Yritysten tekoälymahdollisuus on täydentämistä, ei korvaamista

Generatiivinen tekoäly voi tuottaa uskottavan tulevaisuuden vision sekunneissa. Tämä ei kuitenkaan tarkoita, että yritysten tulisi rakentaa strategiansa sen ympärille.

Äskettäin julkaistu tutkimus, jossa vertailtiin tekoälyn luomia työvoimaskenaarioita asiantuntijoiden johtamaan ennakointiin, havaitsi selkeän vahvuuksien jakautumisen.¹ ChatGPT 4.5, Gemini Advanced 2.5 Pro ja DeepSeek R1 loivat rakenteellisia skenaarioita nopeasti, tehokkaasti ja laajalla teemoalueella. Ihmisasiantuntijat sen sijaan tuottivat tulevaisuuksia, joissa oli syvempi kontekstuaalinen syvyys, eettinen herkkyys ja strateginen hyödyllisyys.

Tutkimus keskittyi osaamisen hallintaan matkailu- ja ravintola-alalla, mutta sen vaikutukset ulottuvat paljon hotellien ja matkailun ulkopuolelle. Jokainen yritys, joka harkitsee tekoälyn käyttöä suunnittelussa, rekrytoinnissa, riskianalyysissä tai johdon päätöksenteon tukena, kohtaa saman kysymyksen: Tuottaako järjestelmä oivalluksia vai ainoastaan järjestääkö se tutut ideat vakuuttavaksi kertomukseksi?

Vastaus ei ole, että tekoälyllä ei ole arvoa. Pikemminkin sen arvo on suurin, kun se laajentaa mahdollisuuksien kenttää ennen kuin kokeneet ihmiset päättävät, mitä kannattaa ottaa vakavasti.

Miten tutkijat testasivat GenAI:ta strategisena ennakointivälineenä

Tutkijat pyysivät kolmea tekoälyalustaa kehittämään työvoimaskenaarioita vuodelle 2035 Datorin Four Futures -kehyksen avulla. Tämä menetelmä tutkii neljää laajaa suuntausta: jatkuminen, romahdus, kurinalaisuus ja muutos.

Jokainen malli sai standardoidut kehotteet, jotka kattavat työolosuhteet, tekoälyn käytön henkilöstöhallinnossa, työntekijöiden käsitykset, nousevat taidot, etiikan, politiikan ja koulutuksen. Tuloksena syntyneet kertomukset vertailtiin aiemmin haastatteluilla 30 kansainvälisen matkailu- ja ravintola-alan asiantuntijan, kuten johtajien, HR-ammattilaisten, teknologia-asiantuntijoiden ja tutkijoiden, kanssa kehitettyihin skenaarioihin.

Neljän skenaarion välillä vaihteltiin tekoälyohjatusta työpaikasta, jossa automaatio paransi rekrytointia ja koulutusta, erittäin automatisoituun tulevaisuuteen, jolle on ominaista valvonta, depersonalisointi ja työntekijöiden tyytymättömyys. Mallit tarkastelivat myös tasapainoista ihmisen ja tekoälyn yhteistyötä sekä tulevaisuutta, jossa ala rajoittaa tarkoituksellisesti automaatiota säilyttääkseen henkilökohtaisen palvelun.

Koe oli tarkoituksellisesti rajoitettu. Mallit saivat yksinkertaiset kehotteet ilman jatkokysymyksiä, ulkoista validointia, sidosryhmien palautetta tai iteratiivista tarkennusta. Tämän seurauksena artikkeli arvioi perusluontoisia tekoälyn tuottamia tulevaisuuksia sen sijaan, että se tarkastelisi parasta mahdollista lopputulosta kehittyneestä ihmisen ja tekoälyn yhteistyöprosessista.

Missä tekoäly ylitti ja missä asiantuntijat säilyttivät edun

Tutkimuksen vertailutulokset osoittavat, miksi generatiivinen tekoäly on houkuttelevaa yrityksille. Se voi nopeasti täyttää tyhjän sivun mahdollisilla rooleilla, riskeillä, politiikoilla ja organisaation vastauksilla. Tämä nopeus voisi tehdä muodollisesta skenaarioiden suunnittelusta saavutettavaa pienemmille yrityksille, jotka eivät pysty palkkaamaan suurta konsultointitiimiä jokaiseen strategiseen kysymykseen.

Heikkous ilmeni, kun laajuuden tuli muuttua arvosteluksi. Mallit tunnistivat esimerkiksi puolueellisuuden, yksityisyyden, syrjäytymisen ja valvonnan kaltaisia kysymyksiä, mutta käsittelivät ne yleisesti vain luokkina, jotka mainitaan. Asiantuntijat tutkivat, miten nämä asiat vaikuttaisivat moraaliin, palvelukulttuuriin, työntekijöiden ääneen, organisaatioiden rajoitteisiin ja hotelli- ja ravintola-alan keskeiseen emotionaaliseen työhön.

