Pro
Siirry sisältöön
HR ja johtaminen

Muutosjohtaminen tekoälyn aikakaudella

Kirjoittajat:

Merja Drake

yliopettaja, myynnin kehittäminen ja digitalisaatio
Haaga-Helia ammattikorkeakoulu

Julkaistu : 10.12.2024

Tekoäly vaikuttaa työhön, työntekijöihin, johtajiin, asiakkaisiin, yhteiskuntaan ja sen kansalaisiin – halusimme tai emme. Erityisesti generatiivisen tekoälyn sovelluksia on jo laajasti käytössä eri tehtävissä ja toimialoilla. Osa nykyisistä työtehtävistä katoaa ja uusia tulee tilalle. Tekoälyn käytön hyödyistä on runsaasti tutkimuskirjallisuutta, mutta tutkijat ovat tuoneet esille myös tekoälyn aiheuttamia haasteita ja jopa ongelmia. Muuttuva työmaisema merkitsee tarvetta työntekijöiden uusille rooleille, tiedoille ja taidoille.

Tekoäly aiheuttaa kiistatta työyhteisöissä muutoksia, joiden merkitystä organisaation johtamisen näkökulmasta tulisi tarkastella syvällisemmin. Tässä artikkelissa pohdin, kuinka tekoäly muuttaa johdon työtä ja miten tekoälyn aiheuttamaa työn muutosta tulisi johtaa.

Onko tekoälyn käyttöönotto johtamisongelma?

Suomessa tekoälyn käyttöönotto on ollut muita Pohjoismaita innokkaampaa Are Nordic organisations ready for AI? -tutkimuksen (2024) mukaan. Raportin mukaan suomalaisista yrityksistä noin 67 prosenttia käytti keväällä 2024 tekoälyä ainakin yhteen toimintoon, kun esimerkiksi vastaava luku ruotsalaisista yrityksistä on noin 48 prosenttia. Tekoälyn tehokkaamman käytön hidasteena voi olla se, että yrityksistä vain noin 15 prosentilla on jonkinlainen strategia tekoälyn käyttöönottamisesta ja hyödyntämisestä ja osa johtajista ja keskitason päälliköistä ei tiennyt, onko sellaista olemassa.

Tekoäly voi vaikuttaa johdon työskentelyyn strategian, toiminnan ja hallinnon tasoilla (Korzynski et al. 2023). Tekoäly voi esimerkiksi edistää päätöksenteon rationaalisuutta. Toisaalta tekoäly asettaa lisähaasteita rationaaliselle päätöksenteolle: ihmisten tekemät päätökset voivat olla subjektiivisesti vinoutuneita ja epärationaalisia, jolloin päätökset eivät ole optimaalisia (Gil et al. 2020). Parhaimmillaan tekoäly auttaa tekemään päätöksiä, joissa asiaa tarkastellaan objektiivisesti ja rationaalisesti. Tekoälyn käyttämää dataa on kuitenkin joskus pidetty vinoutuneena, ja tällöin sen pohjalta tehtyjä päätöksiä syrjivinä (o’Connor & liu 2023). Tekoälyn syrjivyys ja hallusinointi eli keksittyjen tietojen antaminen voivat aiheuttaa sen käyttöönoton hidastumista (Du & Xie 2021).

Tekoäly on yhä laajemmin käytössä organisaatioissa (Rasch & Krakowski 2021), minkä vuoksi on tärkeää tarkastella sitä muutosjohtamisen näkökulmasta. Tekoälyn aiheuttaman teknologisen murroksen vuoksi työntekijät tarvitsevat uusia taitoja (Sousa & Alvaro 2019) ja johdon on päätettävä, miten käyttö organisoidaan.

Tekoälyavusteinen muutoksen johtaminen

Muutoksen johtaminen on moniulotteinen haaste. Muutoksen syitä ovat usein esimerkiksi ratkaistavat ongelmat, uusien teknologioiden omaksuminen, ympäristön muutokset, kuten lainsäädäntö tai asiakastarpeet, sekä johtamiseen liittyvät kysymykset (Greenhalgh et al. 2004; Kanitz et al. 2023). Muutos voi epäonnistua, koska muutokset eivät vastaa työntekijöiden ja johtajien odotuksia (Stouten et al. 2018), muutossuunnitelmat ovat epäselviä, viestintä ei ole riittävää ja visio on hämärtynyt (Kavanagh & Ashkanasy 2006; Kotter 1996), työntekijät eivät luota johtajiin (Rafferty & Simons 2006), työntekijät vastustavat muutosta (Ford et al. 2008) tai muutos aiheuttaa stressiä työntekijöissä (Dahl 2011; Rafferty & Griffin 2006).

