Investointi robottiin – mystinen juttu?

Ahdistuksen hikipisarat nousevat otsalle hyteairo -seminaarin jälkeisessä työpajassa. Seminaarissa on esitelty robotteja ja robottiavusteisia ratkaisuja sekä tutkimustuloksia niiden hyödyistä niin asiakkaalle kuin hoivahenkilöstölle. ”Mikseivät nämä teknologiat etene” parahtaa yksi osallistujista. Ja jälleen kerran pohdimme asiaa, joka on pohdituttanut prosessin alusta alkaen.

Robotiikan pitkän linjan osaaja Asko Huikuri eDocon Ky:sta miettii, että ehkä investointi robottiin on joissain tapauksissa vieläkin liian mystinen juttu, että siihen osattaisiin tarttua.

Mystiikkaa? Totta tosiaan, mystiikkaa kokivat muun muassa nuoret lääkärit, jotka halusivat opiskella robottikirurgiaa. Se ei käynyt, vaan opiskelijat joutuivat opettelemaan robotin käyttöä ”varjoissa”. Kun he sitten valmistuivat, robottiavusteiden kirurgian taitoja omaten, heille tarjottiin yleislääkärin tehtäviä. Robottikirurgian taitoja ei huomioitu. Ehkä niitä ei ymmärretty, vaikka esim USA:ssa yli kolmanneksessa (2018) sairaaloista on käytössä kirurginen robotti.

Yksi opiskelijoista totesi:

“If you’re on the robot and [control is] taken away, it’s completely taken away and you’re just left to think about exactly what you did wrong, like a kid sitting in the corner with a dunce cap. Whereas in open surgery, you’re still working.”

  • Matt Beane,The Conversation, 2018

Onko kyseessä ihmisen pelko turhakkeeksi jäämisestä? Vai eikö teknologiaan luoteta tarpeeksi, ellei sitä ole itse käyttänyt?

Mutta syitä on muitakin. Uudenlainen teknologia vaatii uutta ajattelua, myös investoinneissa.

Perinteinen investointiosaaminen perustuu sellaisen teknologian hankkimiseen, joka ei ole älykästä eikä oppivaa. Ennen robottikin oli työkalu muiden joukossa, mutta nykyrobotti tekoälyineen, sensoreineen ja moderneine tarttujineen pystyy monenlaiseen tekemiseen. Investointipäätöksissä ei osata huomioida esimerkiksi robottien kykyä toimittaa tehtäviä autonomisesti tai yhteistyössä ihmisen kanssa. Toisin sanoen teknologiaa ei nykyisin enää pelkästään käytetä, vaan sen kanssa tehdään yhdessä.

Investointiosaamisen puute näkyy osaamattomuutena arvioida teknologioiden vaikuttavuutta työprosesseihin, henkilöstön määrään ja siten kustannusvaikutuksiin. Ongelmaa yritetään poistaa lyhyillä pilotoinneilla eikä ymmärretä, että työprosessien muuttuminen on aikaa vaativa oppimisprosessi. Teknologioiden tuominen edellyttää kannustusta uudenlaiseen monialaiseen yhteistyöhön organisaatioissa.

Ehkä ei osata nähdä kokonaisuuksia? Robotin hyöty koostuu monesta murusesta, toteaa Asko Huikuri ja mainitsee esimerkiksi vaaralliset tehtävät, laadun kohenemisen, jatkuvan työskentelyn tai sen, että aina ei löydy ihmisosaajia. Terveydenhoidossa hyödyt voivat ulottua kansantalouteen saakka. Esimerkiksi robottiavusteinen kuntoutus palauttaa ihmisen toimintakyvyn tehokkaasti ja myös fysioterapeutin voimia säästäen. Kuinka paljon kansantalous voittaa, kun ihminen pääsee potilasosastolta kotiin oman elämänsä toimijaksi – tai vaikkapa jopa takaisin töihin Puhutaan sadoista tuhansista euroista jo yhden ihmisen kohdalla.

Kuva: Freepic Premium

Miten investoin robottiin? Robottia ei hankita vain robotin takia, vaan käyttökohteen.

Robotti on monikäyttöinen, lähde liikkeelle siitä, mitä kaikkea robotti voi tehdä. Tavoitteena on käyttösuhteen kasvattaminen. Työympäristön design pitää huomioida – mitä ja miten muutetaan, että robottia voidaan hyödyntää enemmän. Robotit on tehty kolmivuorotyöhön, niillä saa ajaa täyttä koko ajan.

