Gradu: Understanding Knowledge Work and the Performance Potential of its Computerization—Case IBM’s Watson

Tekijä: Pekka Lampelto
Ohjaaja: Kari Lohivesi
Julkaisuvuosi: 2013
Yliopisto: Tampereen yliopisto, Johtamiskorkeakoulu, Yrityksen johtamisen pääaine
Sivumäärä: 168 sivua + 22 liitesivua
Avainsanat: Tieto, tiedollinen kyvykkyys, tietotyö, tietotyöagentti, tietotyön suorituskyky, rooli, tehtävä
Linkki: https://trepo.tuni.fi/handle/10024/94436

Kuinka gradun aihe syntyi

Vuoden 2010 lopussa aloin miettiä, mistä aiheesta tekisin pro graduni. Graduseminaari oli alkamassa tammikuussa 2011. Aiheella olisi oltava suurta strategista merkitystä. Sitä ennen olin aktiivisesti keskustellut Internet-foorumeilla mm. taloudesta, teknologiasta ja työllisyydestä.

Mieleni syövereistä nousi lopulta ajatus: “Ihmiskunnan historia on ollut teknologista kehitystä etenkin viimeiset 250 vuotta teollistumisen myötä. Siinä missä koneet koostuvat atomeista, niin myös ihminen koostuu atomeista. Täten kone voi teoriassa tehdä mitä vain työtä, mihin ihminenkin pystyy.”

Sattumalta tammikuussa 2011 Youtubessa tuli vastaan IBM Watsonista ja Jeopardy-visailuohjelmasta kertova video. IBM Watson kykeni vastaamaan luonnollisella kielellä esitettyihin kysymyksiin tarkemmin ja nopeammin kuin parhaimmat ihmiskilpailijat. IBM Watsonista tulikin oivallinen case-teknologia keksimälleni graduaiheelle tietotyön luonteesta ja automatisoinnista tekoälyn avulla.

Gradusta tuli lopulta lähes 170 sivua pitkä, ja se valmistuikin vasta 2013. Antoisin vaihe oli varsinkin johtopäätösten ja loppupohdintojen kirjoittaminen. Niissä tarkastelin tietotyön automatisoinnin merkitystä organisaatioille, taloudelle ja yhteiskunnalle pitkälle tulevaisuuteen. Monet tuolloisista johtopäätöksistä ovat osoittautuneet varsin paikkansa pitäviksi 2020-luvulla, ja ne ovat myös tiivistettynä tämän blogiartikkelin lopussa.

Tutkimuksen tausta ja tavoitteet

Pro gradu -tutkielmani tarkasteli tietotyötä ja sen suorituskykypotentiaalia (tehostaminen ja automatisointi) keskittyen erityisesti IBM:n kehittämään IBM Watson -tekoälyjärjestelmään. Tietotyön rooli on kasvanut merkittävästi kehittyneissä talouksissa, ja samalla tietotyön tuottavuuden parantaminen on noussut yhdeksi tärkeimmistä haasteista yritysmaailmassa. Gradussa viitattiin Peter F. Druckerin näkemykseen, jonka mukaan tietotyön tuottavuuden parantaminen on 2000-luvun suurin johtamishaaste, vastaavasti kuin teollisen työn tuottavuuden kasvu oli 1900-luvulla.

Tutkimuksen keskeisimmät päätavoittet olivat:

1. Rakentaa viitekehys tietotyöhön liittyvistä tiedollisista kyvykkyyksistä (‘knowledge capabilities’), joita tietotyötehtävien (‘knowledeg work tasks’) tekeminen vaatii tietotyöagenteilta (‘knowledge work agents’).
2. Selkeyttää tietotyön käsitettä luomalla uusi yleinen jäsennysmalli tietotyötehtävien tyypeille (‘knowledge work task types’) perustuen aiempaan kirjallisuuteen ja tutkimuksen empiiriseen aineistoon tietotyöntekijöiden työnkuvauksista.
3. Arvioida IBM:n Watson-tietokoneen suorituskykypotentiaalia ja automatisointimahdollisuuksia tutkimuksen aikaisissa tietotyötehtävissä (2010-luvun alku). Missä IBM Watsonilla on suurin potentiaali tehostaa ja automatisoida tietotyötehtäviä, ja missä pienin potentiaali?

