Multi-token prediction (MTP) on iskenyt tekoälymaailmaan myrskyn lailla. Kyseessä on kehittyneempi versio spekulatiivisesta dekoodauksesta, missä arvataan useampi tokeni kerralla kevyemmällä draftimallilla ja päämalli validoi tokenit. Tällä saadaan omissa testeissäni helposti +50% - +100% parannus tokenigeneraatiossa ilman lisäkustannuksia sellaisissa tilanteissa, missä arvatut tokenit ovat vahvasti kontekstiriippuvaisia seuraavista tokeneista (mm. Koodaus) ja hyväksyntäprosentti säilyy korkeana. Toistaiseksi MTP vaikuttaa toimivan paremmin tiheillä malleilla.
MTP:n lisäksi blokkidiffuusion käyttö spekulatiivisessa dekoodauksessa on ottanut valtavia harppauksia eteenpäin. Pointtina on seuraavien tokenien sijaan samantien arpoa kokonainen blokki tokeneita pienemmällä diffuusiomallilla, joka sitten validoidaan päämalllin toimesta:
Vanha transformeriarkkitehtuuri jatkaa monimutkaistumistaan ja muuttuu siten yhä vain vaikeammin ymmärrettäväksi. Joka kvartaali keksitään uusia moduuleja tai osaoptimointeja joilla saadaan parannettua laskentanopeutta ja muistin käyttöä, mutta mitään uutta graalin maljaa ei ole vielä tullut vastaan:
Mielenkiinnosta aloin pohdiskelemaan miten tämä hinnoittelu tulee kestämään/kehittymään? Eikö nämä parhaat mallit edelleen laskuteta käytön mukaan (=tokenit)? Vähentääkö (pysyykö ennallaan) tämä MTP malli käytettyjen tokenien määrää (sanoit saavuttaneesi 50-100% parannuksen ilman lisäkustannuksia) vai onko tämä tällainen kiva juttu, jolla Google ym. vapauttavat laskentatehoa/-kestoa(=kustannuksia), mutta esittelevät sen käyttäjille uutena ominaisuutena?
Jos yhtiöt laskuttaisivat reasoningin piilotokenit yksi yhteen, niin teoriassa kai olisi ceteris paribus mahdollista, että revenue laskisi. Käsittääkseni mikään malli ei kuitenkaan toimi näin, ja vaikka toimisi, niin tällöinkin token-inferenssin kannattavuus kasvaisi.
Näin ollen todennäköisesti joko a) voidaan myydä saman laatuista tokenia halvemmilla kustannuksilla b) tuottaa korkeamman laadun tokeneita ja myydä se kalliimmalla pitämällä laskenta kiinteänä.
Eli en olisi erityisen huolissani, että inferenssin tehostuminen koituisi malliyhtiöiden tappioksi
Oikeastaan MTP lisää aritmeettisen laskentatehon tarvetta, koska sinne pitää vielä laskea se MTP:n drafti mukaan. Usein se tosiasiallinen pullonkaula on kuitenkin laskentatehon sijaan muistikaistan siirtonopeudessa, joten tällä tavalla saadaan saman muistinsiirtomäärän käytöllä laskettua rinnakkaisesti useampi tokeni.
On myös tietysti tilanteita missä MTP vaikuttaa tosiasillisesti suorituskykyyn negatiivisesti. Näitä ovat mm. Iso cachen ulkopuolinen prompt processing lyhyellä outputilla, missä MTP hidastaa PP, mutta nopeammasta inferenssistä ei päästä hyötymään riittävästi. Myös tilanteet missä luodaan jotain draftimallille huonosti soveltuvia tuotoksia ja tokeneita joudutaan hylkäämään isolla prosentilla, johtavat huonompaan lopputulokseen.
Tietyissä tilanteissa voidaan siis saavuttaa jo nyt valtavia hyötyjä MTP:n käyttämisellä, mutta paljon on vielä tehtävää jatkojalostuksessa tosielämän sovelluksiin.
Mielestäni tässä ollaan asian ytimessä. Ehkä yksi harhaanjohtavimmista markkinointiteeseistä nykyisten AI-viritysten yhteydessä on se demokratisoisi kaiken ns. “valkokaulustyön” niin, että kaikki pystyvät yhtä laadukkaaseen suoritukseen lopulta. Eli kuka tahansa voi tehdä mitä tahansa ilman juuri minkäänlaista vaivannäköä tai henkilökohtaisen osaamisen vaikutusta. Itse en osta tällaista argumentaatiota alkuunkaan.
Onhan meillä ollut aiemminkin teknologioita, joiden osalta jossain mielessä “vain luovuus on ollut rajana”. Esimerkiksi tekstin tuottamiseen on ollut edullisia välineitä jo pitkään ja nykyään voi suoltaa tekstiä näppäimistöltä varsin nopeasti ja kustannustehokkaasti. Kuitenkaan kovin moni ei silti ole kirjailija, puhumattakaan menestyskirjailijasta. Teknologisen osaamisen rajoitteet eivät kuitenkaan ole estäneet kirjailijan uraa enää pitkään aikaan vaan esteet tulevat jostain aivan muualta.
Taitaa olla kirjailijahommissa kuten monessa muussakin se, että karkeasti ottaen 1% hommasta on sitä ideointia ja 99% on sitten tuotoksen hinkkaamista sellaiseen kuntoon, että sen voi laskea liikkeelle ja odottaa jonkinlaista menestystä. Joillain homma kaatuu tietysti jo tuohon 1%:iin, mutta monilla varmaan viimeistään siihen 99%:iin. Tuo 99% vaatii kärsivällisyyttä, hikeä, kyyneleitä, asioiden uudelleen miettimistä, peiliin katsomista, huonojen valintojen tunnustamista, korjaamista ja iterointia sekä tavoitetason asettamista tarpeeksi korkealle. Kaiken kaikkiaan v-mäinen lista asioita, joka on kuitenkin edessä, jos aiot tehdä jotain, mikä erottuu helmenä keskimääräisestä harmaasta massasta. Enkä itse usko, että mikään työkalu tätä asiaa muuttaa lopulta (ainakaan nähtävissä olevassa lähitulevaisuudessa). Jotkut tekemisen osa-alueet voivat tietysti muuttua paljon nopeammiksi tai tehokkaamiksi tehdä kuin aiemmin. Peruskuvio pysynee kuitenkin samana, eli pitää olla riittävän selkeä visio ja halua hinkata ratkaisu tarpeeksi hyvään iskuun.
Ja lopulta sitten ostetaan ratkaisuita tai konsultointia sellaiselta, joka on tarpeeksi perehtynyt asiaan, jaksaa viedä ratkaisun maaliin asti ja tarvittaessa tulee apuun, jos tulevaisuudessa kaikki ei mene kuin elokuvissa.
