AI-first ei tarkoita sitä mitä useimmat luulevat
Tekoälystä puhutaan nyt kaikkialla. Silti suurin osa organisaatioista käyttää sitä hyvin perinteisellä tavalla: vanhaan ohjelmistokehitysprosessiin lisätään Copilot, Claude, ChatGPT tai jokin muu avustaja, joka nopeuttaa yksittäisiä työvaiheita. Kehittäjä kirjoittaa edelleen koodia (AI:n avulla toki), määrittelijä dokumentoi ja testaaja testaa. Työkalut paranevat, mutta toimintamalli pysyy samana.
Hyötyjä syntyy, mutta vain osa siitä potentiaalista, jonka tekoäly voisi tarjota.
Kirjoitamme tätä tekstiä kahdesta näkökulmasta: toinen meistä on tehnyt pitkän uran vaativien tietojärjestelmien määrittelijänä, toinen pitkän linjan tekoäly- ja ohjelmistoarkkitehtina. Johtopäätös on silti yhteinen.
Meille AI-first tarkoittaa jotain muuta. Se ei ole teknologiavalinta. Se on kolmen asian summa: kulttuurin, arvoketjun ja datan.
Kulttuuri ajaa työkalujen ohi
Yksittäisen työkalun voi ostaa. Kulttuuria ei voi.
Menestyminen ei ratkea siitä, mikä malli tai avustaja valitaan, vaan siitä, syntyykö työyhteisöön aidosti AI-myönteinen kulttuuri — ja kulttuuri koskettaa kaikkea: johtamista, myyntiä, rekrytointia ja kouluttamista.
Johdon tehtävä on antaa lupa kokeilla, sietää keskeneräisyyttä ja näyttää itse esimerkkiä. Myynnin on osattava myydä uudenlaista tapaa tehdä, ei vanhaa prosessia uusilla työkaluilla. Rekrytoinnissa etsitään uteliaisuutta ja halua muuttaa omaa työtään. Kouluttamisen on varmistettava, ettei osaaminen jää muutaman innokkaan varaan.
Jos kulttuuri ei muutu, käy juuri niin kuin alussa kuvasimme: työkalut paranevat, mutta toimintamalli pysyy samana. Samaa pullaa uudessa paketissa.
Arvoketju alkaa myynnistä, ei koodieditorista
Toinen yleinen virhe on osaoptimointi: tekoäly valjastetaan yhteen prosessiin ja muu toiminta jätetään ennalleen.
Ohjelmistotuotannossa tämä näkyy erityisen selvästi. Projekti ei ala siitä, kun ensimmäinen rivi koodia kirjoitetaan, vaan jo myyntivaiheessa, jossa lyödään lukkoon iso osa vaatimuksista ja laajuudesta.
Siksi on virhe ajatella, että pelkän teknisen toteutuksen AI:staminen riittää. Jos myynti, määrittely, toteutus ja testaus eivät ole osa samaa jatkumoa, tekoäly rakentaa nopeammin, mutta hataralle pohjalle.
Menestyvimmät organisaatiot eivät tehosta yhtä prosessia. Ne katsovat koko arvoketjua ja huolehtivat siitä, että jokaisessa vaiheessa syntyvä tieto siirtyy seuraavalle vaiheelle — myös tekoälyn käyttöön.
Ohjelmisto ei enää ole tärkein artefakti
Olemme SC Softwarella tehneet mallinnuspohjaista sovelluskehitystä ja automaatiota jo yli 15 vuoden ajan. Siksi siirtyminen tekoälyn täysimittaiseen hyödyntämiseen ei ollut meille kulttuurisesti valtava harppaus, vaikka vaatikin hieman voimistelua.
Suurin oivalluksemme ei liittynyt koodin generointiin vaan tietämykseen.
Projektien aikana syntyy valtava määrä arvokasta tietoa: tarjouksia, rajauspäätöksiä, määrittelyjä, käyttäjätarinoita, tietomalleja, päätöksiä, keskusteluja, tikettejä, korjauksia ja testituloksia. Ensimmäiset — ja usein kauaskantoisimmat — kirjaukset syntyvät jo myyntivaiheessa. Perinteisesti nämä jäävät hajalleen eri järjestelmiin tai pahimmillaan ihmisten päähän.
Tulevaisuuden tärkein omaisuus ei ole lähdekoodi vaan organisaation kyky säilyttää, rikastaa ja hyödyntää kertynyttä tietämystä.
Ilman dataa ei ole mitään
Tekoäly ei tee ihmeitä tyhjästä. Jos määrittelyt ovat hajallaan sähköpostiketjuissa ja päätökset vain palaverimuistin varassa, tekoäly täyttää aukot arvaamalla ja tuottaa itsevarman näköistä, mutta väärää tietoa.
Vanhentunut dokumentti on tässä mielessä jopa pahempi kuin puuttuva: se ei ole neutraali, vaan ohjaa tekoälyä aktiivisesti väärään suuntaan.