Johtaminen sisältää valintojen tekemistä ainakin neljällä toisiinsa liittyvällä alueella:

  • miten työtä koordinoidaan,
  • miten päätöksiä tehdään,
  • miten tavoitteet asetetaan ja
  • miten työntekijöitä motivoidaan (Birkinshaw 2010).

Tämä luonnollisesti edellyttää paljon erilaista päätöksentekoa. Aiempi tutkimus on osoittanut, että tekoälyä soveltuu hyvin nimenomaan päätöksenteon tukemiseen erityisesti organisaatioissa, joissa on saatavissa paljon dataa (Cao et al. 2021; Brock & von Wangenheim 2019), sillä tekoäly voi löytää organisaation datasta uusia ideoita ja näkökulmia toiminnan kehittämiseksi (Jovanovic et al. 2022). Myös työntekijät voivat hyötyä tekoälystä hiomalla sen avulla omia analyyttisiä ja päätöksentekotaitojaan (Wilson & Daugherty 2018).

Tekoälyn kanssa työskennellessä kriittinen ajattelu on tärkeää, sillä tekoälyn hallusinointi on havaittu sen ominaispiireeksi: sen antamiin tietoihin ei voi aina luottaa ja tiedot voivat aiheuttaa puolueellisia tuloksia (Huang & Rust 2021) tai päätökset perustuvat epävarmoihin tietoihin (Agrawal, Gans & Goldfarb 2019) ja algoritmikin voi olla puolueellinen (Lambrecht & Tucker 2019; Waelen & Wieczorek 2022).

Hallusinoinnista huolimatta tutkijat uskovat, että tekoäly voi antaa erilaisia suosituksia johtajille (Korzynski et al. 2023), auttaa tiedonhallinnassa (Brock & von Wangenheim 2019) ja helpottaa ymmärtämään monimutkaisia asioita päätöksenteon tukemiseksi (Jarrahi 2018). Tekoäly voisi avustaa johtajia muutoksen vaikeista asioista viestimisessä ja epävarmuuden vähentämisessä (Kanitz et al. 2023), muutokseen liittyvien keskeisten sidosryhmien mielipiteiden seulonnassa (Cao et al. 2021) ja sen seuraamisessa, onko muutos oikealla tiellä (Wolf, Bohn & Brugger 2023).

Johtajien olisi hyvä olla perillä oman henkilöstönsä tekoälyosaamisesta ja ylipäätään suhtautumisesta tekoälyyn (Venkatesh et al. 2023; Rosales & Fernández-Ardèvol, 2020), jotta johtajisto voisi ennustaa muutosvastarintaa ja sen vaikutuksia muutosprosessiin. Ehkä tärkein avain on kouluttaa johtajat ymmärtämään tekoälyn mahdollisuudet muutosjohtamisessa (Cao et al. 2021; Stouten et al. 2018).

Mitäpä jos johtajat korvataan tekoälyllä?

Tekoälyn tulo työpaikolle tuntuu olevan aikaisempiin teknologisiin uudistuksiin verrattuna varsin erilainen työkalu vai pitäisikö sanoa pikemminkin uusi kollega. Se on lähes ihmismäinen, jolta voi kysyä mitä vain ja jonka kanssa voi opetella uusia asioita, kunhan muistaa kriittisyyden, tietosuojan, yritysten eettiset ohjeet ja muun tekoälyn ympärille muotoutuneen ohjeistuksen.

Monissa tutkimuksissa on väitetty, että tekoälyllä korvataan rutiininomaista työtä. Entä, jos sen avulla korvattaisiin johtajat sen sijaan, että puhutaan Kotterin (1996) muutosjohtamisen kahdeksasta askeleesta, McKinseyn 7S-mallista tai Hiattin ADKAR-mallista (ks. Stouten et al. 2006). Tutkijat puhuvat NOW johtamisesta ja NEW johtamisesta. NEW johtaminen tarkoittaa sitä, että johtajat hyödyntävät digitaalista viestintää ja johtavat etä- ja hybridityövoimaa eli lähinnä he johtavat vanhoilla opeilla. NEW-johtaminen hyödyntää tehokkaasti algoritmeja ja ihmiset ja tekoäly johtavat yhteistyössä (Raisch & Krakowski 2020).

