Kennisbank

AI ja johtaminen: mikä muuttuu tehtävissä?

Johtaminen näyttää ensi silmäyksellä olevan neuvottelun, harkinnan ja vastuun aluetta — kaikki tyypillisesti inhimillistä osaamista vaativaa. Johtamistehtävä koostuu kuitenkin joukosta erillisiä tehtäviä, ja näiden tehtävien välillä on suuria eroja siinä, missä määrin AI voi ottaa niitä hoitaakseen. Niistä 40 tehtävästä, jotka erottelemme tällä alueella, selvä osa kuuluu jokaiseen kolmesta kategoriasta. Tämän takana oleva kuvio on hyödyllisempi kuin yksinkertainen ruksilista.

Missä AI voi jo ottaa työn hoitaakseen

Tehtävät, jotka koostuvat pääasiassa olemassa olevan datan keräämisestä, järjestämisestä ja tiivistämisestä, soveltuvat hyvin AI:n täydelliseen hoidettavaksi ottamiseen. Ajatellaan johdon tai osakkeenomistajien johdon raportoinnin laatimista: luvut ovat jo järjestelmissä, raportin rakenne on suurelta osin vakio, ja AI voi tunnistaa poikkeamat ja trendit ilman, että ihmisen täytyy kirjoittaa auki jokaista riviä. Myös budjetin seuranta ja poikkeamien tunnistaminen kuuluu tähän: kyse on todellisten menojen vertaamisesta budjettiin ja raja-arvojen soveltamisesta, asia, jossa ohjelmisto on rakenteellisesti parempi kuin ihminen, joka tekee sen viikoittain muun työn ohessa.

Tämän kategorian yhteinen piirre on, että tulos on suurelta osin objektiivisesti pääteltävissä käytettävissä olevasta datasta ja että tehtävä toistuu kiinteän rakenteen mukaisesti. Tulkinnanvaraa tarvitaan vähän, eikä eri etujen punnintaa vaadita. Tämä ei ole sattumaa verrattaessa vastaaviin tehtäviin muilla osastoilla: myös voiko AI ottaa hoitaakseen taloudellisten muutosten auditointilokin pitämisen -sivulla näemme, että järjestelmällinen, dataohjautuva kirjaaminen on hyvin automatisoitavissa, kun taas sen tulkitseminen, mitä kirjaaminen tarkoittaa, vaatii jotain muuta.

Missä AI tukee, mutta valvonta pysyy tarpeellisena

Suuri osa johtamistyöstä sijoittuu täyden automatisoinnin ja täyden ihmistyön välimaastoon. Tässä AI voi tuottaa luonnoksen, analyysin tai ehdotuksen, mutta ihminen arvioi tuloksen ja hyväksyy tai hylkää sen, syystä.

Vuosisuunnitelman laatiminen konkreettisine tavoitteineen on hyvä esimerkki. AI voi historiallisen datan ja organisaatiosta saatavan syötteen perusteella laatia ensimmäisen luonnoksen tavoitteista, toimenpiteistä ja vastuista osastoittain. Mutta se, ovatko tavoitteet realistisia, riittävän ambitiöösejä ja keskenään yhtenäisiä, vaatii arviointia henkilöltä, joka tuntee organisaation, sen ihmiset ja sen rajoitukset. Samoin on tiimi- tai prosessikohtaisten KPI-mittarien määrittämisen kanssa: AI voi tehdä ehdotuksia vertailukelpoisten organisaatioiden tai toimialojen perusteella, mutta valinta siitä, mitkä mittarit todella tulisi ohjata toimintaa, riippuu prioriteeteista, joita ei voida täysin päätellä datasta.

Myös johtoryhmän kokouksen valmistelu ja asialistan laatiminen kuuluu tähän keskikategoriaan: AI voi kerätä asiakirjoja, ehdottaa asialistaa ja tehdä yhteenvetoja, mutta jonkun on arvioitava, ovatko oikeat aiheet asialistalla oikealla tavalla ja pitäisikö arkaluontoisia asioita käsitellä tässä kokoonpanossa vai ei. Kuvio on aina samanlainen: AI toimittaa perusteellisen ensimmäisen version, ihminen testaa sen kontekstia vasten, jota ei ole täysin tallennettu dataan, ja hyväksyy tai hylkää sen.

