Generatiivisen tekoälyn käyttöönoton hyödyt ja haitat suuryrityksessä

Aatu Mustalampi GENERATIIVISEN TEKOÄLYN KÄYTTÖÖNOTON HYÖDYT JA HAITAT SUURYRITYKSESSÄ JYVÄSKYLÄN YLIOPISTO INFORMAATIOTEKNOLOGIAN TIEDEKUNTA 2024 TIIVISTELMÄ Mustalampi, Aatu Generatiivisen tekoälyn käyttöönoton hyödyt ja haitat suuryrityksessä Jyväskylä: Jyväskylän yliopisto, 2018, 75 s. Tietojärjestelmätiede, pro gradu-tutkielma Ohjaaja: Riekkinen, Janne Generatiivisen tekoälyn käyttöönotto on nousussa suuryrityksissä, tarjoten sekä merkittäviä hyötyjä että haasteita. Tämän tutkielman case-tutkimuksessa tarkastellaan organisaation kokemuksia generatiivisen tekoälyn hyödyntämisestä. Tutkimuksen tavoitteena oli tutkia, miten generatiivisen tekoälyn hyödyt näkyvät käytännössä, sekä millaisia haasteita ilmeni. Teoreettisena pohjana käytettiin vakiintuneita käyttöönottomalleja, UTAUT:ia ja Delonen ja McLeanin tietojärjestelmien menestysmallia. Aihetta tutkittiin erityisesti työntekijöiden näkökulmasta kyselyä hyödyntäen, jonka lisäksi tapaustutkimuksen syventämiseksi haastateltiin myös muutamaa henkilöä. Kyselyaineiston analyysiin hyödynnettiin tilastollisia menetelmiä kuten regressioanalyysiä, kun taas haastatteluaineistoihin sovellettiin laadullista sisältöanalyysiä. Generatiivisesta tekoälystä saatavat hyödyt liittyvät muun muassa prosessien tehostamiseen, liiketoiminnan kehittämiseen ja kilpailuedun saavuttamiseen organisaatiotasolla, kun taas työntekijöillä hyödyt keskittyivät pääasiassa rutiinitehtävien tehostamiseen. Haittoina organisaatiotasolla tuottaa erityisesti tiedon generatiivisen tekoälyn tuottaman tiedon oikeellisuus, yksityisyyteen ja tietoturvaan liittyvät riskit sekä työpaikkojen mahdollinen muuttuminen tai katoaminen. Lisäksi organisaatiotasolla ongelmia saattaa aiheuttaa tietojärjestelmien integraatiot, jotta generatiivista tekoälyä voidaan todella hyödyntää. Työntekijätasolla korostuivat puolestaan epäluottamus tekoälyn tuottaman tiedon oikeellisuuteen ja organisaation tarjoaman koulutuksen merkitys käyttöaktiivisuuteen. Tutkimus tarjoaa arvokasta tietoa generatiivisen tekoälyn käyttöönottoa harkitseville yrityksille, erityisesti kooltaan keskisuurille ja suurille. Tutkimuksen perusteella onnistuneen käyttöönoton edellyttää selkeää strategiaa, yhdistäen henkilöstön koulutuksen ja motivoinnin, generatiivisen tekoälyn onnistuneen integraation, sekä tietoturvallisen käytön, jotta käyttöönotossa saadaan generatiivisen tekoälyn hyödyt käyttöön ja haasteet vältettyä. Näiden tekijöiden avulla organisaatiot voivat varmistaa, että käyttöönotto onnistuu ja ulosmittaa arvoa, joka teknologialla on liiketoiminnan kontekstissa. Tutkimus keskittyi yksittäisen organisaation pienen otannan näkökulmaan, joten sen yleistettävyys vaatii lisätutkimuksia, jotta tuloksia voidaan paremmin hyödyntää myös muissa organisaatiossa. Jatkotutkimukselle on tarvetta erilaisista organisaatioista sekä pidemmän aikavälin tarkastelulle generatiivisen tekoälyn tuomista muutoksista työelämään. Asiasanat: Generatiivinen tekoäly, suuryritykset, käyttöönoton haasteet, generatiivisen tekoälyn hyödyt ja haasteet ABSTRACT Mustalampi, Aatu Benefits and drawbacks of implementing generative AI in a large enterprise Jyväskylä: University of Jyväskylä, 2024, 75 p. Information Systems Science, pro gradu thesis. Supervisor(s): Riekkinen, Janne The adoption of generative AI is on the rise in large enterprises, offering both significant benefits and challenges. The case study in this thesis examines an organisation's experience of using generative AI. The aim of the study was to explore how the benefits of generative AI are manifested in practice, as well as the challenges encountered. Established deployment models, UTAUT and the Delone and McLean Information Systems Success Model, were used as a theoretical basis. The topic was explored in particular from the perspective of employees, using a questionnaire, and a few interviews were also conducted to deepen the case study. Statistical methods such as regression analysis were used to analyse the survey data, while qualitative content analysis was applied to the interview data. The benefits of generative AI include process improvement, business development and competitive advantage at the organisational level, while for employees the benefits were mainly focused on improving routine tasks. At the organisational level, the main drawbacks are the accuracy of the data generated by AI, risks related to privacy and security, and the possible change or disappearance of jobs. In addition, at the organisational level, there may be problems with the integration of information systems in order to make real use of generative AI. At the employee level, the lack of confidence in the accuracy of the information generated by AI and the importance of training provided by the organisation for the uptake of AI were highlighted. The study provides valuable insights for companies considering the adoption of generative AI, especially those of medium and large size. The study suggests that successful adoption requires a clear strategy, combining staff training and motivation, successful integration of generative AI, and secure use of data, to harness the benefits of generative AI and avoid the challenges of adoption. These elements will enable organisations to ensure successful deployment and extract the value that the technology has in the business context. The study focused on the small sample size perspective of a single organisation, so its generalisability requires further research to better apply the results to other organisations. There is a need for further research on a range of organisations, as well as a longer-term look at the changes that generative AI is bringing to the world of work. Keywords: benefits and challenges of generative AI, generative AI, large enterprises, deployment challenges TAULUKOT Taulukko 1 Tekoälyn lyhyt historia .......................................................................... 11 Taulukko 2 Generatiivisen tekoälyn käyttökohteet................................................ 18 Taulukko 3 Tietojärjestelmien menestysmallin komponentit ............................... 25 Taulukko 4 Käyttöönoton haasteet ja riskit ............................................................. 27 Taulukko 5 Case-yrityksen tekoälyn käyttö ............................................................ 37 Taulukko 6 Generatiivisen tekoälyn hyödyt ........................................................... 39 Taulukko 7 Generatiivisen tekoälyn haitat ja riskit ................................................ 40 Taulukko 8 Kyselyn deskriptiiviset tilastot ............................................................. 50 Taulukko 9 Regressiomallin summamuuttujat ....................................................... 59 Taulukko 10 Regression tulokset............................................................................... 61 Taulukko 11 Hypoteesit ja tulokset........................................................................... 62 Taulukko 12 Haastatteluiden perusteella hyödyt ja haitat .................................... 68 KUVIOT Kuvio 1 Neuroverkon kerroksen rakenne ............................................................... 15 Kuvio 2 UTAUT-mallin (Venkatesh ym, 2003) ....................................................... 23 Kuvio 3 Delonen ja McLeanin tietojärjestelmien menestysmalli .......................... 25 Kuvio 4 Uuden teknologian käyttöönoton menestystekijät .................................. 29 Kuvio 5 AI-UTAUT-malli (Fetaji, 2023) .................................................................... 31 Kuvio 6 Tutkimusmalli ............................................................................................... 47 Kuvio 7 Organisaation tuen diagrammi................................................................... 57 Kuvio 8 uskomus työtehon parantamisesta ............................................................ 58 SISÄLLYS TIIVISTELMÄ ................................................................................................................. 2 ABSTRACT ...................................................................................................................... 4 TAULUKOT .................................................................................................................... 5 KUVIOT ........................................................................................................................... 5 SISÄLLYS ......................................................................................................................... 7 1 JOHDANTO ........................................................................................................... 9 2 GENERATIIVINEN TEKOÄLY ........................................................................ 10 2.1 Tekoälyn määritelmä ................................................................................. 10 2.2 Tekoälyn historia ....................................................................................... 11 2.3 Tekoälyn alalajeja ....................................................................................... 12 2.3.1 Koneoppiminen ................................................................................ 12 2.3.2 Syväoppiminen ................................................................................. 13 2.3.3 Luonnollisen kielen prosessointi.................................................... 15 2.3.4 Suuret kielimallit .............................................................................. 16 2.4 Generatiivinen tekoäly .............................................................................. 17 2.5 Generatiiviset tekoälytyökalut ................................................................. 18 2.6 Generatiivisen tekoälyn merkitys liiketoiminnalle ............................... 20 3 UUDEN TEKNOLOGIAN KÄYTTÖÖNOTTO .............................................. 22 3.1 Käyttöönottoteoriat ................................................................................... 22 3.1.1 UTAUT ............................................................................................... 22 3.1.2 Tietojärjestelmien menestysmalli ................................................... 24 3.2 Motivaatioita uuden teknologian käyttöönottoon ................................ 26 3.3 Uuden teknologian käyttöönoton haasteet ............................................ 27 3.4 Uuden teknologian käyttöönoton menestystekijät ............................... 28 3.5 Generatiivisen tekoälyn käyttöönoton erityispiirteet ........................... 30 3.6 Käyttöönottoteoriat generatiivisen tekoälyn näkökulmasta ............... 32 4 GENERATIIVISEN TEKOÄLYN HYÖDYT JA HAITAT ............................. 35 4.1 Generatiivisen tekoälyn hyödyt .............................................................. 35 4.2 Generatiivisen tekoälyn käyttöönoton haitat ja riskit .......................... 36 4.3 Generatiivisen tekoälyn käyttö case-yrityksessä .................................. 37 4.4 Yhteenveto .................................................................................................. 39 5 TUTKIMUKSEN TOTEUTUS ............................................................................ 42 5.1 Tutkimusmenetelmät ................................................................................ 42 5.2 Tutkimusprosessi ....................................................................................... 42 5.2.1 Tapaustutkimus ................................................................................ 43 5.2.2 Kyselyn suunnittelu ......................................................................... 44 5.2.3 Kyselyn toteutus ............................................................................... 44 5.3 Hypoteesit ja analyysi ............................................................................... 45 5.4 Kyselyn luotettavuus ja validiteetti ........................................................ 47 5.5 Eettiset näkökohdat ................................................................................... 48 5.6 Yhteenveto tutkimuksen toteutuksesta .................................................. 48 6 TULOKSET ........................................................................................................... 49 6.1 Generatiivisen tekoälyn hyödyt ja haasteet ........................................... 49 6.1.1 Generatiivisen tekoälyn käyttöönoton hyödyt työntekijöiden näkökulmasta .................................................................................... 52 6.2 Tekoälyn käyttöönoton haasteet työntekijöiden näkökulmasta ......... 53 6.2.1 Koulutuksen vaikutus käyttöönottoon ......................................... 54 6.2.2 Käyttöaktiivisuus ............................................................................. 55 6.2.3 Tietoturva ja vastausten oikeellisuus ............................................ 56 6.2.4 Organisaation tuen merkitys .......................................................... 