Builder AI tähän asti

Builder AI on ratkaisukonsepti, jonka tavoitteena on tehdä yrityksen toimintamallin uudistamisesta jatkuva kyvykkyys.

Sarjan ensimmäisessä osassa esitimme, ettei nykyistä prosessia pidä pitää automaattisesti tulevaisuuden tavoitetilana. Nykyprosessi on todistusaineistoa: se paljastaa työn tavoitteet, päätökset, poikkeukset sekä vanhojen järjestelmien ja organisaatiorajojen synnyttämät työvaiheet.

Toisessa osassa kuvasimme yrityksen hermoston. Sen tehtävä on yhdistää järjestelmien, dokumenttien, mittareiden ja ihmisten tuottamat signaalit jatkuvasti tarkentuvaksi ymmärrykseksi siitä, miten työ todella tapahtuu. Tämän ymmärryksen varaan voidaan vähitellen rakentaa myös yrityksen toiminnan digitaalinen kaksonen.

Kolmannessa osassa määrittelimme jatkuvan prosessien selvityksen kyvykkyydeksi, joka muuttaa hajanaiset signaalit validoiduiksi ja priorisoiduiksi uudistamismahdollisuuksiksi.

Neljännessä osassa siirryimme löydöksistä suunnitteluun. Agentifioinnin tavoitteena ei ole lisätä kielimallia vanhan työnkulun yhteen vaiheeseen, vaan suunnitella työ tavoitellun liiketoimintatuloksen, käsiteltävän asian tilan, päätösten, vastuiden ja hallitun autonomian ympärille.

Nyt nämä osat pitää yhdistää toimivaksi kokonaisuudeksi.

Ylätasolla Builder AI:n jatkuva silmukka on yksinkertainen:

1. Nykyisen prosessin toiminnasta kerätään signaaleja.

2. Signaalit yhdistetään prosesseihin, tavoitteisiin ja ihmisten kontekstiin.

3. Agentit muodostavat havaintoja ja ehdottavat parempaa toimintamallia.

4. Ihmiset täydentävät tietoa ja tekevät tarvittavat päätökset.

5. Hyväksytty muutos toteutetaan prosessina ja sitä tukevana digitaalisena ratkaisuna.

6. Uuden prosessin vaikutuksia mitataan ja sen toiminnasta syntyvät signaalit käynnistävät seuraavan kierroksen.

Tätä silmukkaa ei voi rakentaa pelkällä kielimallilla.

Chatbot ei vielä muuta yrityksen toimintamallia

Moni organisaatio aloittaa tekoälyn käyttöönoton käyttöliittymästä. Työntekijöille tarjotaan keskusteluavustaja, joka auttaa etsimään tietoa, kirjoittamaan sisältöä tai tekemään yhteenvetoja.

Tämä on usein hyödyllinen ja perusteltu ensimmäinen askel. Se voi parantaa yksittäisen työntekijän tuottavuutta ja madaltaa kynnystä tekoälyn käyttöön.

Käyttöliittymä ei kuitenkaan ratkaise yksin yrityksen toiminnallisia rakenteita:

• tieto on edelleen hajallaan järjestelmissä ja dokumenteissa

• datan laatu ja merkitys vaihtelevat

• prosessin tila ei ole näkyvissä kokonaisuutena

• integraatiot puuttuvat

• vastuut ja hyväksyntärajat ovat epäselviä

• poikkeuksia käsitellään ihmisten muistissa ja epävirallisissa kanavissa

• vaikutuksia ei mitata suhteessa liiketoiminnan tavoitteisiin

Chatbot voi kertoa, mitä pitäisi tehdä. Operatiivinen agentti tarvitsee lisäksi pääsyn oikeaan tietoon, työkaluihin ja järjestelmätoimintoihin. Sen pitää tietää, missä tilassa käsiteltävä asia on, mitä sääntöjä tilanteeseen sovelletaan, milloin se saa toimia ja milloin vastuu kuuluu ihmiselle.

Siksi agenttitransformaatio ei ole ensisijaisesti chatbot-projekti. Se on toimintamallin ja digitaalisen toimintakyvyn rakentamista.