Jatkan tästä vielä pienellä työmarkkinadataan pohjautuvalla provokaatiolla:
… Workers aged 22-25 in the most AI-exposed occupations experienced a 16% relative employment decline compared to the least AI-exposed occupations. That comes from the Stanford/ADP study. In absolute terms, employment for this age group has fallen roughly 20% from its peak.
Here is where it gets interesting. Workers aged 35-49 in the same AI-exposed occupations saw 6-9% employment growth over the same period. The decline is not hitting everyone. It is hitting the youngest workers in roles where AI does the most work.
…
It comes down to what kinds of knowledge AI can replace. This is also why AI is compressing teams rather than replacing programmers — the compression is selective.
Experienced engineers supply tacit knowledge. System-level architectural decisions, debugging novel failures across distributed systems, navigating stakeholder dynamics, mentoring. The kind of accumulated expertise that has never been written down and in many cases cannot be.
GenAI tools are excellent at codified tasks. The Anthropic Economic Index shows 79% of Claude Code conversations are classified as automation rather than augmentation. The specialist coding agent operates predominantly as a substitute for labour, not a complement to it.
So AI directly substitutes for the task mix that juniors perform, while it augments the work of experienced engineers who use it to amplify their existing judgement. The Stanford study confirms this: employment declines are concentrated in occupations where AI automates rather than augments, and junior roles cop the worst of it.
Wage stickiness adds another signal. Compensation has not fallen proportionally to employment. Firms are reducing headcount rather than cutting pay — which is consistent with task substitution at the entry level rather than a general softening of demand.
…
Toki tuossakin artikkelissa viitatussa raportissa / tutkimuksessa todetaan, että AI on todennäköisesti vain yksi selittävä osatekijä työmarkkinan tilassa. Eli myös pari vuotta sitten päällä olleella rekrytointiboomilla on luultavasti osavaikutusta. Eli nyt osin maksellaan hintaa siitä, että pikakoulutettiin koodaajia ja hiukan kärjistetysti otettiin töihin suunnilleen kaikki, jotka osasivat käyttää näppäimistöä.
Mutta sikäli kun ajattelee tämän olevan seurausta AI:sta, niin tämä maalaa mielenkiintoisen kuvan erikoistumisen osalta. Sen sijaan, että markkinointilupausten mukaisesti “kuka tahansa voisi tehdä AI:lla mitä tahansa” softapuolella, niin työmarkkinoilla “kuka tahansa” ei ole se, jota otetaan töihin vaan enemmänkin haluttaisiin töihin niitä, joilla on jo paljon kokemusta asiasta. Tämän kai voisi nähdä myös sellaisten silmälasien läpi, että AI-työkalujen laajamittainen käyttö yhdistettynä ylläpidettävään koodikantaan ja tuotekehityksen nopeuden kasvattamiseen tarkoittavat sitä, että AI-työkalut eivät itseasiassa demokratisoi softan tekemistä vaan tekevät siitä jopa aiempaa vaikeampaa. Työntekijältä vaaditaan siis varsin hyvää osaamista, jotta pystyy komentamaan järkevästi AI:n kohti kelvollista maalia.
Jos AI olisi suuri demokratisoija osaamisen puolesta, niin eikö sen pitäisi näkyä softatyöntekijöiden markkinoilla niin, että senioreille annetaan kenkää ja tilalle otetaan junioreita tai jotain satunnaisia kaduntallaajia, koska heille tarvitsee maksaa vähemmän? Nyt kuitenkin kehitys vaikuttaisi olevan juuri päinvastaiseen suuntaan.
Näin tilanteen itsekin näen. Senior-tason osaajien kysyntä kasvaa, junnuja ei oikein kukaan nyt halua. AI:n myötä “peruskoodarien” tarve vähenee ja “arkkitehtien” tarve kasvaa.
JOS mallit ottavat tästä vielä isoja kehitysharppauksia eteenpäin, niin hyödyllisen osaamisen raja-arvo siirtyy koko ajan ylöspäin. Teoriassa voi olla, että tulevaisuuden ohjelmistotuotannon pullonkaula on riittävän kovat osaajat. Tämä olisi perustavalla tavalla erilainen tilanne kuin nyt: jos nyt et saa palkattua parasta osaajaa, palkkaat toiseksi parhaan ja saat lähes yhtä hyvän lopputuloksen. Tässä skenaariossa voisikin käydä niin, että jos et saa parasta, et palkkaa ketään.
Mistä päästään siihen, mistä noita tulevaisuuden “arkkitehteja” oikein tulee jatkossa, jos uutta sukupolvea ei tässä vaiheessa palkata alalle? Ja vaikka palkattaisiinkin, niin tukeeko AI-promptaamiseen keskittyvä työnkuva riittävässä määrin kehittymistä siten, että ne seniorilta vaadittavat taidot kehittyvät? Mielestäni tässä on kohonnut riski sille, että koko ala ampuu kollektiivisesti itseään molempiin jalkoihin kerralla. Mutta tätä aihepiiriä on toki sivuttu jo aiemminkin ketjussa.
Junnujen palkkaamiseen varmaan vaikuttaa kyllä vaikuttaa osaltaan sekin, että jo ihan alkeelliset ohjelmointitaidot tuntuvat olevan monelta kateissa, vaikka koulut olisi käyty ja kurssit suoritettu. Itse olen tässä viimeisen vuoden aikana pitänyt kahden käden sormilla laskettavan määrän teknisiä haastatteluja (ei siis iso otanta, mutta jonkinlainen kuitenkin) ja on ollut hämmentävää huomata, miten (ei-teknisen) esiseulan läpäisseet ja haastatteluun päässeet hakijat ovat monesti sellaisia, että esimerkiksi yksinkertaisen for-loopin kirjoittaminen ei onnistu. Puhumattakaan tietysti sisäkkäisistä for-loopeista tai vaikkapa yksinkertaisesta osoittimien käsittelystä. Toki joukkoon mahtuu aina joku sellainen, jolla homma on hyvin hallussa, mutta järkyttävän yleistä tuntuu olevan se, että ihan aidosti ei meinaa saada sitä yhtä riviäkään koodia aikaiseksi. (Ja ei, en ole käyttänyt haastatteluissa mitään monimutkaisia leetcode -tehtäviä vaan ihan oikeasti yksinkertaisia juttuja on käyty läpi ilman aikapainetta.) Ja samoin monella tuntuu olevan vaikeuksia kertoa, mitä aivan yksinkertaiset ohjelmat tekevät. Jotenkin tuntuu, että ohjelman toimintaa ei pystytä useinkaan ajatuksen tasolla käymään läpi vaihe / rivi kerrallaan. Näistä lähtökohdista on tietysti aika huono lähteä käyttämään mitään AI-työkaluja, jos ei ole mitään kompetenssia arvioida työkalusta ulos saatavan tuotoksen laatua.