Tämä ero on merkittävä. Kielenmalli voi tunnistaa, että automaatio saattaa vähentää ihmiskontaktia. Kokenut operaattori ymmärtää todennäköisemmin, mitkä vuorovaikutustilanteet asiakkaat arvostavat, mitkä päätökset työntekijät vastustavat ja missä näennäisesti tehokas prosessi voi vahingoittaa luottamusta tai asiakasuskollisuutta.

Todellinen yritysmahdollisuus on nopeampi strateginen tutkimus

Käytännöllisin tulkinta ei ole, että ihmiset voittivat tekoälyn. Se on, että kumpikin osapuoli toimi ongelman eri tasolla.

GenAI oli tehokas mahdollisuuksien luomisessa. Asiantuntijat olivat parempia mahdollisuuksien arvioinnissa. Näiden toimintojen yhdistäminen voi luoda vahvemman prosessin kuin täysin toisen varaan luottaminen.

Organisaatio voisi käyttää tekoälyä luodakseen kymmeniä perusskenaarioita, muuttaa keskeisiä oletuksia, tunnistaa heikkoja signaaleja ja paljastaa ristiriitoja. Ihmisosallistujat voisivat sitten hylätä geneeriset kertomukset, lisätä paikallista näyttöä, tuoda sidosryhmien näkökulmia ja päättää, mitkä kehityskulut ansaitsevat investoinnin tai varautumissuunnitelman.

Tämä lähestymistapa muistuttaa laajempaa siirtymää itsenäisistä malleista kokonaisvaltaisiin yritysjärjestelmiin. Kuten Securities.io on aiemmin tarkastellut, useimmat agenttiset käyttöönotot puuttuvat olennaiset kerrokset perustavanlaatuista älykkyyttä ympäröivästä. Kyvykäs malli on vain yksi komponentti. Datan saatavuus, orkestrointi, hallinto, turvallisuus, vastuullisuus ja integraatio määräävät, luodaanko kestävä arvo.

Käytännön sovelluksissa yritysten tulisi käsitellä tekoälyn tuottamia skenaarioita hypoteeseina, jotka on tarkistettava useilla tasoilla:

• Mitkä oletukset ovat perusteettomia tai liian yleisiä?
• Kenen intressit ja kokemukset puuttuvat?
• Mikä näyttö vahvistaisi tai heikentäisi skenaariota?
• Mitkä päätökset ovat käännettävissä, jos ennuste osoittautuu vääräksi?

Tämä muuttaa tekoälyn auktoriteetista älylliseksi sparrauskumppaniksi. Sen tarkoitus on laajentaa harkintaa, ei sulkea keskustelua.

Miksi ihmisen valvonta on nousemassa taloudelliseksi vaatimukseksi

Ihmisen tarkastusta esitetään usein eettisenä suojatoimenpiteenä, joka lisätään tekoälyjärjestelmän rakentamisen jälkeen. Strategisissa sovelluksissa se on osa itse tuotetta.

Ennuste, joka sivuuttaa sääntelyn, työvoiman vastarinnan tai asiakaskäyttäytymisen, voi ohjata pääoman väärään projektiin. Rekrytointijärjestelmä, joka optimoi mitattavaa tehokkuutta heikentäen samalla luottamusta, voi lisätä vaihtuvuutta ja oikeudellista riskiä. Skenaariotyökalu, joka toistaa hallitsevia oletuksia, saattaa tehdä johtajista itsevarmempia ilman, että he ovat paremmin informoituja.

Sääntely vahvistaa tätä tarvetta. Euroopan unionin AI-asetus luokittelee tietyt työllistämiseen ja työntekijöiden hallintaan liittyvät sovellukset korkean riskin ja edellyttää toimenpiteitä, kuten dokumentointia, jäljitettävyyttä, tarkkuutta ja ihmisen valvontaa. Nämä vaatimukset tekevät hallintokyvystä kaupallisesti merkityksellisen eikä pelkästään maineeseen liittyvän.

Nouseva kilpailuetu voi siksi olla kontekstuaalinen älykkyys: kyky yhdistää mallin tuotos omistettuun dataan, toimialatuntemukseen, sääntelyyn, organisaation historiaan ja kohteena olevien ihmisten elämään. Perusmallit kehittyvät edelleen, mutta pääsy kyvykäsmalliin eriytyy yhä vähemmän. Vaikeampi toistettava omaisuus on sen ympärillä oleva järjestelmä.

Tämä auttaa myös selittämään, miksi älykkyyttä käsitellään yhä enemmän infrastruktuurina. Infrastruktuurista tulee taloudellisesti hyödyllistä, kun se on luotettavaa, hallittua ja kytkettyä todellisiin toimintoihin. Raaka‑generointi on vain arvoketjun alkua.