57 6.2.5 Tehokkuuden vaikutus käyttöhalukkuuteen ............................... 58 6.3 Regressiomalli ............................................................................................ 59 6.4 Yhteenveto kyselytutkimuksesta............................................................. 61 6.5 Haastattelujen tulokset ja analyysi .......................................................... 63 6.5.1 Haastateltavien kuvaus ja haastattelurunko ................................ 64 6.5.2 Generatiivisen tekoälyn tuomat mahdollisuudet ........................ 64 6.5.3 Generatiivisen tekoälyn käyttöönoton haasteet........................... 65 6.5.4 Tekoälyn tuomat muutokset työhön sekä vaikutukset tulevaisuudessa ................................................................................ 66 6.5.5 Yhteenveto ......................................................................................... 67 6.6 Organisaation kokemat hyödyt ja haitat ................................................ 68 7 YHTEENVETO .................................................................................................... 70 7.1 Tutkimuksen keskeiset löydökset ........................................................... 70 7.2 Vertailu aiempaan tutkimukseen ............................................................ 71 7.3 Tutkimuksen rajoitteet .............................................................................. 72 7.4 Jatkotutkimusaiheet................................................................................... 73 7.5 Johtopäätökset ............................................................................................ 74 LÄHTEET....................................................................................................................... 75 1 JOHDANTO Tekoälyn hyödyntäminen liiketoiminnassa on yleistynyt runsaasti, ja sillä on monia erilaisia käyttökohteita. Yritysten liiketoimintastrategian odotetaan muuttuvan rajusti tekoälyä hyödynnettäessä, ja samoin tulee tapahtumaan asiakaskokemukselle. Tekoälyn hyödyntäminen liiketoiminnassa auttaa yrityksiä tehostamaan prosessejaan, kehittämään liiketoimintaansa sekä saavuttamaan kilpailuetua. (Grewal ym., 2021) Käyttöönottoon liittyy kuitenkin myös riskejä ja ongelmia, jotka organisaaton tulee ottaa huomioon. Esimerkiksi yksityisyysongelmat sekä tiedon oikeellisuus tulee varmistaa erilaisilla toimenpiteillä, jotta organisaation virheet eivät kasva ja lisääntyneen tehokkuuden hyödyt eivät realisoidu virheiden korjauksina. (Nhavkar, 2023) Tässä tutkielmassa tutustutaan tarkemmin case-tutkimuksena generatiivisten tekoälytyökalujen käyttöönottoon. Tutkimuskysymyksenä tulee olemaan: • Mitkä ovat generatiivisen tekoälyn käyttöönoton hyödyt ja haasteet erityisesti työntekijöiden näkökulmasta suuryrityksessä? sekä tarkempina apukysymyksinä: • Mitkä tekijät vaikuttavat työntekijöiden suhtautumiseen generatiivisen tekoälyn käyttöönotossa? • Miten työntekijöiden saama koulutus ja organisaation tuki vaikuttavat käyttöönoton kokemuksiin? • Mitä hyötyjä työntekijät kokevat tekoälyn käytössä? Suuryrityksen generatiivisten tekoälytyökalujen käyttöönottoa tarkastellessa voidaan havainnoida, mitä erilaisia hyötyjä ja haittoja käyttöönotosta on sen työntekijöille. Tutkimuksen avulla voidaan havaita mahdolliset riskit ja haitat, joita tekoälyjärjestelmien käyttöönotosta voi olla ja miten kyseisiä ongelmia voidaan välttää. Hypoteesit syventävät tutkimusta työntekijöiden näkökulmasta, tarkastellen heidän kokemuksiaan ja suhtautumistaan tekoälyn käyttöönottoon. 16 tavoin kommunikoivia henkilöitä eri tavalla ja tuottaa vinoutuneita vastauksia. NLP-mallien kouluttamisessa onkin tärkeää läpinäkyvyys ja mahdollisten ennakkoluulojen vähentäminen. (Hirschberg & Manning, 2015) Myös eettiset kysymykset on huomioitava NLP-teknologiaa käytettäessä. Esimerkiksi asiakaspalvelukäytössä olevat chatbotit saattavat usein käsitellä henkilötietoja, ja tietojen tulee pysyä yksityisenä. Esimerkiksi henkilötiedot tulisi rajata dataan, jota ei käytetä tekoälymallien kouluttamiseen. Lisäksi eettisesti vastuullisen NLP-teknologian käytössä on huomioitava aiemmin mainittu läpinäkyvyys ja ennakkoluulojen minimointi, jotta malli kohtelee kaikkia sen kanssa toimivia tasapuolisesti. Lisäksi mallien tekemien analyysien (kuten sentimenttianalyysin) datan oikeellisuus tulee tarkistaa, mikä voi osoittautua haastavaksi esimerkiksi nettikeskusteluita analysoitaessa. (Hirschberg & Manning, 2015) Yhteenvetona NLP-teknologia tarjoaa merkittäviä mahdollisuuksia erilaisten prosessien tehostamiseen, tiedon analysointiin ja kommunikointiin ihmisen ja tietokoneen välillä. Ottamalla haasteet huomioon käyttöönotettaessa ja operoidessa, voidaan NLP-teknologian käytöllä saavuttaa yrityksissä merkittäviä hyötyjä. 2.3.4 Suuret kielimallit Suuret kielimallit (Large Language Models) ovat luonnollista kieltä ymmärtäviä koneoppimismalleja, jotka on koulutettu suurella määrällä dataa. Niiden suosio on lähivuosina noussut huomattavasti johtuen muun muassa saatavilla olevan laskentatehon ja harjoitusdata määrän kasvusta. (Naveed ym., 2023)Aiemmin kielimallien ongelma on ollut, että käyttäjän tuli antaa mallille tarkat ohjeistukset tehtävään ja kielimalli tuli kouluttaa spesifiin tehtäväänsä. Nyt malleista on saatu yleiskäyttöisempiä niihin lisättyjen parametrien ja harjoitusdatan määrän kasvaessa. Suuret kielimallit perustuvat neuroverkkojen ja luonnollisen kielen yhdistelmään. Niitä voidaan hyödyntää esimerkiksi chatboteissa tai virtuaaliassistenteissa. Kielimallit ovat osoittaneet myös oman kyvykkyytensä, ja esimerkiksi OpenAI:n ChatGPT on läpäissyt niin Yhdysvaltojen huippuyliopistojen kauppakorkeakoulujen ja lääketieteellisten tiedekuntien pääsykokeita kuin esimerkiksi kirjoittanut kokonaisia lehtiartikkeleita, joita voisi luulla ihmisen kirjoittamiksi. (Teubner ym., 2023) Teknologian käytössä on kuitenkin myös haasteita. Suurilla kielimalleilla on taipumusta kirjoittaa asioita suurella varmuudella, vaikka ne eivät olisikaan oikeaa tietoa. Pian GPT-3kielimallin ilmestyttyä esimerkiksi ohjelmointifoorumi StackOverflow kielsi kielimalleilla annettujen vastausten ohjeiden antamisen niiden esitystapaan vedoten. Ongelmana ei niinkään ollut mallien tuottamien vastausten epätarkkuus, vaan niiden taipumus vaikuttaa siltä, että ratkaisut toimivat vaikkeivat ne todellisuudessa toimineetkaan. Lisäksi vaikkapa lähdeviitteiden pyytäminen tekstiin on osoittanut, että kielimallit saattavat täysin keksiä lähteitä, ja antaa niille jopa täysin perättömän DOInumeron. (Teubner ym., 2023) 17 Lisäksi ongelmia syntyy kielimallien datan tuoreudesta. Kielimalleja opetetaan tasaisesti, mutta niillä ei ole aina ajantasaista tietoja, mikä voi aiheuttaa myös epätarkkuuksia vastauksissa. Esimerkiksi OpenAI:n uusin kielimalli GPT4 on saanut edellisen tietopäivityksensä vuonna 2022, eikä sillä ole tietoa kyseisen ajan jälkeen tapahtuneista asioista. (O’Leary, 2023) Muita riskejä ovat muun muassa kielimallien yksityisyyteen, selitykseen puutteeseen, ja ennakkoluuloihin liittyvät ongelmat. Kielimalleille ei tulisikaan jakaa asioita, jotka eivät saisi paljastua sen muille käyttäjille mallin jatkuvasti kehittäessään itseään käyttäjien kanssa käymiensä keskusteluiden pohjalta. Lisäksi kielimallien käytössä tulisi olla Human-In-The-Loop käytössä, eli ihmistyöntekijän tulisi valvoa mallin toimintaa, eikä antaa sen toimia itsenäisenä. Kuten aiemmin mainittu, kielimallit pohjautuvat syväoppivien neuroverkkojen ja luonnollista kieltä ymmärtävien mallien yhdistelmiin. Syväoppivien neuroverkkojen eräs ongelma on niiden läpinäkymättömyys, jolloin vastauksiin ei kannata luottaa sokeasti. Myös kielimallien kouluttamiseen käytetyn datan laatuun on syytä kiinnittää huomiota, ja esimerkiksi Microsoftin Watsonjärjestelmästä on huomattu tuottavan ajoittaan epäasiallista ja jopa rasistista kieltä. (O’Leary, 2023) Yhteenvetona suuret kielimallit ovat tehokkaita työkaluja monenlaisiin työtehtäviin, jonka lisäksi ne ovat generatiivisen tekoälyn ytimessä. Ne kykenevät moniin erilaisiin tehtävin, ja esimeriksi yritysten ladatessa omia tietojaan oman, yksityiseen käyttöön tulevan kielimallinsa käytettäväksi on kielimallilla potentiaalia nostaa työntekijöiden tehoa. 2.4 Generatiivinen tekoäly Lähivuosina tekoälyn nopea kehitystahti on avannut mahdollisuuksia sen hyödyntämiseen laaja-alaisesti eri teollisuudenaloilla. Lähivuosina tekoälyn uusista alalajeista erityisesti generatiivinen tekoäly on herättänyt kiinnostusta uusilla mahdollisuuksillaan. ChatGPT:n kaltaisten generatiivisten tekoälymallien kyky keskustella käyttäjän kanssa luonnollista kieltä hyödyntäen on lisännyt generatiivisten tekoälymallien suosiota myös suuren yleisön keskuudessa. (Fui-Hoon Nah ym., 2023) Generatiivinen tekoäly on kattotermi, jolla tarkoittaa tekoälyjärjestelmiä, jotka kykenevät tuottamaan vastauksia sille syötetyn datan perusteella, sekä tuottamaan uutta sisältöä. Se pohjautuu koneoppimiseen, ja generatiivinen tekoäly pyrkii tunnistamaan sille malliksi syötetystä datasta konsepteja ja kaavoja erilaisten koneoppimismallien ja -algoritmien kautta. Data vaikuttaa monesti ihmisen tekemältä, ja generatiivinen tekoäly pyrkiikin jäljittelemään ihmisen tuottamaa sisältöä. Esimerkkejä generatiivisesta tekoälystä on tekoälyyhtiö OpenAi:n kehittämä kielimalli ChatGPT, sekä kuvauksen pohjalta kuvia luova Dall-E. (Kaswan ym., 2023; Nhavkar, 2023; Sætra, 2023) 18 Käytännössä siis generatiivinen tekoäly yhdistää aiemmin mainitut syväoppivat neuroverkot ja luonnollisen kielen ymmärtämisen käyttäjän kanssa tapahtuvaan vuorovaikutukseen. Kun käyttäjä kysyy generatiiviselta tekoälyltä kysymyksen, tekoäly analysoi kysymyksen rakenteen ja merkityksen, analysoi datan, jolla se on koulutettu ja luo vastauksen omien tietojensa pohjalta. Generatiivisen tekoälyn käyttömahdollisuudet ovat laajat. Generatiivista tekoälyä voidaan hyödyntää niin uuden luomisessa, kuin esimerkiksi virtuaalisena assistenttina organisaation sisällä. Generatiivinen tekoäly kykenee tarvittaessa ymmärtämään myös luonnollista kieltä, jolloin sille voidaan esimerkiksi antaa ohjekirja, ja työntekijä voi kysyä kysymyksiä ohjekirjasta ja saada vastauksensa huomattavasti nopeammin kuin esimerkiksi ohjekirjasta itse selvittämällä. Myös generatiivisen tekoälyn kyky tuottaa esimerkiksi videokuvaa, ääntä ja musiikkia voivat olla hyödyllisiä esimerkiksi uuden sukupolven chattibotteja rakennettaessa. (Kaswan ym., 2023) 2.5 Generatiiviset tekoälytyökalut Tekoälytyökaluilla tarkoitetaan erilaisia työkaluja, jotka hyödyntävät tekoälyä toiminnassaan. Tekoälyn eri alalajit soveltuvat erilaisiin tehtäviin, ja esimerkiksi kuvantunnistus sopii yhdistettäväksi esimerkiksi videokuvaa analysoivaan sovellukseen tai koneoppimismallia voidaan hyödyntää luottokorttipetosten tunnistamisessa ja estämisessä. (Alpaydin & Bach, 2014) Tekoälyä voidaankin soveltaa hyvin laajasti erillisten ongelmien ratkaisuun, ja sen kyky käsitellä dataa huomattavasti ihmistä nopeammin luo big datan aikakaudella kilpailuedun käyttäjilleen. Generatiivista tekoälyä hyödyntäviä työkaluja on paljon erilaisia, ja oheisessa taulukossa on vain joitain esimerkkejä generatiivista tekoälyä hyödyntävistä työkaluista, joita käyttäjät voivat hyödyntää työskentelyssään. Taulukosta 2 voidaan tarkemmin tarkastella eri aloja, kuinka tekoälyä hyödynnetään niissä, sekä esimerkkityökaluja. Taulukko 2 Generatiivisen tekoälyn käyttökohteet Ala Miten generatiivisi a tekoälytyökalua hyödynnetään? Esimerkkityökaluja 19 Sisällöntuotanto Generatiiviset tekoälytyökalut kykenevät tuottamaan esimerkiksi artikkeleita ja mainoksia annettujen ohjeiden mukaisesti. ChatGPT, Bard Suunnittelu ja taide Kuvien ja videoiden tuottaminen käyttäjän käskyjen mukaan. Esimerkiksi animoitujen kuvien tuottaminen. OpenAI Dall-E Ohjelmistokehitys Ohjelmakoodin täydentäminen kehittäjän toiveiden perusteella. Esimerkiksi automaattinen koodin generointi, virheen korjaus ja ohjelmiston testaus Github CoPilot Kääntäminen Annetun tekstin kääntäminen mahdollisimman tarkasti, mutta hyödyntäen esimerkiksi erilaisia murteita ja kohdekielen sanontoja DeepL Terveydenhuolto Generatiivista tekoälyä voidaan hyödyntää esimerkiksi diagnoosien tekemisessä toimimalla assistentteina lääkäreille Bard, ChatGPT Videopelit Videoplein kehittäjät hyödyntävät generatiivista tekoälyä luodakseen dynaamista, pelaajan tekojen perusteella mukautuvaa sisältöä. Ei mainintaa 20 Rahoitus Generatiiviset tekoälytyökalut kykenevät automatisoimaan lukuisia tehtäviä rahoitusalalla. (How generative AI can help finance professionals | McKinsey, ei pvm.) 2.6 Generatiivisen tekoälyn merkitys liiketoiminnalle Generatiivisen tekoälyn käyttöönoton mahdollisuudet ja vaikutukset yritysten liiketoimintaan ovat merkittäviä. Useissa tutkimuksissa on havaittu sen tuottavan merkittäviä mahdollisuuksia niin liiketoiminnan tehostamiseen kuin asiakaskokemuksen parantamiseen. Erityisesti aloilla, jossa käsitellään paljon dataa ja tietoa, voidaan generatiivisella tekoälyllä saada suuria tehostuksia aikaan. Esimerkiksi AI-chatbottien skaalautuvuus auttaa parantamaan asiakaskokemusta, bottien ollessa saatavilla 24/7, poistaen esimerkiksi jonotuksen vaivan palvelua haluavilta asiakkailta. (Inavolu, 2024) Lisäksi mahdollisuuden kuten personointi ja analyysi asiakasdatasta auttavat yrityksiä sekä parantamaan asiakaskokemusta että parantamaan valmiuttaan esimerkiksi uusien tuotteiden luomiseen perustuen asiakkaiden haluihin. Lisäksi asiakaspalvelun automatisoinnilla voidaan säästää työntekijöiden aikaa vaativimpiin tehtäviin. Myös generatiivisen tekoälyn hyperpersonoitavuus on erityisesti yrityskontekstissa hyödyllistä. Generatiivista tekoälyä hyödyntämällä yritykset voivat parantaa personointia mainoskampanjoissaan ja kohdistaa tarjouksia tietylle asiakassegmentille. tämä voi johtaa kohonneeseen asiakastyytyväisyyteen. Lisäksi yritykset voivat hyödyntää generatiivista tekoälyä data-analyysissä luomaan uusia liidejä, mikä lisää uusasiakkaita liiketoiminnalle. Olemassa olevien asiakkuuksien mahdollisia oston esteitä sekä fasilitoivia tekijöitä voidaan analysoida generatiivisen tekoälyn tehokkuuden myötä paremmin, mikä voi parantaa yrityksen myyntiä.