Agenttinatiivin yrityksen kuusi kyvykkyyskerrosta

Agenttinatiivi yritys tarvitsee vähintään kuusi toisiinsa kytkeytyvää kerrosta. Kerrokset eivät välttämättä tarkoita kuutta erillistä järjestelmää. Ne kuvaavat tehtäviä, jotka kokonaisuuden pitää pystyä hoitamaan.

1. Signaalikerros kertoo, mitä yrityksessä tapahtuu

Agenttinatiivi toiminta alkaa signaaleista. Niitä syntyy esimerkiksi:

• liiketoimintajärjestelmien tapahtumista ja tilamuutoksista

• käsittelyajoista, jonoista, korjauksista ja poikkeuksista

• dokumenteista, sähköposteista ja muusta viestinnästä

• laatu-, asiakas- ja talousmittareista

• työntekijöiden ja asiakkaiden palautteesta

• päätöksistä, hyväksynnöistä ja eskaloinneista

Kaikkea mahdollista dataa ei pidä kerätä varmuuden vuoksi. Jokaisella tietolähteellä pitää olla määritelty käyttötarkoitus, omistaja ja asianmukainen käsittelyperuste. Havainnoinnin kohteena on prosessin toiminta, ei yksittäisten työntekijöiden tarpeeton valvonta.

Signaali ei myöskään ole vielä havainto. Järjestelmän aikaleima kertoo, että jokin tapahtui. Vasta yhdistäminen prosessin vaiheeseen, tavoitteeseen ja muuhun kontekstiin voi kertoa, miksi tapahtuma on merkityksellinen.

2. Prosessiälykerros muodostaa yhteisen tilannekuvan

Prosessiälykerros yhdistää signaalit eläväksi malliksi yrityksen toiminnasta. Sen tehtävä on vastata esimerkiksi seuraaviin kysymyksiin:

• Mitä liiketoiminnallista lopputulosta prosessilla tavoitellaan?

• Missä tilassa käsiteltävä asia on juuri nyt?

• Ketkä ihmiset, agentit ja järjestelmät osallistuvat työhön?

• Mitä tietoa ja päätöksiä eteneminen vaatii?

• Missä syntyy toistuvaa odotusta, korjaamista tai epäselvyyttä?

• Mitkä säännöt, riippuvuudet ja riskit rajaavat toimintaa?

Tämä on myös toiminnan digitaalisen kaksosen ydin. Kyse ei ole täydellisestä kopiosta yrityksestä, vaan jatkuvasti päivittyvästä mallista, joka on riittävän tarkka havaintojen tulkintaan, vaihtoehtojen suunnitteluun ja vaikutusten seurantaan.

Ilman prosessiälyä agentti näkee helposti vain yhden tehtävän kerrallaan. Se voi optimoida paikallista työvaihetta ymmärtämättä, siirtyykö ongelma seuraavaan vaiheeseen tai paraneeko varsinainen liiketoimintatulos.

3. Datakerros antaa agenteille hallitun pääsyn liiketoiminnan tilaan

Agentti tarvitsee muutakin kuin tekstimuotoisen tietopankin. Sen pitää pystyä käyttämään ajantasaista, rakenteista ja merkitykseltään riittävän yksiselitteistä liiketoimintadataa.

Datakerroksessa on ratkaistava ainakin:

• mitkä ovat keskeiset liiketoimintaobjektit ja niiden suhteet

• missä sijaitsee kunkin tiedon ensisijainen lähde

• miten tiedon laatu, ajantasaisuus ja käyttöoikeudet varmistetaan

• miten lähde, voimassaoloaika ja tehdyt muutokset voidaan jäljittää

• mitä tietoa agentti saa nähdä ja mihin tarkoitukseen

• miten yhteinen prosessin tila säilytetään tehtävien ja toimijoiden välillä

Kaikkea dataa ei tarvitse siirtää yhteen paikkaan. Agentilla pitää kuitenkin olla luotettava tapa löytää oikea tieto, ymmärtää sen merkitys ja erottaa vahvistettu tieto oletuksesta.

4. Integraatiokerros muuttaa tiedon toiminnaksi

Ilman järjestelmäyhteyksiä agentti jää työn ulkopuoliseksi neuvonantajaksi. Hallittujen integraatioiden avulla siitä voi tulla osa yrityksen operatiivista toimintakykyä.

