Yliarvioimmeko tekoälyn vaikutusta työn tulevaisuuden murroksessa?

Huominen on nopeampaa, älykkäämpää, tehokkaampaa ja automaation kyllästämää – sinua ja minua ei enää tarvita samassa määrin koneiden korvatessa meidät. Nykyinen osaaminen ja tulevaisuuden tarpeet eivät kohtaa, ja edessämme on merkittävä työmarkkinoiden kohtaanto-ongelma. Erinäisten tutkimusten mukaan 0,5–1 miljoonaa suomalaista tulee uudelleenkouluttaa (Järvilehto 2019). Siis jo töissä olevia ihmisiä! Samalla nousee huoli opiskelijoiden jaksamisesta, joka kulminoituu sietämättömään tietämättömyyteen tulevasta: onko osaamiseni, mitä tänään opiskelen enää merkityksellistä valmistumisen jälkeen? Valmistunko ammattiin, jota ei enää hetken päästä ole?

On esitetty (lue: varmana pidettyjä) pessimistisiä näkemyksiä työn tulevaisuudesta ja tuloerojen kasvamisesta. On hyvin erilaisia käsityksiä siitä, kuinka paljon ja kuinka nopeasti tekoäly tuhoaa nykyisiä työpaikkoja. Automatisoitavia, rutiininomaisesti toistuvia tehtäviä sisältäviä, niin sanottuja taylorisoituja työpaikkoja oli vuonna 2015 noin 9 % työpaikoista Suomessa (Koski ja Husso 2018). McKinseyn (2017) mukaan tekoäly tuhoaa Suomessa noin 15 % työpaikoista vuoteen 2030 mennessä ja muuttaa työn luonnetta huomattavasti tätä suuremmassa osassa tehtäviä.

Pohjois-Amerikkaa koskevissa tutkimuksissa on vastaavasti väitetty, että robotit (1) korvaavat ihmisen puolessa kaikista työpaikoista 10−20 vuoden sisällä (Marketwatch 2019). Rajuinta pudotuksen oletetaan olevan ”perusduunari-”, eli kenttä- ja huoltotöissä, joissa työntekijämäärien arvioidaan romahtavan nykyisestä miljoonasta henkilöstä 50 tuhanteen henkilöön. Tämä kaikki tapahtuu näiden selvitysten mukaan seuraavan kymmenen vuoden aikana.

Muutokset työllisyydessä eivät todennäköisesti ole yhtä nopeita kuin teknologinen kehitys antaisi odottaa.

Kaikki tämä ”varma tieto” on ihmeellinen esimerkki tarinan voimasta: kun mitä tahansa tarinaa toistaa tarpeeksi pitkään, alamme kaikki lopulta kollektiivisesti siihen uskoa. Mutta esimerkiksi kenttä- ja huoltotyöntekijöiden korvaamiseen liittyen voimme esittää kaksi yksinkertaista kysymystä. Miten monta robottia työskentelee nykyään kyseisissä tehtävissä? Nolla. Miten monta vaihtoehtoa olemme nähneet koneista, jotka suoriutuisivat samoista tehtävistä paremmin kuin ihminen? Nolla.

Teknologisen edistyksen vaikutukset suodattuvat monien tekijöiden läpi ja kehityksen vauhtiin liittyy epävarmuutta. Kun asiaa tarkastelee neljän peruslainalaisuuden kautta – digitalisaation harha, raskaat investointikustannukset, suorituskyvyn ja pätevyyden ero sekä tekoälyn yliarviointi – huomaa, että muutokset työllisyydessä eivät todennäköisesti ole yhtä nopeita kuin teknologinen kehitys antaisi odottaa.

Digitalisaation harha

Useammat tutkijat ja asiantuntijat, allekirjoittanut mukaan lukien, olettavat helposti, että maailma on jo digitaalinen, että uusien teknologioiden hyödyntäminen voidaan aloittaa heti ja että ne johtavat hetkessä operatiivisiin muutoksiin tuotantoketjuissa, tehtaissa ja yritysten tukitoiminnoissa. On kuitenkin hyvä muistaa, että 98 % eurooppalaisista yhtiöistä on pieniä ja keskisuuria, jotka eivät ensimmäisten joukossa ole ottamassa käyttöön uutta teknologiaa. Kun kokonaisuuteen lisätään vielä arvio siitä, että 44 %:lta eurooppalaisista puuttuu perustavanlaatuiset digitaidot, niin saadaan tarkempi kuva tulevan digiloikan jättimäisistä haasteista (ks. esimerkiksi Digital Skills Gap 2017.) Kestää paljon kauemmin implementoida kaikki innovaatiot robotiikan ja tekoälyn saralla, kuin mitä alan (kuplan) sisällä yleensä oletetaan. Tämä on digitalisaation harha. Maailma ei ole vielä valmis.