Missä työ pysyy ihmisillä

Kolmas tehtäväryhmä pysyy suurelta osin ihmisillä, ei siksi, että AI ei pystyisi käsittelemään tietoa, vaan koska tehtävä itsessään koskee vastuun ottamista, etujen punnintaa tai jonkin sanomista organisaation puolesta.

Päätösten tekeminen johtoryhmän kokouksessa on tästä selkein esimerkki. Pöydällä voi olla täysin analysoitua tietoa, mutta itse valinta — ja siihen liittyvä vastuu — on niiden ihmisten käsissä, joilla on siihen valtuudet ja mandaatti. AI voi tehdä vaihtoehdot ja seuraukset näkyviksi, mutta nappia painaa joku muu.

Strategisen suunnitelman laatiminen tulevia vuosia varten kuuluu suurelta osin samaan kategoriaan. AI voi toimittaa markkina-, asiakas- ja sisäisiä analyyseja, mutta suunnan valitseminen organisaatiolle keskipitkällä aikavälillä vaatii riskin, ambition ja sen punnintaa, mitä organisaatio ylipäätään haluaa olla — asia, jota ei voida objektiivisesti päätellä datasta. Henkilöstötarpeen suunnittelu johtamistasolla on arka asia toisesta syystä: se koskee suoraan päätöksiä ihmisistä ja tehtävistä. Tällaisiin päätöksiin liittyy omia lakisääteisiä vaatimuksia, joita työnantajan on noudatettava, ja ne vaativat huolellisuutta, jota ei voida korvata tehtäväanalyysillä. Ne, jotka perehtyvät laajemmin henkilöstökysymyksiin, löytävät vastaavan erottelun sivulta mitä työtä AI voi ottaa hoitaakseen HR-osastolla: myös siellä raja tukevan data-analyysin ja ihmisiä koskevien päätösten välillä on selvästi vedettävissä.

Jaottelun taustalla oleva kuvio

Kun tarkastellaan tämän alueen 40 tehtävää, voidaan vetää linja: mitä enemmän tehtävä koostuu olemassa olevan, jäsennellyn tiedon toistettavasta käsittelystä, sitä nopeammin AI voi ottaa sen kokonaan hoitaakseen. Mitä enemmän tehtävä vaatii datan yhdistämistä sellaiseen organisaatio-osaamiseen, jota ei ole kirjattu ylös, sitä nopeammin valvonta on tarpeen. Ja mitä enemmän tehtävä itsessään on vastuun, mandaatin tai harkinnan käyttämistä — ei sen valmistelua — sitä nopeammin se pysyy ihmistyönä. Tämä kuvio ei ole ainutlaatuinen johtamiselle: sama logiikka selittää esimerkiksi sen, miksi mitä työtä AI voi ottaa hoitaakseen logistiikassa -sivulla suunnittelutehtävät ovat nopeammin automatisoitavissa kuin tehtävät, joissa jonkun on sovittava poikkeuksesta toimittajan tai asiakkaan kanssa.

Tämä jaottelu kertoo tehtävistä, ei siitä, kuinka paljon johtamista organisaatio tarvitsee tai miten se järjestää henkilöstönsä — se on ja pysyy organisaation omana asiana, sen omien lakisääteisten puitteiden mukaisesti.

Mitä voitte tehdä nyt

Haluatteko tietää, miten tämä jaottelu kääntyy omaan tilanteeseenne? Ftetoain ilmainen pikaskannaus koostuu kahdestatoista kysymyksestä, toimii tunnusta rekisteröimättä ja antaa viitteen siitä, kuinka suuri osa profiilinne tunneista on tänään AI:n otettavissa hoidettavaksi. Huomatkaa: tämä on ensimmäinen viite, ei täydellinen analyysi. Laajempi työskannaus, joka menee syvemmälle tehtävätasolle, on vielä rakenteilla — sitä emme voi vielä tarjota, mutta pikaskannaus antaa jo rehellisen lähtökohdan.