Tekoäly ei ole vielä kiintynyt osaksi modernia palvelumuotoilua, sillä algoritmit eivät huomioi ihmisen sotkuisuutta

Nitorilla Senior Designereina työskentelevät Paula Ikonen ja Annika Madejska ovat kokeneita tekoälyn käyttäjiä. Ikoselle suurin osa syväsukelluksista generatiivisen tekoälyn maailmaan ovat toistaiseksi tapahtuneet vapaa-ajalla:

”Työn kannalta tekoäly on toistaiseksi edustanut melko pientä muutosta. Projekti, jonka parissa työskentelen tällä hetkellä, ei hyödynnä tekoälyä. Arjen ulkopuolella olen kuitenkin melko koukussa siihen. Midjourney on ollut osa elämääni yli kahden vuoden ajan, ja olen tehnyt kaikenlaisia tekoälykokeiluja aina videoista musiikkiin.”
Madejskan työssä tekoäly on jo osa päivittäistä arkea:

”Minulla tarjoutui poikkeuksellinen mahdollisuus toimia muotoilijana osana tekoälyn tuotesuunnitteluprosessia. Kyseessä oli terveydenhuollon erikoisosaajille räätälöity ohjelmisto, jonka avulla asiantuntijat voivat kouluttaa omia tekoälymallejaan. Toimin sillanrakentajana lääketieteen asiantuntijoiden, data-analyytikkojen ja kehittäjien välillä. Tavoitteena oli varmistaa, että käyttöliittymä olisi mahdollisimman helppokäyttöinen ja intuitiivinen tinkimättä huipputason ammattilaisille suunnitellun tuotteen korkeatasoisuudesta.”

Moderneja tekoälymalleja ei ole suunniteltu yhteistyöhön

Muotoilijoiden työnkulkuun kuuluu saumaton siirtyminen käsitteistä tuotantoon, julkaisuun ja käyttötapojen analysointiin. Menestys vaatii tarkkaa analysointikykyä sekä suurten tietomäärien tiivistämistä käytännön tasolle. Muita keskeisiä tarpeita ovat sosiaaliset taidot, viestintä ja yhteistyön kultivointi – eli ihmisten sotkuisuuden käsittely, kuten Madejska nasevasti kuvailee. Hän jatkaa:

”Muotoilijoina meidän on saatava syventyä perusasioihin. Mitä datalla voidaan tehdä? Kuinka data tulee koota, jäsentää ja luokitella, jotta kokonaisuus on selkokielistä? Päädymme usein samanlaisten kysymysten äärelle myös silloin, kun puhutaan tekoälystä. Miksi lisäämme tekoälyä tähän? Miksi juuri tämä malli on valittu? Minkä ongelman se ratkaisee?”

Palvelumuotoilun olennainen osa on asiakkaiden haasteiden ja tavoitteiden ymmärtäminen, sekä ratkoa miten tämä yhtälö jalkautetaan käytännön toimiin. Usein muotoilijan työ onkin lähempänä käyttäytymistieteitä kuin käyttöliittymien kaavailua. Ongelmien juurisyyt on kaivettava esiin ennen ratkaisun kehittämistä, ja liiketoimintatavoitteet voidaan saavuttaa vain perusteellisen valmistelun kautta. Tämä vaatii jatkuvaa vuoropuhelua ja yhteistyötä – ihmisten tarpeiden, toiveiden ja ideoiden huomiointia. Neuvottelua, kommunikointia ja asioiden selvittämistä.

Muotoilijoiden näkökulmasta nykyisten generatiivisten tekoälysovellusten ongelma on se, että käyttöliittymät on suunniteltu yksittäisille käyttäjille. Tämä voi hankaloittaa tiivistä tiimityötä ja heittää kapuloita ratkaisukeskeisyyden ja innovoinnin rattaisiin. Vaikka tekoälyalustoille on hiljalleen tulossa uusia käyttötapoja mahdollistamaan sujuvamman yhteistyön, nykytila on vielä kaukana ihanteellisesta. Toinen keskeinen ongelma on tekoälytyökalujen valtava määrä – merkittävästi hyödyllisten uusien työkalujen löytäminen vaikkapa käyttöliittymä- tai saavutettavuusongelmien parissa pähkäilevälle muotoilijalle käy jo itsessään työstä.

Eettisesti ongelmallinen algoritmien verkosto

Haastateltavat toteavat yhteen ääneen, että yleinen harhaluulo tekoälystä on se, että tekoälyä voi tarkastella monoliittisena, kaiken kattavana rakenteena. Todellisuudessa tekoälyn käytettävyys perustuu edelleen koneoppimisjärjestelmiin, jotka toimivat yhdessä sosio-teknisinä järjestelminä keräten dataa ja suorittaen tehtäviä.

Kun nämä järjestelmät yhdistetään ja saadaan toimimaan ketjussa, niiden avulla voidaan suorittaa varsin monimutkaisia tehtäviä. Toteutuksen tehokkuus riippuu kuitenkin siitä, kuinka hyvin yksittäiset järjestelmät ja algoritmit saadaan toimimaan yhtenäisesti – ja siihen räätälöintiin tarvitaan alan asiantuntijoita.