Investointiprosessin käynnistyminen

  1. Selvitä pullonkaulat (logistiset, tekniset, terveydelliset, laadulliset), onko jotain sellaista missä robotti on ihmistä parempi. On hyvä pitää mielessä 80-20 sääntö, kuori kerma päältä – aloita siitä, mistä saadaan suurin hyöty. Näin saadaan myös osaamista organisaatioon.
  2. Käytön kartoittaminen, tilat, turvallisuus – peruskartoitus, onko robotisointi mahdollista. Robottityypin selvittäminen, periferialaitteiden ym. selvittäminen. Valvonta. Ei ensin kauppiasta paikalle, vaan asiantuntija, joka voi auttaa tilanteen kartoittamisessa.
  3. Onko jo omaa robotiikkaosaamista? Onko valmiutta kouluttautumiseen? Robotiikan perusosaaminen on vahva perusta robottiprojektin onnistumiselle.
  4. Melkein jokaiseen tarpeeseen löytyy robotti, tarjontaan kannattaa perehtyä laajasti.
  5. Takaisinmaksuaika max 2 vuotta – kokonaishyödyt ja vaikuttavuus huomioiden.

Investointihalukkuutta lisää, jos robotille keksitään monta käyttöä. – Robotti tekee mielellään kaikkia hommia, Huikuri naurahtaa. Uusissa roboteissa ohjelmointi ei ole ongelma. Monenlaiset tehtävät onnistuvat muun muassa erilaisten tarttujien ja työkaluvaihtajien avulla, robotti osaa vaihtaa työkalun itse.

Robotti voi optimoida joitakin toiminnan osa-alueita. Eräässä  smart factory tapauksessa  hallin ovelle tuotiin uusia tehtäviä ja  robotti kyseli työpisteiltä mistä löytyisi aikaa tekemiseen. Kun oikea työpiste löytyy, robotti toimittaa tehtävän juuri oikeaan paikkaan, juuri oikeaan aikaan.

Ennen työsuunnitteluun meni paljon aikaa, nyt koneet voivat keskustella keskenään ja optimoida toimintaan. Esimerkiksi logistiikan voi suunnitella ennakkoon. Kun on monia ennakkotapauksia valmiina, niin kun tilanne tulee päälle, toiminta lähtee heti tehokkaasti liikkeelle.  Ennakoiva korjaus, robotin omaseuranta ovat myös ominaisuuksia, jotka tekevät robotista hyvän ja toimivan investoinnin.

Investointiosaamisen päivittäminen modernin, älykkään ja oppivan teknologian, tasolle on jokaisen johtajan ja hankinnoista vastaavan tärkeä tehtävä, jotta asiakkaat saavat juuri sen parhaan palvelun ja hoivan, joka tässä päivässä voidaan heille tarjota ja, jotta elintärkeät kustannussäästöt saadaan toteutettua – puhumattakaan jatkuvasta osaajien puutteesta. Kun ihmiset saadaan kohdistamaan energiansa siihen työhön, mihin he alun perin pyrkivätkin – ihmisten hoivaamiseen – ja jätetään roboteille muut tehtävät, niin saavutetaan se, mihin hyteairo  ohjelmalla on pyritty: kansakunnan hyvinvointiloikkaan.

Linkit:

https://theconversation.com/young-doctors-struggle-to-learn-robotic-surgery-so-they-are-practicing-in-the-shadows-89646

Tiedolla johtaminen koko organisaation perusosaamiseksi

Oppiva organisaatio ja tietojohtaminen tekoälyn aikana

Oppiva organisaatio on organisaatio, jossa jatkuvaan oppimiseen kannustetaan, sitä fasilitoidaan ja organisaatio pystyy muuttumaan toimintaympäristöjen muutosten kautta tai jopa niitä ennakoiden.

90-luku oli oppivien organisaatioiden kulta-aikaa. Tuolloin syntyivät monet laatujohtamisen innovaatiot, jotka edellyttivät organisaatioilta uudenlaista suhtautumista oppimiseen ja kehittämiseen. 90-luvulla oppiminen nousi korkealle jalustalle, jolle se kiistämättä kuuluukin.

Oppiminen organisaatiossa on tiedon hankkimista, luomista ja siirtämistä siten, että organisaatio pystyy kehittämään toimintaansa uusien näkemysten pohjalta. 90-luvulla oppiva organisaatio oli pääosin seuraus organisaation omista oppimisprosesseista, mutta miten kävi, kun tietojärjestelmät alkoivat kehittyä ja ne ulkoistettiin alan toimijoille?

Datan sanotaan olevan uusi öljy, joka jalostettuna on yrityksen kuin yrityksen keskeisimpiä menestystekijöitä. Mutta data jalostuu paitsi ihmisten mielissä myös tietojärjestelmissä – jotka ovat useinkin ulkoistettu sille alan toimijalle.

