Yritystoiminnassa on aina jouduttu tekemään päätöksiä tulevan varassa. Välillä puhutaan ennusteista, välillä ennakoinnista, ja joskus näitä termejä käytetään ristiin. Perinteisesti ennuste tarkoittaa arviota siitä, mitä todennäköisesti tapahtuu, kun taas ennakointi tarkoittaa tapaa hahmottaa useita mahdollisia kehityskulkuja. Ennakoinnissa ei yritetä arvata oikein, vaan autetaan valmistautumaan vaihtoehtoihin ja tekemään parempia valintoja.

Tulevaisuus ei ole mallinnettavissa – vai onko?

Tekoälyn kehittyessä raja näiden käsitteiden välillä voi hämärtyä entisestään. Laajat kielimallit ja generatiivinen tekoäly kykenevät jo rakentamaan uskottavia tulevaisuuskuvia, esittämään niille perusteluja ja jopa simuloimaan erilaisten päätösten vaikutuksia, jotka solahtavat helposti osaksi keskustelua. Mutta pysähdymmekö kysymään onko tekoälyn luomissa tulevaisuuskuvissa kyse ennustamisesta vai ennakoinnista?

Tekoälyn erityispiirre on, että se ei pelkästään auta meitä mallintamaan muutosta, vaan toimii itse yhtenä nopeimmin muuttuvista ja muuttavista tekijöistä. Siinä mielessä se tekee tulevaisuuden ymmärtämisestä sekä entistä tärkeämpää että entistä vaikeampaa.

Ennusteet, ennakointi ja inhimillinen arvio – missä raja kulkee?

Omassa työssäni olen vuosien ajan käyttänyt molempia termejä: ennusteita ja ennakointia. Vasta hiljattain olen alkanut ymmärtää, kuinka olennaisesti ne eroavat toisistaan.

Ennusteet perustuvat dataan, trendeihin ja oletukseen siitä, että kehitys jatkuu samansuuntaisena. Ne ovat käyttökelpoisia, kun maailma on suhteellisen vakaa. Ennakointi taas rakentuu ajatuksesta, että maailma muuttuu usein yllättävilläkin tavoilla. Se auttaa hahmottamaan, millaisia vaihtoehtoja tulevaisuus voisi pitää sisällään ja mihin niistä voidaan vaikuttaa.

Monet omatkin ”ennusteeni” ovat jälkikäteen tarkasteltuna olleet enemmänkin valistuneita arvauksia – välillä osuvia, mutta usein enemmän toiveikkaita kuin todellisuuteen nojaavia.

Tässä kohtaa on kiinnostavaa huomata, että kun tekoäly antaa arvion tulevasta, sitä saatetaan pitää “hallusinaationa”. Mutta kun ihminen tekee saman, sitä nimitetään helposti ennusteeksi tai asiantuntija-arvioksi. Tämä kertoo siitä, miten eri tavoin suhtaudumme koneelliseen ja inhimilliseen tietoon, vaikka molemmat nojaavat osin samaan epävarmuuteen.

Tekoäly – ennakoinnin työkalu vai sen suurin haaste?

Tekoälyllä, erityisesti suurilla kielimalleilla, on kyky käsitellä valtavia tietomassoja, tunnistaa heikkoja signaaleja ja tuottaa vaihtoehtoisia skenaarioita, jotka voivat tukea ennakointia uudella tavalla. Tämä avaa mahdollisuuksia fasilitoida tulevaisuustyötä aiempaa nopeammin ja saavutettavammin myös tilanteissa, joissa syvällinen asiantuntemus ei ole vielä muodostunut.

Vaikka nämä järjestelmät eivät “ymmärrä” todellisuutta ihmisen tavoin, ne voivat tuottaa kielellisesti vakuuttavia ja käyttökelpoisia ehdotuksia, jotka tukevat päätöksenteon valmistelua ja vuoropuhelua tulevaisuudesta.

Samalla on tunnistettava paradoksi: tekoäly ei ainoastaan tue ennakointia vaan se myös muuttaa ennakoitavaa kohdetta. Tekoälyn käyttöönotto voi itsessään synnyttää uusia ilmiöitä, käyttäytymismalleja ja murroskohtia, joita ei voida ennustaa aiemman datan perusteella. Lisäksi tekoälyn oma kehitys tekee ennakoinnista entistä vaikeampaa. Se on teknologia, joka muuttaa käyttäytymistä, markkinoita ja työn tekemistä nopeammin kuin mikään aiempi järjestelmä. Ja koska se oppii jatkuvasti uutta, sen tulevaa vaikutusta on vaikea hahmottaa edes lyhyellä aikavälillä.

Tämä tekee siitä sekä ainutlaatuisen toimijan tulevaisuustyössä että vaikeasti mallinnettavan.

Arvaaminen ei ole heikkous – kunhan sen tunnistaa

Todellisuudessa suuri osa tulevaisuuteen liittyvistä arvioista on arvauksia – joskus valistuneita, joskus intuitiivisia. Tämä ei ole ongelma, jos arvaus tunnistetaan ja kerrotaan sellaisena. Ongelma syntyy, kun arvaus esitetään faktana tai kun siihen perustuva päätös tehdään kuin epävarmuutta ei olisi.