Kriittinen rajoitus muuttaa tapaa, jolla tuloksia tulisi lukea

Tutkimuksessa on merkittävä epäsymmetria. Tekoälyskenaariot olivat raakoja ensimmäisiä tuotoksia, kun taas ihmisen vertailu perustui haastatteluihin, jotka synteettisoitiin, muokattiin ja julkaistiin vertaisarvioinnin kautta. Osa asiantuntijoiden edusta voi johtua rikkaammasta tuotantoprosessista eikä sisäisestä eroavaisuudesta ihmisen ja koneen ajattelussa.

Valitut malliversiot heijastavat myös helmikuun–maaliskuun 2025 data‑keruujaksoa. Ottaen huomioon tekoälyn kehityksen nopeuden, tutkimusta ei tule tulkita pysyväksi sijoitukseksi ChatGPT:n, Gemini:n, DeepSeekin tai ihmisen asiantuntijoiden välillä.

Nämä rajoitukset eivät kumoa keskeistä havaintoa. Ne osoittavat sen sijaan seuraavan kokeilun suuntaa: vertailla asiantuntijatiimejä toisiaan vastaan käyttäen tekoälyä, kun molemmilla osapuolilla on tasavertainen pääsy näyttöön, iterointiin ja sisällölliseen hiomiseen. Tämä mittaisi, sulkeeko generatiivinen tekoäly kontekstuaalisen kuilun, kun se upotetaan tiukkaan prosessiin.

Investointi ihmisen ja tekoälyn integraatiokerrokseen

Tulokset luovat luonnollisen investointitapauksen Accenturelle. Yritys sijoittuu yhä kykenevämpien perusmallien ja niiden muuntamisen turvallisiksi, toimialakohtaisiksi työnkuluiksi tarvitsevien yritysten väliin.

Accenture’n merkitys ei perustu johtavan perusmallin omistamiseen. Se syntyy teknologian toteutuksen yhdistämisestä prosessiosaamiseen, työvoiman muuntamiseen, hallintoon ja toimialakohtaiseen asiantuntemukseen. Tämä asema on linjassa tutkimuksen johtopäätöksen kanssa, jonka mukaan tekoälystä tulee hyödyllisempää, kun sen tuotokset ihmisten tulkitsevat ja kontekstualisoivat.

Yritys perusti äskettäin Accenture Gemini Enterprise Business Group Google Cloudin kanssa. Aloite yhdistää sertifioituja ammattilaisia, toimialatuntemusta, toteutuskehyksiä ja suunnitellun 1 000 hengen etukäteen sijoitetun insinööritiimin. Sen tavoitteena on siirtää asiakkaat rajoitetuista tekoälykokeiluista mitattaviin yritystuloksiin.

Tämä strategia sisältää myös riskejä. Konsultointiin perustuvat tekoälyprojektit voivat olla kalliita, hyötyjen kvantifiointi voi olla vaikeaa, ja nopeasti kehittyvä ohjelmisto saattaa automatisoida osia toteutustyöstä. Accenture‑in on osoitettava, että sen asiantuntemus tuottaa pysyviä operatiivisia parannuksia eikä vain pitkiä pilottiohjelmia. Tutkimus kuitenkin tukee perusolettamaa, että yritykset tarvitsevat enemmän kuin pelkkä mallien käyttö. He tarvitsevat apua päätösten, vastuukysymysten ja työnkulkujen uudelleensuunnittelussa niiden ympärillä.

Tekoäly muokkaa strategiaa tulematta strategiksi

Generatiivinen tekoäly pystyy jo nyt tekemään strategisen tutkimuksen nopeammaksi ja edullisemmaksi. Se voi tuottaa vaihtoehtoja, järjestää epävarmuutta ja antaa päätöksentekijöille konkreettista materiaalia haastettavaksi. Nämä ovat merkittäviä etuja.

Mitä se ei vielä pysty tarjoamaan itsenäisesti, on vastuullisuus sen kertomusten sisällä oleville oletuksille. Se ei kanna kustannuksia, kun yleinen suositus on ristiriidassa työpaikkakulttuurin, sääntelyn tai ihmiskäyttäytymisen kanssa.

Vahvin yritysmalli on siis ei täysin automaatio eikä tekoälyn hylkääminen. Se on kurinalainen työnjako: koneet luovat ja monipuolistavat mahdollisuuksia, kun taas ihmiset tarjoavat todisteita, kontekstia, eettistä harkintaa ja vastuuta. Sijoittajille tämä siirtää huomion pelkistä malleista kohti yrityksiä, jotka rakentavat integraatio-, hallinto- ja asiantuntijatasoja, joilla tekoälystä tulee käyttökelpoinen todellisessa taloudessa.

Lähteet:

¹ El Hajal, G., & Ivanov, S. (2026). Koneet, mieli ja työn tulevaisuus: GenAI ja tulevaisuuden työkuvitelmat. Futures, 184, 103934. https://doi.org/10.1016/j.futures.2026.103934