Useimmat tiimit käyttävät jo generatiivista tekoälyä, mutta harvat hyödyntävät sitä tavoilla, joilla siitä saisi mahdollisimman paljon irti. Tekoälychattien kaltaiset työkalut ovat monille arkipäivää, ja osa yrityksistä rakentaa jo laajempia tekoälyprosesseja ja -agentteja. Molemmissa tapauksissa hyöty riippuu siitä, miten hyvin tekoälylle on määritelty kehotteet, konteksti ja tavoitteet joiden mukaan toimia.
Reitti muutokseen
Matka kohti tekoälyn parempaa hyödyntämistä kulkee kolmen tason kautta.
Ensimmäinen taso on jo monille tuttu kehotesuunnittelu (Prompt Engineering). Toinen taso on tällä hetkellä paljon puhuttu kontekstuaalinen suunnittelu (Context Engineering). Vähän käsitelty, mutta strategisesti merkittävä on tavoitesuunnittelu (Intent Engineering).
Taso 1: Kehotesuunnittelu
(Prompt Engineering)
Kehotesuunnittelu on tekoälyn hyödyntämisen perusta – ja sitä ei pidä aliarvioida. Kyse on taidosta muotoilla pyyntöjä niin, että tekoäly tuottaa mahdollisimman tarkasti halutun tuloksen. Ilman kykyä ohjeistaa tekoälyä tarkasti, myöskään kehittyneemmät tasot prosesseissa ja agenteissa eivät toimi.
Yleisesti tällä tasolla ihminen ohjaa jokaista askelta – tekoäly nopeuttaa ja tehostaa, mutta tiedonhaku, iterointi ja muut osatehtävät pysyvät ihmisellä.
Asiantuntija saattaa esimerkiksi pyytää tekoälyä kirjoittamaan blogipostauksen tietystä aiheesta, rajatulle kohderyhmälle ja pysyen yrityksen äänensävyssä, jolloin kaikki nämä tiedot määritellään kehotteessa.
Taso 2: Kontekstuaalinen suunnittelu
(Context Engineering)
Pelkkien yksittäisten kehotteiden jälkeen seuraava kehitysaskel on tekoälyn töiden rikastaminen ja ohjaaminen datalla.
Kontekstuaalisessa suunnittelussa tekoälylle annetaan pääsy taustatietoon, jonka pohjalta se voi tehdä laajempia töitä ja saavuttaa laadukkaampia tuloksia. Kontekstuaalinen tieto voi olla esimerkiksi historiadataa, tietoa yrityksen tuotteista tai vaikkapa olennaisia avainsanoja.
Työntekijän ei tarvitse enää selittää kaikkea alusta asti, vaan hän voi pyytää tekoälyä luomaan materiaalia, joka pohjautuu suoraan yrityksen tietoihin. Tasalaatuisuus ja erilaisten työntehtävien määrä kasvavat huomattavasti, ja onkin ymmärrettävää miksi tästä puhutaan nyt niin paljon.
Taso 3: Tavoitesuunnittelu
(Intent Engineering)
Kehotesuunnittelu ohjaa yksittäistä tehtävää, kontekstuaalinen suunnittelu rikastaa sitä tiedolla ja tavoitesuunnittelu antaa sille suunnan.
Tekoälylle määritellään organisaation arvot ja päämäärät, joiden pohjalta se osaa itsenäisesti tehdä arvopohjaisia päätöksiä prosessin kriittisissä kohdissa.
Kaksi ensimmäistä tasoa vaativat paljon teknistä kyvykkyyttä ja menevätkin helposti kädet savessa työtä tekevien pöydälle. Tavoitesuunnittelu on kuitenkin tehtävä, joka täytyy tehdä yhteistyössä liikkeenjohdon ja teknisten tekijöiden kanssa.
Juuri tässä piilee yksilöllisen kilpailuedun lähde. Kehote- ja kontekstuaalinen suunnittelu ovat tekniikoita, jotka jokainen voi kopioida, mutta yrityksen arvot ja niistä kumpuavat toimintatavat eivät ole kopioitavissa.
Asiakkaiden pitkäaikaista tyytyväisyyttä arvostava yritys rakentaa tekoälylleen eri raja-arvot kuin kustannustehokkuutta painottava kilpailijansa. Brändi, joka haluaa olla rehellinen ja suorapuheinen, ohjaa tekoälyään eri tavalla kuin myyntilähtöinen toimija. Sama työkalu, täysin eri lopputulos.
Esimerkkinä asiakaspalvelu
Tavoitesuunnittelua voi käyttää useiden automatisoitavien töiden tukena, mutta erityisen hyvä esimerkki on tekoälyn käyttö asiakaspalvelussa.
Usein tekoäly-asiakaspalvelija on luotu ihmis-asiakaspalvelijoiden tueksi ja korvaamaan osan heidän työstään. Liikkeenjohto onkin usein tehnyt laskelmia, jossa tekoälyllä saadaan korvattua osa asiakaspalvelun kontakteista ja säästettyä merkittävä määrä kuluja kun asiakaspalveluntiimin kokoa ei tarvitse kasvattaa yrityksen kasvaessa.
