Miten luoda verkosto tekoälyn oppimista varten?
Monet organisaatiot ovat jo päässeet vauhtiin tekoälyosaamisen kehittämisessä, ja luonnollinen ensimmäinen askel monille on ollut järjestää yleisiä tekoälykoulutuksia koko henkilöstölle.
Tekoälykoulutukset ovat hyödyllisiä etenkin tekoälymatkan alkuvaiheessa, mutta kun ihmisten osaaminen kasvaa, kasvaa samassa tahdissa myös tarve konkreettisuuteen ja sovellettavuuteen.
Tässä vaiheessa oppimisverkostot ja vertaisoppiminen ovat ylivoimaisesti paras tapa kehittää tekoälyosaamista organisaatiossa.
Perinteiset tekoälykoulutukset:
Sopivat hyvin tekoälyn käyttöönoton alkuvaiheeseen
Käsittelevät yleisiä tekoälytaitoja, kuten kehotteiden laatimista
auttavat harvoin oppijaa soveltamaan tekoälyä juuri omaan työtehtäväänsä
Tekoälyoppimisen seuraava vaihe: vertaisoppiminen
Olen viimeisen vuoden aikana perustanut organisaatioihin tekoälyyn keskittyviä oppimisverkostoja – joita kutsutaan usein esimerkiksi nimillä AI Learning Network, AI Ambassador Program tai AI Catalyst. Ne perustuvat vertaisoppimiseen ja -tekemiseen, eivät luennoihin.
Tekoälyn oppimisverkosto kokoaa yhteen saman roolin tai alan asiantuntijoita, jotka haluavat kehittää tekoälyn käyttöä omassa työssään ja jakaa oppimaansa eteenpäin omissa tiimeissään.
Ryhmän jäsenet jakavat kokemuksiaan ja oivalluksiaan, testaavat käytännön sovelluksia ja auttavat levittämään toimivia ratkaisuja omiin tiimeihinsä. Tekoälystä ei puhuta abstraktisti, vaan sitä käsitellään käytännönläheisesti tavalla, joka tukee aidosti juuri heidän työtehtäviään.
Esimerkki: Yrityksen sovelluskehittäjille perustetaan oma tekoäly-oppimisverkosto, jossa tekoälystä eniten kiinnostuneet kehittäjät kokoontuvat kerran kuukaudessa jakamaan kokemuksiaan tekoälyn käytöstä sovelluskehityksessä. Verkoston tapaamisissa he näyttävät toisilleen käytännössä, miten soveltavat tekoälyä eri työvaiheisiin. He harjoittelevat tekoälyn käyttöä ja tapaamisten päätteeksi jokainen osallistuja päättää, miten aikoo esitellä oppimaansa eteenpäin omissa tiimeissään.
Verkoston jäsenten valinnassa tulisi olla kaksi kriteeriä:
He haluavat oppia, miten tekoälyä voidaan soveltaa omassa työssä
He haluavat opettaa kollegoilleen, miten tekoälyä käytetään käytännön työssä
Tämä lähestymistapa muuttaa oppimisen passiivisesta vastaanottamisesta aktiiviseksi kokeilemiseksi ja muiden opettamiseksi. Oppiminen tapahtuu kontekstissa – omassa työssä, todellisten työtehtävien, haasteiden ja mahdollisuuksien keskellä – sen sijaan, että keskustelu pysyisi yleisellä ja ylätasoisella tasolla.
Verkoston osallistujat:
esittelevät ja esittävät toisilleen tekoälyn käyttötapauksia
harjoittelevat ja soveltavat käyttötapauksia käytännössä
opettavat käyttötapauksia edelleen omissa tiimeissään ja yksiköissään
Tämän lisäksi he harjoittelevat yhdessä ja pohtivat oppimaansa sekä keskustelevat laajemmin tekoälyn vaikutuksista työtehtäviin ja organisaatioon.
-
Käyttötapaus tarkoittaa konkreettista tilannetta tai tehtävää, jossa tekoälyä hyödynnetään tuomaan selkeää hyötyä työssä. Käyttötapaus on esimerkiksi ”kirjoita sähköpostiviesti tekoälyn avulla” tai ”analysoi suuri määrä asiakirjoja tunnistaaksesi niistä projektin kannalta olennaista tietoa”.
Yksinkertaistettu rakenne
Koska kukaan ulkopuolinen kouluttaja ei voi täysin ymmärtää, mikä on olennaista tietyn asiantuntijaryhmän työssä, perinteinen koulutus ei ole paras tapa oppia tekoälyn käyttöä perusteellisesti. Siksi fasilitaattorin roolina ei ole kertoa, mitä tekoälyllä voisi tehdä, vaan luoda tila, jossa ihmiset pääsevät jakamaan osaamistaan ja oppimaan yhdessä.
Verkoston toimivuuden kannalta laadukas fasilitointi on ratkaisevan tärkeää. Fasilitaattorin tehtävänä on luoda psykologisesti turvallinen tila, jossa osallistujien ei tarvitse teeskennellä tietävänsä, vaan he voivat antaa itsensä uppoutua oppimisen tilaan.