Jotenkin tuntuu, että viimeisen 5+ vuoden aikana tilanne on mennyt tällaiseksi, mutta voi tietysti olla, että tällä kertaa kohdalle on osunut vain huono otantakin. No, menee tietysti varmaan jo aiheen ohi tämä, ellei sitten spekuloi sillä, että AI:n käyttäminen kurssien harjoitustehtävissä tms. on osaltaan johtanut tällaiseen tilanteeseen.
Anekdoottina olen viime aikoina rekryä tehdessä huomannut, etteivät nuoret, mutta suhteellisen kokeneet ehdokkaat selviydy yksinkertaisista livekoodaussessioista edes välttävästi. Toki otoskoko on todella pieni, ja tämä on tosiaan anekdotaalista, mutta tulee fiilis, että jengillä on ruostunut koodinkirjoitustaito. Muutoin insinööritaidoissaan ei ole ollut moittimista ja korkealla tasolla tuntuvat olevan ihan pätevää porukkaa ja promptaus onnistuu luontevasti. Maailma muuttuu.
Yksi mielenkiintoinen ilmiö tekoälyssä on sen valtava vastustus. Teknokorporaatioiden johtajien kommentit suurista muutoksista ja massatyöttömyydestä ei jostain kumman syystä resonoi hyvin kansalle, mikä lienee syy.
WSJ:ssä (maksumuuri) oli hyvä kooste ilmiöstä, missä kansalaiset blokkaavat aloitteillaan datakeskuksen rakentamisprojekteja.
Entinen Googlen (Alphabet) toimari Eric Schmidt sai buuaukset päälleen yliopiston valmistujaispuheessa.
Kyselyissä, tiedä sitten kuinka luotettavia nämä ovat, tekoäly nähdään yhtä negatiivisesti kuin Trump ja molemmat poliittiset puolueet, mutta ei sentään niin negatiivisesti, kuin Iran.
Dylan Patel, CEO of AI-infrastructure consulting firm SemiAnalysis, recently predicted there would be large-scale protests against OpenAI and Anthropic within a few months. “People hate AI. AI is less popular than [Immigration and Customs Enforcement]. AI is less popular than politicians,” he said on a podcast.
“It’s something I never thought would be imaginable,” said Councilman Ron Gibson, who found a note saying “NO DATA CENTERS” under his doormat. Two days later, Gibson found a similar note saying “f— you.”
Pollsters and historians say the souring of public opinion is all but unprecedented in its speed. “I don’t think I’ve ever seen something intensify this quickly,” Gregory Ferenstein, who conducted a recent poll with researchers at Stanford University and the University of California, Berkeley, said of the backlash.
After bubbling up in a handful of races last year, it has exploded onto the ballot across the country. Voters in Festus, Mo., ousted four city council members a week after they approved a $6 billion data center. Dozens of communities in states from Maine to Arizona are trying to ban new data centers.
Tekoälyn fyysinen olemus on kieltämättä niin epäluonnollinen, kuin olla ja voi: neliskanttiset, sieluttoman dystooppisen massiiviset datakeskukset ovat kuin toiselta planeetalta verrattuna loputtoman moninaiseen luontoon ja monimutkaiseen ihmisluonteeseen.
On vaikea sanoa, mikä käytännön vaikutus (paitsi tähän asti muutama blokattu datakeskus ja ulosheitetty poliitikko) tällä on. Viimeiset kuusi vuotta ihmisiä on koetelleet pandemia ja inflaatio, ei ihme että jatkuvat uhat väsyttävät. Onko tämä vain uuden vierastamista, kunnes tekoäly arkipäiväistyy? Tekoälyn käytännön hyötyjä tuskin kiistää kukaan, mutta kieltämättä teknologia on epäonnisesti onnistuttu viestimään työpaikat tuhoavana voimana, joka korvaa ihmiset. En tiedä mikä osa sillä on, että teknologiajohtajat Mark Zuckerberg kärjessä eivät vaikuta kovin sosiaalisesti taitavilta ja he näkevät koodaamisessa tehostamisen varan, minkä he sitten ehkä yleistävät kaikkialle.
On myös mielenkiintoista nähdä, tuleeko näin vihatusta asiasta lopulta kuluttajien lompakolla menestyvää liiketoimintaa.
Ihmiset keskimäärin vihaavat omaan elämäänsä vaikuttavia muutoksia ja muutoksia yleensäkin, elleivät he koe välittömästi hyötyvänsä niistä, joten ei tässä mielestäni ole sen kummallisempaa. Koko elämän ajan on joutunut kuuntelemaan sitä valtavaa puurnaamista ja itkua teknologisesta kehityksestä ja oikeastaan kaikesta muustakin kehityksestä:
Miksi pitää siirtyä pois paperista tietokoneisiin? Miksi pitää asioida verkossa eikä kasvotusten? Miksi kortti korvaa käteisen? Miksi taksi pitää ottaa sovelluksella? Miksi autoissa on kosketusnäyttö enkä enää voi räplätä ilmastointia samalla kun vaihdan kaistaa? Miksi pitää käyttää tekoälyä vastausten selvittämiseen googlen sijaan? Miksi pitää rakentaa juna/ratikka/silta/ydinvoimala/tuulivoimala/datakeskus?
Nämä ovat yksi ja sama ihmistyyppi, joka puurnaa aivan kaikesta edistyksestä ja ero maksukorttien vihaajan ja tekoälyvihaajan välillä on oikeasti vain henkilön ikä ja suoran koetun haitan tai hyödyn määrä.
Kuntelin erään valtion tekoälytyöryhmän korkea-arvoisen edustajan mietteitä ja hän oli sitä mieltä, että teknologiassa ongelmana on se, että ihmisten pitää sopeutua teknologiaan eivätkä nörtit riittävästi mieti miten teknologia voisi sopeutua ihmisiin. Mutta eihän teknologiasta ole oikeastaan mitään hyötyä, elleivät ihmiset muuta sen seurauksena toimintatapojaan. Ja se pakollinen muutos on nimenomaan se mikä harmittaa, kunnes siihen uuteen normaaliin ehditään tottua ja sen jälkeen aletaan tietenkin parkumaan heti seuraavasta teknologisesta innovaatiosta.
Kirjoitin joitain vuosia sitten gradun liittyen muutosjohtamiseen ja -valmiuteen. Dumppasin gradun lähdemateriaaleina käyttämiäni artikkeleita NotebookLM:ään jo aikaa sitten testi-mielessä, ja koska edellä käyty keskustelu liittyy “muutokseen”, niin keskustelin lähdemateriaalien kanssa asiasta (englanniksi, joten alla oleva on käännös). Tuntuu hieman omituiselta käyttää tekoälyn tuottamaa tekstiä foorumilla, mutta laitan nyt kuitenkin, koska keskustelun aihe on niin mielenkiintoinen.