Tekoäly mahdollistaa datan jalostamisen reshoringin – palauttamisen organisaation omaksi prosessiksi ja liittämiseksi osaksi oppivaa organisaatiota. Enää organisaatiossa eivät opi ainoastaan ihmiset, vaan myös koneet, jotka toimivat ja oppivat heidän rinnallaan. Tämän artikkelin alussa kerrottiin, miten ihmiset saivat aikaan oppimista 90-luvun organisaatioissa, tänä päivänä ja tulevaisuudessa yhä enemmän oppivan organisaation mahdollistaja on tekoäly. Ei siis ole yhdentekevää, minkä tahon ”hyppysissä” kullanarvoisen uuden öljyn jalostaminen on. Airawisen missio on yhdistää tekoäly ja organisaation oma osaaminen oppivaksi ja erinomaisia tuloksia tekeväksi organisaatioksi.

Esimerkiksi sote-sektorilla on suuri merkitys sillä, että data ja sen jalostaminen on mahdollisimman lähellä heitä, jotka ovat vastuussa siitä, että tiedosta saadaan paras mahdollinen hyöty niin asiakkaiden hyvinvoinnin, työntekijöiden hyvinvoinnin sekä kustannustehokkuuden kannalta. Kuitenkin jo nyt terveydenhoidon ammattilaisilta kuluu kohtuuttoman suuri aika nimenomaan tietojärjestelmätyöhön. Tekoäly voi tuoda apua tietotyön automatisointiin, jolloin data on lähellä, mutta sen käsittely ja jalostaminen hoituu ilman, että merkityksellisestä työstä siihen täytyisi uhrata aikaa.

Data -ajan oppivan organisaation keskeisiä elementtejä on myös tuntea datan käytön säännöt. Organisaatiossa ei saisi olla yhtään henkilöä, joka ei olisi tutustunut sääntöihin tai ainakaan ei löytäisi tarvittaessa kuhunkin tilanteeseen soveltuvaa tietoa esimerkiksi tietosuojasta tai tiedon toissijaisesta käytöstä. .

Tietosuoja tietojohtamisessa – terveyssektorin näkökulma

Tietosuojan näkökulmasta terveyssektorin tietojohtamisessa päädytään käsittelemään henkilöiden terveystietoja. Henkilötietolainsäädännön näkökulmasta terveystiedot ovat erityinen henkilötietoryhmä, jonka käsittelyn edellytykset ovat korkeammat kuin tavallisella henkilötiedolla. Ensimmäinen toukokuuta 2019 voimaan tullut uusi laki sosiaali- ja terveystietojen toissijaisesta käytöstä tarjoaa selvän EU:n yleisen tietosuoja-asetuksen (GDPR) 6 ja 9 artiklojen mukaisen perusteen tietojen käytölle tietojohtamiseen.

Airawise lähestyy tietojohtamista niin, että tietojohtaminen tuodaan terveyssektorin organisaatioiden omaksi osaamiseksi. Tämä suoraviivaistaa henkilötietojen käsittelyä tietojohtamiseen, koska palveluntarjoajasuhteet ovat tietojen käsittelyn kannalta vähämerkityksellisimpiä.

Kuva: Freepic Premium

Henkilötietojen käsittelyn suunnittelu

Tietojohtamisen projekteissa henkilötietojen käsittely tulee suunnitella etukäteen. Osana tätä tulee kartoittaa olemassa oleva henkilötietojen käsittelyn dokumentaatio sekä muodostaa selvä käsitys nykyisistä käsittelyperusteista. Näin voidaan ymmärtää käsittelyperusteiden soveltuminen tietojohtamiseen.

GDPR tarjoaa artikla 6:ssa selvän mekanismin sitä varten, että tietoa käsitellään eri tarkoitukseen kuin mihin tietoon kerätty. Tällöin olennaista on muun muassa tietojen käsittelyn eri tarkoituksien yhteys sekä asianmukaisetsuojatoimet, kuten pseudonymisointi. Koska tietojohtaminen on selvästi osa terveydenhoidon yksiköntoimintaa ja liittyy läheisesti asiakassuhteiden ja potilaiden hoitamiseen, on mahdollista tehdä tietojen käsittelyä tietojohtamista varten. Uusi laki sosiaali- ja terveystietojen toissijaisesta käytöstä tarjoaa lisäksi vielä nimenomaisen säännöksen tietojohtamista varten sosiaali- ja terveyssektorilla. Kun tietojohtaminen perustuu dataan, jonka osalta organisaatio toimii rekisterinpitäjänä, ei tarvita erityisiä lupia vaan lain tarjoama käsittelyperuste riittää.