Historia ei silti ole arvotonta — päinvastoin. Käyttäjätarinan aiemmat versiot ja muutoshistoria kertovat, miksi ratkaisuihin on päädytty ja miten ymmärrys on matkan varrella tarkentunut. Vaaralliseksi historiatieto muuttuu vasta, jos se pääsee esiintymään viimeisimpänä paikkansapitävänä tietona. Tietämyksessä on siis aina oltava selvää, mikä on voimassa nyt ja mikä kertoo, miten tähän on tultu.
Tietämyksen hallinta ei siis ole dokumentointia dokumentoinnin vuoksi. Jäsennelty käyttäjätarina, ajantasainen tietomalli ja perusteluineen kirjattu päätös ovat sitä polttoainetta, jolla tekoäly kulkee.
SC Arvo -projektissa ohjelmisto syntyy tietämyksestä
Rakennamme parhaillaan Teollisuusliiton kanssa SC Arvo -järjestelmää tavalla, joka kuvaa hyvin tätä ajattelutapaa.
Liittosektori tuntee ratkaisun jäsenrekisterinä. Käytännössä se on ammattiliiton ydinjärjestelmä: siinä käsitellään jäsentiedot, jäsenmaksut, rästitykset, varojen jako ja työnantajaperintä. Rooli on sama kuin vakuutusyhtiön vakuutusjärjestelmällä tai pankin ydinpankkijärjestelmällä: se on toiminnan selkäranka, ja se uusitaan vasta kun on pakko.
Se on tietämyksen hallinnalle armoton koetinkivi, ja juuri siksi hyvä esimerkki.
Ylläpidämme järjestelmän tietomallia, käyttäjätarinoita ja arkkitehtuuria kuvaavia ohjeita yhteisenä tietämyskokonaisuutena. Sama tietämys palvelee koko arvoketjua: sen varassa syntyvät niin toteutus, testit kuin dokumentaatiokin. Kun käyttäjätarina muuttuu tai tietomalli tarkentuu, toteutus voidaan päivittää ja testata uudelleen niin monta kertaa kuin tarvitsee. Jokainen versio ja muutos kommentteineen jää talteen: myös polku nykyiseen ratkaisuun on osa tietämystä.
Huomionarvoista on myös se, mitä tietämys ei sisällä. Ammattiliiton jäsenyys on tietosuoja-asetuksen erityinen henkilötietoryhmä. Tietämyskerros koostuu määrittelyistä, tietomalleista, säännöistä ja päätöksistä eikä jäsentiedoista. Se ei ole rajoite vaan osoitus siitä, mistä arvo syntyy: ei asiakkaan datasta, vaan ymmärryksestä siitä, miten sitä pitää käsitellä.
Thoughtworks muotoilee mahdollisuuden osuvasti: kyse ei ole täysin autonomisesta kehityksestä vaan tekoälyavusteisesta ydinjärjestelmän uusimisesta. Juuri sitä Arvo on.
Ohjelmisto ei ole enää kertaluonteinen lopputulos. Se on hetkellinen näkymä kaikkeen siihen tietämykseen, joka projektista on kertynyt.
Kilpailuetu siirtyy uuteen paikkaan
Uskomme, että ohjelmistotalot jakautuvat lähivuosina kahteen ryhmään. Toiset käyttävät tekoälyä tehostamaan yksittäisiä työvaiheita. Toiset rakentavat kulttuurinsa, arvoketjunsa ja tietämyksensä tekoälyn aikakauteen.
Jälkimmäinen lähestymistapa on pitkällä aikavälillä merkittävästi voimakkaampi. Kun tekoäly pystyy hyödyntämään vuosien aikana kertynyttä toimialaosaamista, aikaisempia projekteja, päätöksiä ja ratkaisuja, syntyy aivan erilainen oppimisen ja kehittämisen sykli.
Siksi rakennamme myös omia AI-työkaluja. Markkinoilta löytyy jo hyviä ratkaisuja yksittäisiin ongelmiin, mutta tietämyksen hallinta ja jatkuva rikastaminen kokonaisvaltaisissa sovellusprojekteissa on alue, jonka ratkaisut ovat vasta syntymässä.
Mitä jää jäljelle, kun hype on ohi?
Tekoälymallit vaihtuvat. Frameworkit vaihtuvat. Työkalut vaihtuvat.
Mutta asiakkaiden kanssa vuosien aikana kertynyt ymmärrys säilyttää arvonsa. Ja samoin säilyttää kulttuuri, joka osaa ottaa vastaan seuraavankin murroksen.
Siksi uskomme, että tulevaisuudessa emme puhu ensisijaisesti ohjelmistokehityksestä vaan tietämyksen kehittämisestä. Ohjelmisto on silloin vain yksi tapa tehdä tuo tietämys näkyväksi.
Ja se työ ei ala koodieditorista. Se alkaa ensimmäisestä asiakastapaamisesta.
Kirjoittajat:
Tuomo Peltola
Senior Consultant
SC Software Oy
Petri Savolainen
Head of AI
SC Software Oy