Tutkimusmenetelmät

Toteutin tutkimuksen laadullisena tapaustutkimuksena hyödyntäen grounded theory -metodia.

• Empiirinen aineisto: Haastattelin viittä tietotyöntekijää, jotka työskentelivät tuolloin eri organisaatioissa (IBM, NEOT, Facebook, Google, Metso) erilaisissa tietotyörooleissa. Haastatteluit keskittyivät työntekijöiden työroolien ja -tehtävien kuvauksiin. Lisäksi tutustuin julkaistuun aineistoon IBM Watsonista sekä haastattelin yhtä IBM:n teknologia-asiantuntijaa Watsonin kyvykkyyksistä.
• Sisällönanalyysi tietotyölle: Analysoin aineiston induktiivisella sisällönanalyysillä, jossa jaottelin haastateltavien työnkuvaukset rooleihin (‘roles’) ja niiden alla oleviin tietotyötehtäviin (‘knowledge work tasks’).
• Sisällönanalyysi tietotyökyvykkyyksille: Perehdyin aiempiin tietotyötehtävien typologiamalleihin (mm. Ropo, 1989; Mintzberg, 2009; Brinkley et al., 2009; Reinhardt et al., 2011), joiden pohjalta muodostin tunnistettujen tietotyötehtävien pohjalta uuden tietotyötehtävien tyyppimallin.
• Tietotyötehtävien jäsennyksen muodostaminen: Analysoin tunnistettuja tietotyötehtävien tyyppejä, ja arvioin, millaisia tiedollisia kyvykkyyksiä niiden tekeminen vaatii tietotyöagentilta.
• Tiedollisten kyvykkyyksien viitekehyksen muodostaminen: Käytin Spaun-mallia (Eliasmith et al., 2012) ja COGNET-viitekehystä (Zachary et al., 1998) teoreettisina pohjina tiedollisten kyvykkyyksien viitekehyksen (‘framework for knowledge work capabilities’) rakentamisessa.
• IBM Watsonin tiedollisten kyvykkyyksien analysointi: Analysoin IBM Watsonia koskevaa aineistoa sen tiedollisten kyvykkyyksien tunnistamiseksi. Sovitin ne kehittämääni tiedollisten kyvykkyyksien viitekehykseen. Tämän pohjalta analysoin, missä tietotyötehtävien tyypeissä IBM Watsonilla olisi suurin potentiaali nostaa tietotyön tuottavuutta, ja missä pienin potentiaali?

Tiedollisten kyvykkyyksien viitekehys

Rakentamani tietotyöagentin (voi olla ihminen tai tekoälyjärjestelmä) tiedollisten kyvykkyyksien viitekehys kattaa kolme pääaluetta:

• SYÖTEKYVYKKYYDET (INPUT CAPABILITIES):
  • Tiedon vastaanottamiskyvykkyydet
    • Aistitiedon vastaanottaminen (Perception)
    • Digitaalisen datan vastaanottaminen (Receiving data)
  • Vastaanotetun tiedon tulkinta
    • Luonnollisen kielen tulkinta (Interpreting natural language)
    • Visuaalisen- / aistitiedon tulkinta (Interpreting visual information)
• TIETOJEN KÄSITTELYKYVYKKYYDET (INFORMATION PROCESSING CAPABILITIES):
  • Yleiskyvykkyydet
    • Oppiminen (Learning)
    • Tieto (Knowledge)
    • Strukturoitu tieto (Structured knowledge)
    • Arvot (Values)
  • Analyyttiset kyvykkyydet
    • Relevanssin arviointi (Relevance evaluation)
    • Säännönmukaisuuksien tunnistaminen tiedosta (Recognizing patterns in data and information)
    • Tietoaineiston luotettavuuden arviointi (Evaluating evidence)
    • Semanttinen analysointi (Semantic analysis)
    • Päättely (Inference)
    • Oman varmuustason arviointi (Evaluating own confidence)
  • Synteettiset kyvykkyydet
    • Tavoitteiden muodostaminen (Goal formulation)
    • Tiedon syntetisointi (Synthetizing knowledge)
    • Kategorisointi (Categorizing)
• TUOTOSKYVYKKYYDET (OUTPUT CAPABILITIES):
  • Tuotosten käsittelykyvykkyydet
    • Luonnollisen kielen tuottaminen (Producing natural language)
    • Yksinkertaisen kielen tuottaminen (Producing simple language)
    • Elehtiminen (Gesturing)
    • Ohjelmointi ja koodaaminen (Programming)
    • Tietokoneohjelmien käyttäminen (Operating computer programs)
    • Koneiden ja tietokoneohjelmien käyttäminen (Operating machines and devices)
  • Ympäristön vaikuttamisen kyvykkyydet
    • Kommunikointi (Communication)
    • Fyysinen toiminta (Physical Action)