Agentti voi esimerkiksi:

• hakea asiakkaan ja tapauksen tiedot

• päivittää käsittelyn tilan

• luoda tehtävän oikealle henkilölle

• käynnistää deterministisen työnkulun

• valmistella tai arkistoida dokumentin

• tarkistaa kapasiteetin tai liiketoimintasäännön

• pyytää hyväksynnän

• seurata, tapahtuiko odotettu muutos

Integraation ei pidä tarkoittaa agentille annettua yleistä pääsyä kaikkeen. Toiminnot kannattaa tarjota rajattuina työkaluina, joilla on selkeät syötteet, oikeudet, validoinnit ja auditointijälki. Täsmälliset säännöt, laskenta ja järjestelmätransaktiot kuuluvat edelleen ensisijaisesti deterministiselle ohjelmistolle.

Agentin vahvuus on kontekstin tulkinnassa, vaihtoehtojen muodostamisessa ja työn koordinoinnissa. Integraatiokerros antaa sille turvalliset kädet, mutta ei rajatonta toimivaltaa.

5. Agentti- ja orkestrointikerros määrittelee, miten työ tehdään

Agenttinatiivia yritystä ei kannata rakentaa yhden kaikkivoivan agentin varaan. Eri tehtävät vaativat erilaista tietoa, toimivaltaa, arviointia ja epäonnistumisen käsittelyä.

Yksi agentti voi tunnistaa poikkeamia, toinen muodostaa ratkaisuvaihtoehtoja, kolmas rakentaa ratkaisun kehitysympäristöön ja neljäs arvioida tuotoksen laatua. Osa solmuista ei ole agentteja lainkaan: mukana voi olla sääntöpohjaisia tarkistuksia, integraatioita, testejä ja ihmisten päätöksiä.

Tämän tyyppisestä agenttien työn rakenteen suunnittelusta on AI-keskustelussa alettu käyttää termiä graph engineering. Sillä viitataan agenttijärjestelmän suunnitteluun suoritettavana graafina: solmut kuvaavat agentteja, ihmisiä, työkaluja tai tarkistuksia, ja niiden väliset yhteydet määrittävät sallitut etenemisreitit, rinnakkaiset tehtävät, palautumisen, hyväksynnät ja pysäytysehdot.

Termi on vielä kehittyvä eikä tarkoita samaa asiaa kuin tietograafi tai GraphRAG. Sen hyödyllinen ajatus on kuitenkin selkeä: luotettava agenttijärjestelmä ei synny vain paremmasta promptista. Myös työn rakenne, yhteinen tila, vastuun siirtyminen ja kontrollipisteet pitää suunnitella eksplisiittisesti.

Graph engineering ei ole Builder AI:n erillinen kerros tai konseptin ydin. Se on yksi mahdollinen suunnittelutapa, jolla agenttien, ihmisten, järjestelmien ja kontrollien välinen toiminta voidaan tehdä näkyväksi, testattavaksi ja hallittavaksi.

6. Hallinta- ja mittauskerros pitää toiminnan vastuullisena

Mitä enemmän agentti voi tehdä, sitä tärkeämpää on määritellä, kuka vastaa lopputuloksesta ja millä ehdoilla agentti toimii.

Jokaisella agenttinatiivilla prosessilla pitää olla liiketoiminnallinen omistaja. Hänen vastuullaan on:

• määritellä tavoiteltu lopputulos ja mittarit

• hyväksyä agentin toimivallan rajat

• päättää, mitkä tilanteet vaativat ihmisen harkintaa

• seurata laatua, riskejä ja liiketoimintavaikutuksia

• varmistaa, että käyttäjät ymmärtävät uuden toimintamallin

• päättää, milloin prosessia tai kontrollitasoa muutetaan

Merkityksellisistä toimista pitää jäädä riittävä jälki. Jäljitettävyyden tulee kattaa käytetty tieto, sovellettu sääntö, agentin ehdotus tai toimi, mahdollinen hyväksyntä ja lopputulos. Virhetilanteita varten tarvitaan pysäytys-, palautus- ja eskalointipolut.

