Savonia-artikkeli: Kun silta nousee pystyyn kehittämisessä – tekoäly auttaa
#SavoniaAMK
Kaikki kehittämistyötä tehneet tietävät vaiheen, jossa työskentely jumiutuu. Yksi syy jumiutumiseen voi olla siinä, että aiheen parissa ollaan työskennelty niin tiiviisti, ettei työn objektiivinen tarkastelu enää onnistu. Ulkopuolinen näkökulma kuitenkin voi olla se tarvittava liikkeelle sysäävä voima.
Aikuistuvan nuoren tukeminen laadukkain jälkihuoltopalveluin -hankkeessa (ESR 1.1.2022 – 31.12.2023) otettiin innovatiiviset keinot käyttöön ja hankkeen palvelumuotoilija hyödynsi tekoälyä hyödynsi tekoälyä polkaisemaan työskentelyä taas vauhtiin ja uusille urille. Tarkemmin kehittämistyöpajassa hyödynnettiin Open AI nimisen yrityksen kehittämää keskustelevaa tekoälysovellus Chat GPT:tä. Tässä artikkelissa kerron, miten tekoälysovellusta hyödynnettiin ja arvioin sen toimivuutta sekä rajoitteita.
”Hyvä renki, mutta huono isäntä.” hankkeen asiantuntija, sosiaalialan lehtori Hanna Ravi
Chat GPT on herättänyt valtavasti keskustelua puolesta ja vastaan. Erityisen kiinnostavaksi sen hyödyntämisen tekee tämän artikkelin esimerkissä se, että muotoiluprosessia johtavan palvelumuotoilijan lisäksi hanketiimiin kuuluu kaksi lehtoria. Opetuksen näkökulmasta kyseinen tekoälysovellus on ymmärrettävästi herättänyt valtavasti huolta siitä, miten enää tunnistaa opiskelijoiden aidosti tuottamat sisällöt kopioiduista tekoälyn tuotoksista. Opetuksen näkökulmasta tekoälysovelluksen vaikutuksia korkeakoulujen tulevaisuuteen on pohtinut esimerkiksi Savoniasta terveysalan lehtori Mikko Myllymäki (2023) artikkelissaan.
Miksi Chat GPT sovellusta käytettiin?
Kehittämistyössä tulee usein hetkiä, jolloin on ravisteltava ajattelumalleja, jotta totutusta ja tutusta päästään irtautumaan ja uutta pääsee syntymään. Aina tutut keinot eivät toimi. Aikuistuvan nuoren tukeminen laadukkain jälkihuoltopalveluin -hankkeessa käytetään palvelumuotoilua jälkihuollon palveluiden laadun sekä vaikuttavuuden parantamiseen luomalla laatukriteeristö jälkihuollon palveluille sekä jälkihuollon palvelumalli.
”Erilaisten menetelmien ja työkalujen testaaminen matalalla kynnyksellä on osa laadukasta muotoilutyötä. Kokeileminen vaatii kuitenkin rohkeutta ja vahvaa kokonaisuuden hallintaa. Työskentelyn tavoite on oltava koko ajan kirkkaana.” hankkeen asiantuntija, palvelumuotoilija Mariia Hämäläinen
Palvelumuotoilussa kokeilukulttuuri on vahva (ks. esimerkiksi Hormess, Lawrence ym. 2018). Ketterät kokeilut mahdollisimman aikaisin ja pienillä panoksilla säästävät aikaa kehittämisprosessissa ja resursseja, koska toimimattomat ratkaisut voidaan heittää roskakoriin jo prosessin aikana. Samalla voidaan testata useita erilaisia ratkaisuja ja löytää suuremmasta joukosta se kannattavin ja toimivin. Kokeileminen kuuluu myös työskentelytapoihin. Erilaisten menetelmien ja työkalujen testaaminen matalalla kynnyksellä on osa laadukasta muotoilutyötä. Kokeileminen vaatii kuitenkin rohkeutta ja vahvaa kokonaisuuden hallintaa. Työskentelyn tavoitteen on oltava koko ajan kirkkaana.
Lastensuojelun jälkihuoltopalveluiden kokonaisuus on monimutkainen ja laaja, joten sen kuvaaminen on vaativa tehtävä. Hankkeen työpajatyöskentelyssä Chat GPT:tä käytettiin haastamaan ajattelua, avaamaan uusia keskusteluita ja näkökantoja sekä kirvoittamaan ideoita. Sen avulla tehtiin tarkastelua, ollaanko oikealla polulla, sekä saatiin puolueetonta näkökulmaa suhteessa hanketyöryhmään sekä ja sidosryhmien edustajiin.
Miten tekoälyä käytettiin?
Työpajan tavoitteena oli yhdistää suuri määrä tietoa, joka oli kerätty eri lähteistä sekä ja tuotettu sidosryhmien kanssa yhteiskehittämistyöpajassa aiemmin palvelumallin pohjaksi. Työskentely hankkeessa on vahvasti tulevaisuuteen suuntautuvaa, sillä kehittämisen tuloksena on jotakin, jota ei ole vielä olemassa. Silloin on erittäin tärkeää kyetä riittävästi irtautumaan nykyhetken realiteeteista ja katsottava kauemmas. Monimutkainen palveluiden joukko kehittämistyön kohteena haastaa työskentelyä entisestään.