Tässä ajassa ennakointi on tärkeämpää kuin koskaan. Teknologinen kehitys, geopoliittinen epävarmuus ja systeemiset riskit haastavat aikaisempia oletuksia jatkuvuudesta. Tulevaisuutta ei voi mallintaa yhdellä totuudella vaan tarvitaan vaihtoehtoja, näkökulmia ja kykyä tunnistaa ajoissa, mihin voi vaikuttaa.

Tekoälyn aikakaudella voi tuntua houkuttelevalta ulkoistaa ajattelu koneelle. Mutta todellisuudessa vastuu tulkinnasta ja päätöksistä säilyy ihmisellä. Hyvä arvaus on edelleen parempi kuin huono ennuste kunhan sen rajat ymmärretään.

Tulevaisuus ei ole löydettävissä datasta

Tekoäly ei korvaa ennakointia, mutta voi tukea sitä. Se voi tuoda esiin vaihtoehtoja, signaaleja ja mahdollisuuksia, joita emme muuten huomaisi. Mutta se ei voi tehdä valintoja puolestamme, eikä se osaa antaa painoarvoa arvoille, kulttuurille tai eettisille näkökulmille.

Yritysjohdon tehtävänä ei ole ennustaa tulevaa täydellisesti, vaan valmistautua siihen viisaasti. Parhaimmillaan tekoäly toimii sparraajana, joka auttaa ajattelemaan laajemmin. Mutta päätökset, suunta ja vastuu pysyvät edelleen ihmisillä.

Tulevaisuus ei ole numero, jonka voi laskea. Se on näkymä, jota pitää rakentaa.

Voiko ennakoida järjestelmää, joka ennakoi itseään?

Viimeinen osio on kirjoitettu ChatGPT4:n avustuksella. Ohjasin tekoälyä käsittelemään aiheita, kuten järjestelmien ennakoivuutta, yhteiskehittymistä ja agenttisuutta, ja lopullinen teksti muodostui vaiheittain tekoälyn tuottamien ehdotusten pohjalta. Osio on siten tekoälyn ja kirjoittajan ohjatun vuorovaikutuksen tulos eli tekoälyn vastaukset on editoitu ja kuratoitu osaksi kokonaisuutta.

Ehkä keskeisin kysymys ei lopulta liity tekoälyyn sinänsä, vaan siihen, miten järjestelmät – teknologiset, yhteiskunnalliset ja ekologiset – voivat yhä enenevässä määrin mallintaa itseään ja vaikuttaa omaan kehitykseensä. Kun järjestelmistä tulee ennakoivia, adaptiivisia ja osin autonomisia, perinteinen jako suunnittelijan ja kohteen välillä alkaa murtua. Ennakointi ei ole enää vain ihmisen tekemä strateginen harjoitus, vaan yhä useammin yhteiskehittyvä prosessi järjestelmien kanssa.

Tässä kehityksessä generatiivinen tekoäly on erityisen paljastava ilmiö. Se ei pelkästään tue päätöksentekoa, vaan myös osallistuu siihen – ehdottaa, rajaa, priorisoi. Se ei vielä päätä, mutta se vaikuttaa siihen, mistä keskustellaan ja miten tulevaisuus hahmotetaan. Agenttimaiset järjestelmät eivät ainoastaan tottele komentoja, vaan asettavat omia tavoitteitaan ja arvioivat niiden toteutumista. Tämä tuo mukanaan uuden tason autonomisuutta ei vain teknisessä, vaan myös käsitteellisessä mielessä.

Tulevaisuuden mallintaminen ei siis ole enää kysymys pelkästään siitä, mitä tapahtuu, vaan kuka kysyy, mihin perustuen ja kenen kanssa. Tieto ei yksin riitä. Tarvitaan kykyä erottaa vaihtoehtoja, hyväksyä epävarmuus ja kantaa vastuuta siitä, millaisia tulevaisuuksia tuetaan ja millaisia suljetaan pois.

Tekoäly ei ratkaise tätä tehtävää meidän puolestamme. Se voi auttaa meitä kysymään parempia kysymyksiä, mutta ei vapauta meitä siitä, että vastaukset on lopulta rakennettava yhdessä.

Tämä teksti on kirjoitettu osana Laurea-ammattikorkeakoulun SURE (Suorituskykyä, resilienssiä ja elinvoimaa jatkuvalla työssä oppimisella) -hanketta (ESR+), jota rahoitti Hämeen ELY-keskus. SURE-hankkeen tavoitteena oli tukea suomalaisten pk-vientiyritysten kestävää kasvua nopeasti muuttuvassa toimintaympäristössä sekä auttaa yrityksiä ennakoimaan tulevaisuuden osaamistarpeita ja johtamaan jatkuvaa työssä oppimista tiedon avulla.  

Kirjoittaja toimii toimitusjohtajana AI Think Group OY:ssä, joka kehitti generatiiviseen tekoälyyn perustuvan SURE Botin yhteistyössä Laurea-ammattikorkeakoulun kanssa. SURE Botti on ennakointityökalu, joka auttaa pk-vientiyrityksiä tunnistamaan toimintaympäristön muutoksia ja rakentamaan skenaarioita.