Nollasta prototyyppiin – miten rakensimme työkalun kiertotalousliiketoiminnan tarkasteluun

Kiertotalouden merkitys ja perusperiaatteet tunnetaan, mutta konkreettisia ja helposti käytettäviä työkaluja yritysten käyttöön on vielä varsin vähän. KIRKAS-hankkeessa päätimme tarttua tähän haasteeseen, ja kehittää erityisesti pk-yritysten käyttöön sopivia työvälineitä erilaisten kiertotalousliiketoimintojen suunnitteluun sekä kiertotalousliiketoiminnan kannattavuuden tarkasteluun.

Tässä kirjoituksessa kuvaamme erilaisia kiertotalouden liiketoimintavaihtoehtoja tarkastelevan työkalun kehittämisprosessin nollasta ensimmäiseen toimivaan prototyyppiin sekä avaamme keskeisiä oppeja matkan varrelta.

Mistä lähteä liikkeelle, kun valmiita ratkaisuja ei ole?

Kehittämistyömme taustaksi tutustuimme erilaisiin julkaisuihin, ohjeisiin ja työkaluihin, joita kiertotalouteen liittyen on tehty. Kiertotaloudesta on puhuttu paljon, ja siihen liittyvää koulutusmateriaalia on runsaasti saatavilla myös maksuttomasti. Useissa hankkeissa on koulutusten ja infopakettien lisäksi tuotettu lisäksi malleja ja työkaluja kiertotalouteen liittyvien asioiden pohtimiseen.

Oma tarkastelumme kuitenkin osoitti, että konkreettisia ja helppokäyttöisiä työvälineitä oman toiminnan kiertotalousmahdollisuuksien tunnistamiseen löytyi vielä varsin vähän. Vielä tätäkin vähemmän on tarjolla kiertotalousliiketoiminnan talouden ja kannattavuuden tarkasteluun sopivia työkaluja ja malleja. Tämä havainto ohjasikin koko työkalukehitystämme, ja tavoitteeksi asetimme tuottaa ratkaisu, joka ei ainoastaan kartoita kiertotalouspotentiaalia, vaan myös auttaa arvioimaan sen taloudellisia vaikutuksia.

Kehittämistyössämme lähdimme soveltamaan Design Thinking –mallia, jossa edetään ilmiön ymmärtämisestä ongelman määrittämiseen, ratkaisujen ideointiin ja prototyypin luomiseen (Plattner, Meinel & Leifer 2011). Edellä kuvattu perehtyminen aiheeseen käyttäjähaastattelujen, aineistoanalyysin sekä työkalujen vertailun avulla edusti mallissa mainittua ymmärryksen kasvattamista. Tämän jälkeen siirryimme määrittämään ongelmaa ja ideoimaan mahdollisia ratkaisuja.

Näitä aikaisemmin muissa yhteyksissä kehitettyjä työkaluja ja malleja käytimme oman suunnittelutyön pohjana ja ideapankkina. Esimerkkeinä käyttämistämme malleista voidaan mainita:

• CEvaluator –työkalu, joka tarjosi ideoita työkalumme kysymysten rakenteeseen ja jäsentelyyn.
• Kiertotalousliiketoiminnan erilaiset suunnittelutyökalut nostivat esiin systemaattisen etenemismallin ja liiketoimintalähtöisen ajattelun merkityksen.
• Kevyemmät ratkaisut, kuten Circularity Calculator ja Digivalmiudet toimivat malleina visuaalisuudessa ja tulosten esittämisessä, jotka tukevat käyttäjän ymmärrystä ja päätöksentekoa.

Monet mallit ja työkalut ovat todella laajoja, teknisiä ja saattavat vaatia kirjautumaan erilaisiin palveluihin. Useat keskittyivät enemmänkin kestävyysraportointiin liittyvien tietojen laskentaan, eivät niinkään konkreettisen liiketoiminnan tukemiseen. Mikäli työkalu keskittyi liiketoimintaan ja oli suunnattu pienemmille yrityksille, oli kyseessä usein lomaketyyppinen tarkastelu oman pohdinnan tueksi ja jäsentäjäksi.