NEXT-johtaminen vie tekoälyjohtamisen askeleen pidemmälle. Niels Van Quaquebeke ja Fabiola Gerpott (2023) uskovat, että johtamisen seuraava vaihe on se, että tekoäly ei ainoastaan tue, vaan korvaa ihmisten johtamisen. Tekoälyjohtajat viestivät ihmistä paremmin ja voivat jopa vastata henkilöstön psykologisiin tarpeisiin. Tämä johtaa siihen, että ihmisjohtajia tarvitaan vähemmän erityisesti alemmalla ja keskijohtotasolla. Ihmisjohtajiakin tarvitaan, mutta he eivät johda ihmisiä, vaan tekoälyä, joka johtaa ihmisiä. Jos näin tapahtuu, tutkimus muutosjohtamisen kentällä tulee sekin muuttumaan huomattavasti.

Digitalisaatio ja erityisesti tekoälysovellukset kehittyvät niin nopeasti, että muutos tuntuu jatkuvalta ja sykliseltä. Siksi sekä johtajien että työntekijöiden on pystyttävä nopeasti reagoimaan jatkuviin muutoksiin ja sopeutumaan jatkuvan oppimisen ja itsensä kehittämisen ajatukseen. Teknologia ja tekoäly ovat arvokkaita apuvälineitä tässä muutoksessa, ja muutos tarkoittaa ihmisen ja koneen symbioosia – tavalla tai toisella.

Kirjoitus on tuotettu AI Driver hankkeessa, jonka tarkoituksena on lisätä yleistä tietoa tekoälyn käytöstä ja merkityksestä työelämälle, opetukseen ja koulutukseen. AI DRIVER! – Digital business transformations
Human AI interaction in service business and open education hanke on OKM:n rahoittama.

Lähteet

Are Nordic organisations ready for AI? 2024. The effect of AI on how organisations think about their digital transition and skills. Written by Think Tank Mandag Morgen (Monday Morning) for the ADD project, DI Digital, Digital Dogme, EY, Finansforbundet, HK, LinkedIn, Microsoft and Netcompany.

Agrawal, A., Gans, J. & Goldfarb, A. 2019. Exploring the impact of artificial Intelligence: Prediction versus judgment. Information Economics and Policy Volume 47, June 2019, Pages 1-6.

Agrawal, A., Gans, J. & Goldfarb, A. 2018. Prediction Machines. Boston: Harvard Business Review Press.

Ashritha, P. & Reddy, P.S. 2023. Impact of artificial intelligence on management decision-making. International Journal of Advances in Business and Management Research, pp. 10-18.

Barr, A. & Feigenbaum, E.A. 2014. Artificial intelligence. In The handbook of artificial intelligence, vol 1. (eds.) Barr & Feigenbaum. Butterworth-Heineman.

Birkinshaw, J. 2010. Reinventing Management: Smarter Choices for Getting Work Done. Hoboken, NJ: Wiley.

Brock, J.K. & von Wagenheim, F. 2019. Demystifying AI; what digital transformation leaders can teach you about realistic artificial intelligence. Calif. Manag. Rev. 61(4), 110-134.

Canals, J & Heikamp, F. 2020. The Future of Management in an AI World Redefining Purpose and Strategy in the Fourth Industrial Revolution. IESE Business Collection. palgrave mcmillan.

Du, S. & Xie, C. 2021. Paradoxes of artificial intelligence in consumer markets: Ethical challenges and opportunities. Journal of Business Research 129 (2021) 961-974.

Feijoo, C., Kwon, Y., Bauer, J.M. Bohlin, E. Holwell, B., Jain, R. Potgierter, P. Vu, K., Whalley, J. & Xia, J. 2020. Harnessing artificial intelligence (AI) to increase wellbeing for all: The case for a new technology diplomacy. Telecommunications Policy 44 (2020) 101988.

Gil, D.,Hobson, S., Mojsilović, A., Puri, R. & and Smith, J.R. 2020. AI for Management: An Overview. Journal of the Academy Marketing Science, 49(1) pp. 30-50.