1. Ihmiset eivät vastusta muutosta, vaan menetyksiä
Muutoskirjallisuuden keskeinen myytti on, että ihmiset vastustaisivat luonnostaan muutosta. Dentin ja Goldbergin (1999) kaltaiset tutkijat argumentoivat, että ihmiset eivät vastusta itse muutosta, vaan siihen liittyviä negatiivisia seurauksia, kuten aseman, palkan, mukavuuden tai identiteetin menettämistä. Tekoälyn kontekstissa vastustusta ajaa todennäköisesti pelko työpaikan varmuuden, vallan tai sisäisten palkitsevuuden kokemusten menettämisestä. Kun ihmiset tuntevat, että teknologinen murros tekee heidän nykyisestä osaamisestaan tarpeetonta tai vie heidän elinkeinonsa, syntyy luonnostaan voimakasta emotionaalista vastustusta (pelkoa, ahdistusta, vihaa).
2. Autonomian ja “psykologisen omistajuuden” vaarantuminen
Lähteissä huomautetaan, että digitalisaatio voi luoda “isoveljen” tunteen. Yksilöt arvostavat syvästi autonomiaa ja itsemääräämisoikeutta. Kun tekoäly tekee päätöksiä tai automatisoi tehtäviä, ihmiset saattavat kokea hallinnan puutetta prosesseissa, joissa heitä aiemmin arvostettiin, mikä johtaa stressiin ja pelkoon. Lisäksi, kun muutos tuodaan ulkopuolelta (kuten vääjäämätön teknologinen murros), se uhkaa yksilön psykologista omistajuutta omasta ympäristöstään. Tämä saa heidät vastustamaan muutosta säilyttääkseen hallinnan tunteensa ja jatkuvuutensa.
3. Matala pystyvyysusko (low change self-efficacy) muutoksessa ja epäonnistumisen pelko
Tekoälyn vastustamista voidaan selittää myös muutoskohtaisella pystyvyysuskolla – eli yksilön käsityksellä omasta kyvystään selviytyä muutoksesta ja toimia tehokkaasti uusista vaatimuksista huolimatta. Banduran sosiaalis-kognitiivisen teorian mukaan yksilöt välttävät luonnostaan toimintoja tai ympäristöjä, joiden he uskovat ylittävän heidän selviytymiskykynsä. Jos opiskelijat tai työntekijät kokevat, että heiltä puuttuu tekninen osaaminen tekoälyvetoiseen maailmaan sopeutumiseksi, he näkevät tekoälyn henkilökohtaisena uhkana haasteen sijaan. Tämä alkutilan kuilu nykyisten kykyjen ja tulevaisuudessa vaadittavien taitojen välillä luo “negatiivisen kuilun” (ajatus siitä, että “en ole kykenevä”), mikä on vastustuksen ensisijainen ajuri.
4. Disinformaation ja valeuutisten vaikutus
Julkista vastustusta ruokkivat usein sensaatiohakuiset uutiset tai katastrofaaliset ennusteet tekoälystä. Lähteissä mainittu valeuutisia käsittelevä tutkimus osoittaa, että ensimmäiset sosiaaliset vaikutelmat ovat erittäin sitkeitä, vaikka yksilöt saisivat myöhemmin tietää tiedon olleen yksiselitteisesti virheellistä. Tutkimus korostaa, että yksilöiden – erityisesti niiden, joiden kognitiiviset kyvyt ovat heikommat – on vaikea korjata alkuperäisiä negatiivisia arvioitaan sen jälkeen, kun he ovat altistuneet virheelliselle tiedolle. Jos poliitikot tai opiskelijat altistuvat liioitelluille tai väärille väitteille tekoälystä, nämä negatiiviset asenteet juurtuvat syvälle, ja niitä on äärimmäisen vaikea korjata edes faktapohjaisella tiedolla.
5. Poliittiset valtadynamiikat ja “dialektinen muutos”
Poliitikkojen ja organisaatiojohtajien kohdalla tekoälyn vastustamista voidaan tarkastella dialektisen muutosprosessiteorian kautta, joka selittää muutoksen vastakkaisten voimien (nykytilan ja haastajan) välisenä konfliktina. Muutokset teknologiassa ja rakenteissa iskevät suoraan valta- ja auktoriteettisuhteiden ytimeen. Koska tekoäly uhkaa mullistaa olemassa olevia sosioekonomisia rakenteita, ne, joiden valtaa, arvovaltaa tai poliittisia tavoitteita tämä murros uhkaa, toimivat puolustuksellisesti säilyttääkseen nykytilan. Poliitikot saattavat mobilisoida vastustusta suojellakseen äänestäjäkuntansa etuja tai estääkseen valtadynamiikan siirtymisen sellaiseksi, jota he eivät voi hallita.
6. Epävarmuuden sietokyky
Lopuksi, tekoäly edustaa valtavaa hyppyä tuntemattomaan. Kirjallisuudessa todetaan, että yksilöiden kyky sietää epävarmuutta vaihtelee. Ne, joilla epävarmuuden sietokyky on matala, kokevat epävarmat tilanteet erittäin uhkaavina. Koska tekoälyn tarkat pitkän aikavälin vaikutukset yhteiskuntaan, etiikkaan ja talouteen ovat vielä perustavanlaatuisesti hämärän peitossa, se käynnistää luonnostaan puolustusreaktion niissä, jotka kokevat suuren sosio-teknisen epävarmuuden epämukavaksi.
Yhteenveto: Lähteet antavat ymmärtää, että tekoälyn vastustaminen ei ole pelkkää irrationaalista itsepäisyyttä. Se on erittäin ennustettavissa oleva inhimillinen reaktio, jota ajavat henkilökohtaisen menetyksen pelko, koettu sopeutumiskyvyn puute, uhat autonomialle, alttius disinformaatiolle sekä vakiintuneiden valtarakenneiden järkkyminen.
Joo, sikäli kun tien päässä on massatyöttömyysvisiot, niin eihän se tietysti ole houkuttelevaa.
Näihin liittyy myös se aspekti, että teknojohtajien puheet ovat alkaneet irtautumaan jossain määrin fyysisestä todellisuudesta. Otetaan esimerkkinä nahkatakkimiehen jutut noin viikon takaa:
Jensen Huang, CEO of NVIDIA, says future compute could require “1000x” more energy than we currently have and even those estimates could be off by “a couple orders of magnitude.”
X-viestissä myös nahkatakkimiehen haastattelusta pätkä, josta nämä lukuarvot on poimittu.
Jos tätä 1000x lausuntoa tarkastelee konkreettista todellisuutta vasten, niin datakeskukset vievät tällä hetkellä globaalisti noin 2% kaikesta tuotetusta sähköenergiasta. USA:ssa suhteessa enemmän, jossain muualla vastaavasti vähemmän. Kuitenkin 1000x energian tarve datakeskuskäyttöön tarkoittaisi koko globaalin energiantuotannon noin 20-kertaistamista.
