Alma Media on kehittänyt tekoälyvalmiuksiaan aktiivisesti viime vuosien ajan. Almalla tekoäly on osa yhtiön strategiaa ja henkilöstön valmiuksia kehitetään koko organisaation kattavan tekoälyohjelman avulla.
Osana AI-ohjelmaansa Alma Media toteutti agenttien rakentamiseen keskittyvän Learning Sprintin yhdessä Splendedin kanssa.
Me Splendedillä kuulemme organisaatioilta usein saman kysymyksen: ymmärrämme, että tekoälyagentit ovat nyt pinnalla, mutta miten niitä rakennetaan?
Päätimme yhdessä Alma Median kanssa vastata tähän kysymykseen mahdollisimman käytännönläheisesti. Luentojen tai yksittäisten työpajojen sijaan suunnittelimme Learning Sprintin: kahdeksan kahden tunnin sessiota, joissa monialaiset tiimit rakensivat omia tekoälyagenttejaan Microsoft Copilot Studiossa. Ei demojen katselua. Ei mukana seuraamista, vaan oikeaa agenttien rakentamista.
Valmentajamme Santeri Kallio tapasi osallistujia kahdesti viikossa neljän viikon ajan. Jokainen sessio alkoi 20–30 minuutin opetusosiolla uudesta konseptista, jota seurasi käytännön työskentely, jossa osallistujat rakensivat ja testasivat asioita itsenäisesti. HR-, talous-, laki- ja viestintä -tiimit työskentelivät rinnakkain, mikä osoittautui yhdeksi valmennuksen parhaista puolista. Osallistujat näkivät, miten sama teknologia voi ratkaista hyvin erilaisia ongelmia kontekstista riippuen.
Ideoista toimiviksi agenteiksi
Aloitimme kysymällä osallistujilta, millaisen agentin he haluaisivat eniten omaan työhönsä. Vastaus oli selvä: jotain, joka etsii ja nostaa esiin oikeaa tietoa sisäisistä järjestelmistä. Useimmat heistä menettivät päivittäin aikaa juuri siihen, että he etsivät oikeaa dokumenttia tai vastausta, joka oli hautautunut jonnekin organisaation syövereihin.
Sitten pyysimme heitä rakentamaan sellaisen heti ensimmäisessä sessiossa. Kuten eräs osallistuja totesi: ”Yllätys: ensimmäinen kokeilu auttoi meitä hahmottamaan, miten agentti kannattaa rakentaa.” Tunnin sisällä ihmiset, jotka eivät olleet koskaan aiemmin käyttäneet alustaa, saivat agenteiltaan hyödyllisiä vastauksia.
Toiseen sprinttisessioon mennessä pöydällä oli yli 30 konkreettista agentti-ideaa. Meitä hämmästytti, miten käytännönläheisiä ne olivat. Kukaan ei ehdottanut scifi-skenaarioita. Ihmiset halusivat agentteja, jotka voisivat hoitaa asioita, joiden kanssa he painivat viikoittain: jaettujen sähköpostilaatikoiden lajittelua, toistuviin kysymyksiin vastaamista yrityksen käytännöistä, kokouksiin valmistautumista ja tietojen yhdistämistä useista järjestelmistä. Yksi tiimi ehdotti agenttia, joka auttaa esimiehiä navigoimaan haastavissa palaute- ja suoriutumiskeskusteluissa. Ideat kumpusivat suoraan päivittäisistä turhautumisen aiheista.
Oppimista rakentamalla
Palaset loksahtivat kohdalleen prompt engineering -sessioiden aikana. Annoimme osallistujille kaksi tarkoituksella huonoa agentin ohjeistusta ja pyysimme heitä korjaamaan ne. Palaute oli yksimielinen: jokaisen rivin on oltava tarkempi. Osallistujat alkoivat esittää kysymyksiä, joita he eivät olleet aiemmin ajatelleet. Kenen tarkalleen pitäisi saada kokousmuistio – kaikkien yrityksessä vai vain kutsuttujen? Mitä ”ammattimainen sävy” tarkoittaa tässä yhteydessä? Mitä agentin pitäisi tehdä, kun se ei tiedä vastausta?
Yksi ryhmä kehitti kehoterakenteen, jonka muut omaksuivat nopeasti: tavoite, ohjeet, konteksti ja pysäytysehdot. Tämä viitekehys muutti koko harjoituksen luonteen. Kysymys ei ollut enää, voiko tekoäly tehdä jotain, vaan pystytäänkö kuvailemaan riittävän tarkasti, mitä halutaan.
Myöhemmin, kun osallistujat yhdistivät agenttinsa todellisiin yrityksen tietolähteisiin, he törmäsivät sellaiseen kitkaan, jonka voi havaita vain tekemällä. Jotkut lähteet toimivat suoraan. Toiset vaativat kiertoteitä sisäänkirjautumismuurien tai käsittelyviiveiden vuoksi.
Osallistujat testasivat agentteja omilla asiakirjoillaan ja työnkuluillaan, ja juuri se teki opitusta pysyvää.
Mitä opimme
Kuudenteen sprinttisessioon mennessä, kun esittelimme edistyneempiä konsepteja, kuten rakenteellisia keskustelukulkuja, ryhmä oli jakautunut kahteen leiriin, josta olimme iloisia. Jotkut osallistujat miettivät jo useiden agenttien linkittämistä yhdeksi työnkuluksi. Kuten eräs osallistuja kirjoitti: ”Aion ehdottomasti käyttää näitä, koska mitä enemmän pystyn automatisoimaan agenttien tekemistä, sitä enemmän näen sen todella hyödyttävän työtäni.”
Ne, jotka olivat valmiita etenemään vauhdilla, saivat tilaa sille. Niiden kanssa, jotka tarvitsivat enemmän aikaa, ei kiirehditty. Sprinttipohjainen rakenne mahdollistaa molemmat.
Vahva lähtökohta tekoälyn omaksumiselle
Eräs osallistuja tiivisti kokemuksen hyvin:
”Tämä on yksi parhaista tavoista oppia tekoälystä: käytännönläheistä, konkreettista ja suoraan omaan työhön sidottua. Santeri on todellinen ammattilainen, joka onnistui tukemaan hyvin eri tasoisia osallistujia ja piti kaikki kehityksessä mukana. Tällainen lähestymistapa vie meitä oikeaan suuntaan Alman tekoälystrategiassa, kun otamme käyttöön agenttipohjaisia työnkulkuja koko organisaatiossa.”
Yhteistyön onnistumisen salaisuus oli rytmi. Kaksi sessiota viikossa piti yllä vauhtia ilman, että osallistujat kuormittuivat liikaa. Opetus-rakentaminen -malli tarkoitti, ettei kukaan voinut vain passiivisesti istua ja kuunnella esitystä. Ja kahdeksan sprintin kaari antoi riittävästi aikaa siirtyä ”mikä on agentti?” -kysymyksestä aina monivaiheisiin työnkulkuihin, joissa hyödynnettiin todellisia tietolähteitä ja itsenäistä toimintaa.
Lopulta osallistujilla oli toimivat, omiin prosesseihinsa sidotut agentit. He saivat myös selkeän käsityksen siitä, missä tekoälyagenteista on apua ja missä ei – asia, jota on vaikea ymmärtää esityksestä tai demosta.
Lyhyesti sanottuna, tässä ei ollut kyse tekoälyn esittelystä. Kyse oli valmiuksien rakentamisesta sen käyttämiseen jokapäiväisessä työssä.
