Seuraavan sukupolven organisaatiot rakentuvat inhimilliselle tiedolle

Inhimillinen tieto syntyy havainnoista, kokemuksesta, vuorovaikutuksesta, kokeiluista ja oppimisesta – ja tekoälyn aikakaudella siitä on tulossa yhä arvokkaampaa.

Tekoälyalustat ovat nälkäisiä petoja. Ne tarvitsevat koko ajan kasvavan määrän paitsi laskentatehoa, myös valtavia määriä dataa tekoälymalliensa kouluttamiseen. 

Tekoälylle käyttökelpoista raaka-ainetta ei kuitenkaan ole rajattomasti. 

Epoch AI arvioi vuonna 2024, että laadukasta, ihmisten tuottamaa julkista tekstiä on maailmassa noin 300 biljoonan tokenin verran. Nykyisellä kehitysuralla kielimallien käyttämien aineistojen koko saavuttaa tämän mittaluokan vuosien 2026–2032 välillä. Synteettinen data voi siirtää rajaa, mutta samalla alkuperäisen, varmasti ihmisen tuottaman aineiston painoarvo kasvaa.

Tänä vuonna tämä on alkanut näkyä suorastaan absurdilla tavalla. Amazonin on raportoitu ostavan suuria määriä fyysisiä, myös harvinaisia ja verkosta puuttuvia kirjoja ja skannaavan ne tekoälyn koulutusdataksi. Tekoäly-yhtiöt maksavat valtavia summia pääsystä suljettuihin arkistoihin, reaaliaikaisiin keskusteluihin ja sellaisiin aineistoihin, joita avoimesta internetistä ei löydy. 

Tämä tahtoo sanoa, että uudesta tiedosta on tulossa todella arvokasta.

Aiemmin organisaatio saattoi saada kilpailuetua siitä, että sillä oli yksinkertaisesti enemmän tietoa kuin muilla, tai se pystyi hyödyntämään sitä paremmin. Generatiivinen tekoäly tasaa tätä pelikenttää nopeasti. Julkaistu tutkimus ja suuri osa asiantuntijatiedosta ovat yhä useamman saatavilla ja hyödynnettävissä lähes olemattomalla kustannuksella.

Siksi huomio on alkanut siirtyä siihen tietoon, jota ei löydy tietokannoista. Organisaatioiden todellinen kyvykkyys ei löydy niiden dokumentaatiosta tai verkkolevyiltä. Se on ihmisten kokemuksen myötä syntyneissä päättelymalleissa, heuristiikoissa, tilannetajussa ja kontekstuaalisessa harkinnassa, toisin sanoen hiljaisessa tiedossa.

Tekoäly tekee siitä uudella tavalla kiinnostavaa, koska nyt sitä voidaan myös skaalata. Heinäkuussa julkaistussa Academy of Managementin tutkimuksessa havaittiin, että GenAI voi oppia asiantuntijoiden työstä kontekstin ja toiminnan välisiä malleja ilman, että osaamista tarvitsee ensin kirjoittaa ohjeistoksi. 

Päädymme siis ojasta allikkoon. Hiljaisen tiedon muuttuessa ei-niin-hiljaiseksi, se ei myöskään erota meitä kilpailijoista. 

Siksi kilpailuetu ei ehkä ole siinä, mitä tiedämme jo nyt. Se on kyvyssä tuottaa jatkuvasti lisää tietoa, jota muilla ei vielä ole. 

Uutta relevanttia dataa syntyy aina, kun kohtaamme muuttuvan todellisuuden ja tallennamme siitä jotakin, mitä emme tienneet aikaisemmin. Tämä muuttaa kokonaan sitä, millaisena strategisena kyvykkyytenä tietoa pitäisi ajatella. 

Mutta millaiset rakenteet ja mallit organisaatiolla on uuden tiedon tuottamiseen?

Kuinka systemaattisesti asiakkaiden kanssa syntyvät havainnot kerätään? Missä kokeillaan asioita, joiden lopputulosta ei vielä tiedetä? Miten poikkeamat tunnistetaan? Miten yhden ihmisen oppima asia muuttuu organisaation yhteiseksi tiedoksi – ja lopulta tekoälyn avulla skaalautuvaksi kyvykkyydeksi?

Seuraavan sukupolven organisaatiot eivät (vain) hyödynnä tietoa. Ne luovat sitä.