Parhaimmillaan tekoälyn kanssa voi työskennellä samaan tapaan kuin hyvien kollegoiden kanssa. Ideoita heitellään, rakennetaan aiemman päälle, täydennetään toista, koetaan aitoa yhteistyötä ideoiden kehittämisessä. Tekoälykumppani ei tosin huomaa, jos sinua jää jokin asia mietityttämään tai haluat pitää tauon – siksi en halua ehdottaa, että töitä pitäisi tehdä vain tekoälyn kanssa, vaan että ottaisimme sen laajemmin mukaan.
Kuvaamani mahdollistuu, kun siirrymme systeemiseen tapaan hahmottaa organisaation toimintaa. Sen sijaan että tekoäly vain käsittelisi yksittäisiä pyyntöjämme yksittäisissä chateissä, sen pitäisi olla mukana koko ekosysteemissä. Parhaimmillaan tekoäly on tiivistämisessä, poikkeamien tai säännönmukaisuuksien havainnoinnnissa ja suurten tietomäärien käsittelyssä ja siksi olisi hyvä antaa tehtävän kannalta olennaista kontekstia käyttöön mahdollisimman paljon.
Mikä muuttuu?
Tekoälyn käytön ei pitäisi olla itseisarvo, vaan ajattelun kumppani. Jotta kumppanuus olisi mahdollisimman hyödyllinen, niin olemassaolevia materiaaleja kuin uusiakin ajatuksia pitäisi jakaa avoimesti ja tekoälyn pitäisi olla mukana tiimissä jatkuvasti.
Vähintään kuukausittain törmään ilmiöön, että henkilö on keksinyt itselleen uuden idean, varjelee sitä, kehittää itse ja lopulta esittelee muille. Keskustelussa tulee ilmi, että idea on jo olemassa ja innostus tukahtuu.
Jos idea sen sijaan olisi jaettu aikaisessa vaiheessa joko tietoisesti tai tekoälyn toimesta, voisi siirtyä luontevasti suoraan niille tasoille, jossa rakennetaan olemassaolevan päälle uutta. Tekoälymme huomaa, kun jokin idea alkaa muhia useammassa eri keskustelussa. Se yhdistää saman asian kehittelyn organisaation eri puolilta.
Kun työstämme ideoita työpajoissa, tapaamisissa ja muistiinpanoissa, ne pitäisi antaa samantien myös tekoälyllemme, jotta se voisi toimia omassa roolissaan tiivistäjänä ja tiedon levittäjänä paremmin.
Mitä tämä tarkoittaa käytännössä?
Chat-tyyppinen, yksilöiden kehotemuotoilukeskeinen tapa käyttää tekoälyä ei yleensä takaa niin hyvää tilannekohtaista lopputulosta kuin olisi mahdollista, koska ihminen ei vain jaksa pohtia ja rakentaa kehotetta tarpeeksi hyvin tai kerätä riittävästi materiaaleja.
Monesti saa kuulla myös, miten prosessien kartoittaminen ja niiden mukaan toimiminen on masentavaa touhua ja olisi kivempaa vain “ruveta heti tekemään”.
Systeeminen ymmärtäminen tarjoaa mahdollisuuden antaa inhimillisen spontaaniuden ja konemaisen analyyttisen toimintatapojen yhdistämiselle.
On lukuisia metodeja rakentaa tarkka ymmärrys kehityksen kohteena olevasta palvelusta, esim. service blueprint, palvelupolut, käyttäjäpolut, persoonat, käyttäjätarinat… Lisäksi tekoälyavustaja on hyödyllinen kumppani niin rakentamaan näitä tärkeitä dokumentteja kuin levittämäänkin niiden tietoa.
Kontekstin muotoilu – kohti oikeaa
Tarpeeksi laajan kontekstin tarjoaminen yksinkertaiseenkin tehtävään on usein ylivoimaista. Dataa voi olla joskus hyvinkin tarjolla, mutta lisäksi käyttäjän hyväksi kokemaan lopputulokseen vaikuttavat esim. sijainti, vuorokaudenaika, tuleeko suosittelu itselle vai jollekin ryhmälle, mitä muuta on äskettäin tapahtunut jne.
Se, mikä on oleellista suoritettavan tehtävän kannalta, vaihtelee.
Järjestelmässä on oltava automatisoitu niin useita vaiheita kuin mahdollista, jotta emme kuormita käyttäjää turhilla kyselyillä. Samalla käyttäjällä on oltava tunne, että hän ohjaa prosessia. Käyttäjien toimintaa on siksi tutkittava tarkoin, jotta voimme ymmärtää ratkaistavat ongelmat ja niihin vaikuttavat detaljit oikein.
Edistynyt context engineering (jolle ei nyt tule mieleen muuta suomennosta kuin kontekstimuotoilu) kannattaisi ottaa tärkeäksi elementiksi kaikkiin tekoälyprojekteihin. Teknologia on jo antanut meille huikean määrän mahdollisuuksia – olisi vain rakennettava ymmärrystä myös siitä, mikä on käyttäjälle tärkeää, ja miten huomioimme sen toteutuksissa niin hyvin kuin mahdollista.