Greenhalgh, T., Robert, G., Macfarlane, F., Bate, P., & Kyriakidou, O. 2004. Diffusion of innovations in service organizations: Systematic review and recommendations. Milbank Quarterly, 82: 581–629.

Huang, M.H. & Rust, R.T. 2020. A strategic framework for artificial intelligence. November 2020 Journal of the Academy of Marketing Science 49(2).

Jarrahi, M. H. 2018. Artificial intelligence and the future off work: Human-AI symbiosis in organizational decision-making. Business Horizons (2018) 61, pp. 577-586.

Kanitz, R., Gonzalez, K., Briker, R. & Straatmann, T. 2023. Augmenting Organizational Change and Strategy Activities: Leveraging Generative Artificial Intelligence. Journal of Applied Behavioral Science 2023, Vol 59 (3) pp. 345-363. Sage.

Kavanagh, M. H. & Ashkanasy, N. M. 2006. The Impact of Leadership and Change Management Strategy on Organizational Culture and Individual Acceptance of Change during a Merger. March 2006British Journal of Management 17(S1):S81 – S103.

Korzynski, P., Mazurek, G., Altmann, A., Ejdys, J. Kazlauskaite, R., Paliszkiewicz, J., Wach, K. & Zimba, E. 2023. Generative artificial intelligence as a new context for management theories: analysis of CharGPT. Central European Management Journal Vol. 31 No 1, 2023 pp 3-13.

Kotter, J.P. 1996. leading the change. Haward Business School Press. Boston, Massachuttets, USA.

Lambrecht, A. & Tucker, C. 2019. Algorithmic bias? An empirical study of apparent gender-biased discrimination in the display of STEAM career ads. Management Science, 65(7), pp. 2966-2981.

Lee, S.H., Shin, T. & Baek, S.I. 2017. The impact of job demands and resources on job crafting. Journal of Applied Business Research, 33(4), 829-842.

Mannheim, I., Schwartz, E., Xi, W., Buttigieg, S. C., McDonnell-Naughton, M., Wouters, E. J. M., & van Zaalen, Y. 2019. Inclusion of older adults in the research and design of digital technology. International Journal of Environmental Research and Public Health, 16(19), 3718.

Rafferty, A.E. & Griffin, M. 2006. Perceptions of Organizational Change: A Stress and Coping Perspectives. Journal of Applied Psychology September 2006.

Raisch, S. & Krakowski, S. 2021. Artificial intelligence and management: The automation augmentation paradox. Academy of Management Review. 2021, Vol. 46, No. 1, 192–210.

Rosales, A., & Fernández-Ardèvol, M. 2020. Ageism in the era of digital platforms. Convergence (London, England), 26(5–6), 1074–1087.

Schepman, A. & Rodway, P. 2020. The General Attitudes towards Artificial Intelligence Scale (GAAIS): Confirmatory Validation and Associations with Personality, Corporate Distrust, and General Trust. INTERNATIONAL JOURNAL OF HUMAN-COMPUTER INTERACTION 2023, VOL. 39, NO. 13, 2724–2741.

Sousa, M. J. & Alvaro, R. 2019. Digital learning: Developing skills for digital transformation of organizations. Future Generation Computer Systems. Volume 91, February 2019, Pages 327-334.

Stouten, J., Rousseau, D. & De Cremer, D. Successful organization change: integrating the management practice and scholarly literatures. Academy of Management Annals 2018, Vol. 12, No. 2, 752–788.

Van Quaquebeke, N. & Gerpott, F. 2023. The Now, New, and Next of Digital Leadership: How Artificial Intelligence (AI) Will Take Over and Change Leadership as We Know It. Journal of Leadership & Organizational Studies pp. 1–11.

Varma, A., Dawkins, C & Chaudhuri, K. 20223. Artificial intelligence and people management: A critical assessment through ethical lens. Humas Resource Management Review 33 (2023) 100923.

Venkatesh, V., Morris, M.G., Davis, G.B. & Davis, F.D. 2003. User acceptance of information technology. Towards a unified view. MIS Quartely, 27(3), 425-478.

Wilson, H.J. & Daugherty, P.R. 2018. Collaborative intelligence: humans and AI are joining forces. Havard Business Review, 96 (4), pp. 114.123.

Wolf, C., Bohn, U. & Brugger, L. 2023. Data-driven organisations: Boosting change success with data. Capgemini Invent. Retrieved 13th of November 2024.

Kuva: Shutterstock