Jos tilannetta tarkastelee Suomen näkökulmasta ja lähtee ratkomaan skaalausongelmaa nykyisen kaltaista tuotantoprofiilia käyttäen, niin täällä pitäisi olla esimerkiksi viiden ydinvoimalayksikön sijaan 100 ydinvoimalayksikköä jossain ei niin kaukaisessa tulevaisuudessa. Miten realismilta tämä vaikuttaa, jos se viidennenkin yksikön aikaansaaminen oli melkoista Iisakin kirkon rakentamista? Ja jos lähdetään ydinvoimalla hommaa ratkomaan, niin sitten tietysti pitää kaksikymmenkertaistaa myös polttoaineen tuotanto, eli uraanikaivokset, jne.
Jos ydinvoimalahommat tuntuvat hankalalta, niin pitäisikö sitten tehdä mieluummin ympäristöystävällisesti aurinkoenergialla? Jos energian varastointi olisi jotenkin ratkaistu (mitä se ei tietysti ole), niin suhteellisen moderneilla aurinkopaneeleilla voisi saada ympärivuotisessa käytössä Suomen olosuhteissa sen 20 W / m2 sähköntuotantoa aikaiseksi. (Kyllä, ei se paljoa tätä parempi ole, kun huomioi paneelien hyötysuhteen, paneelien asennuskulmat, pilviset päivät, yön talven, jne.) Jos olettaa, että jokainen rakennettava ydinvoimala tuottaa noin 800 MW jatkuvalla teholla energiaa, yhden ydinvoimalan vuosituotannon korvaamiseen (keskimääräisesti) tarvittaisiin noin 40 km2 edestä paneeleita. Jos 100 ydinvoimalaa rakennettaisiin, niin paneelipinta-alaa pitäisi olla 4 000 km2.
Aurinkovoimaloihin taas tarvitaan tyypillisesti joku 3-5x maapinta-alaa suhteessa paneelipinta-alaan, jotta paneelit eivät varjosta toisiaan, saadaan sopivat huoltoreitit paneeleille, jne. Jos lasketaan 4x kertoimella, niin pinta-alaa tarvitaan noin 16 000 km2. Jos tätä vertaa koko Suomen maapinta-alaan (n. 300 000 km2), niin havaitaan, että yli 5% Suomen pinta-alasta pitäisi peittää aurinkovoimaloilla. Vertailunvuoksi esimerkiksi Uudenmaan maakunnan maapinta-ala on noin 9 000 km2 ja Varsinais-Suomen n. 10 000 km2. Nuo maakunnat kun peittäisi kokonaan aurinkovoimaloilla, niin ehkä se siitä sitten lähtisi, jos joku ratkaisee sen energian varastoinnin? Sinne mahtuisi ehkä muutama datakeskuskin vielä joukkoon.
No, voitaneen aika varmaksi sanoa, että Suomeen ei ole tulossa ihan lähivuosina 100 ydinvoimalaa. Eikä paria maakuntaa päällystetä aurinkovoimaloilla. Ja on näissä datakeskustouhuissa tietysti päädytty jo vähän siihen, että pössytellään fossiilisia polttoaineita ainakin näin “väliaikaisena” ratkaisuna:
Mutta tämä energia-aihe on sinänsä mielenkiintoinen teköälyn osalta, että vielä muutama vuosi sitten kaikkien piti säästää energiaa, olla ekologisia ja säästää luontoa. Nyt kun nahkatakkimiehellä ja kumppaneilla on asiaa ja tarvitaan hiukan energiaa, niin energiantuotannon 20-kertaistaminen on ihan luontaisesti vähintään pöydällä eikä niin jakseta hiilidioksiditonnejakaan aina laskea. Tämä(kin) asia voi mennä tässä datakeskustouhussa hiukan vastakarvaan monella.
Mutta miten paljon hyötyjä pitää saada, jotta esimerkiksi nahkatakkimiehen indikoima luokkaa 20x globaalin energian tuotannon kasvattaminen on perusteltua nopeassa aikataulussa? Paljonko pitää jäädä viivan alle esimerkiksi Suomessa, jos tavoite on rakentaa esimerkiksi 100 ydinvoimalaa datakeskuksia varten? Tuo on jo sellaista kertaluokkaa oleva peliliike, että ei sitä oikein spekulatiivisten hyötyjen takia kannata tehdä vaan pitäisi olla todella konkreettista näyttöä ja vakuuttavia laskelmia siitä, mitä hommasta jää käteen.
Ja energiamuodosta riippuen siirtymä voi olla jokseenkin yksisuuntainen siinä mielessä, että luonnonvaroja kovin moneen kokeiluun tai siistiin paluuseen ei välttämättä ole. Ja sikäli kun peruuttamattomia asioita lähdetään tekemään, niin soisi, että niitä ei tehdä ainakaan vauhtisokeuden vaikutuksen alaisena.
Tässä ollaan sen äärellä, että hyperskaalaaminen siirtyy sieltä excel-taulukoista todellisuuteen ja rajallisten resurssien maailmaan.
Menee ehkä ohi aiheen, mutta eihän käytännössä mikään muutos tapahdu niin, että ihmiset muuttaisivat toimintamallejaan tai käyttäytymistään. Edes ammattifyysikot eivät pääse uusiin fysiikan teorioihin, vaan vaikka suhteellisuusteoriat sun muut ovat tulleet käyttöön samalla tavalla, kuin uudet teknologiatkin, jossain vaiheessa luonnollinen poistuma on tehnyt selvää edeltäneestä sukupolvesta ja uudelle sukupolvelle tuo ei ollut samalla tavalla uutta. Toki aina osa väestöstä on aina asiassa poikkeus. Eli joo, sama lienee edessä myös kielimallien ja muiden AI-työkalujen kanssa. Tämä hidastanee jossain määrin laajaa käyttöönottoa.
Tähän lisättäköön havainto ns. “ai-slopista”. Eli koska tietyillä osa-alueilla tekoälyn tuotokset eivät vielä vedä vertoja ihmisten tuotoksille, ja koska nämä ovat selkeästi tunnistettavissa, ihmisiä ärsyttää kun niitä “tungetaan” naaman eteen. Hyvä esimerkki on tekoälyllä tehdyt meemit tai youtube-videoiden taustamatskut. Niissä on monesti tietynlainen feikkiyden tuntu, mikä ärsyttää luontaisesti ihmisiä. Siinä vaiheessa, kun noita ei enää erota ihmisten tekeleistä, niin vastarinta vähenee.
Täytyy myöntää ettei mulla ole Gradua tehtyä aiheesta enkä ole aiheesta edes tieteellistä tutkimusta lukenut vaan kaikki ymmärrys aiheesta tulee arki- ja työelämän kautta. Kuitenkin ihan jo elämänkoulupohjalta on helppo todeta suurten sosioekonomisten teorioiden epäonnistuvan selittämään muutosvastarinnan, koska muutosvastarintaa esiintyy laajamittaisesti myös sellaisissa tilanteissa missä ei ole minkäänlaisia panoksia ja jossa ei menetetä mitään tai mihin ei liity osaamiskysymyksiä. Muutosvastarinnan määrä ja toiminta on myös täysin suhteeton niihin kuviteltuihin menetyksiin, mitä muutos aiheuttaa.