Agenttihankkeen onnistumista ei pidä arvioida vain käyttömäärillä tai säästyneillä minuuteilla. Mittareiden pitää palata liiketoiminnan tulokseen. Prosessista riippuen niitä voivat olla esimerkiksi:

• läpimenoaika ja palvelutaso

• virheiden, korjausten ja poikkeusten määrä

• asiakastyytyväisyys ja konversio

• kate, kustannus per käsittely tai tulovuoto

• työn kuormitus ja odotus

• päätösten laatu

• agentin ehdotusten hyväksyntä- ja korjausaste

• turhien tai puuttuvien eskalointien määrä

Mittaaminen ei ole raportointia hankkeen jälkeen. Se on seuraavan kehityskierroksen syöte.

Agentit voivat osallistua myös ratkaisujen rakentamiseen

Agenttinatiivin yrityksen näkökulmasta agentti ei ole vain uuden prosessin sisällä työskentelevä toimija. Agentit voivat tulevaisuudessa osallistua myös prosessia tukevan digitaalisen ratkaisun määrittelyyn, rakentamiseen, testaamiseen ja jatkuvaan kehittämiseen.

Builder AI:n tavoitetilassa eteneminen voi näyttää tältä:

1. Agentti tunnistaa prosessissa toistuvan kitkan ja kokoaa sitä tukevat havainnot.

2. Se pyytää prosessinomistajalta ja työn tekijöiltä puuttuvan kontekstin.

3. Se muodostaa vaihtoehdot: poistetaanko työvaihe, muutetaanko sääntöä, parannetaanko dataa vai rakennetaanko uusi agentti, automaatio, integraatio tai sovellus?

4. Se arvioi vaihtoehtojen hyödyt, riskit, riippuvuudet ja mitattavat tavoitteet.

5. Hyväksynnän jälkeen se muodostaa kehitysympäristöön ratkaisun ensimmäisen version.

6. Erilliset tarkistukset ja ihmiset arvioivat tietoturvan, toiminnallisuuden ja liiketoimintasäännöt.

7. Ratkaisu julkaistaan rajatulle käyttäjäryhmälle, sen vaikutuksia mitataan ja havainnot palautetaan prosessiälykerrokseen.

Tämä ei tarkoita, että agentille annetaan ensimmäisenä päivänä oikeus muuttaa tuotantoympäristöä itsenäisesti. Autonomiaa pitää kasvattaa näytön perusteella.

Agentti voi aluksi vain ehdottaa muutosta. Seuraavaksi se voi valmistella määrittelyn ja artefaktit ihmiselle. Myöhemmin se voi rakentaa testiympäristöön, ajaa ennalta määritellyt tarkistukset ja lopulta toteuttaa rajattuja, hyvin tunnettuja muutoksia hallitussa julkaisuputkessa.

Kun digitaalisten ratkaisujen rakentaminen nopeutuu, toteutusresurssien saatavuus ei välttämättä ole enää muutoksen suurin pullonkaula. Keskeiseksi nousee kyky valita oikeat uudistukset sekä määritellä niiden tavoitteet, vastuut, data, riskit ja hyväksymiskriteerit riittävän hyvin.

Power Platform voi tarjota hallitun rakennusalustan

Builder AI ei ole sidottu yhteen teknologiaan. Monelle Microsoft-ekosysteemissä toimivalle organisaatiolle Power Platform voi kuitenkin olla luonteva alusta ratkaisujen hallittuun rakentamiseen.

Sen eri osat voivat tukea kokonaisuutta:

• Dataverse tarjoaa rakenteisen tietomallin ja käyttöoikeudet

• Power Apps mahdollistaa käyttäjille tarvittavat sovellukset

• Power Automate toteuttaa deterministisiä työnkulkuja ja hyväksyntöjä

• Copilot Studio mahdollistaa agentit ja niiden työkalut

• connectorit, API:t ja MCP-palvelimet yhdistävät ulkoiset järjestelmät

• solution-malli, ympäristöt ja julkaisuputket tukevat hallittua elinkaarta

• Managed Environments ja data policies tuovat hallinnan reunaehtoja

Alusta ei silti ratkaise itsestään, mikä prosessi pitäisi uudistaa, mikä tavoitetila on oikea tai millä ehdoilla agentin saa päästää toimimaan. Builder AI:n varsinainen arvo on prosessiymmärryksen, liiketoimintavalinnan, ratkaisusuunnittelun ja hallitun toteutuksen yhdistämisessä.