Chat GPT:n avulla voidaan tehdä monenlaista; sisältöä verkkosivuille ja sosiaalisen median kanaviin, luoda iltasatuja lapsille, esseitä lähteineen sekä esimerkiksi artikkeleita. Tekoälyä hyödynnettiin työpajan suunnittelussa niin, että sille esitettiin sama kysymys, mihin työpajassa haettiin vastausta. Tässä tapauksessa “Miten kuvata lastensuojelun jälkihuollon palvelumalli?”. Vastaus jakautui neljään vaiheeseen (kuva 2) ja sen pilkottiin taulukkoon (kuva 3).
Työpaja aloitettiin arvioimalla vastausta kokonaisuudessaan. Pohdittiin, onko malli sellainen, jonka haluttaisiin sen olevan? Oliko se selkeä ja ymmärrettävä? Mitä siitä puuttuu? Tämän keskustelun jälkeen pureuduttiin nelivaiheiseen vastaukseen syvemmin. Vaiheita analysoitiin neljästä eri näkökulmasta (yllä olevassa kuvassa jokaista symboloi kuva sarakkeen yllä):
- asiat, joista oltiin eri mieltä tai ne eivät pitäneet paikkaansa tai ne antoivat väärän kuvan (vasemmanpuoleisin sarake kuvassa)
- asiat, jotka olivat paikkaansa pitäviä tai niitä haluttiin vahvistaa tai kuvaus oli toimiva
- kysymyksiä herättävät asiat
- uudet ideat ja oivallukset (äärimmäisenä oikealla oleva sarake)
Ajatukset kirjattiin ylös lapuille taulukkoon. Kaikkiin kohtiin ei ollut tarkoitus saada sisältöä, vaan tärkeintä oli arvioida vastausta kokonaisuudessaan tiedostaen, että annettu vastaus perustuu verkossa olemassa olevaan tekoälylle opetettuun tietoon. Toisin sanoen, vastaus kuvaa tietyin rajoituksin olemassa olevaa kuvaa mallista tänä päivänä.
Arvio tekoälyn toimivuudesta hankkeen työpajassa
Hankkeen työskentelyssä hanketiimi koki tekoälysovelluksen erittäin toimivaksi. Se toi ulkopuolista näkökulmaa silloin, kun aineistossa oltiin itse erittäin syvällä. Sen hyödyntämisestä oli käyty paljon keskustelua hanketyöryhmässä ja oltiin uteliaita sen hyödyntämismahdollisuuksia kohtaan. Siksikin sen käyttäminen toimi erityisen hyvin, sillä se herätti ajattelemaan uusilla tavoilla.
Tekoälyn sijaan ehdotetaan nimeksi Turun ammattikorkeakoulun artikkelissa (2023) tukiälyä. Se onkin myös hanketyöryhmämme mukaan sopivampi nimi. Se tuottaa geneeristä sisältöä, mutta ihmisen tehtäväksi jää sisällön muokkaaminen halutuksi. Tukiälysovellus ei myöskään toimi reaaliaikaisesti, kellonaikaa se ei pysty kertomaan.
On myös tärkeää muistaa, että vastaus voi olla puuta heinää. Kun tekoälyltä kysyttiin ohjetta, miten voidaan valmistaa mateen kalastukseen tarkoitettu pilkki, vastasi tekoäly reseptillä, joka päättyi ”Toista vaiheet 4 ja 5, kunnes taikina on käytetty. Nauti madepilkit esimerkiksi marjojen ja hillon kanssa.” Ja kolme viikkoa myöhemmin samaan kysymykseen vastauksena tuli reseptiehdotus kalan mädin hyödyntämiseen. Englanniksi se kuitenkin jo toimiin huomattavasti paremmin.
Tukiälyn avulla voidaan nopeasti tuottaa valmista materiaalia, kunhan muistetaan sen rajoitteet ja lähdekriittisyys. Tekoälyn tuottama tieto on sovellettavaa ja sen käyttäminen on tuotava esiin lukijalle. Toistaiseksi testaaminen on ilmaista, mutta luultavasti tulevaisuudessa se siirtyy maksumuurin taakse. Joten kaikkien kiinnostuneiden kannattaa sitä kokeilla.
Kirjoittaja:
Mariia Hämäläinen
Palvelumuotoilun TKI-asiantuntija
Monialainen TKI
Savonia -ammattikorkeakoulu
Lähteet:
Hormess, M., Lawrence, A., Schneider, J. & Stickdorn, M. 2018. This is Service Design Doing.
Myllymäki, Mikko 2023. Korkeakoulutuksen murros ottaa uusia kierroksia, tekoälyn ensimmäinen aalto saapui. https://www.savonia.fi/artikkelit/savonia-artikkeli-korkeakoulutuksen-murros-ottaa-uusia-kierroksia-tekoalyn-ensimmainen-aalto-saapui/
Turun ammattikorkeakoulu 2023. Tukiäly ChatGPT on työkalu työelämään ja opintoihin. https://talk.turkuamk.fi/innopeda/tukialy-chatgpt-on-tyokalu-tyoelamaan-ja-opintoihin/
Lue lisää aiheesta:
Kokeile Chat GPT:tä täällä: https://chat.openai.com/auth/login?next=%2Fchat
Mikä ihmeen Chat GPT? Nämä asiat jokaisen kannattaa ymmärtää tekoälystä https://yle.fi/a/74-20020160
How to Use Chat GPT by Open AI – ChatGPT Tutorial For Beginners https://www.youtube.com/watch?v=t1-5z0HgkuE