Kun analyysin pohjalta on muodostettu käsitys henkilötiedon käsittelyn perusteista tietojohtamiseen, tulee tämä dokumentoida ja informoida asianmukaisella tavalla. Valittujen suojatoimien testaaminen ja toteuttaminen voi myös alkaa. Lisäksi henkilötietojen käsittelyn vaikutusten arviointia kannattanee tehdä käsittelyn jatkuttua esimerkiksi 6 kk vähintäänkin vapaamuotoisesti, sekä mahdollisesti myös GDPR:n mukaisena vaikutustenarviointina.

Tietojohtamisen teknologianäkökulma

Teknologian näkökulmasta usein koetaan että tekoälyn hyödyntämisen suurin haaste on eri järjestelmissä olevan tiedon kerääminen teknologia-alustalle, josta se on helposti jatkojalostettavissa käytettäväksi erilaisissa järjestelmissä. Käytännössä useimmiten pienemmälle huomiolle jää tietosuojavaatimusten noudattaminen, joilla on iso merkitys tiedon hyödynnettävyyteen. Usein esimerkiksi taloushallinnon järjestelmistä tieto on saatavissa erilaisiin tietoaltaisiin, mutta koska se sisältää esimerkiksi myynti- ja kululaskuilla yksilöiviä henkilötietoja, tulee tietosuoja huomioida jo projektin alussa. Tietosuojan suunnittelun jälkeen tulee usein tehtäväksi esimerkiksi tiedon anonymisointi ja/tai pseudonymisointi. Siksi valittavan teknologia-alustan tulee tarjota helpot ja monipuoliset tavat tiedon anonymisointiin ja pseudonymisointiin.

Jotta tietoa voidaan käyttää johtamisen apuvälineenä, tulee teknologiavalinnoissa myös kiinnittää huomiota valitun ratkaisun helppokäyttöisyyteen. Perinteisesti ennustavia algoritmejä on koodattu R tai Python ohjelmointikielillä. Perinteinen menetelmä vaatii merkittävää erikoisosaamista käytetyistä työkaluista ja solveltuu siten enemmän osaksi ohjelmistonkehitystä kuin tietojohtamisen apuvälineeksi. Onneksi markkinoilla on jo vuosia ollut helppokäyttöisiä työkaluja joiden käyttö on yhtä helpoa kuin taulukkolaskentaohjelmiston. Esimerkiksi Microsoftin Azure Machine Learning integroituu saumattomasti Excel taulukkolaskentaohjelmistoon ja siten tarjoaa mahdollisuuden tuoda tekoäly ja ennustava analytiikka osaksi tuttua numeroidenkäsittely-ympäristöä. Toinen vaihtoehto on tutkia uusien helppokäyttöisten analytiikkaohjelmistojen soveltuvuus oman toiminnan tietojohtamiseen. Tällaisia työkaluja ovat mm. Datarobot ja Rapidminer, joiden graafisen käyttöliittymän avulla ennustavat algoritmit saadaan osaksi tietojohtamisen työkaluja.

Tekoälyn ja koneoppimisen hyödyntämisen kannalta tiedon kerääminen, tietosuojan suunnittelu ja analysoinnin suorittaminen vaativat kuitenkin uuden tyyppistä osaamista. AiraWisen toiminta-ajatus on yhdessä tekemisen kautta luoda paitsi toimiva teknologiaympäristö myös riittävä oppiminen, jotta organisaatio osaa itsenäisesti hyödyntää tekoälyä ja ennustavaa analytiikkaa omassa tietojohtamisessaan.

 

Kirjoittajat:

Cristina Andersson, Martin von Willebrand ja Petri Karjalainen

Cristina Andersson on konsultti ja tietokirjailija. Hän on STM:n kansallisen hyvinvoinnin AiRo (tekoäly ja robotiikka) ohjelman neuvonantaja ja koordinaattori. Cristina toimii asiantuntijana myös mm. EU komission eri yhteyksissä. Hän on yksi tekoäly-yhtiö Airawisen perustajista.

Martin von Willebrand on teknologia-asioihin perehtynyt asianajaja, joka on mm. saanut WhosWhoLegal:in “Thought Leaders in Data” -tunnustuksen. Hän on myös yksi Airawisen perustajista.

Petri Karjalainen on tekoälyn hyödyntämiseen taloushallinnossa perehtynyt yritysjohtaja. Hän toimii mm. Accountorin strategiajohtajana, Valtion Talous ja Palkanlaskennan palvelukeskuksen (Palkeet) neuvottelukunnan jäsenenä sekä on myös AiraWisen yksi perustajista.