Työelämän kehittäminen digiaikakaudella
Tekoäly ja datatalous

Työelämän kehittäminen digiaikakaudella

Digitalisaatio, uudenlaiset sensorit ja tekoälyn kehittyminen antavat uusia mahdollisuuksia työelämän kehittämiseen. On hyvä pohtia, miten uusi teknologia saadaan käännettyä vaikuttavuudeksi.

Työterveysasioissa ja työkyvyn tukemisessa aikajänne on aina ollut tärkeä. Vuosia ja vuosikymmeniä on puhuttu siitä, kuinka erilaisiin työkyvyn ongelmiin pitää puuttua varhain.

Teknologian kehittymisen vuoksi aikaviive mittaustiedon ja nykyhetken välillä on pienentynyt. Parhaimmillaan esimerkiksi johtoryhmä voi tarkastella työvirettä eri puolilla organisaatiota reaaliaikaisesti.

On myös mahdollista analysoida erilaisten hyvin varhain havaittujen riskitekijöiden merkitystä työkyvyttömyyden tai sairastumisen näkökulmasta ja tehdä oikeanlaisia ennaltaehkäiseviä toimenpiteitä.

Ilmapiirikyselyn sijaan voidaan analysoida organisaation sisäistä viestiliikennettä, ja tehdä päätelmiä työyhteisön tunnetilasta. Stressiä voidaan mitata työvälineisiin integroiduilla sensoreilla, analysoimalla esimerkiksi tietotyöläisen näppäimistön käyttöä.

Lähes kaikkea työpäivän aikana tehtyä työtä voidaan analysoida, esimerkiksi Amazon kokeilee laitetta, jolla tarkastellaan varastotyöntekijän työvuoron aikana tekemiä liikkeitä.

Monet näistä esimerkeistä ovat kiinnostavia avauksia. Niihin liittyy kuitenkin isoja kysymysmerkkejä. Uudet tavat mitata vaikkapa työvirettä, kuormitusta tai stressiä eivät välttämättä ole yhtä luotettavia kuin vuosikymmenten saatossa tieteellisillä menetelmillä kehitetyt menetelmät.

Tarvitaan tutkimusta, jossa uusien mittausmenetelmien luotettavuutta arvioidaan tieteellisin tutkimusmenetelmin. Tarvitaan myös realistisia arvioita siitä, kadotetaanko uusien aineistojen ja mittaustapojen myötä arvokkaita näkökulmia vai joudutaanko tyytymään yleisempiin arvioihin.

Työssä suoriutumisen tarkka seuraaminen ja analyysi saattavat rikkoa työnantajan ja työntekijän välistä luottamusta.

On hyvä pohtia, mikä on mittaamisen kohde. Teknologian avulla on helpointa mitata yksilön terveyteen liittyviä asioita, esimerkiksi hänen stressiään, untaan, kuormitustaan ja palautumistaan. Työterveyden näkökulmasta tämä on tärkeää, mutta yksinään riittämätöntä.

Yksilöä koskevien tietojen vastapainoksi tarvitaan tietoa työstä, sen kuormittavuudesta ja myös sen tuomista voimavaroista. Työkyvyn, työterveyden, työhyvinvoinnin ja työturvallisuuden arvioiminen edellyttää aina myös työn tarkastelua.

Yksilö tekee työtään vain harvoin yksin. Siksi analyyseihin tarvitaan työyhteisön ja työpaikan käytäntöjen ja kulttuurin tarkastelua. Teknologiset innovaatiot kohdistuvat tällä hetkellä kuitenkin usein yksilön tarkasteluun.

Mittaaminen pitää myös tuoda mukaan työkyvyn tuen muihin järjestelmiin ja toimintatapoihin. Mitä hyötyä on stressin tai palautumisen mittaamisesta, jos työntekijä joka tapauksessa joutuu suorittamaan kalenterissa olevat työt, vaikka kaikki kuormitusta kuvaavat mittarit olisivat aamulla punaisella?

Sensoreilla mitattu tieto menee hukkaan, jos se ei ole työterveyshuollon käytettävissä.

Työelämän kehittäminen siirtyy uuteen ympäristöön. Ennen yksittäisten organisaatioiden oli mahdollista tutkia, analysoida ja kehittää työelämää hyvin pitkälle omin voimavaroin.

Samaan tapaan kuin eri toimijat siirtyvät työskentelemään yhteisille digialustoille, edellyttää myös työelämän kehittäminen laajojen ekosysteemien tarkastelua ja hyödyntämistä.

Yksi näkökulma työelämän kehittämiseen on se, miten saada uudet datalähtöiset ja teknologiaa laajasti hyödyttävät innovaatiot leviämään eri tyyppisten organisaatioiden ja työntekijäryhmien käyttöön.

Kansallisten työelämää koskevien tavoitteiden vuoksi on tärkeää, että ne eivät jää pelkästään edelläkävijäyritysten käyttöön.

 

Artikkeli on julkaistu Tiedosta-lehdessä 1/2018.

Lue seuraavaksi

Tekoäly ja datatalous
Agenttinen AI tuo kilpailuetua – jos yrityksen data ja prosessit ovat kunnossa
Tekoäly ja datatalous

Agenttinen AI tuo kilpailuetua – jos yrityksen data ja prosessit ovat kunnossa

Agenttinen tekoäly ei vain neuvo ja keskustele, vaan se suorittaa yrityksen järjestelmissä tehtäviä itsenäisesti. Yleiset kielimallit ovat tekoälyn jokamiesluokkaa. Kilpailuetu haetaan yhdistämällä yrityksen oma data, prosessit ja tekoäly.

Tekoäly ja datatalous
Kuka hyötyy, kun data liikkuu? Opit yhden käyttötapauksen arvoanalyysistä
Tekoäly ja datatalous

Kuka hyötyy, kun data liikkuu? Opit yhden käyttötapauksen arvoanalyysistä

Datan jakaminen voi tehostaa toimitusketjun toimintaa ja avata uusia liiketoimintamahdollisuuksia, mutta hyödyt, kustannukset ja riskit eivät jakaudu toimijoiden kesken tasaisesti. DataVa-hankkeessa toteutettu arvoanalyysi avaa valmistavan teollisuuden käytännön esimerkin kautta, miten mahdollisuuksia, riskejä ja kannustimia kannattaa arvioida ennen investointipäätöksiä.

Viivi Lähteenoja
Vastuullisuus
Vihreä koodaaminen: miksi ohjelmistojen kestävyys alkaa arjen kehitysvalinnoista
Vastuullisuus

Vihreä koodaaminen: miksi ohjelmistojen kestävyys alkaa arjen kehitysvalinnoista

Digitalisaatio nähdään usein yhtenä ratkaisuna kestävyyshaasteisiin. Digitaaliset työkalut voivat vähentää matkustamista, tehostaa resurssien käyttöä, automatisoida prosesseja ja tukea parempaa päätöksentekoa. Samalla on tärkeä muistaa, että myös digitaaliset järjestelmät kuluttavat energiaa ja resursseja. Jokainen sovellus, API-kutsu, dataputki, pilvipalvelu ja tekoälyratkaisu toimii laskentainfrastruktuurin varassa, joka käyttää sähköä, laitteistoa, verkkokapasiteettia ja tallennustilaa.

Laura Partanen, LUT ja Mbanyick Joof, LUT