LegoDinoista MobAIhin – AI-kehitys ei nopeudu ilman kollektiivista ajattelua
90-luvulla Nokiassa järjestettiin LegoDino-koulutuksia. Dinosaurus oli jaettu osiin: yksi tiimi rakensi jalkaa, toinen päätä, kolmas runkoa, ja yksi vastasi basic-ohjelmoinnista. Tiimit sijoitettiin eri huoneisiin, ja he saivat kommunikoida vain viestilappujen kautta.
Harjoitus näytti yksinkertaiselta, mutta osoittautui yllättävän vaikeaksi. Viestit kulkivat hitaasti, oletukset erosivat ja väärinymmärrykset kasautuivat. Kun integroinnin hetki koitti, osat eivät usein sopineet yhteen. Ohjelmointi perustui tulkintoihin, jotka eivät vastanneet fyysistä rakennetta, ja harva tiimi sai dinon valmiiksi annetussa ajassa.
Ongelma ei ollut osaamisessa. Ongelma oli koordinaatiossa.
Tämä ei ollut leikkiä – se oli simulaatio kompleksisuudesta, ja jatkuvan kommunikoinnin merkityksestä.
Kompleksinen AI-työ ei nopeudu yksilöoptimoinnilla
AI-kehitystä pidetään usein teknisenä haasteena: valitaan mallit, rakennetaan agentit ja integroidaan järjestelmät.
Todellisuudessa suurin pullonkaula ei useimmiten ole teknologia, vaan koordinaatio.
Toimivan AI-agentin rakentaminen harvoin onnistuu yhden ihmisen päässä. Yksi osaa koodata ja orkestroida agentin. Toinen ymmärtää syvällisesti liiketoimintaprosessin. Kolmas hallitsee datan, neljäs riskit ja sääntelyn, viides käyttäjäkokemuksen. Osaaminen on hajautunutta – ja juuri siksi se täytyy kytkeä yhteen.
Jos agenttia kehitetään yksilövetoisesti, syntyy helposti teknisesti elegantti mutta kontekstiltaan väärä ratkaisu – tai liiketoiminnallisesti lupaava idea, joka ei skaalaudu teknisesti.
Tutkimus tukee tätä havaintoa. MIT:n Thomas W. Malone kollegoineen on osoittanut, että ryhmien suorituskyky riippuu ennen kaikkea kyvystä koordinoida toimintaa ja hyödyntää jäsentensä osaamista – ei yksittäisistä tähtisuorittajista. Amy Edmondsonin tutkimus puolestaan osoittaa, että oppiminen edellyttää psykologista turvallisuutta: oletuksia pitää voida kyseenalaistaa ennen kuin ne kovakoodataan järjestelmään.
AI-agenttien kehitys on nimenomaan tällaista oppimista: hypoteeseja rakennetaan, testataan ja korjataan nopeasti. Ilman avointa dialogia virheet koodataan järjestelmään.
Kun siirrytään yksittäisistä agenteista agenttifarmeihin – useiden agenttien rinnakkaisiin kokonaisuuksiin kompleksisuus kasvaa nopeasti. Human–AI-yhteistyön tutkimus (esim. Dellermann et al., 2019; 2021) korostaa, että arvo syntyy ihmisen ja tekoälyn komplementaarisuudesta, ei korvaamisesta. Tämä edellyttää tiimirakenteita, ei sankareita.
Lisäksi pienryhmätutkimus ja ohjelmistokehityksen meta-analyysit osoittavat, että kaikkein kompleksisimmassa työssä tehokkaimmat tiimit ovat usein pieniä – tyypillisesti 3–5 henkilöä. Tällöin osaamiskirjo on riittävä, mutta kommunikaatiokuorma pysyy hallittavana. Kun tiimi kasvaa liikaa, koordinaatiokustannukset alkavat syödä nopeutta.
AI-kehityksessä tämä tarkoittaa seuraavaa:
- Nopeus ei synny siitä, että yksi kehittäjä rakentaa nopeammin.
- Nopeus syntyy siitä, että pieni moniosaajatiimi ajattelee synkronoidusti ennen kuin ratkaisut kovakoodataan arkkitehtuuriin.
Sama asia nopeutettuna, mitä aikanaan opimme LegoDino-harjoituksessa.
Tarinan opetus on tämä:
- Älkää organisoiko AI-kehitystä yksittäisten sankarikehittäjien varaan.
- Organisoikaa se pieniin, moniosaajatiimeihin, jotka ajattelevat yhdessä.
Teknologia skaalaa nopeasti. Virheet skaalaavat vielä nopeammin.
MobAI avuksi agenttityön kuormittavuuteen
MobAI® syntyi kahden käytännössä toimineen työskentelytavan yhdistelmästä.
Teslalla käytettiin RoboMob-työskentelyä – tapaa, jossa monialainen tiimi työskentelee yhdessä saman ongelman parissa korkealla intensiteetillä, nopeasti integroiden ohjelmiston, automaation ja tuotannon. Aiemmin ohjelmistomaailmassa Woody Zuillin kehittämä mob programming osoitti, että koko tiimin yhtäaikainen työskentely yhden työnkulun äärellä parantaa laatua, nopeuttaa oppimista ja vähentää integraatiovirheitä.
Joe Justice yhdisti nämä kaksi maailmaa.
Näin syntyi MobAI: tapa kehittää ja hyödyntää tekoälyä siten, että koko tiimi työskentelee yhdessä AI:n kanssa – ei niin, että yksittäinen kehittäjä rakentaa ratkaisuja hiljaisesti omassa kulmassaan.
MobAI ei ole teoria. Se perustuu kokemuksiin laajoista, nopearytmisistä ja tekoälyä hyödyntävistä organisaatioista. Vastaavaa työskentelytapaa on sovellettu esimerkiksi Teslalla, Toyotalla, Scanialla/Tratonilla, Boschilla, Volkswagen-ryhmässä sekä Mercedes-Benzillä.
Yhteistä näille organisaatioille on yksi asia: kompleksisuus. Kun ohjelmisto, data, automaatio ja fyysinen tuote kietoutuvat yhteen, yksilöoptimointi ei riitä. Tarvitaan kollektiivista ajattelua.
MobAI yhdistää ketterän kehittämisen, mob programmingin ja RoboMob-kokemukset ihmisen ja tekoälyn tiiviiksi yhteiseksi työskentelyksi.
Sen ytimessä ei ole teknologia, vaan ajattelun synkronointi.
LegoDinossa dinosaurus hajosi, jos tiimit eivät keskustelleet.
AI-aikakaudella agenttifarmi hajoaa, jos ajattelu ei ole yhteistä.
MobAI on vastaus tähän haasteeseen.
Toimiiko se käytännössä?
Haluatko nähdä, miltä kollektiivinen AI-kehitys näyttää käytännössä?
Huhtikuussa Helsingissä järjestetään MobAI-workshop Lean Product & Process Development Europe (LPPDE) -tapahtuman yhteydessä. Workshopissa rakennetaan ja testataan AI-agentteja pienessä moniosaajatiimissä – juuri sillä tavalla, joka nopeuttaa oppimista ja vähentää koordinaatiovirheitä.