Ihmiset eivät ole vain hyväksyntäportti

Agenttien ja automaation lisääntyessä ihmisestä puhutaan usein hyväksyjänä tai poikkeusten käsittelijänä. Tämä on liian kapea rooli.

Asiakas kertoo, syntyykö prosessissa arvoa. Työn tekijä tuo hiljaisen tiedon, poikkeukset ja käytännön realiteetit. Prosessinomistaja määrittelee tavoitteen, riskirajat ja vastuut. Kehittäjät ja asiantuntijat arvioivat ratkaisun toteutettavuutta, laatua ja käyttöönottoa.

Ihmisiä tarvitaan ennen muutosta, sen aikana ja käyttöönoton jälkeen:

• havaintojen tulkintaan ja puuttuvan kontekstin täydentämiseen

• tavoitteiden ja keskenään ristiriitaisten arvojen määrittelyyn

• vastuullisiin ja vaikeasti palautettaviin päätöksiin

• asiakkaiden ja muiden ihmisten kohtaamiseen

• agenttien toiminnan kalibrointiin

• uuden toimintamallin omaksumiseen ja kehittämiseen

Human in the loop ei tarkoita vain hyväksyntäpainiketta. Se tarkoittaa tarkoituksenmukaista roolia koko oppimissilmukassa.

Agenttinatiiviksi ei siirrytä yhdellä alustahankkeella

Agenttinatiivin yrityksen rakentaminen ei ala koko yrityksen kattavasta arkkitehtuuriprojektista eikä yhden yleisagentin käyttöönotosta.

Käytännöllinen eteneminen alkaa yhdestä prosessialueesta, jossa:

• liiketoimintatavoite ja prosessinomistaja ovat selvät

• kitka on toistuvaa ja vaikutus mitattavissa

• tarvittaviin tietolähteisiin voidaan saada hallittu pääsy

• ensimmäinen ratkaisu voidaan rajata turvallisesti

• työntekijät ja muut prosessin osapuolet voidaan ottaa mukaan suunnitteluun

Ensimmäisen toteutuksen tavoitteena ei pitäisi olla maksimaalinen autonomia. Sen pitää todistaa kokonainen silmukka havainnosta vaikutukseen:

1. tunnista todellinen uudistamistarve

2. suunnittele tavoiteltu toimintamalli

3. määrittele työnjako ihmisten, agenttien ja järjestelmien välillä

4. rakenna tarvittava data, integraatiot ja digitaalinen ratkaisu

5. testaa rajatussa ympäristössä

6. ota käyttöön hallitusti

7. mittaa vaikutus ja opi todellisesta toiminnasta

Kun laatu, riskit ja vaikutukset tunnetaan paremmin, agentin toimivaltaa voidaan laajentaa ja samaa rakennetta hyödyntää seuraavissa prosesseissa.

Agenttinatiivi yritys on jatkuvasti oppiva toimintamalli

Agenttinatiivi yritys ei ole yritys, jossa jokaisen työn päälle on lisätty AI-käyttöliittymä. Se ei myöskään ole yritys, jossa kaikki päätökset on siirretty agenteille.

Se on yritys, joka pystyy jatkuvasti:

• havaitsemaan, miten sen toiminta todellisuudessa muuttuu

• tunnistamaan, missä nykyinen prosessi ei enää palvele tavoitetta

• suunnittelemaan työn uudelleen lopputuloksesta käsin

• yhdistämään ihmiset, agentit ja järjestelmät tarkoituksenmukaiseksi kokonaisuudeksi

• rakentamaan muutosta tukevat digitaaliset ratkaisut hallitusti

• mittaamaan vaikutukset ja käyttämään opit seuraavaan kierrokseen

Builder AI yhdistää tämän jatkuvan prosessien selvityksen agentifioituun toteutuskykyyn. Sen tavoite ei ole automatisoida kaikkea, vaan lyhentää matkaa perustellusta havainnosta parempaan ja mitattavaan toimintamalliin.

Tekoälyn suurin mahdollisuus ei ehkä lopulta ole yksittäisten tehtävien tekeminen ihmistä nopeammin.

Se voi olla yrityksen kyky ymmärtää ja uudistaa omaa toimintaansa jatkuvasti.