Yrittäjille ja pk-yrityksille suunnattua, helppokäyttöistä ja nopeasti täytettävää työkalua, joka tarjoaisi välittömän tuloksen ja ohjaisivat käyttäjää seuraaviin konkreettisiin, kannattavaan kiertotalousliiketoimintaan liittyviin toimenpiteisiin, ei ollut saatavilla.

Tavoitteemme olikin näiden tarkastelujen jälkeen selvä. Nyt tekemämme työkalun tuli olla helppo ja nopea täyttää, selkeä ja visuaalinen sekä ymmärrettävä ilman kiertotalouden erityisasiantuntemusta. Lisäksi keskeisenä vaatimuksena oli, että käyttäjä saa vastattuaan heti tuloksen näkyviin sekä konkreettisen käsityksen tilanteestaan ja siitä, mitä seuraavaksi olisi tarkoituksenmukaista tehdä.

Teoriasta käytäntöön: 9R-malli kehittämisen ytimenä

Prototyypin suunnitteluun siirtyessämme otimme työkalumme kiertotalousajattelun teoreettiseksi perustaksi niin sanotun 9R-mallin. Mallissa kiertotalouteen liittyy erilaisia strategioita tai toimia, jotka voidaan asettaa eräänlaiseen arvoportaikkoon. Ensisijaisena vaihtoehtona on turhan tuotannon välttäminen ja hankinnoista pidättäytyminen. Mikäli tuotannosta ei voida kokonaan luopua, tulisi miettiä mahdollisuuksia vähentää tuotannossa tarvittavien resurssien kulutusta sekä mahdollisuuksia tuotteen uudelleenkäyttöön, tuotteen elinkaaren pidentämiseen ja lopulta käytöstä poistetun tuotteen hyödyntämiseen osana uuden tuotteen valmistusta. Vasta viimeisenä keinona materiaalit kierrätetään uusiksi raaka-aineiksi tai ohjataan energiantalteenottoon. (Potting, Hekkert & Worrell 2017.)

Laadimme työkalua varten tekoälyn kanssa sparraillen listan kysymyksistä, joihin vastaamalla voisi tarkastella oman liiketoimintansa kiertotalousmahdollisuuksia 9R-mallin mukaisesti. Sekä kysymysten että vastausvaihtoehtojen osalta teimme useampia iteraatiokierroksia, jotta saimme muotoiltua niitä vastaajille mahdollisimman yksinkertaisiksi ja luonteviksi. Lisäksi oli tärkeä varmistua siitä, että läpi koko kyselyn tarkastelun näkökulma pysyy yhtenäisesti siinä puhutaanko nykytilasta vai tulevaisuuden mahdollisuuksista.

Kysymysten muotoilu on ollut koko kehitystyön kannalta erittäin keskeinen työvaihe. Vaikka tekoäly antoi siihen vauhtia muotoilemalla ensimmäisen version kysymyksistä, ei se silti tuottanut missään nimessä suoraan julkaisukelpoisia kysymyksiä. Ensimmäiset versiot kysymyksistä noudattivat kyllä toiveidemme mukaan R-strategioita, mutta edellyttivät vastaajalta edistyneitä tietoja kiertotaloudesta ja kestävyysdatasta, eivätkä näin ollen olleet hyödynnettävissä tavoitteemme mukaisen työkalun laatimisessa. Meidän tuli ’inhimillistää’ kysymyksiä useammalla kierroksella, että pääsimme lähemmäksi haluamaamme lopputulosta.

Tekoäly teknisen toteutuksen kumppanina

Alkuperäinen ajatus oli rakentaa työkalu Excel-makrojen avulla, sillä tähän oma osaamisemme olisi riittänyt. Päätimme kuitenkin kokeilla tekoälyä (Copilot) teknisen toteutuksen apurina, mikä muutti kehitystyömme suuntaa merkittävästi.