Muutama käytännön arkielämän esimerkki:
Pakettien siirtyminen postin tiskiltä pakettiautomaatteihin.
Valtavat tehokkuushyödyt kaikille osapuolille kun paketit voi hakea milloin haluaa ja todennäköisesti huomattavasti lähempänä muita asiointipaikkoja ilman jonottamista. Se minkä ihmisen pitää muuttaa omassa toiminnassaan on, ettei enää mennä henkkareiden kanssa vuoronumeron kanssa tiskille vaan pitää ottaa jollakin tavalla vastaan koodi ja näppäillä se koodi automaattiin. Tulee vieläkin vastaan aivan uskomatonta turhaa itkua vuosikausien ajan näinkin pienestä asiasta.
Pakettifirmojen siirtyminen älypuhelinten sovelluksiin.
Sovellus tuo valtavasti etuja pakettien hallintaan molemmille osapuolisille ja yksinkertaistaa prosessia valtavasti. Ihan jo se etteivät käyttäjät enää lankea pakettihuijausviesteihin sähköposteissa ja tekstiviesteissä on jo itsessään merkittävä voitto yhteiskunnalle. Älypuhelimen sovelluksen lataamiseen liittyy kuitenkin poikkeuksellisen paljon vastarintaa, vaikka ihmisillä löytyy osaamista ja kokemusta sovelluksien käyttämistä, se on täysin maksutonta ja puhelimessa kyllä on muistia riittämiin eikä asia vie juurikaan aikaa.
Sen sijaan että se sovellus ladattaisiin vikisemättä, niin muutosvastarintaa esiintyy lähes universaalisti vaihteluvälillä “Äh pitää taas lataa joku sovellus - En enää ikinä tilaa mitään verkkokaupasta.” Hyvin harvassa löytyy niitä ihmisiä, joilla tulee luontaisesti järkevä reaktio: “Jes päästään eroon kirjeistä, sähköposteista ja tekstareista ja mahtavaa, että firma on koodannu suurella vaivalla täysin ilmaiseksi elämää helpottavan tavan hoitaa pakettihommat ja se äppi pitää lataa vain kerran, niin voin käyttää sitä vaivatta jatkossakin pakettiasioiden hoitamiseen.” Tunnen nuoriakin ihmisiä, joille tämä on jollain tavalla elämää suurempi kysymys.
Vastaavanlaisia esimerkkejä löytyy arkielämästä lähes rajaton määrä. Jopa se että miten päin vessarulla laitetaan telineeseen voi olla suuri taistelukenttä työpaikan tai kodin vessassa, jos se sattuu olemaan “väärinpäin” kuin mihin itse on koko muun elämänsä aikana tottunut.
Tekoälyssä tähän ihmisten luontaiseen muutosvastarintaan yhdistyy nuo pelot maailman rakenteellisesti muuttumisesta, oman työpaikan menettämisestä, osaamispuutteesta ja poliitikkojen sekä viranomaisten levittämästä misinformaatiosta, mikä vahvistaa muutosvastarintailmiötä, mutta ei tee siitä mitenkään uniikkia muuten kuin laajamittaisuuden ja voimakkuuden osalta.
Kun Wikipedia tuli, varoiteltiin laajasti kuinka se on epäluotettava ja huono sivusto se on, mitä ei tulisi missään nimessä käyttää. Facebookin tullessa varoiteltiin miten nettiin ei ikinä saisi laittaa omia henkilökohtaisia tietojansa. Nyt eletään samaa vaihetta tekoälyn kanssa, missä “hallusinaatio” ja “sloppi” koetaan valtavaksi ongelmaksi, vaikka todennäköisesti on se ihmisten päivittäin lukemasta tekstistä kaikista luotettavinta, erityisesti kun vertaa keltaiseen lehdistöön ja sosiaaliseen mediaan. Alustatkin kehittävät kovaa vauhtia työkaluja, millä nuo turhemmat tekoälyjulkaisut saadaan jatkossa pois käyttäjien näkyvistä.
Jos sieltä tieteelliseltä kirjallisuudesta löytyy joku keino, että miten muutosvastarinta taklataan, niin olisi mielenkiintoista kuulla miten pitäisi toimia. Tähän mennessä ei ole auttanut muuten kuin että nollaihmisten nollapuurnauksen antaa mennä toisesta korvasta sisään ja toisesta ulos ja antaa ajan virtaamisen hoitaa maailman muuttumisen aiheuttamat henkilökohtaiset ongelmat näiden ihmisten elämään.
Vaikka tuo viimeinen kappale saattoi olla retorinen, niin vastaan silti. Omassa gradussani, joka ei tosin käsitellyt tekoälyä, päädyin siihen että asioiden näkeminen muutosvastarintana on hieman ongelmallista jo lähtökohtaisesti, sillä vastarinnan vähentäminen ei tarkoita sitä, että muutokselle saataisiin luotua aitoa tukea. Jos ei ole tukea, ei ole myöskään valmiutta tekoihin jotka edesauttavat muutoksen jalkauttamista.
Choi & Ruona (2011), ja muutkin kuten Jansen, kirjoittavat sosiaalisen konstruktionismin näkökulmasta: muutosjohtajat/muutosagentit luovat usein itse juuri sen vastarinnan, jota he yrittävät voittaa. Koska he odottavat vastarintaa, he etsivät sitä, tekevät perusattribuutiovirheitä (kuten olettavat, että vanhemmat työntekijät vastustavat muutosta luonnostaan) ja toimivat tavoilla, jotka vahvistavat heidän omia odotuksiaan, luoden näin itsensä toteuttavan ennusteen sekä “me vastaan he” -asetelman. Tämä sokeuttaa helposti “johdon” heidän omien muutossuunnitelmiensa todellisilta virheiltä ja jättää huomiotta henkilöstön rationaaliset syyt, jotka oikeasti ohjaavat ihmisten käyttäytymistä siirtymävaiheiden aikana.
Kirjallisuus osoittaa, että se, mikä usein tulkitaan “vastarinnaksi”, onkin usein vain väärinkäsitystä, joka johtuu muutosta ajavien ja sen kohteena olevien ihmisten välisestä tiedon epäsymmetriasta (asymmetrisestä informaatiosta). Työntekijät eivät ole passiivisia vastaanottajia; he pyrkivät aktiivisesti ymmärtämään ja jäsentämään muutoksia. Jos heiltä puuttuu tieto muutoksen “miksi-”, “miten-” ja “milloin”-kysymyksistä, heidän on vaikea sopeutua, mikä ilmenee usein äänekkäänä tyytymättömyytenä. Näiden henkilöiden huomiotta jättäminen tarkoittaa sitä, että menetetään ratkaiseva tilaisuus selvittää väärinkäsitykset ennen kuin ne kasvavat suuremmiksi ongelmiksi.