Tietotyötehtävien tyypittely

Tutkimuksen empiirisen aineiston pohjalta tunnistin tietotyöntekijöiden (ihmistietotyöagentit) tekemässä tietotyössä jaottelun ‘sisäisiin tietotyötehtävien tyyppeihin’ (analyysi ja synteesi) sekä ulkoisiin tietotyötehtävien tyyppeihin (kommunikointi ja operointi).

Keskeinen ero näissä on se, että sisäinen tietotyöskentely on tiedon hankintaa, analysointia, organisointia ja syntetisointia, kun taas ulkoisessa tietotyöskentelyssä painopiste on muihin toimijoihin ja ympäristöön vaikuttamisessa tuotosten kommunikoinnilla ja teoilla.

Tietotyössä tunnistin haastateltavien rooli- ja tehtäväkuvauksien mukaan seuraavat eri tehtävätyypit:

• SISÄISET TEHTÄVÄTYYPIT (tietotyöagentin sisäinen / itsenäinen prosessointi)
  • Analyyttiset tehtävätyypit:
    1. Kartoittaminen ja tutkiminen
    2. Datan ja tiedon hankinta
    3. Visuaalinen analysointi
    4. Säännönmukaisuuksien ja mahdollisuuksien tunnistaminen
    5. Jatkuva seuranta / monitorointi
    6. Aikataulutus
    7. Ohjelmien testaaminen
    8. Analytiikkatyökalujen käyttäminen tiedon jalostamiseen ja oivallusten saamiseen
    9. Tarkastaminen sekä hyväksyntä / hylkääminen
  • Synteettiset tehtävätyypit:
    1. Hypoteesien tuottaminen
    2. Ideoiden ja ratkaisuvaihtoehtojen tuottaminen
    3. Arviointi ja päätöksenteko
• ULKOISET TEHTÄVÄTYYPIT (tietotyöagentin ulkoinen toiminta ja vaikuttaminen)
  • Kommunikatiiviset tehtävätyypit:
    1. Kysymyksiin vastaaminen
    2. Tiedon pyytäminen
    3. Keskustelun ohjaaminen
    4. Tiedon levittäminen / jakaminen
    5. Asioiden selittäminen
    6. Ihmisten muistuttaminen
    7. Suostuttelu ja neuvottelu
    8. Delegointi
    9. Yhdessä keskustelu ja päätösten tekeminen
  • Operatiiviset tehtävätyypit:
    1. Dokumenttien koostaminen
    2. Muutosten tekeminen järjestelmiin
    3. Fyysisten koneiden käyttäminen
    4. Yht’äkkisten ongelmien käsittely / reagointi

IBM Watsonin teknologia ja kyvykkyydet

IBM Watsonin teknologia perustui DeepQA-arkkitehtuuriin, jossa yhdistetään koneoppiminen, luonnollisen kielen ymmärtäminen, tietokannat ja päättelymallit. Watsonin menestys Jeopardy-visailussa vuonna 2011 toimi todisteena sen suorituskyvystä.

