Men vilken konkret hjälp kan den artificiella intelligensen ge i expertarbete som kräver strategisk uppfattning, systemiskt tänkande och förmåga att förnya verksamheten på ett hållbart sätt? I de försök som Sitra genomförde tillsammans med våra samarbetspartner fokuserade vi på dessa synvinklar.
Frågeställningar i försöken:
- Vilka nya saker kan artificiell intelligens tillföra effektbaserad design?
- Hur hjälper artificiell intelligens till att lösa olika nationella och internationella utmaningar?
- Hur stöder artificiell intelligens expertarbete?
AI-experiment med våra partners
När försöken inleddes våren 2024 var de stora språkmodellerna (eng. Stora språkmodeller (LLM) hade bara börjat användas, och de användes ännu inte mycket i processer som krävde kreativitet och strategiskt tänkande.
Experimenten byggde upp en internationell, nationell och individuell strategisk utmaning. Försöken genomfördes i samarbete med Folkmusikinstitutet, KULTA ry, Centret för konstfrämjande, LUT-universitetet, VTT, DIMECC Oy och Headai Oy. Gofore stödde försök med utnyttjande av artificiell intelligens och systemtänkande. Vi genomförde försöken i maj–september 2024.
Utifrån försöken sammanställde vi fem lärdomar som chefer och experter kan använda för att stöda effekten av sitt arbete. Det handlar inte om teknik, det handlar om möjligheter att förnya verksamheten.
Fem lärdomar för effektivt expertarbete
- Anta ett systemiskt tillvägagångssätt
Det mervärde som den artificiella intelligensen medför realiseras i synnerhet när den kopplas till en bredare strategisk och systemisk helhet. Överge siloade och linjära designmodeller när du letar efter effekt. Fokusera på ett gemensamt mål och ett proaktivt och systematiskt tillvägagångssätt för att lösa komplexa utmaningar. - Uppgradera hanteringen till AI-åldern
Att leda den artificiella tidsåldern kräver strategiskt tänkande, snabbt beslutsfattande och stöd för kontinuerlig förnyelse. Se strategin som en kontinuerlig aktivitet, men outsourca inte beslutsfattandet. Använd självständigt fungerande, dvs. agentisk AI, för att bygga en situationsbild i realtid och kristallisera strategiska val. Fäst uppmärksamhet vid organisationens strukturer, processer och verksamhetssätt så att de svarar på de förändringar som den artificiella intelligensen medför. - Förtydliga arbetsfördelningen mellan artificiell intelligens och experter
Den artificiella intelligensen ersätter inte experten, utan betonar expertens roll. Låt AI hantera analyser och rutinuppgifter och fokusera på kreativitet, kritiskt tänkande och beslutsfattande för människor. Målet är att öka arbetets effektivitet och meningsfullhet. Följa upp utvecklingen av personalens kompetens. - Utnyttja AI för att stödja samarbete
Utnyttja AI för att förbättra lagarbete och produktivitet, men var specifik när det gäller dess användningsområden. Uppmuntra experterna att vara modiga och stärka kulturen för kontinuerligt lärande och verksamhetsmodeller som stöder samarbetet. - Bygg en etiskt hållbar kultur för kunskapsbaserad ledning
Använd data på ett ansvarsfullt och transparent sätt. Utveckla dataläskunnighet bland individer och samhällen och se till att datastyrning stöder etiska principer och en människocentrerad arbetskultur. Det är människor som leder AI och förändras med den – inte AI.
Bekanta dig med försöken
Integrera det kulturella målet i FN:s globala mål för hållbar utveckling
Vilket försök?
Kulturen har inget eget mål för de globala målen i FN:s ramverk för hållbar utveckling. Det skulle dock vara nödvändigt med ett separat mål för kulturen, eftersom beteendet mellan generationerna endast kan göras hållbart genom att förändra kulturen. Det kulturella målet är också viktigt eftersom det skulle göra det möjligt för kultursektorn att göra ett starkare åtagande för målen för hållbar utveckling.
Vad gjordes?
I försöket granskade vi kampanjen för kulturmål på tre olika nivåer: internationell, nationell och samhällelig. Vi använde systemisk modellering och artificiell intelligens för att förstå kopplingarna mellan de globala målen. Studien fokuserade också på verktyg och processmodeller som kan användas för att på ett effektivt sätt belysa betydelsen av kulturellt beteende för att främja en hållbar utveckling.
Med hjälp av systemmodellering och språkmodeller skissades kampanjens strategiska mål. Dessutom strävade vi efter att fördjupa förståelsen för sambanden mellan Unescos och kulturpolitikens centrala begrepp.
Vad lärde vi oss?
- Språkmodeller kräver exakta definitioner av begrepp och enhetlighet i termer.
- Vikten av expertarbete betonades – artificiell intelligens klarar inte av att uppfylla kraven på högklassig expertis.
- Den artificiella intelligensen erbjuder nya möjligheter för databehandling, särskilt när det gäller att påverka det sociala beteendet, men medför också etiska utmaningar och risker.
- Systemisk modellering visade sig vara ett effektivt verktyg i utvecklingen av hållbarhetstänkandet och i planeringen av det praktiska genomförandet.
- Att öka utbildningen, god praxis och kompetensen är avgörande för att främja kulturell hållbarhet. Den omfattande information som Unesco samlat in erbjuder möjligheter till exempel i framtiden. Pilotprojekt för en modell som främjar kulturell hållbarhet på individ- och samhällsnivå.