(Kshetri ym., 2024) Generatiivisen tekoälyn käyttöön liittyy kuitenkin myös haasteita. Generatiiviset tekoälymallit käsittelevät paljon dataa, ja yritysten tulee huomioida erilaiset tietosuojaan liittyvät asetukset. Väärinkäytettynä järjestelmät saattavat aiheuttaa tietovuotoja, joten onkin tärkeää, että generatiivisia tekoälytyökalujen koskevat tietosuojakäytänteet ovat ajan tasalla sekä riittävän tiukkoja tällaisten mahdollisuuksien minimoimiseksi. (Nhavkar, 2023). Toinen potentiaalinen ongelma on generatiivisen tekoälyn taipumus hallusinoida ja 21 tuottaa tietoa, joka saattaa olla väärää tai jopa täysin järjestelmän itsensä keksimää. Tämä saattaa johtaa ongelmiin, mikäli generatiivista tekoälyä hyödyntävät henkilöt eivät arvioi kriittisesti tekoälyn tuottamaa sisältä vaan luottavat siihen sokeasti. (Ji ym., 2023) Yhteenvetona generatiivinen tekoäly tarjoaa yrityksille merkittäviä mahdollisuuksia liiketoiminnan tehostamiseen ja parantamiseen. Esimerkiksi skaalautuvien AI-bottien ja personoidun markkinoinnin avulla asiakaskokemusta voidaan parantaa, samalla säästäen resursseja ja työntekijöiden aikaa monimutkaisempiin ongelmiin. Tekoälyn käyttöön liittyy kuitenkin haasteita, jotka yrityksen tulee ottaa huomioon. Tietosuoja ja hallusinaatio-ongelmat saattavat vaikuttaa yritykseen negatiivisesti, mikäli tekoälyn käyttöönottoa ei suoriteta suunnitellusti ja riskit huomioiden. 22 3 UUDEN TEKNOLOGIAN KÄYTTÖÖNOTTO Uusien teknologioiden käyttöönotto voi olla yritykselle strategisesti järkevä ratkaisu. Uusi teknologia voi auttaa lisäämään työntekijöiden tehokkuutta, parantaa asiakaskokemusta, tehostaa yrityksen IT-portfoliota ja lisätä IT:n ja liiketoiminnan yhteensopivuutta. Uusien teknologioiden käyttöönottoon liittyy kuitenkin aina haasteita. Tarkoitukseen sopivan teknologian valinta, uuden teknologian integroiminen yrityksen aiempiin teknologisiin ratkaisuihin ja lopulta käyttäjien motivoiminen käyttöönottoon on monimutkainen prosessi, jossa ilmenee monialaisia riskejä ja haasteita. Näiden riskien minimointi on organisaatiolle tärkeää, jotta käyttöönoton hyödyt voidaan realisoida. Tässä kappaleessa käsitellään käyttöönottoprosessia, uuden teknologian käyttöönottoon liittyviä riskejä ja haasteita sekä uusien teknologioiden käyttöönotosta saatavia hyötyjä. Kappaleen alussa esitellään erilaisia käyttöönottoteorioita, joiden avulla voidaan parantaa käyttöönoton todennäköisyyttä onnistua. Tämän jälkeen tarkastellaan tarkemmin haasteita ja mahdollisia ongelmakohtia, joita tutkimusten mukaan organisaatio voi kohdata käyttöönottoprosessissa. Lopuksi motivoidaan organisaatioita esittelemällä erilaisia hyötyjä, joita se voi saada uusia teknologioita käyttöönottamalla. 3.1 Käyttöönottoteoriat Uuden teknologian käyttöönottoon liittyen on olemassa runsaasti erilaisia teorioita. Tässä tutkielmassa tullaan hyödyntämään käyttöönottoteorioista kahta, UTAUT ja DeLonen ja McLeanin Tietojärjestelmien menestysmalli (Information Systems Success Model). 3.1.1 UTAUT Unified Theory of Acceptance and Use of Technology (UTAUT) on teoreettinen viitekehys, joka on suunniteltu ymmärtämään ja ennustamaan teknologian hyväksymistä ja käyttöönottoa erilaisissa organisaatioissa. Teoria on yhdistelmä aiemmin alalla hyödynnettyjä teorioita, kuten teknologian hyväksymismallia (TAM) tai Theory of Reasoned Action (TRA). UTAUT:in hyödyllisyys ilmenee sen laajuudesta, ja esimerkiksi teknologian hyväksymismalliin verrattaessa se tarjoaa enemmän työkaluja ja näkökulmia teknologian käyttöönottoon vaikuttavien asioiden ymmärrykseen. (Venkatesh ym., 2003). Kuviosta 2 voidaan tarkastella UTAUT-mallia tarkemmin. 23 Kuvio 2 UTAUT-mallin (Venkatesh ym, 2003) UTAUT-malli on jaettu neljään erilaiseen rakenteeseen, jotka vaikuttavat eniten teknologian käyttöönoton onnistumiseen. Nämä tekijät ovat suorituskyvyn odotukset, vaivan odotukset, sosiaaliset vaikutukset ja fasilitoivat odotukset. Näihin vaikuttavat lisäksi käyttäjän sukupuoli, ikä, työkokemus ja käytön vapaaehtoisuus. Suorituskyvyn odotuksilla tarkoitetaan odotuksia, jotka työntekijä asettaa teknologialle ja kuinka paljon työntekijä odottaa uuden teknologian auttavan häntä työssään ja lisäävän hänen tehokkuuttaan. Käyttäjän halukkuuteen vaikuttaa erityisesti havaittava hyödyllisyys, koettu suhteellinen etu esimerkiksi vanhoihin työkaluihin nähden, sekä työkalun soveltuvuus juuri omaan työnkuvaan. On todennäköistä, että käyttäjä on huomattavasti halukkaampi käyttämään teknologiaa, mikäli hän kokee sen esimerkiksi nostavan hänen tuottavuuttaan tai tekemään hänen työstään helpompaa. Lisäksi (Venkatesh ym., 2003)huomasivat suorituskyvyn odotusten vaikuttavan erityisen paljon nuoriin miehiin, jotka todennäköisimmin painottavat juuri kyseistä kokemusta ottaessaan käyttöön uutta teknologiaa. Vaivan odotuksilla viitataan käyttäjän kokemukseen uuden teknologian käytön helppoudesta. Koettu teknologian käytön helppous madaltaa käyttäjän kynnystä ottaa uutta teknologiaa käyttöön. Lisäksi on havaittu, että kyseinen kokemus on erityisen oleellinen, mikäli käyttäjät ovat vanhempia naisia, joiden kokemus teknologiasta on suhteellisen lyhyt. Sosiaalisilla vaikutuksilla tarkoitetaan käyttäjän käsitystä siitä, kuinka tärkeää häntä ympäröiville ihmisille on se, käyttääkö käyttäjä uutta teknologiaa. Mikäli esimerkiksi käyttäjän esihenkilö rohkaisee häntä käyttämään teknologiaa tai läheiset työtoverit suosittavat käyttäjää käyttämään uutta teknologiaa, on käyttäjä todennäköisesti suostuvaisempi uuden teknologian käyttöönottoon. Käyttäjä voi myös kokea, että uuden teknologian käyttöönotto nostaa hänen 24 sosiaalista statustaan organisaatiossa. Erityisesti kun uuden teknologian käyttöönotto on organisaation taholta pakotettua, käyttäjä todennäköisemmin ottaa uuden teknologian paremmin vastaan, mikäli hänen työtoverinsa, esihenkilönsä ja organisaatiokulttuurinsa kannustaa häntä sen käyttöönottoon. Erityisesti vanhemmat naiset ovat todennäköisemmin uuden teknologian käyttöönoton kannalla, mikäli organisaatio tukee heitä asianmukaisesti. Fasilitoivat olosuhteet tarkoittavat, että käyttäjä kokee organisaatiolla olevan tarpeeksi hyvät teknologiset valmiudet uuden teknologian käyttöönottamiseen, ja esimerkiksi käyttäjätukea ja koulutusta on tarpeeksi saatavilla käyttöönoton tukemiseksi. Esimerkiksi uuden teknologian yhteensopivuus aiemmin käytetyn kanssa, käyttäjän koettu kontrolli teknologiaa käytettäessä sekä tarvittava tieto järjestelmän käytöstä helpottaa käyttöönottoa ja teknologian hyväksymistä. UTAUT on osoittautunut hyödylliseksi organisaatioille. Se helpottaa ja tehostaa käyttöönottoa sekä auttaa organisaatioita suunnittelemaan käyttöönottostrategioita parhaan mahdollisen lopputuloksen saavuttamiseksi. Mallin avulla organisaatio voi tunnistaa organisaation sisältä erilaiset potentiaalisesti käyttöönottoa haittaavat tekijät ja korjaamaan ne, jotta käyttöönotto helpottuu. (Venkatesh ym., 2003) 3.1.2 Tietojärjestelmien menestysmalli DeLonen ja McLeanin tietojärjestelmien menestysmalli on malli, jolla pystytään arvioimaan tietyn tietojärjestelmän käyttöönoton ja käytön onnistuneisuutta. Malli on esitelty ensimmäisen kerran vuonna 1992, mutta tässä gradussa tullaan hyödyntämään sen päivitettyä, vuonna 2003 ilmestynyttä versiota. (”The DeLone and McLean Model of Information Systems Success”, 2003). Alkuperäinen tietojärjestelmien menestysmalli on ollut synteesi alan aiempia teorioita, a sillä on juuret esimerkiksi viestinnän teorioissa. Malli tarjoaa kattavan ja selkeän viitekehyksen tietojärjestelmien menestykseen vaikuttavista tekijöistä, ja kuinka organisaatio voi hyödyntää niitä omassa käyttöönottoprosessissaan. Tietojärjestelmien menestysmalli koostuu yhteensä kuudesta komponentista, jotka joiden vuorovaikutus yhdessä muodostaa tietojärjestelmän käyttöönotosta saavutettavat hyödyt. Mallin kuvaus voidaan nähdä kuviossa 3. 25 Kuvio 3 Delonen ja McLeanin tietojärjestelmien menestysmalli Tietojärjestelmien menestysmalli koostuu yhteensä kuudesta erilaisesta komponentista. Malli on tyypiltään kausaliteettimalli, jolloin tiedon ja jäjrestelmän teknisen toteutuksen laatu vaikuttavat käyttäjätyytyväisyyteen sekä järjestelmän käyttöhalukkuuteen. Komponentit ja niiden merkitykset ovat listattuna taulukossa 3. Taulukko 3 Tietojärjestelmien menestysmallin komponentit Komponentti Määritelmä System Quality Järjestelmän tekninen laatu, sen käyttäjäystävällisyys ja mukautuvuus muihin organisaatiossa käytettäviin järjestelmiin. Information Quality Tietojärjestelmässä olevan informaation laatu, ajantasaisuus ja sen relevanttius organisaation ja työntekijän tarpeisiin. 32 yhdistetään valtiolliset säädökset sekä hajautetun, kansainvälisen yhteisön luomat turvallisuusmekanismit generatiivisen tekoälyn vastuulliseen ja eettiseen hallinnointiin. Malli pyrkii yhdistämään molempien lähestymistapojen parhaat puolet yhdeksi keskeiseksi teoriaksi: keskitetyt, valtioiden antamat säädökset perustasoiselle turvallisuudelle ja tekoälyjärjestelmien eettiselle käytölle, kun taas kansainvälisen yhteisön tuottamat työkalut ja jatkuvat palautekanavat parantavat mallien tehokkuutta, käytettävyyttä ja arviointia. yhdistämällä nämä ideat saadaan optimaalisesti toimiva hallintamalli generatiiviselle tekoälylle. (Ghosh & Lakshmi, 2023) Yhteenvetona generatiivisella tekoälyllä on potentiaalia tuottaa organisaatiolle merkittäviä hyötyjä, kuten tuottavuuden nousua ja paranneltua asiakaskokemusta, mutta sen käyttöönottoon tulee kiinnittää huomiota. Ongelmat kuten tietosuoja, algoritminen vinouma ja läpinäkyvyys tulee huomioida käyttöönottoa suunnitellessa. Organisaatioiden tulee olla valmiita tukemaan strategisia päätöksiä, jotka tukevat generatiivisen tekoälyn käyttöönottoa, panostamaan henkilöstön kouluttamiseen sekä kehittämään hallintakeinoja tekoälyn oikeanlaiseen käyttöön. 3.6 Käyttöönottoteoriat generatiivisen tekoälyn näkökulmasta Generatiivinen tekoäly edustaa merkittävää edistysaskelta tekoälyn kehityksessä, sisältäen ainutlaatuisia teknisiä ominaisuuksia ja kyvykkyksiä. Nämä erityispiirteet kuitenkin luovat haasteita mallien käyttöönottoon liittyen. Perinteiset käyttöönotn mallit kuten UTAUT ja tietojärjestelmien menestysmalli tarjoavat hyödyllisiä näkökulmia myös generatiivisen tekoälyn käyttöönottoon, mutta vertailemalla malleja voidaan paremmin ymmärtää niissä olevista komponenteista hyödylliset osat sekä mahdolliset rajoitteet. UTAUT:in neljä pääkomponenttia – suorituskyvyn odotukset, vaivan odotukset, sosiaaliset vaikutukset ja fasilitoivat olosuhteet – muodostavat rakenteen, jonka avulla voidaan tarkastella ja ymmärtää teknologian käyttöönottoon liittyviä tekijöitä. Erityisesti UTAUT:ia voidaan hyödyntää tilanteissa, jossa käyttöönottoon liittyy vahvasti henkilökohtainen valinta järjestelmän käyttöönotosta. Suoritukyvyn odotukset ovat merkityksellisiä generatiivisen tkeoälyn käyttöönoton näkökulmasta, sillä käyttäjät arvioivat saamiaan hyötyjä ja oman työtehon lisääntyminen on yksi näistä arviointikriteeresitä. Generatiivisella tekoälyllä on potentiaalia tehostaa asiakaspalvelun ja markkinoinnin toimintaa, jolloin käyttäjät ovat todennäköisemmin avoimia sen käyttöönotolle. Tämä osa UTAT:ista on hyödyllinen, koska se voi auttaa selittämään teknologian omaksumista työntekijöiden joukossa. Vaivan odotukset voivat olla erityisen merkityksellisiä uuden teknologian ja erityisesti tekoälyn käyttöönotossa. Erityisesti generatiiviset tekoälyjärjestelmät ovat monimutkaisia ja vaativat ymmärrystä järjestelmien 33 toimintaperiaatteista ja rajoitteista. Tämä saattaa nostaa kynnystä järjestelmän käyttöä kohtaan erityisesti sellaisilla työntekijöillä, jotka ovat tottuneet käyttämään perinteisempiä tietojärjestelmiä työssään. UTAUT-malli kykenee tunnistamaan näitä piirteitä ja mahdollisesti koulutustarpeita organisaatiossa. Sosiaaliset vaikutukset voivat olla tärkeitä järjestelmän käyttöönoton alkuvaiheessa. Alkuaiheessa sosiaaliset vaikutukset ovat suuressa