Ekonomi ja tekoälylukutaito

 

Kirjoittaja: Antti Merilehto, KTM, Head of AI transformation, ELEV

Kuvaaja: Pasi Salminen

 

Medialukutaito on kuulunut peruskoulun opetussuunnitelmaan jo pitkään. Sen ytimessä on ymmärrys siitä, miten ja miksi eri mediat esittävät asioita eri tavoin ja miten lähdekritiikkiä käytetään osana tiedon arviointia. Kymmenen vuotta sitten johtajille peräänkuulutettiin datalukutaitoa. Dataa kutsuttiin uudeksi öljyksi, ja puhe big datasta oli ajan henki.

Tänään vastaava kysymys kuuluu näin: miksi tekoälylukutaidon on syytä olla korkealla ekonomin listalla? Ei vain yleissivistyksen vuoksi, vaan myös oman työmarkkina-arvon säilyttämisen ja kohottamisen takia.

Vastaus on yksinkertainen. Tekoälyn käytettävyys on parantunut ja sen myötä tekoälyn merkitys ekonomin työssä on kasvanut huomattavasti viimeisten parin vuoden aikana. ChatGPT:n julkaisusta on kulunut syksyllä neljä vuotta. Tekoälytyökalut, avustajat ja agentit ovat kehittyneet merkittävästi viimeisen vuoden kuluessa. Tänä päivänä tekoäly oikein käytettynä tuo arvoa lähes jokaisessa asiantuntija- ja esihenkilötyössä ajattelukumppanina, joka auttaa ratkaisemaan arjen ongelmia ja tekemään parempia päätöksiä.

 

Mitä tekoälylukutaito tarkoittaa?

 

Tekoälylukutaito on käsite, joka liittyy Euroopan unionin tekoälyasetukseen. Organisaatioiden tulee huolehtia siitä, että niiden henkilöstöllä on riittävä ymmärrys tekoälystä siellä, missä tekoälyä käytetään. Tarkkoja määritelmiä ei asetuksessa kuitenkaan annettu kovin yksityiskohtaisesti, vaan tulkinnanvaraa jäi paljon organisaatioille itselleen.

Juuri siksi tekoälylukutaitoa ei kannata ajatella vain pakollisena suoritettavana verkkokurssina, jossa käydään läpi säädöstekstejä. Kyse on siitä, miten organisaatio ymmärtää oman työnsä ja oman arvonmuodostuksensa uudessa tilanteessa.

Tekoälylukutaitoon kuuluu ainakin perusymmärrys siitä, miten generatiivinen tekoäly toimii. On hyvä ymmärtää, mitä kielimallit ovat, miten ne on koulutettu, miksi ne joskus tuottavat uskottavan kuuloisia, mutta virheellisiä vastauksia ja mitä vastuullinen tekoälyn käyttö tarkoittaa käytännössä.

 

Tekoäly sulautuu osaksi tuttuja työkaluja

 

Teema on juuri nyt ajankohtainen myös siksi, että elämme siirtymävaihetta. Nykyiset käyttöliittymät, kuten ChatGPT, Copilot, Claude ja Gemini, joissa tekoälyä käytetään erillisessä ikkunassa, ovat todennäköisesti vain välivaihe. Aina kun käyttäjä joutuu siirtymään toiseen järjestelmään, syntyy kitkaa. Tänä vuonna olemme alkaneet nähdä kehitystä, jossa tekoäly sulautuu osaksi niitä työkaluja ja järjestelmiä, joita ihmiset käyttävät jo valmiiksi. Erinomainen esimerkki on Claude Excelissä, jossa tarjolla on tutussa Excelin käyttöympäristössä kaikki Clauden ominaisuudet.

Kun tekoäly tulee osaksi tuttua työympäristöä, sen käyttö lisääntyy. Samalla kasvaa tarve ymmärtää, missä tekoäly on vahva, missä se on heikko ja missä ihmisen oma arviointikyky on ratkaiseva.

Tilannetta voi verrata valokuvaukseen. Vanhalla järjestelmäkameralla kuvaajan piti itse säätää valotusta ja aukkoa. Digitaaliset kamerat toivat automatiikan, ja nykyään suurin osa kuvista otetaan puhelimella lähes ajattelematta tekniikkaa. Silti paras lopputulos syntyy yleensä silloin, kun kuvaaja ymmärtää perusasiat siitä, miten valo, tarkennus ja sommittelu vaikuttavat kuvaan. Sama pätee tekoälyyn. Mitä paremmin ekonomi ymmärtää kielimallien toimintaa ja niiden rajoitteita, sitä paremmin pystyy hyödyntämään sekä nykyisiä työkaluja että niitä järjestelmiä, joihin tekoäly vähitellen sulautuu.

 

Ekonomin pelipaikka muuttuvassa työssä

 

Tämä ymmärrys antaa selkänojaa myös työelämän muutokseen. Usein esimerkkinä käytetään ohjelmistokehittäjiä. Devaajan työ on siirtynyt koodin kirjoittamisesta yhä enemmän ongelman ymmärtämiseen, ratkaisun määrittelyyn ja lopputuloksen arviointiin. Tekoäly kirjoittaa koodin mutta ihminen vastaa edelleen lopputuloksesta. Sama kehityssuunta näkyy monissa ekonomien tehtävissä. Rutiininomaisen tekemisen rinnalle nousee kyky määritellä oikeita kysymyksiä, arvioida vaihtoehtoja, tunnistaa riskejä ja käyttää harkintaa.

Siksi tekoälylukutaitoa kannattaa lähestyä käytännön hyötynä. Tärkeintä ei ole keskustella pelkästään sääntelystä, vaan myös siitä, mitä tekoäly herättää omassa tiimissä: kiinnostusta, epävarmuutta, innostusta vai väsymystä. Kaikki nämä tunteet vaikuttavat siihen, miten uusia työtapoja otetaan käyttöön.

Moni kokee jo nyt tekoälyväsymystä. Tekoälystä puhutaan paljon, mutta arjen konkreettiset hyödyt eivät aina tunnu suurilta. Juuri siksi organisaatioissa kannattaa pohtia vähemmän yleistä kohinaa ja enemmän omaa käytäntöä: missä työvaiheissa tekoäly aidosti auttaa, missä se säästää aikaa, missä se parantaa päätöksentekoa ja missä sen käyttöön liittyy riskejä, jotka on tunnistettava. Esimerkit on hyvä tuoda oman tiimin työtehtävistä aidolla datalla. Näin oppiminen on merkityksellistä.

Tekoälylukutaito tarkoittaa kykyä ymmärtää, arvioida ja hyödyntää tekoälyä osana omaa työtä ja oman organisaation toimintaa. Ekonomille se on yhä enemmän työelämän perustaito. Se, joka ymmärtää tekoälyn vahvuudet, heikkoudet ja vaikutukset liiketoimintaan, ymmärtää myös paremmin meneillään olevaa muutosta ja kykenee toimimaan sen mukaisesti.

Kysymys ei ole enää se, tuleeko tekoäly osaksi ekonomin työtä. Se on jo tullut. Olennaista on se, millä tavalla sinä itse, oma tiimi ja oma organisaatio rakentavat sellaista tekoälyn ymmärrystä, josta on aidosti hyötyä arjessa, päätöksenteossa ja kilpailukyvyn vahvistamisessa.

 

Artikkelin kirjoittaja Antti Merilehto on yrittäjä, tietokirjailija ja puhuja, joka on yhdessä ELEV:in tiimin kanssa ollut mukana yli 300 organisaation tekoälytransformaatiossa.