Turussa pidettiin 2.11. Työpaja 1, jossa etsittiin signaalia ja esiteltiin 8 datakeissiä. AI-lähettiläät (21 osallistujaa) arvioivat kutakin datakeissiä omien tietojensa, taitojensa ja yrityksensä näkökulmista. Vastauksia saatiin 13 osallistujalta. Tässä pari ensimmäistä havaintoa.
- Esimerkit ja omat kokeilut ovat hyvästä
Oppimisen ja osaamisen näkökulmasta 2/3 vastauksista koki esimerkit hyödyllisiksi ja 21% viestitti että esimerkeissä oli jotain hyvää. Alle 10% vastauksista kertoi, että näistä ei ollut hyötyä. AI-lähettilästoiminnan kannalta tulos on hyvä, ellei erittäin hyvä.
- Työkaluja ja tekniikoita on pilvin pimein – mikä sopii yhdelle, ei sovi toiselle
Esitetyt keissit edustivat noin 4-5 erilaista tapausta. Odotetusti esimerkin soveltuvuus on heikompi kuin esimerkkien yleissivistävä voima: 45% vastauksista koettiin, että esimerkeissä oli jotain annettavaa. Jopa 34% vastauksista viestitti sitä, että esimerkeissä oli vähän jotain jota voisi hyödyntää. Yhdessä tämä on huikeat 79%. Vain 17% vastauksisissa ei nähty soveltamismahdollisuutta. Meidän mielestä vastaukset ovat enemmän kuin rohkaisevia.
Tästä on hyvä jatkaa. Lopuksi vielä muistutus data-analytiikan ja tekoälyn omainaispiirteestä:
“Data science fails easily. Garbage in garbage out.”
– Deborah ‘Debbie’ Berebichez, 25.11.2021 DigiReactor.fi -aamutilaisuudessa
Debbie muistutti myös, että ”data-fokusoituneet yritykset
- kouluttavat työntekijöitään
- luottavat heidän päätöksiin
- rohkaisevat datan ”pähkäilyyn”
- jakavat dataa ja
- arvostavat datan muuttamista tuotoiksi!”
Yritys- ja työkulttuurin on myös muututtava kohti datatalousyhteiskuntaa. Siinä auttaa luottamuksen, sosiaalisen pääoman ja yhteistoiminnallisuuden huomioiminen. Muutos ei ole pieni eikä ihan helppokaan, mutta AI-lähettiläs on yksi askel sillä polulla. Kohti parempaa huomista!
Yst.t., Turun tiimi