Annoimme tekoälylle kehotteita kehitystyön kannalta keskeisistä asioista, kuten:

• millaisia ominaisuuksia arvostimme löytämissämme, aikaisemmin julkaistuissa työkaluissa
• mitä halusimme uuden työkalun tekevän
• millaiselle kohderyhmälle työkalu on suunnattu
• minkälaisessa muodossa haluamme kyselyn tulokset esitettäväksi
• mihin tietoperustaan työkalun kysymykset nojaavat

Ensimmäinen tekoälyn tuottama versio oli jo yllättävän lupaava ja rohkaisi jatkokehitykseen. Tämä jatkokehitys tarkoitti testaamista, uusien ja tarkentavien kehotteiden antamista tekoälylle sekä oman tavoitteen kirkastamista. Lopulta tekoälyn ja ihmisen yhteistyönä syntyi verkkopohjainen JavaScriptillä toteutettu työkalu, joka on sekä visuaalinen että jaettavissa käyttäjille.

Tässäkin tekoäly toimi apurina ja jonkinlaisena mahdollistajana, mutta ei yksin ratkaissut tehtävää halutulla tavalla. Kehitystyön kuluessa työkalun lähdekoodi kasvoi nopeasti, eikä kokonaisuutta ollut enää millään tavalla mahdollista antaa kehotteina tekoälylle. Muutoksia piti siis tehdä suoraan koodiin, joka tosin oli saatu alkuun tekoälyn avustamana. Ilman aikaisempaa perusymmärrystä koodauksesta ei tätä kuitenkaan olisi ollut mahdollista tehdä, ja näin pelkkään maksuttomaan generatiiviseen tekoälyyn nojaamalla ei lopputulos olisi ollut toivotun kaltainen.

Tämä kehittämisvaihe havainnollisti ihmisen osaamisen merkityksen vielä tässä vaiheessa tekoälykehitystä. Kuten Nitor (2025) artikkelissaan kuvaa, tekoäly on tekemisen apuri, ei valmiiden ratkaisujen tuottaja. Tekoäly nopeuttaa ideointia, rakenteiden hahmottamista ja vaihtoehtojen tuottamista. Se suorittaa sille annetut tehtävät hyvin, jos sille on määritelty tarkasti, mitä sen halutaan tekevän ja mitä ongelmaa sen on tarkoitus ratkaista. Puutteellisesti määritellyt tavoitteet johtavat yksinkertaisiin, sisällöltään köyhiin, ja geneerisiin lopputulemiin.

On siis ensiarvoisen tärkeää, että tekoälyn kanssa työskentelevällä ihmisellä on ymmärrys kokonaisuuksista ja asioiden syy-seuraussuhteista, sekä kykyä kriittiseen ajatteluun.

MVP, testaus ja pisteytyslogiikan hiominen

Kun olimme muotoilleet työkalusta ensimmäisen toimivan version (MVP, Minimum Viable Product), oli aika kiinnittää huomiota laskurin pisteytyslogiikkaan. Ohjelma ei sisältänyt valmiiksi dokumentoitua logiikkaa siitä, miten vastaukset vaikuttavat eri strategioiden pisteisiin. Niinpä tulkitsimme ja muokkasimme pisteytystä suoraan koodista.

Pisteytyksen osalta kokeilimme kahta erilaista lähestymistapaa.

1. Laajempi pisteytysmalli (0–9), jossa lähes jokainen vastaus kerrytti jonkin verran pisteitä useille strategioille.
2. Rajattu pisteytysmalli (0–2), jossa paras strategia sai kaksi pistettä, muutama osittain sopiva yhden pisteen ja loput nolla pistettä.

Tässä vaiheessa työstimme rinnakkain useita vaihtoehtoja. Lopullisen valinnan teimme vasta testauksen edetessä ja tuloksia vertailemalla.