Fasilitaattorin tehtäviin kuuluvat:
Luoda psykologisesti turvallinen oppimisympäristö, jossa ihmiset uskaltavat kysyä ja kokeilla
Auttaa ryhmää keräämään kiinnostavia käyttötapauksia ja asettamaan ne tärkeysjärjestykseen yhdessä
Auttaa esittelijöitä esittämään käyttötapauksensa ymmärrettävästi
Anna ihmisille tilaa kysyä, keskustella ja harjoitella käyttötapauksia käytännössä
Varmistaa, että tapaamisten päätyttyä kaikki tuntevat itsensä varmoiksi viemään käyttötapauksia eteenpäin omiin tiimeihinsä.
Jotta verkoston sisältö olisi merkityksellistä, on tärkeää, että ihmiset itse tunnistavat ja asettavat etusijalle oman työnsä kannalta merkitykselliset käyttötapaukset – ja oppivat niistä yhdessä ja toisiltaan.
Olemme laatineet yhdessä osallistujien kanssa luettelon käyttötapauksista (ns. ”backlog”), jota täydennämme ja priorisoimme jokaisessa yhteisessä tapaamisessa. Kokousten päätteeksi priorisoimme yhdessä: ”Mitkä AI-käyttötapaukset vaikuttavat kaikista kiinnostavimmilta? Mistä haluaisit demon seuraavaksi?”
Luettelon tärkeimpiä, priorisoituja käyttötapauksia esitellään ja harjoitellaan tulevissa tapaamisissa verkoston jäsenten johdolla.
-
Demo tarkoittaa käytännön esittelyä, jossa näytetään, miten jokin idea, työkalu tai tekoälyn sovellustapaus toimii käytännössä.Sen tarkoituksena on tehdä oppimisesta konkreettista – ei pelkästään puhua mahdollisuuksista, vaan näyttää se käytännössä.
Miksi verkosto toimii?
Oman kokemukseni mukaan tekoälyn oppimisverkostot toimivat, koska:
osallistujat määrittelevät itse sisällön, minkä vuoksi sisältö on automaattisesti osallistujien työn kannalta olennaista ja ajankohtaista
verkostossa opetellaan käytännön sovelluksia, jotka on helppo viedä käytäntöön
Osallistujilta odotetaan alusta alkaen, että he opettavat muille, minkä vuoksi verkostoon valikoituu henkilöitä, jotka jakavat mielellään oppimaansa eteenpäin.
Miten oppiminen leviää verkostosta muualle organisaatiossa?
Kun ihmiset saavat oivalluksia verkostossa, oppiminen leviää luonnollisesti. Tätä leviämistä tuetaan myös esimerkiksi järjestämällä luottamusäänestys (engl. ”confidence vote”) kokoontumisten päätteeksi.
Jokaisen istunnon päätteeksi osallistujilta kysytään:
Kuinka hyvin näet, että tämä käyttötapaus sopii omaan työhösi? (1–5)
Kuinka luottavainen olet esitellessäsi käyttötapausta kollegoillesi? (1–5)
Jos arvio jälkimmäisestä on alhainen: Mitä tarvitsisit, jotta voisit esitellä käyttötapauksen varmemmin ennen seuraavaa kokousta? (avoin kysymys)
Useimmissa tapauksissa osallistujat ovat valmiita harjoittelemaan käyttötapauksia itsenäisesti, minkä jälkeen he esittelevät niitä omissa tiimeissään. Toisinaan he pyytävät toisiltaan apua käyttötapausten esittelyyn.
Tuloksena on yhteistyöhön perustuva kulttuuri ja toimintatapa, jossa tekoälyn oppiminen ei ole erillinen ilmiö, vaan työn ohessa tapahtuva oppimis- ja tiedonjakamisprosessi.
Yhteenveto
Organisaatioissa, jotka ovat jo aloittaneet tekoälymatkansa, tapahtuu päivittäin valtavasti oppimista. Ulkopuolisen koulutuksen sijaan organisaatioiden tulisi tunnistaa innokkaimmat työntekijät ja antaa heidän osaamisensa päästä valloilleen. Innostukselle luodaan selkeä rakenne, jonka avulla ihmisten osaaminen saadaan hyödynnettyä koko organisaation hyväksi.
Jos aihe kiinnostaa sinua ja haluat perustaa tekoälyverkoston, ota yhteyttä, niin autan mielelläni!
Villiam Virkkunen
”AICatalyst Collectiveoli koko organisaation laajuinen aloite, jonka tarkoituksena oli innostaa ja rohkaista ihmisiä tutkimaan, miten tekoäly tulee muokkaamaan juridista työtä – ja auttaa yritystä valmistautumaan tähän muutokseen.
Villiam oli tämän onnistumisen taustalla keskeinen voima. Hänen oma-aloitteinen työskentelytapansa, selkeä fasilitointinsa ja kykynsä muuttaa abstraktit keskustelut konkreettisiksi oivalluksiksi toivat ohjelmaan todellista arvoa.
Erityisesti erottui hänen taitonsa luoda sitoutumista ja merkityksellisyyden tunnetta monimutkaisen aiheen, kuten tekoälyn, ympärille – ilman että aihetta liioiteltiin tai hypetettiin.”
