Älä jahtaa yksisarvista – tekoäly voi auttaa löytämään ne oikeat yhteistyökumppanit

Kuvittele valtava virtuaalinen avokonttori, jossa työskentelee oman alasi asiantuntijoita kaikkialta maailmasta. Kun tarvitset kollegiaalista neuvoa tai näkemystä, tai haluat aloittaa uuden projektin, sinulla on tarvitsemasi kollega aina lähimmän sermin takana. Sen kuin huikkaat hänelle.

Ihan lähitulevaisuudessa tällaista digitaalista avokonttoria ei ehkä ole syntymässä. Sen sijaan nyt tutkitaan sitä, millaisista aineksista konttorin asiantuntijat tulisi koota.

Apulaisprofessori Thomas Olssonin mukaan konttorin koostumusta ei luultavasti kannata kysyä meiltä ihmisiltä. Me kun olemme sangen puolueellisia ja päädymme helposti suosimaan tyyppejä, jotka jo tunnemme ja joista meillä on syystä tai toisesta hyvä mielikuva. Esimerkiksi Matti saattaisi suositella mukaan Petteriä, koska tämä painii samojen asioiden parissa kuin Matti, kannattaa samaa jalkapallojoukkuetta ja on muutenkin joviaali kaveri. Matilla ja Petterillä olisi varmasti mukavaa yhteisen projekti parissa, mutta syntyykö siitä paras mahdollinen lopputulos. Todennäköisesti ei.

– Parasta tulosta ei synny silloin, kun kumppanit ovat keskenään samanlaisia, vaan silloin, kun he täydentävät toisiaan juuri oikealla tavalla, Olsson sanoo.

Valitettavasti me ihmiset emme ole kovin kyvykkäitä analysoimaan toistemme täydentäviä ominaisuuksia. Emme varsinkaan silloin, kun aikaa on vähän ja projekti pitäisi saada alulle. Tässä teknologia voisi olla avuksi. Kas toisin kuin Matti, tekoäly pystyisi lyhyessä ajassa selaamaan Petterin cv:n, tämän viimeisimmät tieteelliset julkaisut sekä viimeaikaiset Twitter-postaukset. Niistä se voisi päätellä, sopiiko Petteri Matin työpariksi vai olisiko sittenkin hedelmällisempää valita joku muu.

– Toki ihminenkin pystyy tämän tekemään, mutta se vie valtavasti aikaa. Ja sitä on harvalla, sanoo väitöskirjatutkija Ekaterina Olshannikova.

Ketä kannattaa seurata

Olsson ja Olshannikova ovat mukana Tampereen yliopiston vetämässä Big Match -hankkeessa, jossa kehitetään digitaalista tukea asiantuntijoiden verkostoitumiselle. Tavoitteena on selvittää, millä perusteella ihmisiä kannattaisi yhdistää ja millaisia teknisiä alustoja verkostoitumiselle voitaisiin luoda. Hanke yhdistää yhteiskuntatieteellistä, data-analytiikan, tietojenkäsittelytieteen, psykologian, sekä ihmisen ja tietokoneen välisen vuorovaikutuksen tutkimusta

Tähän mennessä on analysoitu muun muassa tiedeyhteisön edustajien olemassa olevia verkostoja heidän Twitter-käyttäytymisensä ja julkaisuhistoriansa perusteella.

– Pyrimme selvittämään, kuinka kaukana eri asiantuntijat ovat toisistaan sosiaalisen verkoston näkökulmasta, ja mistä esimerkiksi tietyn tahon seuraajat puhuvat Twitterissä, Ekaterina Olshannikova sanoo.

Erityistä huomiota kiinnitetään siihen, keitä asiantuntijat mainitsevat twiiteissään nimeltä. Se antaa osviittaa muun muassa siitä, kuinka tiiviitä vuorovaikutussuhteet ovat. Tältä pohjalta on mahdollista luoda esimerkiksi uudenlaisia suosituksia siitä, ketä itse kunkin kannattaa seurata.

– Nythän Twitter ja sosiaalinen media ylipäätään usein suosittelee seurattavaksi jo paljon seurattuja julkisuuden henkilöitä tai henkilöitä, joihin on olemassa jokin side. Sekä toisaalta henkilöitä, joiden kanssa meillä on samalaiset kiinnostuksen kohteet. Mutta jos haluamme oikeasti oppia uutta ja saada uusia ajatuksia, meidän pitäisi kommunikoida niiden ihmisten kanssa, jotka ovat aivan erilaisia kuin me itse, Thomas Olsson sanoo.

