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.

Share
Uncategorized