Yrityksen arvokkain tieto ei aina löydy toiminnanohjausjärjestelmästä, työohjeista tai prosessikuvauksista. Suuri osa osaamisesta elää työntekijöiden kokemuksissa: siinä, miten kokenut asentaja kuuntelee koneen ääntä, tuotannon työnjohtaja ennakoi viivästyksen tai ostaja tunnistaa epävarman toimitustilanteen.
Tätä kokemuksen kautta syntynyttä osaamista kutsutaan hiljaiseksi tiedoksi. Se näkyy käytännön valintoina, havaintoina ja toimintatapoina, mutta sitä voi olla vaikea sanoittaa tai siirtää toiselle ihmiselle.
Tekoäly voi auttaa tekemään osan hiljaisesta tiedosta näkyväksi, jäsennetyksi ja paremmin hyödynnettäväksi. Kun havaintoja yhdistetään toiminnanohjausjärjestelmän tietoihin, yritys voi parantaa perehdytystä, ennakointia, päätöksentekoa ja prosessien jatkuvuutta.
Tavoitteena ei kuitenkaan ole siirtää ihmisten kaikkea osaamista koneelle. Parhaimmillaan tekoäly auttaa tunnistamaan kokemuksen merkityksen ja tuomaan sen koko organisaation käyttöön.
Mitä hiljainen tieto tarkoittaa yrityksessä?
Hiljainen tieto on kokemukseen perustuvaa osaamista, jota ei ole kokonaan kirjattu järjestelmiin tai ohjeisiin. Työntekijä voi toimia oikein ja tehokkaasti, vaikka hänen olisi vaikea selittää kaikkia päätökseensä vaikuttavia tekijöitä.
Hiljaista tietoa voi olla esimerkiksi:
- tieto siitä, milloin koneen toiminta poikkeaa normaalista
- kyky ennakoida tietyn asiakkaan tilauksen muuttuminen
- kokemus toimittajien todellisesta toimitusvarmuudesta
- tuotannon kuormituksen käytännöllinen tasapainottaminen
- vaikeiden asiakastilanteiden ratkaiseminen
- poikkeustilanteissa toimiminen
- työn turvallisuuteen liittyvien heikkojen merkkien tunnistaminen
- epäviralliset mutta toimivat yhteistyö- ja tiedonkulkutavat.
Kaikki hiljainen tieto ei ole automaattisesti hyvää tai hyödyllistä. Kokemukseen voi sisältyä myös vanhentuneita käsityksiä, tarpeettomia kiertoteitä ja käytäntöjä, jotka ovat syntyneet järjestelmien tai prosessien puutteiden vuoksi.
Siksi hiljaisen tiedon näkyväksi tekemiseen kuuluu aina myös sen arviointi.
Miksi hiljainen tieto jää toiminnanohjausjärjestelmän ulkopuolelle?
Perinteinen ERP-järjestelmä käsittelee ennen kaikkea tapahtumia ja rakenteista tietoa: tilauksia, tuotteita, materiaaleja, työvaiheita, toimituksia, kustannuksia ja laskutusta.
Järjestelmä kertoo yleensä, mitä tapahtui. Se ei välttämättä kerro:
- miksi työntekijä muutti suunnitelmaa
- mitä poikkeavaa hän havaitsi
- mihin aikaisempaan kokemukseen ratkaisu perustui
- miksi virallista toimintatapaa ei voitu noudattaa
- millainen riski vältettiin
- mitä olisi todennäköisesti tapahtunut ilman korjaavaa toimenpidettä.
Jos ratkaisun perusteita ei kirjata, yritys näkee ERP-järjestelmässä vain lopputuloksen. Osa päätöksenteon kannalta arvokkaasta tiedosta jää työntekijän muistiin.
Miten tekoäly voi auttaa tunnistamaan hiljaista tietoa?
Tekoäly ei lue ihmisen ajatuksia. Se voi kuitenkin tunnistaa toistuvia toimintamalleja, poikkeamia ja yhteyksiä, joita suurista tietomääristä olisi vaikea havaita käsin.
Toimintamallien analysointi
Tekoäly voi analysoida ERP-järjestelmään tallentuvia tapahtumia ja vertailla niitä toteutuneisiin tuloksiin.
Se voi esimerkiksi havaita, että kokenut työnjohtaja:
- muuttaa työjärjestystä tietyn materiaalin saapuessa myöhässä
- kasvattaa määrättyjen tuotteiden läpimenoaikavarausta
- vaihtaa toimittajaa tietyissä olosuhteissa
- tarkistaa tietyt tilaukset tavallista aikaisemmin
- ajoittaa huoltotoimenpiteen ennen järjestelmän virallista hälytystä.