Suhteet ovat kuin palapeli

Tällaisten suositusten laatiminen ei ole aivan yksikertaista. Ihmisten väliseen dynamiikkaan vaikuttavia tekijöitä on valtavasti, ja on vaikeaa osoittaa, mitkä tekijät ovat toisia tärkeämpiä.

– Suhteet ovat kuin valtava palapeli. Jokainen pala on erilainen, mutta niiden tulee sopia yhteen, Ekaterina Olshannikova vertaa.

Perinteisesti esimerkiksi asiantuntijaryhmien muodostamisessa on hyödynnetty psykologiasta tuttua Big Five -persoonallisuuspiirteiden jaottelua. Sen avulla saadaan mahdollisesti muodostettua ryhmiä, joiden jäsenet tulevat keskenään toimeen, mutta syntyykö siitä parhaita mahdollisia innovaatioita, on kokonaan toinen kysymys. Niinpä Big Match -hankkeessa keskitytään toisenlaisiin ulottuvuuksiin, kuten intressien ja tavoitteiden kohtaamiseen sekä kykyihin ja taitoihin.

– Niissä tulisi olla paitsi samankaltaisuuksia, myös riittävästi vaihtelua.

Tehtävä ei ole helppo. Olssonin mukaan koko Big Match -hanke onkin sikäli riskaabeli, että valmiita sosiaalisen yhteensovittamisen sapluunoja ei välttämättä yhden hankkeen aikana synny. Saati sitten valmista sovellusta, jonka avulla vaikkapa akateeminen yhteisö voisi ryhtyä verkottumaan ja hakemaan yhteistyökumppaneita. Paljon on vielä määrittelyä ja tarkennuksia tehtävänä.

Olssonin mukaan riski kannattaa kuitenkin ottaa.

– Jos onnistumme ja voimme edesauttaa relevanttien asiantuntijayhteyksien syntymistä, hyödyt ovat valtavia niin yksilöille, organisaatioille kuin yhteiskunnallekin. Sekä tuottavuus että työtyytyväisyys voivat lisääntyä suuressa mittakaavassa. Tässä voidaan poistaa olennaisia rajoituksia ihmisten ratkaisukyvyn tieltä.

Luotammeko algoritmeihin?

Toistaiseksi lähimpänä asiantuntijoiden virtuaalista avokonttoria ollaan Stack Overflown kaltaisissa verkkoyhteisöissä. Siellä esimerkiksi koodaajat voivat pyytää apua ja oppia maailmanlaajuiselta vertaisyhteisöltä. Joskus yhteydenotoista syntyy laajempaakin yhteistyötä ja jopa uusia urapolkuja.

Stack Overflow on yksi alusta, jonka keskusteluja Big Match -hankkeessa analysoidaan.

– Sieltä voidaan etsiä esimerkiksi erilaisia trendejä. Voimme analysoida, puhutaanko eri paikoissa samoista asioista samaan aikaan, vai onko esimerkiksi niin, että puheenaiheet nousevat aina ensin Piilaaksosta. Keskeisintä on miettiä, miten eri tahojen välille rakennetaan siltoja, Thomas Olsson sanoo.

Yhdenlaista digitaalista asiantuntijoiden kohtauttamista on kokeiltu esimerkiksi Slush-tapahtumisssa. Kävijä voi antaa sovelluksen järjestää itselleen kolme tapaamista, joiden osallistujat järjestelmä valitsee täysin itsenäisesti käyttäjäprofiileja analysoimalla.

Olssonin mukaan tällaiset kokeilut on ihan jänniä, mutta eivät välttämättä sovellu sellaisinaan laajempaan käyttöön.

– Ihmiset eivät välttämättä luota algoritmeihin näin intiimeissä asioissa. Niinpä järjestelmän tulisi pystyä perustelemaan, miksi se on tehnyt juuri nämä valinnat. Tarvitaan lyhyt, mutta vakuuttava selitys valinnoille. Muuten ihmiset valitsevat mieluummin itse, kenen kanssa verkostoituvat.