Analysoin IBM Watsonin suorituskykypotentiaalia suhteessa rakentamaani tiedollisten kyvykkyyksien viitekehykseen. Watsonin keskeiset tiedolliset kyvykkyydet olivat:

• Digitaalisen datan vastaanottaminen (Receiving data): Watson kykeni vastaanottamaan dataa.
• Luonnollisen kielen ymmärtäminen (Interpreting natural language): Watson pystyi tulkitsemaan monimutkaisia kysymyksiä luonnollisella kielellä.
• Oppiminen (Learning): Watson paransi suorituskykyään ajan myötä oppimalla syöteaineistosta ja uusista vastauksista.
• Tieto (Knowledge): Watsonilla oli rakenteetonta tietoa, jolla se oli koulutettu.
• Rakenteellinen tieto (Structured knowledge): Watsonilla oli tietokannassaan rakenteellista tietoa.
• Semanttinen analyysi (Semantic Analysis): Watson kykeni analysoimaan tietoa semanttisesti.
• Päättely (Inference): Watson kykeni tekemään päättelyitä todennäköisistä vastauksista.
• Todistusaineiston arviointi (Evaluating evidence): Watson kykeni arvioimaan lähdetiedon luotettavuutta.
• Oman varmuuden arviointi (Evaluating own confidence): Watson kykeni arvioimaan eri vastausvaihtoehtojen todennäköisyyksiä.
• Säännönmukaisuuksien tunnistaminen tiedossa (Recognizing patterns in data and information): Watson kykeni tunnistamaan säännönmukaisuuksia tiedossa.
• Yksinkertaisen kielen tuottaminen (Producing simple language): Watson kykeni vastaamaan rajatussa kontekstissa nopeasti ja selkeästi lyhyillä vastauksilla.
• Kommunikointi (Communication): Watson kykeni kommunikoimaan vastauksensa.

Watsonin suorituskykypotentiaali tietotyössä

Analyysin tulokset osoittivat, että IBM Watsonin korkein suorituskykypotentiaali oli seuraavissa tietotyötehtävien tyypeissä:

• Kysymyksiin vastaaminen
• Tiedon levittäminen / jakaminen
• Analysointityökalujen käyttö
• Tiedon pyytäminen
• Delegointi

Heikoin suorituskykypotentiaali ilmeni seuraavissa tietotyötehtävien tyypeissä:

• Ideoiden ja ratkaisuvaihtoehtojen tuottaminen
• Suostuttelu ja neuvottelu
• Yhteinen päätöksenteko ja keskusteluiden ohjaaminen

Johtopäätökset ja sovellukset organisaatioille

1. Tietotyön automatisointi – Tietotyötehtävien tyypittely ja analysointi auttaa organisaatioita tunnistamaan tietotyön tehostamis- ja automatisointimahdollisuuksia tekoälyn avulla.
2. Tekoälyn täydentävä rooli – Tekoälyjärjestelmät voivat lisäksi tehostaa päätöksentekoa, analysointia ja tiedon levittämistä organisaatioissa.
3. Rajoitteet ja mahdollisuudet – Luovuus, sosiaaliset taidot, neuvottelu ja strateginen päätöksenteko säilyvät ihmisille keskeisinä alueina, joissa tekoälyn rooli on rajallisempi.