Madejska huomauttaa myös tekoälyn etiikkaan liittyvän keskustelun kiihtymisestä:

”Alallamme työskentelevien on oltava tietoisia kaikista tulevista tekoälyä ja teknologiaa koskevista EU-säädöksistä sekä niiden vaikutuksista organisaatioihin ja alan ammattilaisiin. Vaikka oma työkenttä ei liittyisi korkean riskin tekoälyyn, on hyvä kirkastaa omaa näköalaa strategian ja hallintamallien osalta. Monet EU:ssa toimivat yritykset saattavat yllättyä siitä, kuinka moni uusi ja täydennetty säädös vaikuttaa teknologiakenttään lähitulevaisuudessa – tekoälyasetus on vain jäävuoren huippu. On ratkaisevan tärkeää, että yritykset ymmärtävät, miten nämä säädökset tulevat vaikuttamaan heidän toimintaansa.”

Hiljattain päivitettyjen tuotevastuudirektiivien myötä ohjelmistoja kohdellaan tulevaisuudessa samalla tavalla kuin fyysisiä tuotteita kuten leluja ja hehkulamppuja. Tämä tarkoittaa, että yritysten ja organisaatioiden on arvioitava teknologian käyttöön liittyviä riskejä yhtenäisemmin ja kattavammin.

Palvelumuotoilun näkökulmasta etiikan kysymys on erottamaton osa tekoälykeskustelua. Ikonen jatkaa:

”Nämä suuret, joskus salaperäisesti toimivat algoritmien mustat laatikot voivat tuottaa ennalta-arvaamattomia lopputuloksia. Yllätyksellisyys voi toki olla innovaation sytyke, mutta arvaamattomuus tekee muotoilijan työstä monimutkaisempaa. Meidän on pystyttävä ennakoimaan mahdolliset haittatekijät ja pienentää niiden vaikutusta ennen tuotteiden julkaisua. Nykyisten tekoälyjärjestelmien kanssa voi olla haastavaa tunnistaa ja hallita emergenttejä kaavoja ja arvioida niiden vaikutusvaltaa. Jotta me muotoilijat voimme innovoida, meidän on kyettävä asettaa nämä kaavat kontekstiin ja selvitettävä, miten niitä voidaan hyödyntää. Tämä edellyttää huolellista toteutusta, ihmisten valvontaa ja käyttöönoton yhteyteen määriteltyjä seurantatoimenpiteitä.”

Suuri teknologia-alan kultaryntäys

Ikonen vertaa nykyistä tekoälybuumia 1800-luvun Yhdysvaltojen kultaryntäykseen. Ihmiset yrittivät kiirehtiä toistensa edelle vallatakseen maapaloja rikkauksien toivossa. Teknologiasektori on nyt samassa tilanteessa tekoälyn kanssa.

”Meidän on usein hallinnoitava ja kuratoitava valtavia määriä tekstiä ja kuvia. Työn kannalta on tärkeää, että voimme tarvittaessa ottaa askeleen taaksepäin, hidastaa tahtia ja arvioida tuotettua sisältöä ajan kanssa”, Madejska jatkaa.

Tekoälyn myötä on syntynyt uudenlaista painetta tuottaa nopeampia tuloksia. Prototyyppivaihe voidaan läpikäydä nopeammin, jolloin projektit voidaan myös käynnistää entistä vauhdikkaammin. Haittapuoli on se, että nopeus voi syrjäyttää laadun. Yritykset saattavat keskittyä liikaa lyhyen kantaman voittoihin ja säästöihin, mutta kiirehtiminen voi johtaa kuratoinnin ja siten lopputuotteiden laadun heikkenemiseen.

Tasapainon löytäminen tehokkuuden ja laadun välillä riippuu yrityksen maturiteetista, datankäsittelytaidoista sekä kyvykkyydestä hyödyntää dataa osana prosesseja. Tekoäly voi tässä yhtälössä nopeuttaa prosesseja, mutta se voi myös houkutella yrityksiä keskittymään liikaa kustannusten leikkaamiseen laadukkaiden tuotteiden kehittämisen ja pitkäjänteiseen menestykseen johtavien työtapojen kustannuksella.

”Meillä on valtavasti työtä edessämme. Hallintomallit ja organisaatiorakenteet kaipaavat uudistusta ja työskentelytapoja on päivitettävä. Sen lisäksi on tehtävä paljon töitä sen eteen, että organisaatioiden ja tiimien välinen yhteistyö kehittyy. On myös tärkeää tarkastella sitä, miten ihmiset perehdytetään hyödyntämään tekoälyä parhaalla mahdollisella tavalla. Tämä on tie todellisten innovaatioiden äärelle”, Madejska tiivistää.

Haluatko valjastaa yrityksesi datan käytännöllisten innovaatioiden lähteeksi? Lue lisää palveluistamme!