Miksi tekoälyinvestoinnit ei näy tuloksessa?
Investointien tuotto ei tule työkalusta vaan työnkulusta. Työkalun jakaminen on hankinta, ei muutos: tekoäly vanhan prosessin päällä tuottaa parhaimmillaan aikasäästöä, joka valuu sähköposteihin ja palavereihin. Tuotto syntyy vasta, kun työ suunnitellaan uudelleen tekoälyn ympärille.
Lähes jokainen tekoälyinvestointi perustellaan tuotolla: nopeammin, halvemmalla, vähemmillä virheillä. Silti useimmat johtoryhmät, joiden kanssa työskentelemme, eivät pysty osoittamaan tuottoa, kun sitä kysytään. Vika ei ole teknologiassa. Se on siinä, miten teknologia otettiin käyttöön.
Kuvio toistuu Astu Labsin asiakastyössä niin usein, että sen voi melkein ennustaa. Organisaatio tekee työkaluvalinnan, jakaa lisenssit laajasti ja seuraa tyytyväisenä, kuinka käyttö nousee. Demot näyttävät vakuuttavilta. Sitten kvartaali päättyy, joku kysyy, missä tuotto näkyy, mutta vastaus uupuu. Työ tehtiin täsmälleen kuten ennenkin. Tekoäly liimattiin vanhan työnkulun päälle, ja työnkulku itse jäi koskemattomaksi.
Miksi 95 % tekoälypiloteista epäonnistuu?
Tekoälypilotit epäonnistuvat useimmiten siksi, ettei työ muutu työkalun ympärillä — ei siksi, että teknologia pettäisi. Tämä ei ole mielipide. Julkisuudessa eniten siteerattu luku tulee MIT:n Project NANDAn raportista vuodelta 2025, jossa esitetyn arvion mukaan noin 95 prosenttia yritysten GenAI-piloteista ei tuottanut mitattavaa tulosvaikutusta. Raportin menetelmästä voi olla montaa mieltä. Olennaista ei kuitenkaan ole luku itsessään vaan syy sen taustalla. Pilotit eivät kaadu teknologian epäkypsyyteen, vaan siihen, ettei työ muutu.
Tarkin näyttö tästä tulee satunnaistetusta kenttäkokeesta. Dillonin ym. vuonna 2025 julkaisemassa tutkimuksessa (NBER) puolet 7 137 tietotyöläisestä 66 yrityksessä sai arvonnassa käyttöoikeuden tekoälyavustajaan, joka oli integroitu suoraan sähköpostiin, dokumenttityöhön ja kokouksiin. Käyttöä seurattiin puoli vuotta. Tulos oli paljastava. Työkalua käyttäneet säästivät sähköpostissa pari tuntia viikossa ja tekivät vähemmän ylitöitä, mutta tehtävät eivät muuttuneet. Käytännössä hyöty syntyi vain siellä, missä työntekijä pystyi muuttamaan työtään yksin, ei siellä, missä muutos olisi vaatinut organisaation tukea ja koordinointia.
Sama logiikka oli kirjattu taloustieteeseen jo ennen tekoälyä. Brynjolfsson ym. kuvasivat vuonna 2021 ilmiön, jota he kutsuvat tuottavuuden J-käyräksi. Yleiskäyttöteknologiat, kuten sähkö, tietokone, nyt tekoäly — vaativat rinnalleen täydentäviä, usein aineettomia investointeja, kuten uusia prosesseja, osaamista ja toimintatapoja. Niiden rakentamisen aikana mitattu tuottavuus voi jopa notkahtaa, ja vasta kun investoinnit alkavat kantaa, käyrä kääntyy nousuun. Se, joka odottaa tekoälyltä suoraa nousua ilman notkoa, on ymmärtänyt teknologian luonteen väärin.
Vuonna 2002 Bresnahan ym. puolestaan osoittivat yritystason aineistolla, että tietotekniikka, työn uudelleenorganisointi ja uudet tuotteet tai palvelut ovat toisiaan täydentäviä innovaatioita. Yhteys näkyi sekä tuottavuudessa että tuotannontekijöiden kysynnässä, ja tietotekniikan vaikutukset olivat suurimmillaan siellä, missä se yhdistyi organisaation muutokseen. Kaksi vuosikymmentä, kolme teknologia-aaltoa, sama tulos. Teknologia maksaa itsensä takaisin organisaation muutoksen kautta, ei sen sijasta.
”Mutta otimmehan tekoälyn käyttöön koko talossa”
Näin kuuluu tavallisin vastaväite, ja se ansaitsee suoran vastauksen. Eikö koko organisaation kattava käyttöönotto ole työnkulun muutos? Ei ole. Työkalun jakaminen on hankinta, ei muutos. Prosessi on yhä sama sarja vaiheita samassa järjestyksessä samoilla vastuilla, nyt vain nopeammilla työkaluilla.
Strateginen virhe on tätäkin vakavampi. Kun työkalu jaetaan ilman uudelleensuunnittelua, käyttö hajaantuu yksittäisiksi kokeiluiksi, joita kukaan ei johda, ja budjetti, jolla tuotto piti todistaa, on jo käytetty. Seuraavaa investointia on sitten vaikeampi perustella.
Kolme kysymystä, jotka kannattaa kysyä heti
Kannustamme johtoryhmiä tekemään yhden harjoituksen heti seuraavassa kokouksessa:
- Nimetkää yksi työnkulku, jonka olette suunnitelleet uudelleen tekoälyn ympärille ettekä vain lisänneet tekoälyä siihen. Jos vastaus ei tule heti, teillä on työkaluja, ei tuottoja.
- Kuka omistaa työnkulun ja sen tuloksen — ei työkalun, vaan tuloksen? Jos omistaja on IT, muutosta ei ole vielä tehty. Työnkulun omistaa se, joka vastaa sen tuloksesta liiketoiminnassa.
- Minkä yhden prosessin muuttaisitte, jos saisitte muuttaa vain yhden tänä vuonna? Tuotto syntyy syvyydestä yhdessä kohdassa, ei ohuesta kerroksesta kaikkialla.
Työnkulkujen muuttaminen on yksi neljästä syystä, miksi jokainen strategiakysymys on lopulta tekoälykysymys. Sen rinnalla kulkevat osaaminen, kustannusrakenne ja hallinta — ja kaikkien taustalla yksi asia, jota mikään työkalu ei korvaa: ihmiset ja se, kuinka nopeasti he oppivat.
Lähteet
- Dillon, E. W., Jaffe, S., Immorlica, N. & Stanton, C. T. (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795. Satunnaistettu kenttäkoe: 7 137 tietotyöläistä 66 yrityksessä, kesto 6 kk; tutkittu työkalu Microsoft 365 Copilot. Työpaperi, ei vertaisarvioitu; kolme neljästä tekijästä työskenteli tutkimuksen aikaan Microsoftilla (ilmoitettu paperissa avoimesti). https://www.nber.org/papers/w33795
- Brynjolfsson, E., Rock, D. & Syverson, C. (2021). The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. American Economic Journal: Macroeconomics 13(1), 333–372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386
- Bresnahan, T. F., Brynjolfsson, E. & Hitt, L. M. (2002). Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence. Quarterly Journal of Economics 117(1), 339–376. https://doi.org/10.1162/003355302753399526
- Challapally, A., Pease, C., Raskar, R. & Chari, P. (2025). The GenAI Divide: State of AI in Business 2025. MIT Project NANDA, heinäkuu 2025.