roolissa, ja mikäli työntekijöitä rohkaistaan ja tuetaan uuden järjestelmän kanssa, he todennäköisemmin alkavat käyttää sitä. Mikäli tukea ei ole, voivat järjestelmää koskevat mielipiteet olla negatiivisia ja jopa pelokkaita työnkuvan muuttumisen pelon vuoksi. Fasilitoivat olosuhteet ovat tärkeitä generatiivisen tkeoälyn kohdalla, sillä jäjrestelmät edellyttävät sopivaa integraatiota ja oikeaoppista kouluttamista parhaan mahdollisen tuloksen saamiseksi. UTAUT-mallin avulla voidaan selvittää, kokevatko työntekijät jäjrestelmien nykytilan olevan riittävä menestyksekkääseen käyttöönottoon. UTAUT-malli tarjoaa hyödyllisen perustan generatiivisen tekoälyn käyttöönottoon, mutta se ei välttämättä huomioi riskejä niin tehokkaasti. DeLonen & McLeanin tietojärjestelmien menestysmalli (DeLone & McLean, 1992, 2003) tarjoaa toisenlaisen näkökulman tietojärjestelmien menestystekijöihin. Malli perustuu kuuteen komponenttiin: järjestelmän laatu, informaation laatu, palvelun laatu, käyttötarkoitus, käyttäjätyytyväisyys ja nettohyödyt. Tämän mallin etuna on sen kyky arvioida järjestelmän menestystä eri mittareilla ja tarkastella sen vaikutuksia organisaation toimintaan. Järjestlemän laatu on erityisen tärkeä, sillä generatiivisen tekoälyn tulee olla sekä käyttäjäystävällinen että teknisesti luotettava, jotta sen päivittäinen käyttö on tehokasta ja tuo organisaatiolle etuja. Tietojärjestelmien menestysmalli auttaa arvioimaan olemassa olevan infrastruktuurin kyvykkyyksiä generatiivisen tekoälyn tarpeille. Informaation laatu on toinen keskeinen komponentti generatiiviselle tekoälylle, sillä teknologia perustuu pitkälti oikeanlaiseen dataan. Mikäli tekoäly tuottaa jatkuvasti virheellistä ja hallusinoitua dataa, ei sen käyttöönotto tule onnistumaan. Tietojärjestelmien menestysmallin avulla voidaan arvioida, kokevatko työntekijät tiedon olevan oikeaa, ajantasaista ja relevanttia. Palvelun laatu viittaa tukeen, jota käyttäjä saattaa tarvita uuden teknologian käytön omaksumisessa. Generatiivinen tekoäly on tkenologisesti monimutkainen, ja sen toimintaperiaatteet saatavat olla monimutkaisia ja hankalia ymmärtää. Tukipalveluiden laadun mittaaminen voi auttaa päättelemään, pystyvätkö käyttäjät ongelman kohdatessaan jatkamaan järjestelmän käyttöä. Käyttäjätyytyväisyys ovat viimeinen komponentti, joka mittaavat järjestelmän käyttöönoton onnistumista organisaation sisällä. Generatiivinen tekoäly on uusi teknologia, ja käyttäjien tyytyväisyys ja siten käyttöhalukkuus vaikuttaa merkittävästi järjestelmän käyttöönoton onnistumiseen. 34 Mallien painotukset ovat erilaisia, mutta molempia pystytään hyödyntämään generatiivisen tekoälyn käyttöönotossa. UTAUT keskittyy enemmän käyttäjien kokemuksiin ja heidän esteidensä poistoon, kun taas tietojärjestelmien menestysmalli keskittyy pidemmän aikavälin hyötyihin sekä käyttöönottoon laajempana kokonaisuutena. UTAUT-mallin sosiaalinen aspekti auttaa ymmärtämään mahdollista vastustusta työntekijöiden toimesta, mutta myös helpottaa tunnistamaan mahdollisia esteitä sekä auttaa käyttöhalukkuuden ja -aktiivisuuden lisäämisessä. Tietojärjestelmien menestysmalli pyrkii selvittämään esimerkiksi koetun tehokkuuden takana olevia konkreettisia syitä, kuten järjestelmän ja informaation laadun tekijöitä. Molempien mallien yhdistäminen auttaa syventämään käyttöönoton analyysiä, ja arvioimaan taustalla olevia tekijöitä. UTAUT-malli auttaa sosiaalisten ja psykologisten menestystekijöiden määrittämisessä sekä ongelmien tunnistuksessa, kun taas tietojärjestelmien menestysmalli tuo teknisen laadun merkityksen selkeämmäksi. Molempien teorioiden mittaamat asiat ovat oleellisia generatiivisen tekoälyn käyttöönoton kannalta, ja niiden yhdistämisellä saadaan kokonaisvaltaisempi kuva järjestelmien käyttöönottoon liittyvistä menestystekijöistä. Yksinään UTAUT ei tarjoa riittävästi teknologista näkökulmaa käyttöönottoon, kun taas tietojärjestelmien menestysmalli ei pysty antamaan näkökulmaa käyttöönoton sosiaalisiin vaikutuksiin. Yhdistämällä nämä kaksi mallia voidaan saavuttaa tasapainoinen näkökulma, jossa huomioidaan sekä käyttäjien odotukset että järjestelmän tekniset ja laadulliset ominaisuudet. Tämä yhdistetty lähestymistapa antaa organisaatioille mahdollisuuden ymmärtää paremmin, miten generatiivinen tekoäly voidaan ottaa onnistuneesti käyttöön ja miten sen tuottamat hyödyt voidaan maksimoida samalla, kun sen käyttöön liittyviä riskejä vähennetään. 35 4 GENERATIIVISEN TEKOÄLYN HYÖDYT JA HAITAT Generatiivinen tekoäly tarjoaa monia hyötyjä, mutta sillä on myös omat haittansa. Tässä kappaleessa tarkastellaan ensin generatiivisen tekoälyn erilaisia hyötyjä niin työntekijälle kuin organisaatiolle. Työntekijöiden ja organisaation hyötyjen lisäksi tarkastellaan mahdollisia haittoja ja mahdollisia riskejä, joita generatiivisen tekoälyn käyttöön liittyy. On tärkeää, että organisaatio kykenee tunnistamaan ja minimoimaan generatiivisen tekoälyn aiheuttamat riskit ja haitat, jotta tekoälyn täysi potentiaali voidaan hyödyntää työntekijöiden toimesta. Generatiivisen tekoälyn hyödyt organisaatiolle riippuvat vahvasti sen työntekijöiden kokemista hyödyistä. Kuten aiemmin tarkastellusta tietojärjestelmien menestysmallista voidaan nähdä, organisaation teknologian käyttöönoton menestys riippuu yksittäisten työntekijöiden käyttöönoton menestyksestä. Tarkasteltaessa käyttöönoton hyötyjä ja haittoja, tarkastellaan pääasiassa työntekijälle realisoituvia hyötyjä ja haittoja, mutta myös sitä miten kyseiset hyödyt ja haitat vaikuttavat organisaatioon. 4.1 Generatiivisen tekoälyn hyödyt Monet generatiivisen tekoälyn hyödyt liittyvät työntekijän tehokkuuden lisääntymiseen ja virheiden vähenemiseen. Brynjolfsson ym. (2023) tutkivat, miten generatiivisten tekoälytyökalujen käyttöönotto vaikutti asiakaspalvelijoiden työhön. Tutkimuksessa tarkasteltiin yhteensä 5179 onlineasiakaspalvelijaa ja mitattiin heidän työtehoaan ja tarkkuuttaan. Tutkimuksessa mitattiin työtehoa yksittäisen asiakaskohtaamisen keston, asiakaspalvelijan käsittelemien asiakastilanteiden määrän ja onnistuneesti ratkaistujen asiakaspalvelutilanteiden määrän perusteella. Tutkimuksessa selvisi, että työntekijöiden tehokkuus nousi keskimäärin 14 %. Erityisesti uusien ja kokemattomien työntekijöiden työteho nousi keskiarvoa enemmän, jopa 34 %. Lisäksi tutkimuksessa huomattiin, että tekoälyyn positiivisemmin suhtautuvat työntekijät saavuttivat tekoälyn avulla suuremmat tehokkuuden lisäykset. Lisäksi asiakkaat kokivat työntekijöiden palvelun parempana ja ammattimaisena, johtaen vähempiin selkkaukseen, jotka vaativat esimerkiksi esimiehen väliintuloa. (Brynjolfsson ym., 2023) Generatiivisen tekoälyn käyttöönotosta on myös muita hyötyjä. Toistuvien ja yksinkertaisten työtehtävien automatisointi helpottuu ja tehostuu generatiivisen tekoälyn myötä, tehden siitä yhden organisaation tehokkuuden kannalta tärkeimmistä hyödyistä. Esimerkiksi ohjelmistokehityksessä voidaan entistä tehokkaammin ulkoistaa toistuvien funktioiden kirjoittaminen generatiiviselle tekoälylle. Tämä lisää työntekijän tehokkuutta, jättäen 36 työntekijälle aikaa ja voimavaroja tärkeämpien ja monimutkaisempien ongelmien ratkomiseen. (Nhavkar, 2023)Tämän lisäksi generatiivinen tekoäly kykenee sparraamaan työntekijän kanssa ja kykenee tarjoamaan vaihtoehtoisia ratkaisuja työntekijälle erilaisiin ongelmiin ja täten lisäämään työntekijän luovuutta ongelmanratkaisussa. Myös tekoälyn kyky parantaa työntekijöiden päätöksentekoa hyödyttää organisaatiota suuresti. Esimerkiksi ChatGPT:n kaltaisille suurille kielimalleille voidaan syöttää organisaation toimesta tietoa, ja työntekijä voi keskustella kielimallin kanssa saaden siltä lisätietoa päätösten tekemiseen. Kielimalli saattaa muistuttaa työntekijää esimerkiksi tiettyä asiakkuutta koskevista erityissopimuksista tai yhtiön sisäisistä ohjeistuksista. 4.2 Generatiivisen tekoälyn käyttöönoton haitat ja riskit Vaikka generatiivisen tekoälyn käyttöönotolla on monia hyötyjä ja etuja organisaatiolle, on sen käytöllä myös riskinsä. Nhavkarin (2023) mukaan generatiivisen tekoälyn käyttöönotto altistaa yrityksen yksityisyys-, ja tietoturvariskeille, palvelun luotettavuuden riskeille sekä altistaa työpaikat uhatuksi. Generatiiviset tekoälytyökalut kehittävät itseään jatkuvasti niille annetun datan perusteella, joka nostaa puolestaan esiin yksityisyysongelmat. Käyttäjien tulee ottaa huomioon esimerkiksi käyttäjädataan liittyvät lait ja asetukset, mikäli niitä käytetään generatiivisissa tekoälyjärjestelmissä. Lisäksi käyttäjien täytyy toimia turvallisesti järjestelmiä käytettäessä eikä ulkoistaa tekoälyjärjestelmille tehtäviä, jossa järjestelmille saattaa päätyä tietoa, jota sen kaikilla käyttäjillä ei tulisi olla. Generatiivisen tekoälyn käyttöönotto edellyttää myös tekoälyn kytkemistä osaksi yrityksen järjestelmiä, jolloin niiden tietoturva saattaa heikentyä. (Srinivasan, 2024) Aiemmin mainittu yksinkertaisten työtehtävien automatisointi saattaa myös aiheuttaa organisaation työtarpeiden muuttumisen, aiheuttaen pahimmassa tapauksessa työpaikkojen menetyksiä työntekijöille. Automatisoinnin myötä ihmisen työmäärä vähenee, jolloin samoja työtehtäviä tekemään tarvitaan vähemmän ihmisiä ja ihmistöiden vaadittava taitotaso kasvaa ihmistyöntekijöiden tehdessä ainoastaan monimutkaisempia töitä. Organisaation tulisikin varmistaa työntekijöidensä riittävä osaaminen ja kouluttaminen, mikäli heidät joudutaan siirtämään toisiin tehtäviin. Generatiiviset tekoälyalgoritmit toimivat usein läpinäkymättömästi, jolloin niiden tuottaman informaatio tarkkuutta voi olla hankala arvioida. Työntekijän tulisikin omata riittävä taitotaso työssään, jotta voi arvioida tekoälyn luotettavuutta sekä oikeellisuutta. mikäli työntekijä ei kykene ymmärtämään tekoälyn tuottamia vastauksia tai arvioida niitä, virheiden riski kasvaa. Lisäksi organisaation sisällä tulisi olla nimetty työryhmä, joka on vastuussa generatiivisen tekoälyn kehittämisestä organisaation tarpeisiin ja näin kykenevä korjaamaan ja hienosäätämään järjestelmiä tarkemmiksi ja paremmiksi. 37 4.3 Generatiivisen tekoälyn käyttö case-yrityksessä Yritys on teleoperaattoriyritys, joka tarjoaa laajan valikoiman viestintäja digitaalisia ratkaisuja sekä yrityksille että yksityishenkilöille. Sen palveluihin kuuluvat muun muassa matkapuhelinja laajakaistayhteydet, televisiopalvelut sekä yrityksille suunnatut pilvija IT-ratkaisut. Yritys panostaa myös uusien teknologioiden, kuten 5G:n ja tekoälyn, kehittämiseen ja hyödyntämiseen. Yritys toimii Pohjoismaissa ja Baltian maissa, ja sen tavoitteena on tukea asiakkaidensa digitaalista kehitystä ja tarjota edistyksellisiä viestintäratkaisuja muuttuvan maailman tarpeisiin. Tutkielmaa varten haastateltiin yrityksen johtavaa koneoppimisen insinööriä. Yrityksessä tekoälyä on hyödynnetty moniin erilaisiin tarkoituksiin, ja hyödynnetään sekä valmiita markkinoilla olevia tekoälytyökaluja että talon sisällä kehitettyjä työkaluja. Yritys on lähtenyt tehokkaasti hyödyntämään tekoälyn mahdollisuuksia, ja kokeiltu erialisia ratkaisuja ennakkoluulottomasti. Kehitys on alun perin lähtenyt kehitettäessä tekstianalytiikkaa asiakaspalveludatan analysoimiseki. Yrityksen sisällä toimii kymmenen hengen tiimi, joka kehittelee uusia ratkaisuja. Eniten potentiaalia tekoälyjohtaja näkee asiakaspalvelun ja markkinoinnin tehtävissä. Alla olevasta taulukosta voidaan tarkastella ratkaisuja ja niiden käyttötarkoituksia. Yrityksellä on kirjoitushetkellä 7 tuotannossa olevaa tekoälyratkaisua, ja kolme on vielä kehityksessä. Taulukosta 5 nähdään tarkemmin yrityksellä olevat tekoälyprojektit. Taulukko 5 Case-yrityksen tekoälyn käyttö Tekstianalytiikka Yritys hyödyntää tekoälyä audiodatan tekstimuotoon muuttamiseksi. Tekstidatasta sitten voidaan tehdä analyyseja, joita voidaan hyödyntää esimerkiksi asiakaspalvelun ja asiakaskokemuksen parantamiseen. Generatiivinen markkinoinnissa tekoäly Tekoälyä hyödynnetään generoimaan uusia markkinointiviestinnän pohjia, joissa on valmiina organisaation tyylillä tehdyt muotoilut ja viestintätyylillä kirjoitettua tekstiä . 38 Asiakaspalvelun tukeminen Asiakaspalvelijoiden työtä voidaan tehostaa esimerkiksi CoPilotin tyyppisillä ratkaisuilla, jolloin ohjeet voidaan ladata botille joka pysytyy nopeasti vastaamaan kysymyksiin. AI-chatbotit Kehitteillä oleva generatiivinen tekoälybotti. Haasteena nykyisellään on tekoälyn hallusinointi, jonka takia botti saattaa tarjota esimerkiksi tuotteita joita ei ole olemassa tai antaa virheellisiä hintoja. Tikettiautomaatio Organisaatiossa tekoälyä käytetään alihankkijoilta tulevien tikettien laadun varmistukseen. Sisällön rikastaminen On kehitetty AI-työkalu, joka automaattisesti luo englanninkieliet tekstitykset suomenkielisiin videoihin ja tapahtumiin. Näin myös suomea osaamattomat työntekijät osallistetaan. Lisäksi rikastuksella lisätään relevantteja linkkejä ja muita tietoja. Yhteisöanalyysi Yhteisöanalyysilla analysoidaan yrityksen sosiaalisen median alustalla tapahtuvaa keskustelua, ja löydetään ongelmia joista ei välttämättä ole ilmoitettu, mutta asiakkaat keskustelevat niistä keskenään. Markkinointiviestinnän hyperpersonalisaatio Tekoälytyökaluilla pystytään luomaan hyperpersonoitua markkinointiviestintää asiakkaan ostokäyttäytymisen perusteella. Tekoäly projektihallinnassa Organisaatio hyödyntää tekoälyä projektinhallinnassa esimerkiksi työvaiheiden valvomiseen ja tikettien analysointiin, nopeuttaen työnkulkua. Tekoäly tarjoaa paljon mahdollisuuksia, mutta sen käytössä on myös haasteita ja riskejä. Erityisesti ongelmakohdista nostettiin esille ensimmäisenä generatiivisen tekoälyn hallusinaatiot. Hallusinaatioilla generatiivinen tekoäly 39 voi esimerkiksi tuottaa virheellisiä hintatietoja tai markkinoida asiakkaille tuotteita, joita ei ole olemassa. Laadunvalvonta tekoälyratkaisuissa onkin äärimmäisen tärkeää, erityisesti mikäli työkalua käytetään asiakasviestintään. Toiseksi haasteeksi nostettiin käyttäjien suhtautuminen tekoälytyökaluihin. Mikäli työntekijät eivät ota työkaluja osaksi päivittäistä työntekoaan, on investointi yritykselle turha. 