Tekoälystä puhutaan paljon – välillä ehkä liikaakin. Keskustelu jää helposti yleiselle tasolle: AI muuttaa kaiken, AI tehostaa työtä, AI mullistaa ohjelmistokehityksen. Mutta mitä tämä tarkoittaa käytännössä? Missä muutos oikeasti näkyy?
Panostajan yhtiöissä on viime kuukausina nähty useita konkreettisia esimerkkejä siitä, miten tekoäly muuttaa tuotekehitystä. Kyse ei ole enää vain kokeiluista tai yksittäisistä demoista, vaan tekemisen tavasta, resursoinnista ja siitä, millaisia asioita uskalletaan ottaa työn alle. Alla lyhyesti listattuna muutama konkreettinen havainto eri yrityksistä:
- Tuotekehityksen vetäjä sanoo, että kuuden kehittäjän tiimi tekee nyt työtä, joka aiemmin olisi vastannut jopa 20 kehittäjän panosta. Lausunnossa voi toki olla hieman liioitteluakin mukana, mutta olennainen viesti on selvä: Tämän tuotekehityksen kokemuksen mukaan tekoälyn avulla on saavutettu merkittävä teholoikka. Tämän muutoksen seurauksena tässä yrityksessä uskalletaan nyt tarttua sellaisiin kehitysalueisiin, jotka aikaisemmin olisivat helposti jääneet odottamaan. Esimerkiksi integraatioiden toteuttamista voidaan lähestyä uudella tavalla. Samalla pohdinnassa on myös uusia toiminnallisuuksia. Kun kehityskapasiteetti kasvaa, ei kyse ole vain siitä, että samat asiat tehdään nopeammin. Kyse on myös siitä, että mahdollisten asioiden joukko laajenee.
- Toinen havainto on tehty toisen yrityksen palkanlaskennan tulkinnan kehittämisessä. Tilitoimiston manuaalityöhön pohjautunut prosessi korvatiin omalla tulkintamoottorilla, jonka rakentamisessa hyödynnettiin tekoälyä. Lopputuloksena syntyi ratkaisu, jossa manuaalista asiantuntijatyötä voitiin siirtää järjestelmän tehtäväksi. Tämä on hyvä esimerkki siitä, missä AI arvo usein syntyy: ei välttämättä kokonaan uuden tuotteen rakentamisessa, vaan manuaalityön automatisoinnista.
- Kolmas esimerkki on alustojen ja teknologioiden versiopäivitykset. Ne ovat perinteisesti ohjelmistoyhtiöissä hankalia, usein epäkiitollisia ja liiketoiminnan näkökulmasta vaikeasti priorisoitavia projekteja. Asiakas ei välttämättä näe muutosta suoraan, mutta tekninen velka kasvaa, jos päivityksiä ei tehdä. Esimerkiksi Metro-frameworkin versionvaihto oli keskusteluidemme alkuvaiheessa näyttäytynyt isona urakkana. Nyt se saatiin tehtyä AI-avusteisesti alle kahdessa kuukaudessa. Samantyyppinen kokemus on Laravel- ja PHP-versiopäivityksistä. Tekoäly ei poista tarvetta osaaville kehittäjille, mutta se voi merkittävästi nopeuttaa vanhan koodin läpikäyntiä, muutostarpeiden tunnistamista ja korjausten toteuttamista.
- Neljäs AI:n käyttötapaus liittyy nykyisten järjestelmien ymmärtämiseen. Yhdessä yrityksessä tekoälyä hyödynnetään nykyisen ratkaisun toteutusten selittämisessä. AI pystyy hahmottamaan, mitä toiminnallisuuksia tietyllä alueella on, miten ne liittyvät toisiinsa tai miten raportille lisätään uusi tieto olemassa olevan tietokantamallin pohjalta. Monessa yrityksessä iso osa työajasta ei mene uuden koodin kirjoittamiseen, vaan nykyisen kokonaisuuden ymmärtämiseen: miksi jokin asia on tehty näin, mihin tieto tallentuu, mistä raportti muodostuu, mitä pitää muuttaa, jotta uusi tarve saadaan toteutettua turvallisesti. Kun tekoäly nopeuttaa ymmärryksen saavuttamista, vaikutus kehitystehoon voi olla suuri.
Näissä esimerkeissä toistuu sama kaava. Tekoäly ei itsessään korvaa tuotekehitystä, tuotejohtamista tai teknistä ymmärrystä. Päinvastoin: parhaat tulokset syntyvän siellä, missä kokeneet ihmiset käyttävät AI oman ajattelunsa, suunnittelunsa ja toteutuksensa työvälineenä.
AI todellinen vaikutus ei siis ole vain koodin nopeammassa tuottamisessa. Se näkyy ainakin neljällä eri tavalla:
- nykyisten kehitystehtävien nopeutumisena
- teknisen velan purkamisen helpottumisena
- järjestelmien ymmärtämisen tehostumisena
- uusien kehitysalueiden mahdollistumisena
Tämä viimeinen kohta on ehkä kaikkein kiinnostavin. Kun arjen paine helpottaa, aletaan nähdä uusia mahdollisuuksia. Aikaisemmin liian isoiksi tai hitaiksi arvioidut hankkeet muuttuvat toteuttamiskelpoisiksi. Johtamisen näkökulmasta uudet mahdollisuudet luovat kysymyksen – mitä liiketoimintamalleja tai arvonluontia voimme toteuttaa nyt?
Panostajan näkökulmasta tämä on tärkeä havainto. AI ei ole vain teknologiajohtajan tai kehittäjien työkalu, vaan strateginen tuottavuuskysymys. Omistajan ja hallituksen kannattaa kysyä yhä useammin: miten yhtiö hyödyntää tekoälyä tuotekehityksessä, teknisen velan hallinnassa ja asiakasarvon rakentamisessa? Vielä tärkeämpää on kysyä: mitä sellaista voimme nyt tehdä, mikä ennen jäi tekemättä? Mitä liiketoimintamahdollisuuksia meille avautuu muutoksen seurauksena?
Tekoäly on tuotekehityksessä nyt konkretiaa ja arkipäivää. Enää ei puhuta tulevaisuuden mahdollisuuksista, vaan muutos on jo arkipäivää monessa yrityksessä!
Lue lisäksi blogi Lenion ohjelmistokehityksen vauhdittumisesta tekoälyn avulla
Kirjoittaja on Panostajan kehitysjohtaja.