Toisaalta työelämän ulkopuolella käytämme yhä enemmän järjestelmiä, joissa olemme algoritmien suositusten varassa. Netflix suosittelee meille sarjoja ja elokuvia sen mukaan, mitä olemme aiemmin katsoneet. Facebook taas tuo uutisvirtaamme linkkejä, joiden se arvelee kiinnostavan meitä siksi, että toimimme palvelussa tietyllä tavalla.

Kysymys kuuluu, haluammeko antaa tällaisille algoritmeille lisää valtaa. Entä onko se eettisesti oikein?

Yksisarvista väärällä nimellä

Ehkä helpompaa – ja turvallisempaa – olisikin aloittaa siitä, että algoritmit valjastetaan verkostoitumisessa isäntien sijaan rengeiksi. Enemmän päätöksenteon tueksi kuin päättäjiksi.

­– Algoritmit voisivat auttaa meitä selkeyttämään sitä, ketä ja mitä tarvitsemme. Se voisi analysoida aiempaa toimintaamme, kysyä lisäkysymyksiä, auttaa muotoilemaan parempia kysymyksiä ja filtteröimään vaihtoehtoja, Ekaterina Oshannikova sanoo.

Tästä voisi olla apua esimerkiksi rekrytointitilanteissa. Ihmiset kun ovat usein huonoja määrittelemään, millaista osaajaa yhteisöön tarkalleen ottaen kaivataan.

– Yllättävän usein etsitään yksisarvista. Ja vielä väärällä nimellä.

Toinen käyttötarkoitus voisi olla olemassa olevista kontakteista muistuttaminen. Jos vaikkapa LinkedIn-kontakteja on satoja, harva muistaa, ketä kaikkia onkaan tavannut ja kuka on minkäkin alan asiantuntija, varsinkin kun tehtävät ja intressit muuttuvat uran edetessä. Myös konferensseissa vaihdetut käyntikortit tuppaavat hukkumaan pöytälaatikoiden pohjille.

– Järjestelmä voisi muistuttaa kertaalleen solmituista suhteista. Se auttaisi muistamaan, että apu on joskus lähempänä kuin osaisi ajatellakaan.

Ensin tarvitaan kuitenkin kasvokkainen kohtaaminen. Tutkijoiden mukaan etenkin ensikohtaamiset tapahtuvat todennäköisesti jatkossakin naamatusten. Niinpä digitaalisten alustojen lisäksi tarvitaan tulevaisuudessakin fyysisiä ympäristöjä, joissa asiantuntijat voivat verkostoitua. Tämä tarkoittaa, että teknologia ei ainakaan vielä poista tarvetta esimerkiksi viime aikoina kritisoidulle konferenssimatkailulle. Jos haluaa luoda kunnollisen suhteen oman alansa kansainvälisiin kollegoihin, ei auta kuin lentää paikalle.

Olssonin mukaan teknologia voisi kuitenkin auttaa asiantuntijoita valitsemaan matkansa entistä tarkemmin.

– Konferensseja on ihan liikaa, ja niihin matkataan yleensä melko epämääräisen ohjelman perusteella. Emme tiedä etukäteen, keneen missäkin konferenssissa voi törmätä, vaikka verkostoituminen on usein tärkeämpi anti kuin itse ohjelma. Tässä teknologia voisi auttaa. Se voisi suositella tapahtumia esimerkiksi edellisvuoden osallistujaluettelon perusteella. Tai se voisi kertoa, löytyisikö lähempää jokin vastaava tai jopa parempi tapahtuma.

Siten konferensseihin lentelyä voitaisiin ainakin vähentää.

 

Big Match

• Hankkeessa tutkitaan ja kehitetään erilaisia suositusjärjestelmiä ammatillisen verkostoitumiseen ja päätöksenteon tueksi esimerkiksi rekrytointitilanteisiin ja tiimien muodostamiseen.
• Tutkimuksessa sovelletaan niin kutsuttua sosiaalista massadataa (Big Social Data), ammattilaisten ja organisaatioiden profiloinnissa. Dataa voidaan kerätä esimerkiksi ammattilaisten ja organisaatioiden Twitter-käyttäytymisestä sekä julkaisuhistoriasta.
• Samalla kehitetään myös visuaalisia tapoja ja mahdollisimman havainnollisia tapoja esittää analytiikan tuloksia.
• Tutkimuksella pyritään lisäämään niin kutsuttua sosiaalista serendipiteettiä eli odottamatta löydettyjä, mutta erityisen hyödyllisiä yhteistyösuhteita työelämässä.