Organisaation digitaalisen työympäristön ekosysteemillä on yhä merkittävämpi rooli koneoppimisen ja tekoälyn myötä. Tekoäly tarvitsee dataa ja ainakin lähivuosina tietotyön ekosysteemien kuninkaat Microsoft ja Google näyttävät panostavan organisaation sisäisissä ratkaisuissa ensisijaisesti oman sovellusekosysteeminsä säilömän datan hyödyntämiseen.
North Patrol on suunnitteluun erikoistunut konsulttitoimisto. Suunnittelemme, autamme teknologiavalinnoissa, kilpailutamme. Emme myy toteutusprojekteja, emmekä lisenssejä, olemme aidosti asiakkaan puolella.
Informaatio on uusi öljy
Tilastollisesti Googlella taitaa olla dataherruus vapaa-ajastamme ja Microsoftilla työelämästämme. Googlella on mm. valtavasti dataa videoista, hakulausekkeista ja vapaa-ajan sähköpostiviestinnästä ja kalenterimerkinnöistä – sekä yhä kasvavassa määrin myös työelämästä G Suiten kautta.
Microsoft on pitkään ollut standardi perustoimistosovelluksissa, joita IT:n ”on vain ostettava”. Niiden myyminen näppärästi pilvestä bundlattuna sähköpostiin, kalenteriin, SharePointin dokkareihin, ihmisiin, organisaatiorakenteisiin, tiimirakenteisiin jne. on päästänyt Microsoftin kiinni valtaviin määriin dataa. Näin Microsoft on jälleen vakavasti geimeissä, haastamassa Googlea dataherruudesta. Datamäärää kasvatetaan mm. ostamalla LinkedInnin (siis informaation ihmisten ammatillisista verkostoista) ja ehkäpä myös bundlaamalla Windows-käyttöjärjestelmän ja O365-pilvipaketin myynti samaan pakettiin. Näin Microsoft pääsee vieläkin tiiviimmin kiinni tietotyöläisten tuottamaan dataan.
Algoritmit tarvitsevat evästä
Miten tätä dataa sitten hyödynnetään? Kun tietotyöläisten tuottamaa dataa, informaatiovirtoja, kontaktiverkosto- ja käyttäytymisdataa on reippaalta ajalta, esimerkiksi Microsoft Graph oppii, mikä on kenellekin tietotyöläiselle kiinnostavaa ja tarjoilee niitä Delvessä. Kun datan määrä kasvaa, myös algoritmien tuotoksien relevanssi kasvaa.
Kuinka paljon organisaation sisäisessä tietoviidakossa navigointi perustuu jatkossa tekoälyn pureskeleman datan viitoittamalle polulle?
Hyvä kysymys. Polun viitoitus vaatii toteutuakseen dataa ja informaatiota. Näitä jättiläiset nyt hamstraavat.
Jättiläiset hamstraavat myös yhteyksiä, joilla jäsentää dataa; ilman työlästä ihmistyönä tehtävää mekaanista metatiedottamista. Tämä tapahtuu huomaamatta, koska ekosysteemi itse perusmetatiedottaa dataansa koko ajan ihmisten käyttäytymisen perusteella. Ja siksi ekosysteemit koostuvat niin monesta sovelluksesta, jotta ne kattaisivat mahdollisimman paljon tietotyöläisen arjesta. Tästä O365 on erinomainen esimerkki.
Tämän hetkiset helpoimmin käyttöönotettavat organisaatioiden sisäiset tekoälyratkaisut perustuvat juurikin digitaalisen työympäristön ekosysteemin sisältämään ja tuottamaan dataan.
Mihin suuntaan tämä kehittyy?
Tuottavatko jättien koneoppimisalgoritmit jatkossa niin relevantteja tuloksia ja niiden päälle tehtyjä sovelluksia, että tietotyöläisen arjesta tulee niistä riippuvaisia?
Ja jotta muodostuu relevantteja tuloksia, tarvitaan dataa. Jos organisaatio päättääkin vaihtaa ekosysteeminsä Microsoftista Googleen tai IBM:stä Microsoftiin, myös data vaihtaa paikkaa.
Entä jos digitaalisen työympäristön ekosysteemiä vaihtaa, mitä käy metatiedoille? Miten data, johon ekosysteemin ja sen koneoppimisalgoritmit ovat tuoneet struktuurin ja metatiedot, saadaan siirrettyä rikkaana toiseen ekosysteemiin? Alkaako algoritmien oppimissykli uudelleen nollasta? Ollaanko siis hetken tilanteessa, jossa ”mikään ei toimi”, eikä ”mikään löydy mistään”?
Onko tämä relevantti uhka? Tuleeko ekosysteemistä toiseen vaihtamisesta äärimmäisen vaikea ja riskinen prosessi?
Ja kasvaako vaikeusasteikko sitä myöten, miten laajoja ekosysteemit ovat, kuinka tiiviisti ratkaisut kiinnitetään ekosysteemin sovellusten tuottamaan dataan, ja kuinka liiketoimintakriittisesti organisaation toiminta perustuu näihin ratkaisuihin?
Käynnissä on kisa, mikä ekosysteemi tuottaa tietotyöläisten kannalta kaikkein hyödyllisimmän sovelluksen, mikä hyödyntää ekosysteemin dataa ja itse tuottamaansa verkostotietoa.