4.4 Yhteenveto Yhteenvetona voidaan todeta, että kuten millä tahansa teknologialla, on generatiivisella tekoälyllä omat hyötynsä ja haittansa. Tekoälyn hyödyntäminen tehokkaasti vaatii organisaatiolta sitoutumista ja liiketoimintaprosessien muokkaamista, jonka lisäksi organisaation tulee kouluttaa käyttäjiä aktiivisesti uuden järjestelmän käyttöön, jotta sen hyödyt realisoituvat. Oheisessa taulukoissa 6 ja 7 voidaan lisäksi tarkastella, mitä hyötyjä ja haittoja sekä työntekijöille että organisaatiolle on generatiivisen tekoälyn käyttöönotosta. Taulukko 6 Generatiivisen tekoälyn hyödyt Ominaisuus Miten näkyy organisaation Tehokkuus Työntekijä kykenee tekemään aiemman työnsä nopeammin ja vähemmillä virheillä. Täten myös organisaation kokonaistehokkuus lisääntyy Automatisointi Työntekijöiden työnkuva voi keskittyä vaikeampiin ja innostavampiin työtehtäviin, sillä rutiininomaiset ja yksinkertaiset työtehtävät voidaan automatisoida. Virheiden väheneminen Työntekijä voi esimerkiksi tarkistaa kaikki asiakkaisiin liittyvät tiedot generatiivisen tekoälytyökalun kautta, jolloin tekoäly auttaa työntekijää tekemään vähemmän virheitä ja sparraa työntekijää kehittymään työssään. 40 Taulukko 7 Generatiivisen tekoälyn haitat ja riskit Ominaisuus Miten näkyy yksilölle ja organisaatiolle? Tietoturva Organisaation tulee kiinnittää huomiota generatiivisen tekoälytyökalun tietoturvaan, ja siihen kuinka esimeriksi järjestelmien integraatiot voidaan toteuttaa tietoturvallisesti Tiedon yksityisyys Työntekijöiden ei tulisi syöttää tekoälyjärjestelmälle tietoja, joita sillä ei tulisi olla. Tekoälyjärjestelmä käyttää kaikkea dataa itsenä kehittämiseen, ja voi myöhemmin antaa vahingossa dataa sellaisille henkilöille, joilla ei tulisi olla siihen pääsyä. Organisaation tulee ohjeistaa työntekijöitään tekoälyn käytössä ja varmistaa oikeat menettelytavat ja ohjeistukset, mitä tietoa työntekijät voivat jakaa. Työpaikkojen muutos Generatiivinen tekoäly saattaa muokata automatisoinnin kautta työnkuvia, joissa on aiemmin hoidettu rutiininomaisia tehtäviä. Kyseisten työnkuvien poistuessa ihmistyöntekijöiden vastuulta, tulee henkilöstö uudelleenkouluttaa heille paremmin soveltuviin tehtäviin. generatiivisen tekoälyn käyttöönotto saattaa myös poistaa joitain työpaikkoja kokonaan, joten osa työntekijöistä voi jäädä työttömiksi. Tarkkuus Generatiiviset tekoälytyökalut ovat läpinäkymättömiä, ja voivat tuottaa myös vääriä vastauksia. Työntekijöiden tulisi kyetä esittämään tekoälyä kohtaan lähdekritiikkiä, ja tarvittaessa varmentamaan tekoälyn tuottaman tiedon aitous ja oikeellisuus. 41 48 painotettiin, että esimerkiksi teknisissä ongelmissa ja epäselvyystilanteissa saattoi kyselyn järjestäjään olla matalalla kynnyksellä yhteydessä. Kyselyn reliabiliteetti varmistettiin hyödyntämällä vastauksia, jotka voitiin laittaa Likert-asteikolle. Tämä lisää säännöllisyyttä ja systemaattisuutta tutkimukseen. Kyselyn validiteetti varmistettiin sisällyttämällä siihen käyttöönottotutkimuksen kannalta keskeisiä muuttujia, kuten teknologian koettu hyödyllisyys, käytön helppous, sosiaalinen tuki sekä organisaation antama tuki. 5.5 Eettiset näkökohdat Tutkimuksen toteutuksessa kiinnitettiin erityistä huomiota eettisiin näkökohtiin. Vastaajille annettiin mahdollisuus osallistua kyselyyn täysin nimettömästi, ja kaikki kerätty aineisto käsiteltiin luottamuksellisesti. Ennen kyselyn aloittamista vastaajille kerrottiin kyselyn tarkoitus. Tämä oli tärkeää luottamuksen rakentamiseksi vastaajien ja tutkimuksen välillä. 5.6 Yhteenveto tutkimuksen toteutuksesta Tutkimus tarjosi syvällistä ymmärrystä generatiivisen tekoälyn käytöstä erityisesti vianhallinnan ja asiakaspalvelun prosesseissa. Kyselytutkimuksen ja sitä täydentäneiden haastattelujen avulla saatiin selville, että vaikka työntekijät kokivat tekoälyn tuovan merkittäviä etuja rutiinitehtävien automatisoinnissa, siihen liittyy myös huomattavia haasteita. Näistä suurimpia olivat huoli työpaikkojen säilyvyydestä sekä uuden teknologian käyttöönoton edellyttämä koulutus ja tuki. Kyselytutkimus antoi laajemman näkökulman työntekijöiden kokemuksiin, kun taas haastattelut syvensivät analyysia erityisesti esihenkilöiden ja työntekijöiden näkemysten osalta. 49 6 TULOKSET Tekoälyn käyttöönotto organisaatioissa on herättänyt laajaa keskustelua sen tarjoamista mahdollisuuksista ja siihen liittyvistä haasteista. Erityisesti generatiivisen tekoälyn sovellukset, kuten automaattinen tekstin generointi ja monimutkaisen tiedon analysointi, ovat alkaneet yleistyä suurissa yrityksissä. Näiden teknologioiden avulla yritykset voivat parantaa prosessiensa tehokkuutta ja tuottavuutta. Tästä huolimatta tekoälyn käyttöönottoon liittyy kysymyksiä työntekijöiden asenteista, organisaatioiden tuesta sekä tekoälyn eettisistä ja turvallisuuskysymyksistä. Tässä luvussa tarkastellaan tekoälyn käyttöön liittyviä havaintoja kerätyn haastatteluja kyselyaineiston perusteella. Aineisto sisältää työntekijöiden ja esihenkilöiden näkemyksiä siitä, kuinka tekoäly vaikuttaa heidän työtehtäviinsä, millaisia etuja ja riskejä sen käyttö tuo mukanaan, sekä miten organisaatio on valmistanut henkilöstöä tekoälyn käyttöönottoon. Haastattelut ja kyselyt tarjoavat arvokasta tietoa siitä, kuinka eri rooleissa olevat työntekijät kokevat tekoälyn käytön sekä mitä asenteita ja tarpeita tekoälyn laajempi käyttöönotto vaatii. Luvun tarkoituksena on tarjota kattava analyysi tekoälyn vaikutuksista organisaatioon ja työntekijöihin. Aineiston avulla pyritään ymmärtämään paremmin tekoälyn roolia työelämässä, sekä tunnistamaan keskeiset tekijät, jotka vaikuttavat tekoälyn käyttöönoton onnistumiseen. Tutkimus painottuu työntekijöiden kokemuksiin ja näkemyksiin generatiivisen tekoälyn käyttöönotosta. Organisaation näkökulma jää tämän tutkimuksen ulkopuolelle aineiston rajoitusten vuoksi. 6.1 Generatiivisen tekoälyn hyödyt ja haasteet Kyselyn tavoitteena oli selvittää työntekijöiden asenteita ja suhtautumista generatiivisen tekoälyyn. Yhteensä vastauksia oli 28, ja ymmärrystä syvennettiin haastatteluiden avulla tarkemman analyysin suorittamiseksi. Kyselyssä oli yhteensä 35 kysymystä, joista 30 oli Likert-asteikolla olevia kysymyksiä ja 5 avoimia. Kyselyyn vastanneista 28 työntekijästä enemmistö edusti vianhallintaa ja asiakaspalvelua, joista 64 % työskenteli päivittäin teknisten ongelmien ratkaisemisen parissa. Vastaajien ikäjakauma oli tasainen, sillä suurin osa kuului ikäryhmiin 25-34 (35 %) ja 45-54 (30 %). Suurin osa vastaajista oli työskennellyt nykyisessä roolissaan joko 1-3 vuotta (28 %) tai yli 10 vuotta (21 %), mikä antaa 50 hyvän pohjan analysoida tekoälyn käyttöä kokeneiden työntekijöiden näkökulmasta. Haastatteluiden avulla pyrittiin saamaan syvällisempää ymmärrystä organisaation tyntekijöiden kokemista hyödyistä ja haasteista. Vastausmäärän jäädessä vain 28 kappaleeseen kyselyn osalta, tarjoavat haastattelut syvyyttä tutkimukseen. Näin saadaan parempi ymmärrys esimerkiksi konkreettisista hyödyistä esimerkkien kanssa, peloista joita generatiivisen tekoälyn käyttöönotto aiheuttaa, sekä kehitysehdotuksia miten ongelmia tulisi ratkaista. Kyselyaineiston perusteella tekoälyyn suhtaudutaan pääosin positiivisesti ja sen odotetaan tehostavan työsuoriutumista. 68% vastaajista on joko osittain tai täysin samaa mieltä siitä, että generatiivinen tekoäly tulee parantamaan heidän henkilökohtaista työsuoriutumistaan. Vastauksista tuli ilmi kuitenkin myös se, että vaikka 78% vastaajista on kokeillut jossain määrin tekoälyjärjestelmien käyttöä, ainoastaan 11% on käyttänyt teknologiaa vähintään viikoittain. Tämä viittaa siihen, että järjestelmän käyttöä ei koeta tarpeeksi arvokkaana. Kyselyn kaikki Likert-asteikolla olevien kysymysten deskriptiiviset tilastot voidaan tarkistaa oheisesta taulukosta (Taulukko 8). Taulukko 8 Kyselyn deskriptiiviset tilastot Kysymys Me diaani Keski hajonta Keski arvo Oletko käyttänyt generatiivista tekoälyä ennen sen käyttöönottoa yrityksessä? 2 1,067 2,214 Oletko tietoinen generatiivisen tekoälyn hyödyistä ja mahdollisuuksista? 4 0,604 3,929 Oletko tietoinen generatiiviseen tekoälyn ongelmista ja haasteista? 4 0,693 3,964 Kuinka merkittäväksi koet generatiivisen tekoälyn käytön yhteiskunnalle? 4 0,518 4,250 Uskon, että tekoälyjärjestelmän käyttäminen tehostaa asiakaspalvelua. 4 0,686 4,214 Uskon, että tekoälyjärjestelmän avulla voidaan luoda arvoa lisäävää sisältöä nopeammin. 4 0,983 4,179 Uskon, että tekoälyjärjestelmä auttaa minua ratkaisemaan ongelmat tehokkaammin työssäni. 4 0,967 3,750 51 Uskon, että tekoälyjärjestelmä parantaa henkilökohtaista työsuoritustani. 4 1,044 3,857 Tekoälyjärjestelmä on helppo omaksua osaksi työrutiineja. 4 1,100 3,393 Tekoälyjärjestelmän käyttöliittymä on intuitiivinen ja helppokäyttöinen. 4 1,026 3,643 Uskon, että voin oppia käyttämään tekoälyjärjestelmää ilman merkittävää perehdytystä. 4 1,090 3,821 Tekoälyjärjestelmän käytön oppiminen on johdonmukaista ja loogista. 4 0,810 3,714 Työtoverini, joiden mielipiteitä arvostan, suosittavat tekoälyjärjestelmän käyttöä. 3 0,983 3,179 Esimieheni kannustaa aktiivisesti tekoälyjärjestelmän käyttöön. 4 1,283 3,357 Organisaatio yleisesti kannustaa minua tekoälyjärjestelmän käyttöön 4 1,201 3,536 Minulla on tarvittavat resurssit ja tuki tekoälyjärjestelmän käyttämiseen 3 1,227 3,107 Organisaatiomme tarjoaa koulutusta ja teknistä tukea tekoälyjärjestelmän hyödyntämiseen. 3 1,086 2,929 Organisaationi muut tietojärjestelmät voidaan integroida tekoälyjärjestelmän kanssa 3 0,916 2,607 Järjestelmä on käyttäjäystävällinen 3 0,838 3,464 Järjestelmässä oleva tieto on ajantasaista 3 0,875 3,107 Järjestelmä tuottaa relevantteja vastauksia 4 0,989 3,357 Järjestelmä tuottaa oikeita vastauksia, esimerkiksi vastaa kysymyksiin oikein 4 0,832 3,393 Tekoälyjärjestelmä auttaa minua suoriutumaan tehtävistäni nopeammin ja tehokkaammin. 3,5 1,224 3,357 Tekoälyjärjestelmä auttaa parantamaan asiakaskokemusta ja palvelun laatua. 4 0,976 3,714 Tekoälyjärjestelmä tuo innovatiivisia ratkaisuja työhöni. 3 1,031 3,214 52 Tekoälyjärjestelmä on ymmärrettävä ja sen käyttö on vaivatonta. 4 0,879 3,571 Tekoälyjärjestelmä on ymmärrettävä ja sen käyttö on vaivatonta. 1 4 0,870 3,643 Tekoälyjärjestelmän käyttöliittymä on selkeä ja käyttäjäystävällinen. 4 0,826 3,643 Tekoälyjärjestelmää on mahdollista mukauttaa minulle sopivaksi 3 0,766 2,929 Aion käyttää tekoälyjärjestelmää säännöllisesti tulevaisuudessa. 4 0,876 3,786 Olen valmis suosittelemaan tekoälyjärjestelmää kollegoilleni. 3,5 0,920 3,571 Tämän tutkimuksen hypoteeseja testattiin saadun kyselyaineiston pohjalta. Tarkemmin hypoteeseja esitellään ja tarkastellaan alaluvuissa. 6.1.1 Generatiivisen tekoälyn käyttöönoton hyödyt työntekijöiden näkökulmasta Generatiivisen tekoälyn hyötyjä analysoitiin muutamalla erilaisella pääteemalla. Kysyttäessä vastaajilta näkemyksiä siihen, auttaako tekoäly heitä ratkaisemaan ongelmia tehokkaammin omassa työssään, valtaosa vastaajista oli samaa mieltä. 57% vastaajista oli osittain samaa mieltä ja 18 % täysin samaa mieltä asiasta. 18% oli osittain eri mieltä, ja 7% ei ottanut kantaa asiaan. Tämä viittaa siihen, että tekoälyjärjestelmien hyödyllisyys tunnistetaan laajalti. Erityisesti vianhallinnan kontekstissa, ovat ongelmat monesti toistuvia ja rutiininomaisia. Näissä tapauksissa tekoälyn apu voi olla hyödyksi esimerkiksi tiedon haussa, jolloin työntekijän aikaa ei mene ohjeiden tai toimintasuunnitelmien etsimiseen, vaan sitä voidaan käyttää esimerkiksi paremman asiakaskokemuksen tuottamiseen. Kuitenkin 18 prosenttia vastaajista oli osittain eri mieltä väittämän kanssa. Tämä saattaa heijastella sitä, että tekoäly ei välttämättä ole kaikille vastaajille vielä täysin tuttu. Organisaation tuleekin panostaa työntekijöiden koulutukseen tekoälyn hyödyistä, jotta niiden käytöstä saadaan enemmän irti. Kyselyssä selviteltiin myös, kuinka vastaajat kokivat tekoälyn vaikutuksen omaan henkilökohtaiseen työsuoritukseensa. 32% vastaajista oli täysin samaa mieltä siitä, että tekoäly parantaa heidän henkilökohtaista työsuoritustaan. 