Toistuva toimintamalli voi sisältää arvokasta kokemustietoa. Ennen sen muuttamista automaattiseksi suositukseksi on kuitenkin selvitettävä, miksi työntekijä toimii näin.
Työraporttien ja kirjausten analysointi
Luonnollista kieltä käsittelevä tekoäly voi auttaa tutkimaan esimerkiksi:
- huolto- ja vikailmoituksia
- projektien loppuraportteja
- asiakaspalautteita
- tuotannon poikkeamakirjauksia
- laatuhuomioita
- työmaapäiväkirjoja
- turvallisuushavaintoja
- asiantuntijoiden laatimia ohjeita.
Tekoäly voi ryhmitellä samankaltaisia tapauksia, tunnistaa usein toistuvia ratkaisuja ja nostaa esiin havaintoja, jotka ovat aikaisemmin jääneet yksittäisiin raportteihin.
Työntekijöiden sähköposteihin ja keskusteluviesteihin kohdistuva analyysi on huomattavasti arkaluonteisempaa. Sitä ei pidä pitää tavallisena tai automaattisena lähtökohtana. Käyttötarkoitus, tarpeellisuus, tietosuoja, henkilöstön asema ja avoin tiedottaminen on arvioitava huolellisesti ennen tällaista käsittelyä.
Haastattelujen ja yhteisen sanoittamisen tukeminen
Kaikkea hiljaista tietoa ei voida löytää järjestelmädatasta. Tekoäly voi myös auttaa asiantuntijoita sanoittamaan omaa osaamistaan.
Tekoälyavusteisessa haastattelussa voidaan käsitellä esimerkiksi:
- Mistä huomaat, että tilanne ei etene normaalisti?
- Mitä tarkistat ensimmäisenä?
- Milloin poikkeat tavallisesta työohjeesta?
- Mitkä merkit kertovat tulevasta ongelmasta?
- Mitä aloittelija ei yleensä vielä huomaa?
- Miten erotat kiireellisen ongelman vähemmän tärkeästä?
Tekoäly voi jäsentää vastauksia, verrata eri asiantuntijoiden näkemyksiä ja auttaa muodostamaan niistä tarkistuslistoja, päätöspuita, perehdytysaineistoa tai uusia työohjeita.
Konenäkö ja sensorit tuotannossa
Tuotantoympäristössä sensorit ja konenäkö voivat tunnistaa yhteyksiä työolosuhteiden, koneen käyttäytymisen ja työntekijöiden tekemien säätöjen välillä.
Tekoäly voi esimerkiksi yhdistää:
- lämpötilan tai värähtelyn muutoksen
- koneen äänen poikkeaman
- tuotteen laatuvaihtelun
- käyttäjän tekemän säädön
- huoltotoimenpiteen
- myöhemmin havaitun vian.
Tarkoituksena ei pitäisi olla työntekijän tarpeeton valvonta. Huomion on oltava prosessin, laadun, turvallisuuden ja ongelmanratkaisun kehittämisessä.
Miten hiljainen tieto liitetään osaksi ERP-järjestelmää?
Hiljaisen tiedon hyödyntäminen ei tarkoita sitä, että kaikki kerätty aineisto tallennetaan suoraan ERP-järjestelmään. ERP voi toimia toimintaympäristönä, jossa jalostettu tieto näytetään oikeassa työvaiheessa.
Tekoälyn tunnistamaa ja ihmisten varmistamaa tietoa voidaan hyödyntää esimerkiksi:
- tilauskohtaisina riskivaroituksina
- työvaiheen yhteydessä näkyvinä ohjeina
- huoltosuosituksina
- poikkeamien käsittelyehdotuksina
- perehdytyksen tukena
- toimitusaikaennusteina
- tuotannon työjärjestysehdotuksina
- laadun tarkistuspisteinä
- toimittaja- ja asiakaskohtaisina huomioina.
ERP ei tällöin vain tallenna tapahtumia. Se auttaa työntekijää tulkitsemaan tilannetta ja valitsemaan seuraavan toimenpiteen.
Merkittävissä päätöksissä tekoälyn tehtävänä voi olla suositella, perustella ja varoittaa. Vastuu päätöksestä säilyy ihmisellä.
Mitä hyötyä yritys voi saada?
Parempi ennakointi
Kokenut työntekijä tunnistaa usein ongelman ennen kuin se näkyy tavallisissa mittareissa. Tekoäly voi auttaa tunnistamaan samoja varhaisia merkkejä laajemmasta aineistosta.