Vilka var inblandade?
- Matti Hakamäki, Finlands folkmusikinstitut
- Annika Lyytikäinen, Undervisnings- och kulturministeriet
- Kaisa Rönkkö, Centret för konstfrämjande
Ytterligare information
- Matti Hakamäki, Finlands folkmusikinstitut
- Internationellt mål för kampanjen Kultur 2030
- Finlands kulturmål 2030
Fast Expert Teams – satsningar på ren energi i Sydöstra Finland
Vilket försök?
Försöket testade arbetsmodellen Fast Expert Teams (FET), utvecklad av handelshögskolan vid LUT-universitetet. I modellen stöder digitala samarbetsverktyg experters samarbete över sektorsgränser. Målet var att främja investeringar i ren energi och vätgasekonomi i Sydöstra Finland.
Vad gjordes?
Under ledning av LUT-universitetets forskarteam samlades ett tidsbegränsat nätverk med 60 experter inom energisektorn, faciliterat av en Howspace-expert. Nätverket utvecklade åtta konkreta åtgärdsförslag för att stärka Finlands konkurrenskraft på marknaden för ren energi och vätgas. Åtgärderna har redan påbörjats och förs vidare.
Vi kompletterade Fast Expert Teams-processen i samarbete med LUT-forskare och Gofore. Vi fokuserade särskilt på artificiell intelligens roll i kunskapsdelning och skapande av ny kunskap. Vi ordnade workshops där vi uppmuntrade till användning av AI-verktyg och presenterade möjligheterna med generativ AI i olika skeden av samarbetet. Vi effektiviserade teamets arbete med hjälp av AI-verktyg på Howspace-plattformen. Dessutom kartlade vi potentialen i systemmodellering för att förstå ekosystemet kring energiinvesteringar.
Vad lärde vi oss?
- Artificiell intelligens kan stödja gemensamt tänkande, reflektion och produktivitet i expertarbete.
- Systemmodellering är ett användbart verktyg för att förstå komplexa problem, men kräver förberedelser och resurser.
- AI:s roll i experters och teams arbete växer snabbt, och nya funktioner behövs för att stödja informationssökning, delning och skapande.
- Utmaningar uppstod kring teknisk beredskap, tidspress och datagränssnitt. Användningen av AI-verktyg kräver kontinuerligt stöd och kompetensutveckling.
Vilka var inblandade?
- Kirsimarja Blomqvist, LUT-universitetet
- Essi Janhunen, LUT-universitetet
- Tuuli Toivikko, LUT-universitetet
Ytterligare information
- Kirsimarja Blomqvist, LUT-universitetet
Radikala innovationer och nytt aktörskap
Vilket försök?
För att påskynda Finlands tillväxt och konkurrenskraft krävs radikala innovationer och nya former av aktörskap. I försöket undersöktes vilka nya arbetssätt och tankemodeller som behövs i en teknologisk omvälvning samt hur individers aktörskap och kompetens kan stödjas i tvärvetenskapliga innovationsnätverk.
Vad gjordes?
Vi utnyttjade systemmodellering och artificiell intelligens för att analysera stora textmassor, identifiera centrala teman i förhållande till försöksmålet och för att sammanfatta en gemensam förståelse. Utöver gemensamma diskussioner använde vi plattformen Howspace för att effektivisera interaktionen och informationsdelningen, vilket påskyndade skapandet av en gemensam förståelse. Samtidigt stärkte vi det gemensamma lärandet och modellerade hur AI kan stödja experters aktörskap i tvärvetenskapliga innovationsnätverk.
Vad lärde vi oss?
- Artificiell intelligens är ett strategiskt verktyg som påskyndar lärande, fördjupar analysen och hjälper till att lösa komplexa utmaningar.
- AI behöver kompletteras med djup expertis.
- Ett nytt sätt att agera kräver mod att experimentera och tåla osäkerhet.
- AI är en del av en kontinuerlig utvecklingsprocess som stöder beslutsfattande, verksamhet och innovation.
- Effektiv användning av AI kräver att organisationen har mod och förmåga att integrera nya verktyg i det dagliga arbetet.
- Resultat kräver samverkan mellan olika aktörer och tvärvetenskaplig kompetens – att arbeta och lära tillsammans.
- AI stöder uppkomsten av innovationer i tvärvetenskapliga ekosystem.
Vilka var inblandade?
- Heli Harrikari, DIMECC
- Laura Juvonen, VTT
- Anu Passi-Rauste, Headai
Ytterligare information
- Heli Harrikari, DIMECC
Kom med – låt oss ta steg framåt tillsammans
De kommande åren kommer att avgöra hur vi i Finland lyckas leda den teknologiska omställningen på ett hållbart sätt.
Vi tror att den offentliga sektorn i Finland kan bli en föregångare inom data- och teknikanvändning genom snabb och konsekvent förnyelsearbete fram till 2030.
I maj 2025 startade vi initiativet Produktivitet för den offentliga sektorn. Målet är att möjliggöra genomförande och skalning av nya, effektiva lösningar inom den offentliga sektorn genom att utnyttja data, teknik och AI. Hösten 2025 öppnar nya finansieringslösningar och koncept, men redan nu kan du ansöka om finansiering i den öppna utlysningen Data och AI i strategiskt beslutsfattande inom den offentliga sektorn.
Ta tillfället i akt och kom med för att förnya den offentliga sektorn – på ett sätt som också främjar företagens tillväxt och konkurrenskraft!
Vi rekommenderar
Läst den än?