Raskaat investointikustannukset

Yritykset ovat yleensä haluttomia ottamaan käyttöön uutta teknologiaa, jos se edellyttää suuria investointeja tai merkittäviä organisaatiomuutoksia. Vaikka olemme tottuneet alati päivittyvään puhelimeen, puhumattakaan hermoja raastavista Windows-päivityksistä, ei yritysmaailma liiku yhtä vikkelään. Siinä missä ohjelmistopäivityksiä saatetaan tehdä päivittäin ja melko halvalla, on vastaavasti koneiden ja kaluston käyttöön ottaminen ja päivittäminen huomattavasti kalliimpaa. Jos ostat auton tänään, se tuskin sisältää erityisen paljon päivitettäviä ohjelmistoja ja mitä todennäköisimmin se ei ole itseohjautuva. Mitä luultavammin ajat sillä vielä 15 vuodenkin kuluttua. Samoin, jos rakennat tänään talon, niin voit olettaa asuvasi siinä loppuelämäsi. Maailma muuttuu ympärillä, mutta se ei tarkoita, että vanhat investointipäätökset kumotaan, ellei sille ole selkeää taloudellista perustetta.

Suorituskyvyn ja pätevyyden ero

Tämän päivän tekoäly, kuten automaattinen puheentunnistus, on kapeaa tekoälyä. Se tarkoittaa sitä, että kone voi suoriutua ilmiömäisen hyvin tietystä tarkasti rajatusta tehtävästä. Se on siis suorituskyvyltään ylivoimainen ihmiseen nähden, mutta erityisen älykäs se ei ole.

Jos ihminen on teknisesti taitava laulamaan, saatamme olettaa, että hän oppii myös keskimääräistä helpommin soittamaan jotakin soitinta, koska hän ymmärtää musiikkia. (2) Tapaamme ajatella koneiden suoritteiden osalta samalla tavalla: kun kuulemme, että kone tai järjestelmä suoriutui tietystä tehtävästä, niin uskomme, että sillä on samoja pätevyyksiä kuin ihmisellä samassa tehtävässä. Tämä on harhaluulo, ja kyse on suorituskyvyn ja pätevyyden erosta: kone on tehokas, muttei erityisen älykäs.

Kone on tehokas, muttei erityisen älykäs.

Tämän päivän robotit ja järjestelmät ovat monelta osin uskomattoman yksinkertaisia. Ne eivät yllä lähellekään älykkyyden perusominaisuutta eli taitoa ymmärtää fyysistä maailmaa tarpeeksi hyvin tehdäkseen siitä yksinkertaisia johtopäätöksiä. Niillä ei myöskään ole kykyä havainnoida yhtä asiaa ja käyttää sitä taustatietona oivaltaakseen, miten jokin toinen asia toimii. Ne eivät toisin sanoen ole päteviä tekemään muuta kuin sen asian, johon ne on tarkoitettu. Tämän seurauksena myöskään työpaikat eivät häviä yhtäkkisesti. Työ ennemmin muuttuu yksi askel kerrallaan.

Tekoälyn yliarviointi

Tekoälyn vaikutusta on jatkuvasti yliarvioitu, ensin 60- ja sitten 80-luvulla. Luultavasti näin käy tälläkin kertaa, lyhyellä aikavälillä ainakin. (3) Viime vuosina olemme saaneet todistaa huimaa kehitystä tekoälyjärjestelmien tehokkuudessa ja hyödyntämisessä. Merkittävin syy tähän on edistys syväoppimisessa. Näiden onnistumisten valossa ajatellaan, että kehityskulku jatkuu samalla kulmakertoimella. Tämä on harhaluulo (ks. esimerkiksi Rosling et al. 2018). Nykyisen syväoppimisen edistysaskelia edelsi 30 vuoden kehitystyö. Kyse on ennemminkin yksittäisestä merkittävästä onnistumisesta kuin siitä, että voisimme olettaa tekoälyn kehityksen olevan erityisen lineaarista jatkossa(kaan). Seuraavaan tekoälytalveen en usko, mutta hypen laantuminen on vääjäämättä edessä. Tämä ei välttämättä ole huono asia, vaan tuo mukaan syvällisemmän ymmärryksen nykyisten teknologioiden rajallisuuksista ja vahvuuksista.

On hyvä pitää mielessä, että vaikka työpaikkojen häviämisvauhti tuntuu nopealta, se on selvästi hitaampaa kuin Suomessa on koettu aiempina vuosikymmeninä (Koski ja Husso 2018, 10). Tuoreimmat tutkimukset Pohjois-Amerikassa osoittavat, että vuonna 2018 tekoäly loi kolme kertaa enemmän työpaikkoja kuin se vei niitä. Ajanjaksolla 2016−2018 emme myöskään todistaneet merkittävää keskiluokkaisten töiden tuhoa. Itseasiassa niitä syntyi enemmän kuin matalapalkkaisia. (Dishman 2019.) Nykyisellään tekoäly ei siis ole lisännyt merkittävästi tuloeroja. Muutoksesta, olkoonkin vääjäämätön, ei välttämättä tule niin nopeaa tai kokonaisvaltaista kuin on ennustettu.
 

Alexander Törnroth
Tekoälykiihdyttämön vetäjä

1 Huom! Tämä on kirjoittajan yksinkertaistus. Raportissa ei viitata pelkästään robotteihin.
2 Tämä ei tietenkään aina pidä paikkaansa.
3 Kyseessä on niin kutsuttu Amara’s Law: yliarviomme teknologian vaikutusta lyhyellä aikavälillä samalla kuin aliarviomme sen vaikusta pitkällä aikavälillä.

Kirjoitus on julkaistu 11.10.2019 UAS Journalissa.