toistaan parempana. Sen sijaan, että junioreiden käytännönläheisyys ja senioreiden laajempi katsantokanta asetettaisiin vastakkain, olisi hyödyllistä keskittyä näiden vahvuuksien yhdistämiseen.

Paras juttu: Junnut ja sennut yhdessä

HBS:n tutkimus kertoo myös, että juniorit eivät ole parhaita opettamaan senioreita generatiivisen tekoälyn käytössä. Miksi? Heiltä puuttuu edellä kuvattu syvällinen ymmärrys ja kokemus teknologian riskienhallinnasta ja he keskittyvät eri osa-alueisiin (junnut rutiinien muuttamiseen projektitasolla ja sennut laajempaa systeemitasoa). Parasta on jos junioreiden ja senioreiden vahvuudet saadaan tekoälyn käyttöönotossa ja käytössä nivottua yhteen.

Juniori/seniori-yhdistelmällä minimoidaan riskejä, maksimoidaan hyötyjä, kartutetaan osaamista ja tuetaan onnistumisten kierrettä.

Vanha kuvio, jossa junnut opettavat sennuja, ei tämän tutkimuksen mukaan päde.

Mitä lääkkeeksi?

Kannattaa varmistaa, että junioreille on tarjolla riittävästi koulutusta ja mahdollisuuksia kartuttaa tekoälykokemustaan. Ja rinnalla hyödyntää senioreiden strategista näkemystä ja syvällistä asiantuntemusta. Tässä erilaiset mentorointimallit ja tavat hiljaisen tiedon siirtämiseen ovat avainasemassa.

Seniorien huoli tilanteesta

Tekoälyn ihmistä parempi suorituskyky huolestuttaa osaa senioreista. Jääkö kokemukseni ja asiantuntemukseni turhiksi? Ei jää.

Kannustan senioreja tarttumaan toimeen:

1. Sinulla on pitkä kokemus onnistumisista ja epäonnistumisista – molempia kokemuksia tarvitaan.
2. Sinulla on syvällinen ymmärrys organisaation prosesseista sekä strateginen näkemys siitä, miten tekoäly voitaisiin parhaiten integroida niihin.
3. Sinulla on kyky lähestyä asiaa kokonaisvaltaisesti ja huomioida tämä tietotyön kolminaisuus: teknologia, prosessit ja ihminen.

Johdon rooli tekoälymuutoksen mahdollistajana

Tekoälyn tuomat muutokset asiantuntijatyöhön ovat radikaalimpia kuin some tai pilvi aikanaan. Siksi tarvitsemme sekä systemaattista johtamista että tilaa kokeiluille.

Kokonaisuuden orkestrointi on johdon vastuulla.

Johtaja, et voi vain delegoida ‘tekoälyhommia’ jollekin. Etsi osaajia, joilta löytyy motivaatiota, osaamista ja intoa. Kaikista tiimisi jäsenistä ei ole tekoälyn innovaattoreiksi: irrationaalinen vastarinta on tyypillistä osalle senioreista, ja toisaalta moni nuori osaaja ei tiedä tekoälystä lainkaan kokeneita enempää, ainakaan vaativammassa työkontekstissa.

Johtajana työssäsi auttaa kun löydät muutoksen ajureita ja sopivia työskentelypareja tekemään umpihankeen latua muita varten: niitä nuorempia taitajia, joilla on tuntosarvet ulkona tekoälyn käytön suhteen ja niitä senioreja, jotka ovat positiivisia systeemiajattelijoita ja auttavat suunnistamaan tavoilla, jotka johtavat merkityksellisiin lopputuloksiin.

Riitta ☀️

PS. ETLAn tuore selvitys kartoitti generatiivisen tekoälyn vaikutuksia Suomen työmarkkinoilla ja sen käyttöä suomalaisten keskuudessa. Mukana oli yksi ikään liittyvä tieto. Oheisessa kuvassa näkyy miten GenAI:n käytön todennäköisyys/intensiteetti suhteutuu henkilön ikään. Laskeva käyrä ikävä kyllä. Tähän tilanteeseen olisi hyvä tarttua organisaatioissa. (Omassa AI-kuplassani tuntuu siltä, että 35+ ikäiset ovat superaktiivisia, mutta se kertoo vain kuplastani, ei tilanteesta laajemmin.)