OKR:t, AI ja digitaalinen itsejohdettavuus – miten nykyiset nykyiset rakenteet muokataan tukemaan AI-muutosta

OKR:t ovat vakiinnuttaneet asemansa monissa suomalaisissa organisaatioissa. Samaan aikaan tekoäly muuttaa tapaa, jolla työtä tehdään, ohjataan ja johdetaan. Harvemmin kuitenkaan pysähdytään kysymään, tukevatko nykyiset OKR-rakenteet tätä muutosta – vai hidastavatko ne sitä. Tässä artikkelissa tarkastelen OKR:ien, ketteryyden ja AI-natiivin digitaalisen itsejohdettavuuden välistä jännitettä.

OKR:t ovat osa yritysten arkipäivää – myös Suomessa

OKR:t (Objectives and Key Results) yleistyivät suomalaisissa organisaatioissa nopeasti John Doerrin Measure What Matters -kirjan (2018) ilmestymisen jälkeen. Kirja teki näkyväksi sen, miten esimerkiksi Google ja Intel olivat hyödyntäneet OKR-ajattelua strategian jalkauttamisessa, fokuksen kirkastamisessa ja tekemisen suuntaamisessa.

Myös Suomessa OKR:t otettiin laajasti käyttöön – ei vain konsulttipuheissa, vaan osana arjen johtamista. OKR-ajattelun ympärille syntyi kotimainen ekosysteemi: esimerkiksi LATO on yksi suomalaisista OKR-työkaluista, jotka visualisoivat tavoitteita ja edistymistä dashboardien avulla. Samalla aihetta on käsitelty suomenkielisessä kirjallisuudessa, kuten Henri Soran kirjassa Strategia arkeen OKR-mallilla, jossa painopiste on strategian ja päivittäisen työn yhdistämisessä.

Kun OKR:t törmäävät vanhaan tavoite- ja bonusjohtamiseen

OKR:t tukevat lähtökohtaisesti joustavaa strategista ajattelua ja ketteriä toimintatapoja. Ne mahdollistavat suunnan tarkistamisen, oppimisen ja priorisoinnin lyhyissä sykleissä. Tästä huolimatta monessa suomalaisessa organisaatiossa OKR:ien rinnalla elää edelleen perinteinen vuosittainen tavoitejohtaminen – usein vielä tiukasti bonusjärjestelmiin sidottuna.

Tämä ei ole vain pieni epätäydellisyys rakenteessa. Harvard Business Review’n HR Goes Agile -artikkelissa todetaan, että yksi suurimmista esteistä koko organisaation ketteryydelle on juuri vanhaan, vuosikelloon sidottuun tavoite- ja palkitsemisjärjestelmään takertuminen. Kun tavoitteet, arviointi ja palkitseminen perustuvat menneeseen vuoteen, ketteryyden ydin – jatkuva oppiminen ja uudelleensuuntaaminen – jää helposti puheiden tasolle.

OKR:t eivät tällöin epäonnistu. Ne neutralisoidaan vanhoilla johtamismalleilla.

Agile HR ja Agile People: sama viesti eri kulmista

Sama havainto toistuu Agile HR -kirjallisuudessa. Riina Hellströmin ja Natal Dankin Agile HR nostaa esiin sen, kuinka perinteiset HR-prosessit – erityisesti suoritusarviointi ja palkitseminen – on rakennettu ennakoitavuuden ja kontrollin logiikalle, ei jatkuvalle oppimiselle ja kokeilulle.

Pia-Maria Thorénin Agile People puolestaan korostaa sisäisen motivaation, autonomian ja tiimien itseohjautuvuuden merkitystä ketterässä organisaatiossa. Näitä on vaikea aidosti tukea järjestelmillä, jotka lukitsevat tavoitteet ja palkitsemisen vuodeksi eteenpäin ja ohjaavat toimintaa yksilösuoritusten kautta.

Miltä digitaalinen itsejohdettavuus näyttää AI-natiivissa ympäristössä?

Samaan aikaan osa organisaatioista toimii jo selvästi AI-natiivimmalla logiikalla. Teslalla Joe Justice on kuvannut toimintatapaa, jossa digitaalinen itsejohdettavuus (Digital SElf-Management) on keskiössä.

Esimerkiksi auton maalausvaiheessa tekoäly tarkistaa maalipinnan laadun, tunnistaa poikkeamat ja merkitsee kuvapohjaisesti kohdat, jotka vaativat lisätyötä. Palaute on välitöntä ja suoraan tekemistä ohjaavaa – ei jälkikäteen tapahtuvaa raportointia.

Myös työn allokointi perustuu reaaliaikaiseen tilannekuvaan. Niin sanottu Justice Board näyttää, missä apua kulloinkin tarvitaan. Ihmiset voivat itse valita, mihin tehtävään siirtyvät. Työtä ei ohjata vuosittaisilla tavoitteilla tai bonuksilla, vaan näkyvällä tarpeella ja jatkuvasti päivittyvällä datalla.

OKR-dashboardit AI-ajassa

Monessa organisaatiossa OKR:t on kuitenkin edelleen toteutettu dashboardeina, jotka ensisijaisesti raportoivat mennyttä. OKR- ja LATO-dashboardit visualisoivat tavoitteita ja edistymistä, mutta vaativat usein manuaalista päivittämistä ja jälkikäteistä tulkintaa.

Kun tekoälyä aletaan hyödyntää laajemmin, olisi luontevaa ottaa seuraava askel. AI voisi analysoida automaattisesti backlog-työkalujen dataa, tunnistaa pullonkauloja, kuormitushuippuja ja viiveitä – tai tuotantoympäristössä kuvista tunnistettuja virheitä ja poikkeamia – ja tuoda tämän tiedon suoraan näkyville.

Tällöin dashboard ei olisi vain raportointiväline, vaan aktiivinen osa digitaalista itsejohdettavuutta: se ohjaisi tekemistä tässä ja nyt.

Haaste johdolle: miten AI-transformaatiota johdetaan?

AI-transformaation suurin haaste ei ole teknologia, vaan sen johtaminen.

Voisiko AI-transformaatiota johtaa läpinäkyvämmin?

Voisiko koko organisaatio nähdä, missä kokeillaan, mitä opitaan ja missä juuri nyt tarvitaan apua?

Ja ennen kaikkea:

tukeeko nykyinen OKR-rakenne tätä oppimista ja jatkuvaa uudelleensuuntaamista – vai estääkö se sitä?

Kuinka ketteriä teidän OKR-dashboardinne oikeasti ovat, ja mitä tekoälyn tuottamaa mittaritietoa niissä voisi jo tänään päivittyä automaattisesti?