Mitä asialle voisi tehdä?
Jotta muutokseen kohdistuvia negatiivisia ajatusmalleja ja asenteita ei pääsisi syntymään, muutosjohtajien on proaktiivisesti muokattava työntekijöiden uskomuksia sen sijaan, että he odottaisivat ajan hoitavan asian. Kirjallisuus (mm. Armenakis) suosittelee selkeän muutosviestin laatimista, joka vastaa viiteen ydinosatekijään (core beliefs):
Ristiriita/Muutostarve (Discrepancy): Osoitetaan, että muutokselle on todellinen ja aito tarve.
Sopivuus (Appropriateness): Näytetään, että juuri tämä kyseinen muutos on oikea ratkaisu ongelmaan.
Pystyvyys (Efficacy): Rakennetaan luottamusta siihen, että työntekijöillä ja organisaatiolla on todelliset kyvyt ja resurssit toteuttaa muutos.
Johdon ja avainhenkilöiden tuki (Principal Support): Osoitetaan, että sekä viralliset että epäviralliset johtajat tukevat hanketta aktiivisesti.
Henkilökohtainen merkitys/Hyöty (Valence): Tehdään selväksi, mitä henkilökohtaista hyötyä muutoksesta on mukana oleville yksilöille.
Muutosviestin luomisen lisäksi tutkimukset osoittavat, että ylhäältä-alas johtamisen sijaan muutoksen kohteiden aktiivinen osallistaminen prosessiin jo varhaisessa vaiheessa on erittäin tehokasta. Osallistuminen auttaa työntekijöitä itse havaitsemaan muutoksen tarpeen, kasvattaa heidän itseluottamustaan (minäpystyvyyttä /self-efficacy) ja luo psykologista omistajuutta lopputuloksia kohtaan.
Aikaan ja “pakotettuun noudattamiseen” turvautuminen on pohjimmiltaan vähemmän tehokasta kuin normatiivis-uudelleenkouluttavat (normative-reeducative) strategiat. Nämä strategiat osallistavat työntekijöitä aktiivisesti, kohtaavat heidän perimmäiset uskomuksensa ja kohtaavat heidän asenteensa elintärkeänä osana muutosprosessia.
Ihan muutama lähde tähän:
Choi & Ruona (2011) Individual Readiness for Organizational Change and Its Implications for Human Resource and Organization Development.
Jansen K. The Emerging Dynamics of Change: Resistance, Readiness, and Momentum
Armenakis & Harris (2009) Reflections: our Journey in Organizational Change Research and Practice
Tuo osuus nyt erittäin pelkistetty tiivistelmä monitahoisesta aiheesta. Todellisuushan on monimutkainen ja vaikka asioita gradua-kirjoittaessa paljon pohdinkin, niin painin asian kanssa itse jatkuvasti työelämässä. Välillä on jopa hieman huvittavaa seurata tekoälyn käyttöönottoon liittyviä haasteita, sillä mukana on niin monta eri tahoa (johto, keskijohto, työntekijät, liitot, omistajat) ja jokaisella on omat prioriteettinsa, näkökulmansa ja usein vajaavainen ymmärrys tekoälystä, ja edellä mainittu nähdäkseni estää koherentin muutosviestin luomisen. Tämä on ainakin omasta mielestäni johtanut siihen että porukka on jakautunut suhteellisen selvästi “Innovation Adoption Curven” mukaisesti ja saa nähdä koska päästään tätä teknologiaa tehokkaasti ja laajasti hyödyntämään.
Kyllä nuo ovat järkeenkäypiä näkemyksiä ja kiitos, että otit aikaa kirjoittaaksesi aiheesta. Oman kokemukseni mukaan isoissa organisaatioissa toistuu kerta toisensa jälkeen pohjimmiltaan se perusongelma, että muiden ihmisten osallistuttaminen ja tarve lobbaamiselle tappaa kaiken liikevoiman muutokselta, jolloin siihen ryhtyminen tarkoittaa valtavaa aikatauluun ja onnistumiseen liittyvää ylimääräistä riskinottoa. On tilanteita missä muutosta ajavalla taholla ei ole riittävästi valtaa ajaakseen muutosta runnomalla läpi ja tähän on pakko ryhtyä, mutta niissä tilanteissa missä valtaa on rakenteellisesti tai väliaikaisesti jonkin kriisin vuoksi kertynyt riittävästi, suoraviivaisin toimintamalli on yleensä se, mitä suositaan.
Myös muutosviestinnässä ollaan isoissa organisaatioissa lähes aina tuomittu epäonnistumaan, koska organisaation työntekijöiden arvot ja tarpeet eroavat valtavasti toisistansa, ihmisillä on niistä hyvin rajallinen ymmärrys ja aliorganisaatiot kilpailevat toisiaan vastaan resursseista ja huomiosta, mikä helposti johtaa suoranaiseen sabotaasiin muutoksen osalta. Muutosvastarintaa, turhaa valittamista ja aitoa asiallista kritiikkiä ei ole mahdollista erottaa toisistansa, koska ei ole mitään yhteistä kriteeristöä tai jaettua kieltä. Tämä estää myös yhden kaikille toimivan muutosviestin laatimisen.
Paljon on tullut nähtyä kun muutostilaisuus menee kokonaan ohitse ja viikon homma venyy osallistamisen takia vuosiksi kunnes asia hiipuu ja muutos jää tapahtumatta ja myös toisaalta näitä tapauksia missä kaikin puolin surkea muutos ajetaan väkisin lävitse aiheellista kritiikkiä kuuntelematta. Onneksi huonokin muutos voi kuitenkin säilyttää muutosliikevoiman ja johtaa toiseen parempaan muutokseen, joka ei alun perin olisi ollut mahdollista.
Esimerkiksi lähitöistä siirtyminen hybriditöihin tuskin olisi valtaosalla työpaikoista onnistunut tai tullut edes kysymykseen, ellei ensin oltaisi käyty kokeilemassa täysiä etätöitä. Sait nyt innostumaan aiheesta sen verran, että pistän pari uutta kirjaa lukulistalle, josko sieltä löytyisi lisää viisauksia avata tätä Gordionin solmua. Vaikuttaa kyllä silti siltä, ettei tähän muutosjohtamiseen ole olemassa mitään patenttiratkaisua.
Tekoälyhankkeissa tuli nähtyä, kuinka johto innostui käärmeöljykauppiaiden ylisuurista lupauksista ymmärtämättä aiheesta riittävästi ja yritti sitten pakottaa sitä kaikkien kurkusta ylhäältä alas, vaikka tekoälytyökalut olivat raakileita eikä niitä rakennettu ratkaisemaan aitoja tarpeita ja ongelmia vaan ideologisista syistä. Halu oli vain äkkiä saada maksimaalinen määrä tekoälyä käyttöön koska muuten jäädään epämääräisellä tavalla jälkeen kilpailijoista ja viiteryhmistä.