36% oli osittain samaa mieltä, 18% ei osannut sanoa ja 14% oli eri mieltä. Tulos korostaa, kuinka tekoäly voi tehostaa työsuoriutumista. Tekoälyjärjestelmien 53 mahdollisuus parantaa tehokkuutta erityisesti rutiininomaisissa ja yksinkertaisissa työtehtävissä on laajalti hyväksytty. On kuitenkin huomattavaa, että osa vastaajista koki vielä epävarmuutta tehokkuuden paranemisen suhteen. Tämä voi viitata siihen, että kaikki työntekijät eivät kykene vielä täysimääräisesti hyödyntämään järjestelmiä, joko sen takia että heillä ei ole pääsyä järjestelmiin täysin, tai sitten he eivät koe saavansa tarpeeksi lisäarvoa siitä omiin tehtäviinsä. Tähän voisi olla ratkaisuna esimerkiksi koulutuksen lisääminen järjestelmien käytöstä, mikä saattaisi lisätä koetun lisäarvon määrää. Lisäksi organisaation tulisi panostaa järjestelmien käytettävyyteen. Tekoälyn merkitys asiakaskokemukseen ja palvelun laatuun jakoi vastaajien mielipiteitä. Tekoälyllä on potentiaalia tehostaa asiakaspalvelua ja parantaa asiakaskokemusta, mutta järjestelmän toimivuus ja esimerkiksi tiedon oikeellisuus ja tietoturva tulee varmistaa. Esimerkiksi chatbotit voivat tarjota reaaliaikaisia vastauksia asiakkaille vuorokauden ympäri, mikä parantaa palvelun saatavuutta. 43 % vastaajista oli osittain ja 21 % täysin samaa mieltä siitä, että tekoälyn käyttöönotto vaikuttaa myönteisesti yrityksen asiakaskokemukseen ja tehostaa asiakaspalvelua. Tämä viittaa siihen, että lähes kaksi kolmasosaa vastaajista tunnistaa edes jonkinlaisen positiivisen vaikutuksen asiakaskokemukseen. 21 % vastaajista ei kuitenkaan osannut ottaa kantaa kysymykseen, ja 14% oli sitä mieltä, että tekoäly ei vaikuta merkittävästi asiakaspalvelun tehostamiseen tai asiakaskokemuksen parantamiseen. Asiakaskokemuksen parantaminen tekoälyn avulla vaatii selkeä strategiaa jotta sen tuottama lisäarvo saadaan realisoitua mahdollisimman tehokkaasti, samalla välttäen mahdollisia asiakaskokemusta vaarantavia virheitä, kuten hallusinaatioita. Erityisesti generatiivisella tekoälyllä on mahdollista tuottaa uusia, innovatiivisia ratkaisuja ongelmiin. Kyselyn perusteella 29 %. vastaajista oli osittain samaa mieltä, ja 11 % täysin samaa mieltä, että tekoäly kykenee tuomaan innovatiivisia ratkaisuja heidän työhönsä. Tämä viittaa, että vähintään osa vastaajista näkee tekoälyn mahdollisuuden auttaa heitä luovassa työssä. On kuitenkin huomattava, että 36% vastaajista ei osannut ottaa kantaa ja 21% vastaajista oli eri mieltä siitä, tuoko tekoäly lisää innovaatiota heidän työhönsä. Tämä voi viitata sekä siihen, että vastaajat eivät kykene vielä työssään hyödyntämään tekoälyä tarpeeksi, tai sitten eivät omaa vielä tarpeeksi koulutusta järjestelmien tehokkaaseen käyttöön. 6.2 Tekoälyn käyttöönoton haasteet työntekijöiden näkökulmasta Tekoälyn käyttöönotto organisaatiossa tuo mukanaan merkittäviä hyötyjä, kuten kyselyn perusteella ilmenneet työtehon lisääntymisen ja rutiinitehtävien automatisoitumisen. Uuden teknologian käyttöönotossa on kuitenkin aina myös haasteita. Kyselytutkimusta analysoimalla kartoitettiin erilaisia haasteita, joita työntekijät kohtaavat generatiivisen tekoälyn käyttöönotossa. Kyselyn tuloksista voidaan havaita haasteita kuten koulutuksen muute, vähäinen käyttöaktiivisuus 54 työntekijöiden keskuudessa sekä lisätuen tarve järjestelmien käyttöön. Näiden haasteiden ratkaiseminen on tärkeässä roolissa generatiivista tekoälyä käyttöönotettaessa, jotta tekoälyn tuottama lisäarvo saadaan realisoitua parhaalla mahdollisella tavalla. 6.2.1 Koulutuksen vaikutus käyttöönottoon Yksi keskeisimmistä käyttöasteeseen vaikuttavista tekijöistä uuden teknologian käyttöönotossa on käyttäjien koulutus. Kyselyn perusteella 43% vastaajista koki saaneensa tarpeettoman vähän koulutusta tekoälyn käyttöön. Vastaavasti ne työntekijät, jotka kokivat saaneensa tarpeeksi koulutusta, olivat huomattavasti todennäköisempiä käyttämään järjestelmää jatkossa. Tätä kysymystä tutkittiin tarkemmin data-analyysin avulla. Hypoteesi 1 mukaan koulutuksen määrä ja laatu sekä koettu kyvykkyys vaikuttavat järjestelmien käyttöhalukkuuteen. Hypoteesi perustuu teoriaan, että riittävä koulutus lisää työntekijöiden järjestelmän käyttöön liittyvää osaamista ja itsevarmuutta, ja näin lisää järjestelmän käyttöhalukkuutta. Teoria perustuu aiempaan tutkimukseen, jonka perusteella riittävän koulutuksen antaminen järjestelmän käyttöönotossa on oleellista. (Venkatesh ym., 2003) Tutkimuksessa suoritettiin kahden otokset ttesti, jossa vertailtiin tekoälyjärjestelmän käyttöhalukkuutta kahden eri ryhmän avulla. Ensimmäinen ryhmä olivat ne, jotka olivat vastanneet kyselylomakkeen kysymykseen ”Koen, että organisaation on antanut minulle riittävät valmiudet ja koulutuksen järjestelmän käyttöön” joko osittain tai täysin samaa mieltä. Toinen ryhmä olivat ne, jotka olivat vastanneet kyselyyn joko osittain tai täysin eri mieltä. vastaajat, jotka olivat vastanneet ”en osaa sanoa” jätettiin pois, jotta ryhmittely olisi selkeämpää. En osaa sanoa-vastaajia oli 2 kappaletta. Niiden, jotka kokivat saaneensa riittävät resurssit, keskiarvo kysyttäessä järjestelmän käyttöaikomusta oli asteikolla 1-4 4,15. Vastaavasti toinen ryhmä, joka ei kokenut koulutusta riittäväksi, oli antanut vastaukseksi keskiarvollisesti 3,31. T-testin tulos osoitti t-arvoksi 2,779 ja p-arvoksi 0,0052 (yksi-suunta), mikä viittaa tilastollisesti merkitsevään eroon (p < 0,05). tämä tarkoittaa, että koettu riittävä koulutus lisää halukkuutta käyttää järjestelmää huomattavasti. Tulokset osoittavat selvästi, että työntekijöiden asianmukainen ja riittävä koulutus on merkittävässä asemassa käyttöhalukkuuden parantamisessa. Kuten todettu aiemmin, tarpeeksi koulutusta ja resursseja saaneet työntekijät ovat huomattavasti motivoituneempia käyttämään tekoälyjärjestelmää verrattuna heihin, jotka eivät kokeneet saaneensa tarpeeksi koulutusta. Tämä hypoteesi on linjassa myös aiempien tutkimusten kanssa, joiden mukaan koulutus lisää järjestelmän käyttöhalukkuutta. Puutteellinen koulutus voi johtaa vähemmän koulutuettujen työntekijöiden järjestelmän käyttöä, jolloin järjestelmän tuomaa lisäarvoa ei saada kaikkien työntekijöiden kohdalla realisoitua. Organisaation tuleekin panostaa työntekijöiden koulutukseen, jotta heidän käyttöhalukkuuttaan ja itsevarmuuttaan järjestelmän käytössä voidaan lisätä. 55 6.2.2 Käyttöaktiivisuus Toinen keskeinen havainto on haasteet järjestelmän käyttöaktiivisuudessa. Vain 11% vastaajista käytti tekoälyä säännöllisesti, mikä saattaa heijastella järjestelmien kesken olevaa integraatiota työntekijöiden päivittäisessä käytössä oleviin järjestelmiin. Tämän takia saattaa olla, että tekoälyjärjestelmät nähdään vielä työprosessista irrallisina työkaluina, jolloin niiden käyttö saatetaan kokea työntekijöiden toimesta vielä tarpeettoman monimutkaisina. Kolmannessa hypoteesissa tutkittiin, vaikuttaako aiempi kokemus tekoälyjärjestelmien käytöstä käyttöaikomukseen. Hypoteesin ja aiemman tutkimuksen perusteella ne, jotka ovat aiemmin käyttäneet teknologia esimerkiksi vapaa-ajallaan ovat todennäköisemmin valmiita sen käyttöön myös työssään. Tutkimuksessa työntekijät jaettiin kahteen ryhmään: niihin jotka ovat käyttäneet teknologiaa vähintään muutaman kerran kuukaudessa, ja niihin, jotka ovat vain kokeilleet sitä tai eivät ole käyttäneet ollenkaan. Teknologiaa säännöllisesti käyttäneiden ryhmän keskiarvo käyttöaikomuksessa oli 4,29, kun taas käyttämättömien ryhmän keskiarvo oli 3,62. T-testin t-arvo oli 1,817 ja parvo (yksi-suunta) 0,0404, mikä tarkoittaa, että ero oli tilastollisesti merkitsevä (p < 0,05). Tulokset vahvistavat, että teknologiaa aiemmin käyttäneet ovat todennäköisempiä käyttämään sitä aktiivisesti tulevaisuudessa verrattuna niihin, joilla ei ole siitä mitään kokemusta aiemmin. Tämä tulos myös tukee olettamusta, että teknologian käyttöaktiivisuus lisää käyttöönoton onnistumista. Käyttöaktiivisuutta voitaisiin parantaa työntekijöiden jatkokoulutuksella ja järjestämällä esimerkiksi demokertoja, joiden perusteella työntekijät saavat tarkemman kuvan tekoälyn tuottamista hyödyistä työntekijöiden päivittäisessä operatiivisessa tekemisessä. Avoimissa vastauksissa työntekijät ilmaisivat ongelmia muu muassa järkevien käyttökohteiden ja toimivien integraatioiden saamiseen. Kysymyksissä tuli ilmi muun muassa tarvetta paremmalle tiedolle hyödyistä sekä käytännön vinkkkejä käyttöön. Myös palvelun saavutettavuutta päivittäisessä käytössä tulisi parantaa. Käyttökohteiden keskiminen tuottaa haasteita, ei ole tietoa miten ja mihin kaikkeen sitä voisi hyödyntää. Järjestelmäintegraatio ja tiedon käytettävyys Palvelu on piilossa hieman AIsta kerrotaan ja sitä esitellään talon sisällä paljon, mutta kaipaisin konkreettisia esimerkkejä tai tapoja käyttää sitä. 56 6.2.3 Tietoturva ja vastausten oikeellisuus Myös tietoturva ja vastausten oikeellisuus nousivat erityisesti avoimissa kysymyksissä esille. Vastaajat ilmoittivat nykyisellä tekoälytyökalujen ongelman olevan, ettei niille voi syöttää kaikkea sensitiivistä dataa, mikä tällöin huonontaa työkalujen käytettävyyttä. Ymmärrettävästi kaikki tai osa sensitiivisestä datasta ei ole vielä käytettävissä tietoturvan vuoksi, se on mielestäni hidastanut tekoälyn hyödyntämistä paljon. Kaikkea dataa ei voi tekoälyjärjestelmälle vielä syöttää, ja ominaisuudet ovat toistaiseksi rajallisia. Tietoturva on merkittävä ongelma generatiivisen tekoälyn käyttöönotossa laajemmin. Tietoturva-asetukset määrittävät organisaation käsittelemään henkilötietoja tietyllä tavalla, joten on tärkeää etteivät ne joudu vääriin käsiin. Generatiiviset tekoälyjärjestelmät puolestaan käyttävät niille syötettyjä tietoja itsensä kouluttamiseen, joten täytyy varmistua siitä, että käytettävät järjestelmät eivät anna tietoja vahingossakaan ulkopuolisten käyttöön. Mikäli esimerkiksi asiakkaiden henkilötai muita sensitiivisiä tietoja päätyy ulkopuoliselle, on organisaatiolle seurauksena mainehaittaa sekä sakkoja, jotka voivat kohota korkeiksi. Tiedon oikeellisuus mietitytti työntekijöitä, ja nousikin myös kyselylomakkeen avoimissa vastauksissa esille. Generatiivisen tekoälyn ongelmana on ajoittainen hallusinointi, jolloin tekoäly luo itse tyhjästä sisältöä ja tietoa, jota ei oikeasti ole olemassa. Myös vastaajien kokemukset hallusinoinnista voivat vaikuttaa negatiivisesti käyttöönottoon, sekä vähentää järjestelmän käyttöhalukkuutta. Tieto ei ole aina ajantasaista enkä saa "oikeita" vastauksia. Vastaukset saattavat olla vähän tuolta jostain, ei välttämättä liity kontekstiin mitenkään. Osa vastauksista on käyttökelvottomia, osa on taas juuri sitä mitä haettiin. AI antaa vastaukset kysymykseen kun kysymykseen. Tosin vastaukset ovat osittain ihan höpö höpöä Tästä huolimatta 54 % työntekijöistä oli vähintäänkin osittain sitä mieltä, että tekoäly antaa relevantteja ja oikeita vastauksia. 29% ei osannut ottaa kantaa, ja 17 oli osittain eri mieltä tekoälyjärjestelmien kyvykkyydestä tuottaa oikeita vastauksia kysymyksiin. 57 6.2.4 Organisaation tuen merkitys Organisaation tuki on merkittävä haaste uusien teknologioiden käyttöönotossa. On tärkeää, että niin ylempi johto kuin lähiesimiehet tukevat työntekijöitä uuden teknologian käyttöönotossa. Vastaajista 54 prosenttia koki, että esihenkilö tukee tekoälyjärjestelmän käyttöä päivittäisessä työssä. 25% vastaajista ei osannut ottaa kantaa, kun taas 21% oli osittain tai täysin eri mieltä asiasta. Organisaation tuesta kysyttäessä, 61% koki, että organisaatio tukee heitä uuden tekoälyjärjestelmien käyttöönotossa. 18% ei osannut ottaa kantaa, ja 21% vastaajista koki, ettei organisaation tuki ole vielä riittävällä tasolla. Visuaalisesti asiaa voidaan tarkastella kuviosta 7. Kuvio 7 Organisaation tuen diagrammi Toisessa hypoteesissa tarkasteltiin sitä, kuinka organisaation antama tuki vaikutti järjestelmän käyttöhalukkuuteen. Hypoteesin mukaan työntekijät, jotka kokevat saavansa tarpeeksi tukea ja kannustusta, ovat todennäköisemmin valmiita ottamaan järjestelmän käyttöön. Tutkimusasetelmana vastaajat jaettiin kysymyksen ” Organisaatio yleisesti kannustaa minua tekoälyjärjestelmän käyttöön” vastausten perusteella niihin, jotka olivat osittain tai täysin samaa mieltä, sekä niihin, jotka olivat eri mieltä tai eivät osanneet sanoa. Tuen riittäväksi kokeneiden ryhmän keskiarvo käyttöaikomuksessa oli 4,00, kun taas tuen puutteelliseksi kokeneiden ryhmän keskiarvo oli 3,45. T-testin tulokset osoittivat t-arvoksi 1,661 ja p-arvoksi 0,0544. Tulokset osoittivat, että vaikkakin ne, jotka kokivat organisaation tuen olevan riittävää olivat hieman halukkaampia käyttämään järjestelmää verrattuna niihin, jotka kokivat tuen riittämättömäksi, ero ei ollut tilastollisesti merkitsevä. Yksi-suuntaisessa testissä p-arvo oli kuitenkin lähellä merkitsevyyden rajaa (0,054), mikä antaa viitteitä siitä, että organisaation tuella saattaa olla vaikutusta käyttöaikomukseen, mutta lisätutkimusta tarvitaan vahvempien johtopäätösten tekemiseksi. Organisaationi yleisesti kannustaa minua tekoälyjärjestelmän käyttöön Täysin samaa mieltä Osittain samaa mieltä En osaa sanoa Osittain eri mieltä Täysin eri mieltä 64 6.5.1 Haastateltavien kuvaus ja haastattelurunko Haastatteluun osallistui kolme työntekijää, jotka edustivat organisaation eri rooleja. Tämä mahdollisti monipuolisen näkökulmien keräämisen generatiivisen tekoälyn käyttöönoton vaikutuksista. Erityisesti haluttiin nostaa esille näkökulmia, jotka eivät välttämättä olleet nousseet esille pelkän kyselyn perusteella. Kaikkien haastateltavien työkokemus organisaatiossa oli yli 5 vuotta, ja kokemukset nykyisessä roolissa vaihtelivat kahden ja kahdeksan vuoden välillä. Valintakriteerinä oli, että henkilöt edustivat eri organisaatiotasoja, jotta näkemykset käyttöönotosta olisivat mahdollisimman kattavia. Haastateltavien roolit olivat: • Asiantuntija, joka toimii päivittäisten operatiivisten tehtävien parissa. • Esihenkilö, joka vastaa tiimin johtamisesta ja kehittämisestä. • Tekoälyosaston vastaava johtaja, joka koordinoi tekoälyn käyttöönottoa ja strategisia tavoitteita. Haastattelut toteutettiin puolistrukturoituina haastatteluina, ja haastatteluiden runko oli seuraava: 1. Tekoälyn käytön hyödyt. 