Kuvitellaan keissi että tekoälylle ollaan asetettu yksinkertainen ylätason tavoite “ratkaise asiakkaan ongelma mahdollisimman tehokkaasti, ja vältä asiakkaan ohjaamista ihmis-asiakaspalvelijalle”.
Alkuun kaikki näyttääkin hyvältä, ja tekoäly vähentää ihmisten ratkaistavia asioita selvästi. Kuitenkin kun tämä ratkaisu on ollut käytössä muutaman kuukauden huomataan että asiakkaiden poistuma on kasvanut ja tiimin koon pienuudesta saadut säästöt ovat painuneet pakkasen puolelle menetettyjen asiakkaiden vuoksi.
Asiaa analysoitaessa huomataan että useat asiakassuhteen päättäneet asiakkaat ovat olleet yhteydessä asiakaspalveluun ja käyneet keskustelua ainoastaan tekoälyn kanssa, joka on pyrkinyt ratkaisemaan asian itsenäisesti.
Ongelma ei ollut että tekoäly olisi toiminut huonosti, vaan siinä että se toimi liiankin hyvin! Se pysyi siinä miten sitä oli ohjeistettu – tekemään mahdollisimman kustannustehokkaan asiakaspalvelun ja minimoimaan asiakkaan ohjaaminen ihmis-asiakaspalvelijalle, joka olisi voinut ratkaista ammattitaidolla tilanteen.
Ammattilaisilla on hiljaista tietoa ja intention ymmärtämistä
Asiakaspalvelijoilla ja muilla asiantuntijoilla on hiljaista tietoa, joka on muovautunut sekä yrityksen arvojen että asiantuntijan oman kokemuksen pohjalta. He osaavat lukea tilanteen ja joustaa tarvittaessa, esimerkiksi tarjota tuohtuneelle asiakkaalle erityisalennuksen, vaikka prosessi ei sitä edellyttäisi.
Tämä tieto täytyy rakentaa sisään tekoälyn tavoitearkkitehtuuriin selkeinä ohjeina ja raja-arvoina. Asiakaspalvelun kontekstissa on esimerkiksi hyvä määrittää milloin tekoäly voi tarjota joustavan ratkaisun, ja vaikkapa milloin asiakas tulee ohjata välittömästi ihmisasiakaspalvelijalle. Ilman tavoitteista ja arvoista polveutuvia ohjeistuksia ja rajoja tekoäly seuraa prosessia sokeasti vaikka tilanne vaatisi inhimillistä harkintaa.
Johtoryhmä yhdessä asiantuntijoiden kanssa
Johtajien on opittava muuttamaan strategiset linjaukset, kompromissit ja turvarajat koneluettaviksi säännöiksi. Johdon onkin työskenteltävä yhdessä kädet savessa toimivien asiantuntijoiden ja teknisten henkilöiden kanssa. Heidän on määriteltävä, mitkä ovat ne todelliset yrityksen tavoitteet ja arvot, joilla se haluaa tekoälyavustajien toimivan. Onko tärkeämpää mahdollisimman kustannustehokas asiakaspalvelu vai asiakaspito?
Tekoälyn tavoitteiden ja arvojen määrittely täytyy sopeuttaa aina vaadittuun työtehtävään ja tähän vaaditaan yhteistyötä yrityksen ammattilaisten kanssa.
Mallin soveltaminen erityyppisiin töihin
Markkinoinnin esimerkkeinä SEO-optimoituja tekstejä kirjoittava työprosessi täytyy määritellä pitämään tasapainoa hakukonesijoitusten, sisällön laadun ja yrityksen äänensävyn välillä. Suosituilla avainsanoilla täytetty teksti voi nostaa liikennettä lyhyellä aikavälillä, mutta heikentää brändin uskottavuutta asiantuntijana ja saattaa hävittää sen mikä tekee sisällöstä tunnistettavasti teidän.
Laskeutumissivujen sisältöjä tekevä työprosessi taas täytyy määritellä tasapainottamaan konversio-optimointia ja tekstin tyyliä. Yrityksen viestintälinjasta poikkeava aggressiivinen myyntiteksti voi nostaa klikkausprosenttia lyhyellä aikavälillä, mutta nakertaa luottamusta.
Nämä valinnat eivät ole toimialastandardi, vaan ne heijastavat juuri teidän yritystänne ja sitä miten haluatte tehdä liiketoimintaa.
Ota tavoitesuunnittelu osaksi tekoälykyvykkyyksien rakentamista
Kilpailuetu ei enää synny pelkästään älykkäimmästä kielimallista tai parhaiten rakennetuista kehotteista ja kontekstista, vaan myös siitä kuka osaa parhaiten määritellä tekoälylle millä arvoilla ja tavoitteilla sen pitää toimia. Työkalut ovat kaikkien saatavilla, mutta yrityksesi arvot, painotukset ja tapa tehdä liiketoimintaa ovat yksilöllisiä.
Tekoälyn käyttöönotto on usealla yrityksellä vielä alkuvaiheessa. Ne jotka rakentavat tavoitearkkitehtuurin heti alusta, saavat enemmän kuin nopeutettua työtä. He saavat tekoälyn joka tuntuu työntekijöille kollegalta, näyttäytyy asiakkaille osana yritystä ja tekee työtä aidosti teidän tavoitteidenne eteen.