Tästä seurasi että lähes kaikki hankkeet epäonnistuivat ja koettiin laaja kategorinen vastareaktio “tekoäly huono”, joka on nyt pilannut teknologian maineen ja halun ryhtyä uusiin laajoihin muutosoperaatioihin. Pahintahan tässä on, että nämä kehittyneet työkalut aidosti vaativat sen, että koko työnkulku mietitään täysin uusiksi tekoäly edellä, tai muuten koko homma typistyy vain tsättibotille viestittelyyn. Se taas karsii edelläkävijöiden motivaatiota, koska mikään ei ole turhauttavampaa kuin mennä töihin tekemään töitä, joihin on jo keksitty automaatioratkaisu, mutta jota firma ei ole suostunut ottamaan käyttöön eikä tule ottamaan käyttöön organisaatiollisten haasteiden vuoksi
Tästä olisi mukavaa kuulla lisää tarinoita. Onko jossain organisaatiossa, ei siis YouTube vaikuttajan yhden miehen firmassa, päästy eroon oikean softan kalliista lisenseistä itse tehdyllä AI tuotoksella?
Monen päässä saattaa mennä sekaisin koodarien työttömyys ja softafirman voitot. Softafirmahan on paljon muutakin kuin koodaus, kuten luottamus, asiakassuhteet, todelliset testiaineistot, ymmärrys asiakkaiden ongelmista jne. Vaikka koodarit saisi kenkää voi softafirma porskuttaa entistä paremmin.
Softafirmoista voisi luulla jonkun SAPn olevan niin syvällä monissa firmoissa ettei sitä millään korvata. Sen sijaan SAP räätälöintiö myyvä softa-konsultti firma voi hyvinkin mennä nurin. Tässä on softafirman ja softakonsulttifirma ero.
Mulla ei ole asiasta kuin spekulaatiota. Kovasti kaivaisin evidenssiä riippuumattomilta toimijoilta. AI firmojen toimarit ei sellaisia ole.
Pekalla oli myös tammikuussa oma ansiokas softaketju. Argumenttien puolesta ihan asiaa. Evidenssiä softafirmjen tuloksen romahtamisesta ei kuitenkaan vielä ole näkyvissä. Adobekin porskuttaa eteenpäin katsova PE 10 ja PEG 0.69
Kyllähän tätä vakavasti monet yritykset miettivät. Nimenomaan ajatuksena se, että miksi maksaa massiivisia lisenssikustannuksia, kun vibettämällä olisi mahdollista koodata “ilmainen” softa juuri omiin tarpeisiin.
Sain itse taannoin tässä eräältä kohtalaisen suuren yhtiön johdolta toimeksiannon analysoida puolueettomana toimijana osana heidän SAP ECC -korvausinvestointipohdintaa nimenomaan tätä näkökulmaa. Mutta aika nopeasti analyysi näytti, että:
Suurta kilpailuetua itse tekemällä ei synny, kun kyseessä oli perinteiset talouden ja toimitusketjujen toiminnot ja OOB-toiminnot soveltuvat näiden pyörittämiseen hyvin. Mitään varsinaista lisäarvoa ei synny vibettämällä esim. niitä ihan samoja GAAP-vaatimuksia ja tuhansia muita perustoimintoja, jotka on miljoonassa ratkaisussa sisäänrakennettuna.
Tilanne voisi olla eri, jos tarpeeseen sovitettu ratkaisu toisi selkää kilpailuetua (esim. niche-toimiala vaatimuksineen, tuotanto+service hybridi, jonka halutaan pelaavan saumattomasti yhteen yms.). Ja tässäkin tapauksessa usein on helpompaa vain innovoida coren päälle, kun API-maailma sen kohtuu hyvin kuitenkin mahdollistaa.
Valmiin ratkaisun kehityskustannukset skaalaa edelleen koko asiakaskunnalle eikä oman kehityksen panostuksiin ole varaa laittaa kuin promillen desimaaleja suhteessa järjestelmätoimittajan kehitysbudjettiin (esim. SAP:n R&D taisi olla luokkaa €5 miljardia). AI-avusteisesti syntyy käytännössä hyvin nopeasti melkoinen legacy-tunkio, kun taas moderni pilviratkaisu pysyy ns. evergreeninä tekemättä käytännössä mitään.
Valmiin ratkaisun kehityskustannukset skaalautuvat edelleen tuhansien asiakasorganisaatioiden läpi. Omassa vibe-koodissa jatkuvan kehityksen kustannukset ovat periaatteessa rajattomat. Aika moni CFO on valmis maksamaan pientä preemiota kustannusten ennustettavuudesta.
Lisäksi vibe-tokenit ovat nyt vielä halpoja - tulevaisuudessa (sekä osittain jo nyt) ei välttämättä ole enää.
Tuossa analyysin pääkohdat ja lainalaisuudet, jotka varmaan pätevät ainakin 80% yrityksistä meillä ja maailmalla.
Hubspot ja CRM:t yleisesti ovat toki siinä mielessä erityistapaus, että nehän ovat pahamaineisia siitä, että adoptio epäonnistuu. Olen itse miettinyt, että agenttisessa maailmassa CRM ratkaisu on käyttöliittymänä käytännössä turhake tarpeeseen nähden. Kontaktit ovat kalenterissa, emailissa yms. Myyntiputken ja asiakashistorian voi agentti palauttaa suoraan tietokannasta. Asiakaspalvelunkin voi ulkoistaa suoraan agentille. Kun CRM:ien suurin ongelma on anyways se, että nämä jää kirjaamatta, niin agenttinen tekoäly pystyisi kyllä disruptoimaan tämän softadomainin mielestäni kyllä. Toki kysymys on edelleen se, onko tätä järkevä vibettää itse. Tuskin, ja varmaan kohta markkinoilla on aidosti M365-ympäristöön kytkeytyviä agenttiorkestrointeja CRM-tarpeisiin. Toki vastaavan human-computer interaction (HCI) -disruptiouhan alla olevia ratkaisuja on paljon - esim. koko BI-domain.
Jensen Huangin näkemys softan yleisestä tulevaisuudesta on helppo allekirjoittaa: “kuvitellaan, että sulla on autonominen robottiavustaja kotona. Sen tehtävä on lämmittää mikroaaltouunissa sinulle ruoka. Kumpi on käytännöllisempää - se, että robotti alkaa rakentamaan sinulle uutta mikroaaltouunia nollasta vai se, että robotti lukee netistä keittiösi uunin käyttöohjeen ja lämmittää ruoan sen perusteella? Miten ihmeessä siis ajatellaan softan kohdalla, että olisi järkevämpää lähteä aina rakentamaan kaikki alusta”.
Huang on ennustanut, että agenttisen työkalukäytön myötä SaaS-softan käyttö tulee kasvamaan - ei suinkaan laskemaan.