Merkitys organisaatioille

• Ihmiset ovat olleet organisaation arvokkain voimavara, mutta monesti myös suurin kuluerä. Tietotyöntekijät omistavat oman osaamisensa, mikä antaa heille vahvan neuvotteluaseman. Erityisesti tietointensiivisissä organisaatioissa henkilöstökulut korostuvat. (s. 153)
• Tulevaisuudessa tekoälyjärjestelmät voivat disruptoida tietotyön kenttää, kun tietotyön automatisointi tarjoaa organisaatioille mahdollisuuden nostaa tuottavuuttaan ja toisaalta vähentää henkilöstökustannuksia. Tietotyön automatisointi saattaakin kehittyä yhdeksi keskeisimmistä kilpailukyvyn lähteistä 2000-luvulla teknologian kehittyessä. Täten organisaatioiden tulee valmistautua tähän muutokseen strategisella tasolla. (s. 153)
• Organisaatioiden on syytä tarkasti kartoittaa, mitä tietotyötä niissä tehdään, ja analysoida, mitkä tietotyötehtävät ovat tehostettavissa tai automatisoitavissa ja mitkä eivät. (s. 155-156)
• Tietotyön suorituskyvyn parantaminen ei välttämättä tarkoita koko tehtävän automatisointia, vaan koneen ja ihmisen yhteistyön optimointia työn tehostamiseksi ja laadun parantamiseksi. Työn uudelleenorganisointi tulisi suunnitella niin, että tietotyötehtäviä suorittavat agentit (ihmiset ja koneet) täydentäisivät toistensa vahvuuksia ja heikkouksia eikä niin, että teknologia vain korvaisi ihmisiä suoraviivaisesti. (s. 152-154)
• Tekoälyn hyödyntäminen mahdollistaa etenkin huippuosaajien ja johtajien työn tuottavuutta - he voivat ulkoistaa yksinkertaisempia, aikaa vieviä tehtäviä tekoälyjärjestelmille, jolloin heidän oma tehokkuutensa ja vaikuttavuutensa paranevat ja riippuvuus vähemmän osaavista tietotyöntekijöistä vähenee. (s. 154)
• Tietotyön tehostaminen ja automatisointi voivat nousta yritysten kilpailukyvyn tai jopa olemassaolon edellytykseksi. (s. 160)

Merkitys työmarkkinoille, taloudelle ja yhteiskunnalle

• Kun yritysten omistajat ja johto ymmärtävät, kuinka paljon tekoäly voi parantaa tietotyön tuottavuutta ja säästää kustannuksia, yritykset tulevat todennäköisesti lisäämään investointejaan tekoälyjärjestelmiin liiketoimintaprosessiensa tehostamiseksi. Tällöin myös tekoälyteknologian kysynnän voidaan odottaa kasvavan merkittävästi. (s. 160)
• Tekoälyjärjestelmien kehitys voi kiihdyttää itseään, koska tekoälyn avulla voidaan parantaa tutkimus- ja kehitystyön tuottavuutta myös tekoälyn osalta, mikä johtaa nopeutuvaan teknologiseen edistykseen ja vahvistaa tekoälyn kaupallistumista useilla toimialoilla. (s. 161)
• Teknologinen kehitys voi aiheuttaa laajaa työttömyyttä ja vakavia yhteiskunnallisia ongelmia, kuten John Maynar Keynes jo varhain ennusti (1930). (s. 161)
• Tekoälyn kehitys voi synnyttää “osaamisen ja älykkyyden diffuusion” megatrendin, kun koulutettuja tekoälyjärjestelmiä voidaan kopioida hetkessä miljoonille koneille. Tällöin korkeatasoinen asiantuntemus ei ole enää harvinaista, vaan kaikkien saatavilla milloin tahansa ja missä tahansa. (s. 157-158)
• Tekoälyjärjestelmät voivat disruptoida tietotyön samalla tavalla kuin Clayton Christensenin teoria kuvaa muiden markkinoiden disruptiota: ensin tyydyttämällä alipalvellut asiakassegmentit, parantaen suorituskykyään ajan myötä ja syrjäyttäen lopulta jopa alan huippuosaajat. (s. 157)
• Tekoälyjärjestelmien yleistyminen voi vähentää tietotyöntekijöiden kysyntää ja siirtää taloudellista painoarvoa (ihmis)työvoimasta kohti maata ja pääomaa (Adam Smith), samalla lisäten työnantajien neuvotteluasemaa suhteessa tietotyöntekijöihin etenkin rutiininomaisissa tieototyötehtävissä. (s. 160)
• Korkeasti koulutettujen ja luovien asiantuntijoiden neuvotteluasema voi kuitenkin vahvistua, kun tiedon ja älyn demokratisoituminen vähentää heidän riippuvuuttaan suurista hierarkkisista organisaatioista ja mahdollistaa työn organisoinnin joustavissa verkostoissa. (s. 160)
• Työmarkkinat polarisoituvat, koska huippuosaajista on kasvava pula, ja heidän tuottavuuttaan pyritään lisäämään siirtämällä yksinkertaisempia tietotyötehtäviä tekoälyjärjestelmille. (s. 153-154)