ERP-järjestelmä voi esimerkiksi varoittaa tilauksesta, jonka viivästymisriski näyttää kasvaneen, vaikka virallinen toimituspäivä ei olisi vielä ylittynyt.
Nopeampi perehdytys
Uusi työntekijä ei voi omaksua vuosien kokemusta muutamassa viikossa. Hänelle voidaan kuitenkin tarjota oikea-aikaisia tarkistuslistoja, esimerkkitapauksia ja perusteltuja suosituksia.
Näin perehdytys ei jää pelkästään käyttöohjeiden tai satunnaisen opastuksen varaan.
Avainhenkilöriskin pienentäminen
Eläkkeelle jääminen, työpaikan vaihtaminen tai pitkä poissaolo voi viedä yrityksestä osaamista, jota ei ole koskaan dokumentoitu.
Tekoäly voi tukea tiedon keräämistä ja jäsentämistä, mutta työ on aloitettava ajoissa. Hiljaista tietoa ei voida luotettavasti palauttaa jälkikäteen, jos osaaja ja hänen kokemustensa taustat eivät enää ole käytettävissä.
Tasalaatuisempi toiminta
Kun hyväksi todettu toimintatapa tehdään näkyväksi, se ei jää vain yhden työntekijän tai toimipisteen käyttöön. Samoja periaatteita voidaan soveltaa muualla organisaatiossa.
Tämä voi vähentää laatupoikkeamia ja henkilösidonnaista vaihtelua.
Prosessien kehittäminen
Hiljaisen tiedon tarkastelu voi paljastaa, että todellinen työprosessi poikkeaa virallisesta prosessikuvauksesta.
Poikkeama ei aina tarkoita virhettä. Työntekijät ovat voineet kehittää käytännössä paremman toimintatavan. Toisaalta jatkuvat kiertotiet voivat kertoa huonosti toimivasta järjestelmästä, puutteellisista tiedoista tai epärealistisesta prosessista.
Tekoäly voi oppia myös väärät toimintatavat
Tekoäly ei tiedä itsestään, mikä toimintatapa on hyvä. Jos se tarkastelee vain historiallista dataa, se voi pitää yleistä toimintatapaa suositeltavana, vaikka kyseessä olisi:
- vanhentunut rutiini
- tarpeeton järjestelmän kiertotie
- yhden henkilön mieltymys
- tietoturvan kannalta huono käytäntö
- turvallisuusriski
- syrjivä tai epäoikeudenmukainen valinta
- paikallinen ratkaisu, joka ei sovi muualle
- oire varsinaisen prosessiongelman peittämisestä.
Siksi tunnistettu toimintamalli ei saa siirtyä suoraan automaatioksi.
Hyvä etenemisjärjestys on:
- Tekoäly tunnistaa toistuvan toimintatavan.
- Asiantuntijat selittävät sen taustan ja tarkoituksen.
- Toimintatavan hyödyt ja riskit arvioidaan.
- Hyväksytty käytäntö dokumentoidaan.
- Se tuodaan ERP-järjestelmään ohjeeksi, tarkistukseksi tai suositukseksi.
- Vaikutuksia seurataan ja toimintatapaa päivitetään.
Luottamus ratkaisee onnistumisen
Hiljaisen tiedon näkyväksi tekeminen epäonnistuu helposti, jos työntekijät kokevat hankkeen valvonnaksi tai keinoksi korvata heidät.
Yrityksen pitää kertoa avoimesti:
- mitä tietoa käytetään
- mihin tarkoitukseen tietoa käytetään
- mitä tietoa ei kerätä
- kuka saa nähdä aineiston ja tulokset
- miten tekoälyn päätelmiä arvioidaan
- saako työntekijä korjata virheellisen tulkinnan
- käytetäänkö tietoa työntekijän arviointiin
- miten tunnistettu osaaminen hyödyttää työntekijöitä ja työyhteisöä.
Kokeneita työntekijöitä ei pidä nähdä vain tiedon lähteinä. Heidän tulisi olla mukana arvioimassa tekoälyn tekemiä havaintoja ja suunnittelemassa, miten osaamista hyödynnetään.
Hiljaisen tiedon jakaminen on myös tunnustuksen antamista osaamiselle.
Kaikkea hiljaista tietoa ei voida digitalisoida
Osa kokemustiedosta voidaan muuttaa säännöiksi, malleiksi ja suosituksiksi. Osa säilyy tilanteeseen, vuorovaikutukseen ja ammatilliseen harkintaan sidottuna.