2. Tekoälyn käyttöönoton haasteet ja riskit. 3. Tekoälyn vaikutukset työrooleihin ja vuorovaikutukseen. 4. Tulevaisuuden näkymät ja mahdolliset eettiset kysymykset. 6.5.2 Generatiivisen tekoälyn tuomat mahdollisuudet Haastateltavat kokivat generatiivisen tekoälyn tuovan merkittäviä mahdollisuuskia erityisesti työn tehostamiseen ja luovemman ongelmanratkaisun tukemisessa. Tämä tukee määrällisen tutkimuksen tuloksia, joissa jopa 68% koki tekoälyn parantavan tehokkuutta työssään. Tekoäly koettiin erityisen hyödyllisenä seuraavissa asioissa: • Ajansäästö ja automaatio: Tekoäly mahdollistaa raporttien ja tiedonyhdistelyn kaltaisten työtehtävien nopeuttamien merkittävästi. Myös rutiininomaisten asioiden, kuten esitysten luomisessa, tekoäly voi olla avuksi. Se on varmaan aika yllättävän iso aika, mitä vaikka ihmiset käyttävät aikaa jonkun powerpointtien hinkkaamiseen. Niin ja se on tavallaan ihan sellaista turhaa työtä. Mutta se on myös siinä mielessä hyvä, että se on tarpeeksi yksinkertaista työtä. Että sen uskaltaa uskoa sille tekoälylle tehtäväksi. • Asiakaspalvelun parantaminen: Tekoälyn avulla saadaan nopeutettua asiakaspalvelun prosessia, kuten tiedonhakua. Tiedon siiloutuessa erilaisiin järjestelmiin, voidaan tekoälyn avulla hakea eri järjestelmistä tietoa tehokkaasti 65 jos pitäisi nopeasti löytää vastaus, joka saattaa olla useilla eri Wikipedia-alustoilla. Niin kuin täällä nyt on useita eri Wikipedia-alustoja. Niin Ehkä että se osaisi hakea monesta paikasta yhtä aikaa tietoa. • Ideoiden ja näkökulmien rikastaminen: Tekoälyn avulla voidaan saada esimerkiksi organisaation tyylillä kirjoitettuihin sähköpostiviesteihin pohjat, jolloin viestien kirjoittaminen helpottuu eikä kirjoittaja jää miettimään liiaksi, mitä sanoo. Oli tietty ajatus, että mitkä asiat haluaa siihen. Mutta kyllähän se tekoäly monipuolistaa sitä ajattelua ja nopeuttaa sitä kautta sitä tekemistä. 6.5.3 Generatiivisen tekoälyn käyttöönoton haasteet Generatiivisen tekoälyn käyttöönotossa tunnistettiin myös haasteita haastateltavien osalta. Haastateltavien huolena oli tekoälyn tuottaman tiedon oikeellisuus, sekä mahdollinen ihmisten laiskistuminen tekoälyn käytön myötä. Tekoälyn taipumus hallusinaatioon saattaa aiheuttaa ongelmia. Eräs haastateltava nosti myös mahdolliseksi riskiksi ihmisten laiskistumisen ja oman ajattelun loppumisen tekoälyn käytön myötä. Erityisen vaarallista hallusinaatio on suoraan asiakkaiden kanssa tekemisissä olevien sovellusten kanssa. No varmaan se, että tullaan sokeeksi siihen, että tavallaan loppuu se oma ajattelu. Että tekoäly ehdottaa jotain tai kertoo jotain Tehdään tekoälyllä joku päätelmä. Sitten se, että kyllä mä koen että aina ihmisen pitää kuitenkin ajatella se asia. Ongelmahan just on se, että vaikka se ennustaa hinnan väärin. Tai vahingossa sinne tulee joku sivulause mikä puhuu tuotteesta mitä meillä ei ole. Myös muutosvastarinta on vastaajien mukaan todennäköinen ongelma käyttöönotossa, mutta yhdistettynä järjestelmän mahdollisin ongelmin, voi se olla merkittäväkin tekijä käyttöönoton yhteydessä. Venkateshin ym. (2003) mukaan odotuksset teknologian toimivuudesta ovat keskeisiä käyttöönottopäätöksen kannalta. No ehkä saattaa olla semmoista osalla porukasta semmoista vastarintaa erilaisten sovellusten käyttöön. Eettiset kysymykset olivat haastateltavien mielestä tärkeitä tekoälyn hyödyntämisessä Tämä huomio tuo esille tekoälyn käytön mahdolliset riskit erityisesti päätöksenteon yhteydessä. Eräs haastateltava kuvasi tätä seuraavasti: "Pitää varmistaa, että tekoäly ei johda vääristyneisiin päätöksiin tai epäreiluuteen. Se on meidän vastuulla, ettei se tee virheitä, jotka voisivat vahingoittaa ihmisiä." Järjestelmän käytön oppimiseen liittyvät huolet nousivat haastatteluissa myös ilmi, erityisesti organisaation tukeen liittyen. Haastateltavat korostivat, että 66 tukea oli tarjolla monin eri tavoin, mutta sen hyödynnettävyys vaatii työntekijöiltä aktiivisuutta. Meillä on tuotu ne työkalut mahdolliseksi, joita saa käyttää. Meillä on eLearningkursseja. Löytyy erilaisia. Meillä on AI-Kickoffit, jossa viikoittain jaetaan sitä tietoa. Ja on chat-kanavat, joissa käydään keskustelua Toinen haastateltava nosti esille orgasniaaiton hieman varovaisen linjan, ja tämä heijastelisi ajatusta jonka mukaan organsiaatio voisi mahdollsitaa teknologian käytön jo aiemmin ja rohkeammin. Ehkä organisaation suuntaan voisi antaa myös kritiikkiä niin... Niin tietyllä lailla niinku se rohkeus. Että meillä on ollut niitä Office 365-pilottilaisia vuoden ajan jo pidempään. En tiedä millä perusteella ne on alun perin valittu. Lopuksi organisaation resurssien käyttö herätti myös keskustelua. haastateltava totesi, etä organisaation tulisi vertailla tekoälyjärjestelmien hintoja niistä saataviin hyötyihin, jolloin tyntekijöistä saataisiin enemmän irti. Mietitään mikä ihmisten tuntipalkka on. Että tota... Niin sen lisenssin kuukausimaksu on aivan mitätön. Että mitä sillä voitaisiin saada sitä tehokkuutta 6.5.4 Tekoälyn tuomat muutokset työhön sekä vaikutukset tulevaisuudessa Haastateltavat pohtivat viimeisenä tekoälyn pitkän aikavälin vaikutuksia oranisaation toimintaan sekä työelämään yleisesti. Keskustelussa nousi esille erityisesti työnkuvien muutos, kilpailuedun saavuttaminen tkenologian avulla sekä erilaiset eettiset kysymykset. Haastateltavien mielipiteet työn muutoksesta olivat hieman ristiriitaisia. Eräs haastateltava oli enemmän sitä mieltä, että tekoäly kykenee vapauttamaan työntekijöitä strategisempaan ja luovempaan työhön. Tämä näkökulma heijastaa ajtusta, että tekoäly ei vie ihmisten työpaikkoja, vaan täydentää ihmisten tekemää työtä. Niin kun se on aika selkeä, että yksinkertaisia asioita varmasti siirtyy tekoälylle. Mutta ne asiat, mitä me ihmiset tehdään, on sellaisia, joissa sitä lisäarvoa syntyy. Toinen haastateltava puolestaan ilmaisi huolensa työpaikkojen korvaamisesta tekoälyllä. samalla hän kuitenkin korosti, että tekoläyn käytön myötä muuttuvassa työympäristössä tulee uusia rooleja ihmisille, jotka niihin kykenevät tarttumaan. Tää on vähän pelottava kysymys, koska se voi korvata joitain töitä. Mutta samaan aikaan tulee uusia mahdollisuuksia, jos me onnistutaan käyttämään tätä oikein. 67 Myös kilpailuedun saavuttaminen nousi eräällä haastateltavalla keskustelussa esille. Tämä näkemys kokrostaa teknologian strategista merkitystä organisaation menestykselle markkinoilla. Jos me saadaan tää homma toimimaan, me ollaan monta askelta edellä kilpailijoita. Tekoäly voi olla se ratkaiseva ero meidän ja muiden välillä. Viimeisimpänä eräs haastateltava toi esille tkenoälyn jatkuvan kehittymisen, ja kuinka jatkuva oppiminen ja mukautuminen uusien teknologioiden käyttöön on elintärkeää organisaatiolle, mikäli se aikoo pysyä kilpailijoidensa tasolla ja pärjätä alati muuttuvassa markkinassa. Haastateltava kiteytti asian: seuraavasti: Teknologia kehittyy jatkuvasti. Meidän pitää pysyä siinä mukana ja päivittää osaamista jatkuvasti, ettei jäädä jälkeen. Yhteenvetona haastattelut toivat esille monipuolisia näkemyksiä generatiivisen tekoälyn käyttöönotosta. Haastateltavat tunnistivat merkittäviä mahdollisuuksia organisaation toiminnan tehostamiseen esimerkiksi prosessiautomaation ja luovuuden tukemisen kautta. Samalla kutenkin he nostivat esiin haasteita, kuten tiedon oikeellisuuden, eettiset kysymykset ja luottamuksen rakentamisen työkalun käyttöön. Myös käytännönläheiset koulutukset ja viestintä nähtiin tärkeinä osina menestynyttä käyttöönottoa. Tekoälyn pitkän aikavälin vaikutukset herättivät haastateltavissa sekä innostusta että huolta. Vaikka tekoälyn uskottiin muuttavan työnkuvaa ja lisäämään kilpailuetua, sen pelättiin myös vähentävän joitain työrooleja. Haastateltavien vastauksista oli kuitenkin nähtävissä varovaista optimismia tekoälyn käytöstä pidemmällä aikavälillä, mutta jatkuvan oppimisen ja teknologian vastuullisen käytön huomattiin olevan oleellisia pidemmän aikavälin onnistumisissa. 6.5.5 Yhteenveto Haastatteluiden tavoitteena oli syventää ymmärrystä generatiivisen tekoälyn käyttöönoton hyödyistä, haasteista sekä tulevaisuuden näkemyksistä. Haastateltavat nostivat esiin tekoälyn luomia mahdollisuuksia ja sovellutuksia, kuten työn tehostamisen, luovuuden tukemisen ja asiakaspalveluprosessien parannuksen. Samalla he toivat esiin merkittäviä haasteita, jotka voivat vaikuttaa käyttöönottoon, kuten tiedon oikeellisuuden, eettiset kysymykset sekä muutosvastarinnan. Oheisesta taulukosta 13 ilmenee keskeisimmät havainnot haastatteluiden perusteella. 68 Taulukko 12 Haastatteluiden perusteella hyödyt ja haitat Kategoria Keskeiset havainnot Tekoälyn hyödyt Ajansäästö ja automaatio Ideoiden rikastaminen Asiakaspalvelun tehostaminen Haasteet ja riskit Tiedon oikeellisuus ja hallusinaatiot Muutosvastarinta Eettiset kysymykset ja tietoturva Organisaation tuki Koulutus ja tukitoimet suuressa osassa Rohkeampi käyttöönotto oli toivottua Tulevaisuudennäkymät Työn luonteen muutos ja uudet mahdollisuudet Roolien muutos ja mahdolliset työpaikkojen korvautumiset Taulukko tiivistää generatiivisen tekoälyn käyttöönotosta ilmenneet tärkeimmät havainnot haastatteluaineiston perusteella. Taulukon avulla voidaan hahmottaa paremmin hyötyjä, haasteita, organisaation roolia sekä pitkän aikavälin näkymiä. Tulokset tukevat aiempaa tutkimusta, ja vahvistavat kirjallisuuskatsauksessa tunnistettuja hyötyjä. 6.6 Organisaation kokemat hyödyt ja haitat Organisaatioiden tasolla generatiivisen tekoälyn käyttöönottoon liittyvät hyödyt ja haasteet ovat osittain samankaltaisia kuin työntekijätasolla. Haastatteluissa haastateltiin 2 esihenkilöja kehitystehtävässä olevaa henkilöä, joten heiltä saatiin tietoa hyödyistä ja haasteista myös organisaatiotasolla. Haastattelut antoivat näkemyksiä paitsi työntekijänäkökulmaan, myös organisaatioon ja sen liiketoimintaan vaikuttaviin asioihin. Generatiivisen tekoälyn keskeisiä hyötyjä organisaation kannalta on parantunut asiakaskokemus. Näistä konkreettisina esimerkkeinä ovat esimekriksi hyperpersonoitu markkinointi asiakkaille, sekä tehostunut asiakaspalvelu esimerkiksi ongelmatilanteissa. Lisäksi tekoäly voi auttaa kehittämään yhtiön tuotetarjontaa ja ratkaisemaan asiakkaiden ongelmia, esimerkiksi analysoimalla yhtiön palautekanavia ihmistä tehokkaammin ja huomaamalla kyseisestä datasta arvokkaita yhteyksiä. Hyödyt eivät kuitenkaan rajoitu ainoastaan ulkoiseen asiakaskokemukseen, vaan tekoälyllä on potentiaalia myös tehostaa sisäisiä prosesseja. Esimerkiksi 69 tiedonkulku voi helpottua, kun kaikkien osastojen tietovarannot voidaan liittää yhtenäisen tekoäyn alle, estäen tiedon siiloutumista osastoiden välillä. Lisäksi siinä missä työntekijätasolla tekoäly auttaa tehostamaan henkilöstön työskentelyä, auttaa työn tehostuminen strategisella tasolla allokoimaan henkilöstöresursseja tuottavammin jättäen vaativammat ja luovemmat työt ihmisille. Haasteiden osalta haastatteluissa nousi esiin tietoturva sekä tiedon oikeellisuus. Erityisesti tietoturva on monimutkainen asia, sillä yritys käsittelee paljon erilaista sensitiivistä dataa, ja asiantuntijoiden työprosesseissa ollaan jatkuvasti tekemisissä sensitiivisen datan kanssa myös rutiinitehtävissä. Tämä rajoittaa asiantuntijatasolla generatiivisen tekoälyn täydellistä hyödyntämistä operatiivisessa toiminnassa Tiedon oikeellisuuden puolesta on myös huoli, että jatkuva virheellinen tai vääränlaisen tiedon tuotaminen johtaa luottamuspulaan tekoälyä kohtaan, ja estää sen tehokkaan toimimisen päätöksenteon tukena ja prosessien tehostajana. haastatteluissa mainittiin myös ongelma tekoälyn integraatiossa organisaation olemassa olevaan arkkitehtuuriin ja tietojärjestelmiin. Osa jäjrestelmistä voi olla vanhoja, joka puolestaan vaikeuttaa integroinnin suunnittelua ja toteutusta. Case-organisaatiossa on käytössä suuri määrä tietojärjestelmiä, joiden nykyisetkin integraatiot ovat monimutkaisia. Viimeisenä haasteena ilmeni työntekijöiden aktiivisuus, sillä haastateltavat ilmaisivat huolensa siitä, etteivät työntekijät halua käyttää generatiivista tekoälyä ellei tarpeeksi selkeitä hyötyjä ja esimerkkikäyttötapauksia tuoteta heille näytille. Vaikka generatiivinen tekoäly on teknologiana uusi ja haasteita on, haastateltavat kokivat generatiivisella tekoälyllä olevan paljon potentiaalia tulevaisuudessa. Heidän mukaansa organisaatiolla on tällähetkellä tarve erityisesti panostaa työntekijöiden koulutukseen sekä tekoälyn parempaan ymmärrykseen. Johdon tulisi olla aktiivinen ja antaa työntekijöille esimerkkejä ja ohjeistusta tekoälyn käytössä, jolloin muutosvastarinta pienenee ja työntekijät haluavat käyttää järjestelmää. Lisäksi tekoälyä tulee räätälöidä paremmin organisaation tarpeisiin, jolloin sen käytettävyys ja hyödyllisyys paranee. Yhteenvetona generatiivisen tekoälyn hyödyt ja haasteet organisaation tasolla ovat melko samanlaisia, mutta hieman erilaisesta näkökulmasta tarkasteltuna. Vaikka generatiivinen tekoäly luo merkittäviä hyötyjä myös organisaatiotasolla, on sen käyttöönotossa oltava selkeä strategia sekä otettava huomioon yrityksen tavoitteet ja olemassa oleva infrastruktuuri käyttöönoton onnistumisen edellytysten parantamiseksi. 