Kuva Steve Johnson, Unsplash
Generatiiviseen tekoälyn hyödyntäminen työpajaprosesseissa
Generatiivisen tekoälyn (GenAI) hyödyntämistä pilotoitiin "Teknologia-alalle työhyvinvoinnista tuottavuutta" -tulevaisuusvuoropuhelussa syksyllä 2024, aina suunnittelusta toteutukseen ja tulosten raportointiin. Perinteiseen työpajaprosessiin verrattuna tekoälyn hyödyntäminen toi selkeitä etuja erityisesti taustatiedon kokoamisessa analysoinnissa ja tulosten jäsentämisessä. Blogissa kuvataan, miten pilotointiprosessi toteutettiin ja millaisia ”promtaustekniikoita” käytettiin generatiivisen tekoälyn avulla.
| Promtpaus tarkoittaa kysymyksen, ohjeen tai kehotteen (engl. prompt) antamista generatiiviselle tekoälylle, jotta se tuottaa halutun vastauksen, analyysin tai sisällön. Hyvin laadittu promtpaus on selkeä, tarkka ja kontekstitietoinen, mikä auttaa tekoälyä ymmärtämään tehtävänsä ja tuottamaan mahdollisimman relevanttia ja laadukasta sisältöä. |
Taustatyö: Kaikki tärkeä tieto yhdestä paikasta
Työpajasarjan alussa generatiivinen tekoäly laitettiin hommiin etsimään ja tiivistämään tietoa teknologiateollisuuden työhyvinvoinnin ja tuottavuuden tietolähteistä. Se kävi läpi kymmeniä raportteja ja alaan liittyviä tutkimuksia. Tekoäly löysi nopeasti ja laadukkaasti pääteemat, jotka ovat olennaisia työhyvinvoinnin ja tuottavuuden kehittämiselle – esimerkiksi sen, että mentorointia kaivataan lisää ja että esihenkilöt tarvitsevat parempia työkaluja psykologisen turvallisuuden luomiseen työpaikoilla.
Ilman generatiivista tekoälyä tämä olisi tarkoittanut oman kokemukseni mukaan useita päiviä manuaalista asiantuntijatyötä ja ”googlettamista”. Lisäksi aineiston kokoaminen tapahtui objektiivisesti, eikä se sisältänyt asiantuntija tahattomiakin subjektiivisia valintoja. Nyt saatiin aikaan tiivis, kattava ja laadukas lista tärkeistä aiheista muutamassa tunnissa.
1. Kysymysten suunnittelu: Ohjataan keskustelu oikeaan suuntaan
Seuraavaksi tekoäly auttoi miettimään, mitä työpajoissa kannattaisi kysyä osallistujilta, jotta keskustelu pysyisi rakentavana ja fokusoituneena keskeisiin kysymyksiin. Esimerkiksi mentorointia koskeva kysymys "Miten voimme kehittää mentorointia, jotta nuoret työntekijät saavat siitä enemmän tukea?" syntyi generatiivisen tekoälyn avustuksella. Samoin kysymys "Miten esihenkilö voi tehdä palautteen antamisesta helpompaa ja turvallisempaa?" saatiin tekoälyn ehdotuksista.
Generatiivisen tekoälyn yksi lisäarvo oli siinä, että sitä ei vain pyydetty keksimään mitä tahansa kysymyksiä, vaan sitä pyydettiin ehdottamaan sellaisia, jotka pohjautuivat aiemmin kerättyyn tietoon ja sen jatkojalostamisideoihin. Tämä säästi aikaa projektiryhmän valmistelulta ja varmisti, että työpajakeskustelut olivat merkityksellisiä, eikä esimerkiksi itsestäänselvyyksien toistoja.
2. Työpajojen jälkeen: Tiivistelmät selkeästi pakettiin
Jokaisen työpajan jälkeen jäljelle jäi kasa muistiinpanoja, osallistujien kommentteja ja ryhmäkeskustelujen tuloksia. Tässä vaiheessa generatiivinen tekoäly pääsi taas vauhtiin. Se kävi läpi kaiken materiaalin ja teki siitä selkeitä tiivistelmiä. Sen sijaan, että fasilitaattorit olisivat yrittäneet itse käydä läpi kaiken materiaalin ja miettiä, mitä siitä pitäisi nostaa esiin, tekoäly laati kattavan raportoinnin ja ehdotukset seuraavien työpajojen rakenteen ja kysymysten valmisteluun. Tekoäly pystyi myös tunnistamaan olennaisia teemoja, joiden painoarvo oli vähäisemmässä roolissa tausta-aineistoissa ja työpajojen keskusteluissa.
Promptaustekniikat olivat tässä tärkeitä. Esimerkiksi kysymyksillä "Tiivistä tärkeimmät näkemykset psykologisesta turvallisuudesta esihenkilövalmennuksissa" tai "Listaa yleisimmät kehitysehdotukset mentoroinnin osalta" saatiin napakat vastaukset, joista oli vaivatonta jatkaa prosessia eteenpäin.
Miksi generatiivisella tekoälyllä tuettu työpajaprosessi on parempi kuin perinteiset työpajamenetelmät?
Perinteisessä työpajatyöskentelyssä suurin osa ajasta kuluu tiedon etsimiseen, analysointiin ja siihen, että yritetään koota laajasta, osin asiantuntijan subjektiivisiin näkemyksiin perustuvasta aineistosta selkeä kokonaisuus. Generatiivinen tekoäly teki tästä kaiken paljon nopeampaa, tarkempaa ja ennen kaikkea objektiivisempaa.
- Aikaa säästyi valtavasti: Tekoäly hoiti taustatyön tunneissa, kun siihen olisi muuten kulunut päiviä.
- Kaikki tieto oli kattavaa: Generatiivinen tekoäly ei jättänyt mitään olennaista huomiotta. Se osasi yhdistää monen eri lähteen tiedot yhdeksi kokonaisuudeksi.
- Keskustelut pysyivät fokusoituneina: Hyvin suunniteltujen kysymysten avulla jokainen työpaja keskittyi siihen, mikä oli todella tärkeää. Työapajaprosessin teemoja myös voitiin tarkentaa loogisella tavalla niin, että kaikista tausta-aineistoista ja työpajoihin osallistuneiden näkemyksistä syntyi olennaisimmat kehittämiskohteet tunnistava kokonaisuus.
Lopuksi: Generatiivisella tekoälyllä aitoa lisäarvoa työpajatyöskentelyyn
Generatiivinen tekoäly ei ole vain tekninen työkalu – se on käytännön apuri, joka tekee työpajatyöskentelystä tehokkaampaa ja vaikuttavampaa. Se auttaa löytämään olennaiset kysymykset, keskittymään tärkeimpiin teemoihin ja jäsentämään tulokset selkeiksi kokonaisuuksiksi. Se ennen kaikkea vapauttaa usein kiireisten asiantuntijoiden aikaa olennaiseen: kattavan ja laadukkaan datan analysointiin, tulosten tulkintaan ja toimenpide-ehdotusten laadintaan. Generatiivinen tekoäly voi olla seuraava askel kohti selkeämpiä ja tuloksellisempia työpajoja myös sinun organisaatiossasi!
Kirjoittaja: Dynamic Data Oy, toimitusjohtaja Samuli Leveälahti (info@dynamicdata.fi)