Vertailun ja testauksen jälkeen päädyimme laajempaan pisteytysmalliin, sillä se vaikutti tuottavan johdonmukaisempia ja selkeämmin tulkittavia tuloksia. Uskomme, että näin tulokset olisivat myös käyttäjien kannalta mielekkäämpiä. Tuloksissa korostuvat vahvimmin laskurin mukaan parhaiten soveltuvat kiertotalouden strategiavaihtoehdot. Tämä parantaa työkalun käytettävyyttä ja tukee sen alkuperäistä tavoitetta toimia nopeana ja ohjaavana päätöksenteon apuvälineenä.

Kun käyttäjä on vastannut kysymyksiin, työkalu tuottaa yhteenvedon niistä 9R-strategioista, jotka vaikuttavat tilanteessa parhailta kehitysaskelilta kiertotaloutta vahvistettaessa. Tuloksena vastaaja saa visuaalisen yhteenvedon eri 9R-strategioiden soveltuvuudesta, ehdotuksen parhaiten sopivasta strategiasta sekä lyhyen kuvauksen siitä, mitä strategia tarkoittaa käytännössä. Lisäksi käyttäjä saa tuloksena näkyviin kaksi muuta strategiaa, jotka voisivat olla jatkopohdinnan arvoisia, sekä konkreettisia ehdotuksia mahdollisista seuraavista toimenpiteistä.

Halutessaan käyttäjä voi siirtyä suoraan kannattavuuslaskuriin, jossa arvioidaan valitun ratkaisun investointikustannuksia, oletettuja säästöjä tai lisämyyntiä sekä ratkaisun elinikää. Laskurin avulla käyttäjä saa tuloksena arvion takaisinmaksuajasta, ROI:sta sekä ratkaisun kokonaisvaikutuksesta, mikä tukee päätöksentekoa ja seuraavien askelten suunnittelua.

Seuraavat askeleet: testaus ja jatkokehittäminen

Porvoon kampuksella aloittavilla liiketalouden opiskelijoilla on lukuvuosiprojektina omien liikeideoiden kehittäminen. Saamme kehittämämme työkalun testattavaksi näillä opiskelijaryhmillä, jolloin pystymme keräämään lisää tietoa työkalun käytettävyydestä ja toimivuudesta. Lisäksi toivomme, että työkalun testaaminen ohjaa opiskelijoita miettimään kiertotalouden liiketoimintamahdollisuuksia.

Kun ensimmäinen testauskierros opiskelijoiden kanssa on tehty, ja sen perusteella esiin nousseet kehitystarpeet huomioitu, siirrymme pilotoimaan työkalua yritysten kanssa. Tavoitteena on hioa kysymyksenasettelua, pisteytyslogiikkaa ja käyttökokemusta siten, että lopullinen versio palvelee kohderyhmää mahdollisimman hyvin.

Kokonaisuutena tämä vaihe vastaa Design Thinking mallin jatkuvaa arviointia ja uudelleenmäärittelyä, jossa ratkaisu kehittyy todellisissa käyttötilanteissa saadun palautteen perusteella.

Keskeiset havainnot kehittämisprosessissa

Kehittämisprosessissa totesimme, että käyttäjälähtöinen työkalu ei synny vain teoreettista mallia soveltamalla, vaan se vaatii sisällön yksinkertaistamista ja jatkuvaa sovittamista kohderyhmän käytännön tarpeisiin. Helppokäyttöisyys ei ole itsestäänselvyys, vaan vaativa ja tietoinen suunnitteluratkaisu, joka edellyttää usein monia iterointikierroksia.

Prosessin aikana vahvistui edelleen se ajatus, että tekoäly toimii tehokkaana kehittämisen tukena ideoinnissa ja teknisten ratkaisujen rakenteiden hahmottamisessa, mutta se ei tuota sellaisenaan valmiita, käyttökelpoisia ratkaisuja, eikä korvaa asiantuntijan roolia.

KIRKAS-hankkeen kehitysprosessi on hyvä esimerkki siitä, että vaikka valmista mallia ei olisi suoraan hyödynnettävissä, uusia ja toimivia ratkaisuja voidaan rakentaa yhdistämällä systemaattinen kehittämisote, rohkea kokeilu ja jatkuva oppiminen.

Kuva: Shutterstock