70 7 YHTEENVETO Tässä tutkimuksessa käsiteltiin generatiivisen tekoälyn käyttöönottoa yrityksissä tapaustutkimuksen kautta, keskittyen erityisesti hyötyihin ja haittoihin. Aiempaan tutkimukseen perustuvan kirjallisuuskatsauksen sekä tapaustutkimuksen avulla voidaan todeta, että generatiivisella tekoälyllä on paljon hyötyjä erityisesti rutiinitehtävien automatisoinnissa ja työn tehostamisessa. Haasteita generatiivisen tekoälyn käyttöönotossa ilmeni esimerkiksi tietoturvassa ja käyttäjien riittävässä osaamisessa. 7.1 Tutkimuksen keskeiset löydökset Tutkimuksen mukaan organisaatiolle keskeisiä hyötyjä generatiivisen tekoälyn käyttöönotosta ovat esimerkiksi rutiiniprosessien automatisointi, uuden sisällön generoiminen vanhan sisällön pohjalta, tiedon analysointi ja liiketoimintaprosessien nopeuttaminen. Esimerkiksi sähköpostien ja viikkoraporttien kirjoittaminen on helpottunut, kun generatiivinen tekoäly voi auttaa kirjoittamisessa ja tuottaa dokumentin esimerkiksi annettujen tietojen ja organisaation viestintätyylin avulla. Uuden sisällön luominen ja markkinointiviestinnän hyperpersonovoitavuus ovat myös organisaation sisällä tunnistettuja hyötyjä. Myös generatiivisen tekoälyn kyky vastata monimutkaisiinkin kysymyksiin on osoittautunut tehokkaaksi, ja sen kyky hakea tietoa myös erillisten ohjesivujen lisäksi vaikkapa Teams-keskusteluista on ollut hyödyllinen. Tiedonhaun tehostaminen on organisaation työntekijöiden mukaan auttanut tehostamaan asiakaspalvelua, jolloin asiakaspalvelija voi keskittyä enemmän tilanteen ratkaisemiseen. Tiedon analysoinnissa yritys onnistui hyödyntämään tekoälypohjaista tekstianalyysiä löytäen asiakaspalstoiltaan esimerkiksi ongelmia, joita asiakkaiden ei tiedetty kokevan, sillä niistä ei ollut tehty vikailmoituksia. Generatiivinen tekoäly auttoi analysoimalla suuren määrän tekstidataa, jota organisaatiolla ei olisi mahdollista tehdä yhtä tehokkaasti ihmistyöntekijöillä. Tämä auttoi yritystä ymmärtämään asiakkaitaan paremmin ja näin parantamaan asiakaskokemusta. Tutkimuksessa ilmeni myös käyttöönottoon liittyviä haasteita. Näistä suurimpia oli tekoälyn tuottaman tiedon oikeellisuus, työntekijöiden käyttöhalukkuus ja käyttäjien riittämätön koulutus. Tiedon oikeellisuus ja tietoturva ovat haasteita, joita organisaation tulee ottaa huomioon. Generatiivinen tekoäly saattaa ”hallusinoida”, eli tuottaa vakuuttavaakin tietoa joka on joko väärää tai täysin keksittyä. juuri tällaisissa tapauksissa tulee varmistaa, että tekoälyn tuottama sisältö tarkistetaan eikä siihen luoteta sokeasti. tekoälymalleja myös koulutetaan niille syötetyn sisällön perusteella, jolloin on erittäin tärkeää, että sille syötetään vain sallittuja tietoja. Esimerkiksi 71 henkilötietojen päätyminen vääriin käsiin tekoälyjärjestelmän kautta voi aiheuttaa organisaatiolle mainehaittaa sekä laillisia seurauksia ja jopa sakkoja. Tämän estämiseksi, tulee organisaatiolla olla selkeät ohjeistukset tekoälyn tietoturvalliseen ja eettiseen käyttöön. Tutkimuksesta selvisi, että käyttäjien käyttöhalukkuus vaihtelee, ja tekoälyjärjestelmän käyttöön annettu koulutus koettiin riittämättömäksi. Tutkimuksen mukaan ne henkilöt, jotka kokivat saaneensa organisaatiolta riittävästi tukea ja koulutusta järjestelmän käyttöön, olivat huomattavasti todennäköisempiä käyttäjiä. Generatiivisen tekoälyn käyttöönotto on yritykselle kustannus, ja mikäli työntekijät eivät hyödynnä sitä, on investointi ollut turha. Organisaatioiden tuleekin varmistaa, että tekoälyjärjestelmien käyttöönoton jälkeen työntekijöiden koulutus järjestelmiin varmistetaan, käytöstä tehdään luonteva osa työprosessia, ja saadaan työtekijät ymmärtämään siitä saatavat hyödyt omassa työssään. Kokonaisuudessaan tutkimus osoittaa, että generatiivisella tekoälyllä on huomattava potentiaali parantaa organisaatioiden tehokkuutta erilaisin keinoin, samalla säästäen työntekijöiden työpanosta monimutkaisempiin ja luovuttaa vaativampiin tehtäviin. Jotta käyttöönotto on tehokas, tulee organisaation ottaa käyttöönoton haasteet huomioon ja ohjata käyttöönottoprosesseja ja esimerkiksi henkilöstön koulutusta sen pohjalta. 7.2 Vertailu aiempaan tutkimukseen Aiemmassa tutkimuksessa on selvinnyt erilaisia hyötyjä, haittoja ja rajoitteita joita liittyy generatiivisen tekoälyn käyttöönottoon. Tämän tutkimuksen havainnot vahvistavat näitä teorioita erityisesti hyötyjen ja motivaatiotekijöiden osalta. Esimerkiksi rutiinitehtävien automatisointi ja tehokkuuden lisäys ovat aiemmin tunnistettuja hyötyjä(Grewal ym., 2021)tämä tutkimus osoittaa, että erityisesti tekoälyyn positiivisesti suhtautuvat työntekijät kokevat sen hyödylliseksi ja ovat tietoisia generatiivisen tekoälyn mahdollisuuksista. Myös käyttöönottoon liittyvät motivaatiot tukivat aiempaa tutkimusta, sillä ne työntekijät, jotka kokivat tekoälyjärjestelmien käyttöönoton hyödyllisenä ja kokivat niiden helpottavan työtehtäviään, olivat myös myönteisimpiä sen käyttöönottoa kohtaan. Motivaatiotekijät olivat samankaltaisia kuin aiemmassa kirjallisuudessa ja erityisesti käytön hyödyllisyys oli merkittävä tekijä myös tämän tutkimuksen pohjalta. (Venkatesh ym., 2003). Sen sijaan käytön helppoudella ei tutkimuksen mukaan ollut niin suurta merkitystä, kuin teoria antaa ymmärtää, mikä voi viitata siihen, että työntekijät ovat valmiita käyttämään uutta teknologiaa, jos he kokevat sen tuovan lisäarvoa, vaikka sen käytön omaksuminen olisi aluksi haastavaa. Aiemmin tunnistetut haitat, kuten järjestelmän monimutkaisuus, työntekijöiden ymmärryksen puute järjestelmän käytöstä sekä esimerkiksi pelko työpaikan menetyksestä olivat tekijöitä, jotka oli tunnistettu jo aiemmassa 72 tutkimuksessa ja myös tämä tutkimus tuki aiempaa teoriaa. Esimerkiksi Venkateshin UTAUT-teorian mukaan työntekijät, jotka eivät koe osaavansa käyttää teknologiaa eivätkä koe saaneensa riittävää tukea, eivät ole niin innokkaita sen käyttöönottoon verrattuna niihin, jotka kokevat saaneensa tarpeeksi tukea. Myös tämä tutkimus vahvisti kyseisen teorian havainnot: riittämätön koulutus ja tuki järjestelmää käytettäessä heikensivät työntekijöiden käyttöaikomusta. Toisaalta tutkimuksessa tuli ilmi myös, että pelkästään valitut teoriat eivät riitä arvioimaan tekoälyn käyttöönottoprosessia. Generatiiviseen tekoälyyn liittyy vahvasti eettisyyteen ja tietoturvaan liittyviä haasteita, ja organisaation on otettava ne huomioon käyttöönoton onnistumiseksi. Pelkästään helppokäyttöisyys ja tehokkuus eivät riitä onnistuneeseen käyttöönottoon, vaan on huomioitava isäksi generatiivisen tekoälyn riski väärän tiedon tuottamiseen ja hallusinointiin. Lisäksi järjestelmän toimivuuteen liittyy olennisesti tiedon oikeellisuus, johon generatiivisen tekoälyn koulutusvaiheessa on syytä kiinnittää huomiota. Tällaiset seikat voivat vaikuttaa generatiivisen tekoälyn käyttöönottoon. 7.3 Tutkimuksen rajoitteet Tässä tutkimuksessa pyrittiin kartoittamaan generatiivisen tekoälyn käyttöönoton liittyviä hyötyjä ja riskejä suuryrityksen ja erityisesti sen työntekijöiden näkökulmasta. Vaikka tutkimus toi esiin löydöksiä ja vahvisti aiempaa tutkimusta, siinä on kuitenkin rajoitteita. Ensimmäinen rajoite on otoskoko, joka vaikuttaa negatiivisesti tutkimuksen yleistettävyyteen. Kyselyyn osallisuti ainoastaan 28 työntekijää, ja haastatteluihin 3 työntekijää. Tämä voi tarkoittaa, etät saadut tulokset heijastelevat pienen joukon näkökulmaa, eivätkä ne ole välttämättä yleistettävissä muihin organisaatioihin tai toimialoihin. Suuremmalla otoskoolla tehty tutkimus saattaisi lisätä tutkimuksen tilastollista voimaa ja tarjota mahdollisuuksia luotettavampaan ja monipuolisempaan data-analyysiin. Myös aineiston keruu tuo omat rajoitteensa. Aineisto kerättiin itsearviointiperusteisesti kyselylomakkeella, joka voi johtaa ennakkoasenteisiin. Työntekijät saattavat esittää optimistisia tai hyviksi kokemiaan mielipiteitä, vaikka he eivät välttämättä olisi samaa mieltä. Tätä on kuitenkin pyritty ehkäisemään vastausten anonymisoinnilla. Tutkimuksen teoreettinen viitekehys ja hypoteesit perustuvat UTAUTmalliin ja tietojärjestelmien menestysmalliin. Vaikka nämä mallit tarjoavat vahvan perustan, niiden käyttö rajoittaa tutkimusta siihen, mitä näissä malleissa pidetään keskeisinä tekijöinä. Esimerkiksi eettiset kysymykset, jotka nousivat esiin haastatteluissa, jäivät osin mallin ulkopuolelle. Näiden kysymysten laajempi tarkastelu voisi tarjota syvällisempää ymmärrystä tekoälyn käyttöönottoon liittyvistä huolista. 73 Regressiomallin osalta on myös rajoituksia, sillä se selitti vian osittain generatiivisen tekoälyn käyttöaikomuksiin vaikuttavia tekijöitä. Mallin selitysasteen ollessa 0.34, jää muuttujiin selittämätöntä vaihtelua, ja saattaa sisältää muuttujia joita ei otettu huomioon. Esimerkiksi yksilölliset erot saattavat olla merkittäviä tekijöitä, mutta niitä ei käsitelty syvällisesti. Viimeisenä rajoitteena on tutkimuksen ajallinen näkökulma. Generatiivinen tekoäly on uusi teknologia, joka kehittyy kaiken aikaa. Sen pitkäaikaisista vaikutuksia ei ole analysoitu, ja asenteet ja mielipiteet saattavat muuttua ajan myötä esimerkiksi teknologian yleistyessä. Tämä saattaa rajoittaa tutkimusten tulosten yleistettävyyttä pitkällä aikavälillä. Näistä rajoitteista huolimatta tutkimus tarjoaa arvokasta tietoa generatiivisen tekoälyn käyttöönotosta, ja tuloksia voidaan hyödyntää perustana niin jatkotutkimuksille kuin käytännön sovellutuksillekin. Tulevaisuudessa tutkimuksen laajentamista voidaan pohtia esimerkiksi suuremman otoskoon tai pitkäaikaisseurannan avulla. 7.4 Jatkotutkimusaiheet Tutkimuksen perusteella on mahdollistaa tunnistaa erilaisia aiheita jatkotutkimuksiin. Ensimmäinen merkittävä jatkotutkimuksen aihe on tekoälyn käyttöönoton pitkän aikavälin vaikutus työntekijöiden rooleihin, työnkuviin ja esimerkiksi työtyytyväisyyteen. Vaikkakin tutkimuksessa osoitettiin, että tekoälyllä on mahdollista tehostaa työskentelyä. ja siten helpottaa työtaakkaa, on tarve pidemmältä ajalta tehtävälle tutkimukselle, joka seuraa työntekijöiden työnmuutosta. Tutkimusaihe on erityisen tärkeä, sillä sen avulla voidaan tutkia tarkemmin, miten työelämä ja työtehtävät muuttuvat tekoälyn kehityksen myötä, samalla asettaen esimerkiksi uudenlaisia vaatimuksia työntekijöiden osaamiselle. Toinen keskeinen tutkimusaihe liittyy tietoturvaan, eettisyyteen ja yksityisyyden suojaan käytettäessä tekoälyjärjestelmiä. Tekoälyjärjestelmien käyttö edellyttää suurten tietomäärien analysointia ja käsittelyä, jolloin on ensiarvoisen tärkeää, että tietoja käsitellään läpinäkyvästi, eettisesti ja tietoturvallisesti. Eettisten kysymysten tarkastelu on erityisen tärkeää toimittaessa välittömästi asiakasrajapinnassa, sillä virheelliset toimintamenetelmät saattavat aiheuttaa mainehaittojen lisäksi esimerkiksi asiakkaiden tietojen vuotamista väärille tahoille, mikä voi aiheuttaa suuriakin ongelmia yritykselle. Jatkotutkimus voisi keskittyä esimerkiksi luomaan ohjeistusta tekoälyjärjestelmien eettiseen ja vastuulliseen käyttöön, sekä esimerkiksi tuottamaan standardeja tekoälyjärjestelmien käytössä olevan tiedon käsittelyyn. Näiden jatkotutkimusaiheiden tarkastelu ja tutkimus antaisi tarkempaa tietoa siitä, miten tekoäly muokkaa työelämää ja sen vaatimuksia, sekä tuottaisi ratkaisuja tekoälyn käyttöönoton nykyisiin haasteisiin. Tämä voisi auttaa organisaatioita käyttöönottoprosessia helpottamalla, työntekijöitä lisäämällä 80 Venkatesh, V. (2022). Adoption and use of AI tools: A research agenda grounded in UTAUT. Annals of Operations Research, 308(1–2), 641–652. https://doi.org/10.1007/s10479-020-03918-9 Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540 William H. Delone, & Ephraim R. McLean. (2003). The DeLone and McLean Model of Information Systems Success: A Ten-Year Update. Journal of Management Information Systems, 19(4), 9–30. https://doi.org/10.1080/07421222.2003.11045748 Woodside, A. G. (. (2016). Case Study Research. Emerald Publishing Limited. Zhang, Y., Zhang, J., & Chen, J. (2013). Critical Success Factors in IT Service Management Implementation: People, Process, and Technology Perspectives. 2013 International Conference on Service Sciences (ICSS), 64–68. https://doi.org/10.1109/ICSS.2013.38