Tekoälyn on vaikea täysin kuvata esimerkiksi:
- ihmisten välisen luottamuksen rakentamista
- neuvottelutilanteen ilmapiirin tulkitsemista
- fyysisen työn hienovaraista tuntumaa
- kokonaan uuden poikkeustilanteen arviointia
- arvoihin ja vastuuseen liittyvää harkintaa
- vuosien kokemuksesta muodostunutta kokonaisnäkemystä.
Siksi tavoite ei ole hiljaisen tiedon täydellinen siirtäminen järjestelmään. Realistisempi tavoite on tehdä sen tärkeimmät osat havaittaviksi, keskusteltaviksi ja jaettaviksi.
Etenemismalli yritykselle
1. Valitse rajattu ja tärkeä käyttökohde
Hyvä aloituskohde voi olla esimerkiksi:
- toistuvan tuotanto-ongelman ratkaiseminen
- huoltotarpeen ennakointi
- toimitusviiveiden tunnistaminen
- uuden työntekijän perehdytys
- laatupoikkeamien käsittely
- avainhenkilön osaamisen dokumentointi.
2. Tunnista osaajat ja tietolähteet
Selvitä, keillä on käytännön kokemusta ja mihin heidän toimintansa jättää tietoa. Lähteitä voivat olla ERP-tapahtumat, työraportit, poikkeamat, huoltohistoria, haastattelut ja yhteiset työpajat.
3. Sovi pelisäännöt henkilöstön kanssa
Määrittele käyttötarkoitus, rajaukset, vastuut, tietosuoja ja se, miten työntekijät osallistuvat tulosten arviointiin.
4. Yhdistä data ja asiantuntijoiden selitykset
Pelkkä data näyttää, mitä tehtiin. Asiantuntija auttaa ymmärtämään, miksi niin tehtiin.
5. Testaa tekoälyn havainnot
Vertaa havaintoja todellisiin tilanteisiin. Selvitä, mitkä suositukset ovat hyödyllisiä ja milloin ne johtavat väärään tulkintaan.
6. Liitä hyväksytty tieto työprosessiin
Tuo oikea tieto oikeaan tilanteeseen esimerkiksi ERP-varoituksena, työohjeena, tarkistuslistana tai päätöksenteon tukena.
7. Seuraa ja päivitä
Toimintaympäristö, tuotteet, koneet ja henkilöstö muuttuvat. Myös tekoälyn käyttämiä malleja ja ohjeita on arvioitava säännöllisesti.
Tarkistuslista hiljaisen tiedon AI-hankkeeseen
Ennen hankkeen käynnistämistä yrityksen kannattaa tarkistaa ainakin seuraavat asiat:
- Onko ratkaistava ongelma määritelty?
- Tiedetäänkö, millaista kokemustietoa tarvitaan?
- Ovatko työntekijät mukana hankkeen suunnittelussa?
- Onko tiedon käyttötarkoitus kerrottu ymmärrettävästi?
- Kerätäänkö vain käyttötarkoituksen kannalta tarpeellista tietoa?
- Onko arkaluonteinen henkilöstö- ja viestintätieto rajattu asianmukaisesti?
- Yhdistetäänkö järjestelmädata asiantuntijoiden omiin selityksiin?
- Voivatko työntekijät tarkistaa ja korjata tekoälyn päätelmiä?
- Arvioidaanko, onko tunnistettu toimintatapa todella hyvä?
- Säilyykö merkittävissä ratkaisuissa ihmisen päätösvalta?
- Dokumentoidaanko hyväksytyt toimintatavat?
- Seurataanko suositusten vaikutuksia laatuun, turvallisuuteen ja työhön?
- Onko tiedon ja mallien päivittämisestä sovittu?
- Hyödyttääkö ratkaisu myös työntekijöitä eikä vain järjestelmän omistajaa?
Ihminen tekee kokemuksesta merkityksellistä
Tekoäly voi löytää tuhansista tapahtumista kuvion, joka ihmiseltä jäisi huomaamatta. Se ei kuitenkaan yksin tiedä, onko kuvio osoitus ammattitaidosta, sattumasta vai huonosti toimivasta prosessista.
Siihen tarvitaan ihmisen kokemusta, keskustelua ja harkintaa.
Hiljaisen tiedon hyödyntämisessä tekoälyn tärkein tehtävä ei ehkä olekaan korvata tietoa kantavaa ihmistä. Sen tehtävä on auttaa yritystä huomaamaan, mitä sen ihmiset jo osaavat – ja tehdä tästä osaamisesta paremmin jaettavaa, kehitettävää ja hyödynnettävää.
Kun tämä tieto yhdistetään hallitusti toiminnanohjausjärjestelmään, ERP voi kehittyä tapahtumien tallentajasta ennakoivan toiminnan ja yhteisen oppimisen tueksi.