Agentti hoiti mulle juuri ensimmäistä kertaa useamman reissun junalippujen ja hotellien varaukset. Pari maksuvahvistusta piti tehdä itse, mutta muuten homma meni käytännössä kerralla läpi.
Annoin sille tehtäväksi katsoa kalenterista tulevat matkat, tapaamiset ja yhteiset tekemiset sekä järjestää niihin sopivat varaukset. Mun ei tarvinnut määritellä jokaista välivaihetta tai miettiä, mitä työkalua sen pitäisi missäkin kohdassa käyttää.
Tämä oli konkreettinen esimerkki muutoksesta, jota olen viime viikkoina seurannut aika innostuneena.
Tekoälyn käyttämisessä on pitkään ollut käyttäjän vastuulla keksiä, mitä sillä voisi tehdä. Nyt palvelu alkaa itse tunnistaa, missä se voisi auttaa, ehdottaa tekemistä ja myös hoitaa sitä.
Uskon, että tämä tulee vaikuttamaan asiantuntijatyöhön paljon enemmän kuin moni vielä ajattelee.
Omasta agenttifarmista yhden keskustelun äärelle
Vielä hetki sitten pyöritin omia hommiani aika monenlaisella yhdistelmällä. Osa agenteista oli rakennettu Hermeksen päälle, osan töistä hoiti Claude ja osa, kuten podcastin editointiin liittyvät jutut, pyöri Codexilla.
Sain tällä yhdistelmällä paljon aikaan. Samalla mun piti itse tietää, mikä agentti hoitaa mitäkin, mistä se saa tietonsa ja miten eri tekemiset liittyvät toisiinsa.
Tutustuin ChatGPT Dotsiin pari viikkoa sitten, ja siinä moni asia loksahti kohdalleen.
OpenAI kuvaa dotia jatkuvasti käytettävissä olevaksi agentiksi, joka työskentelee eri työkalujen ja projektien parissa, säilyttää kontekstia ja palaa käyttäjän luo tulosten tai päätösten kanssa. Sillä on oma pilvessä toimiva tietokone ja selain, ja siihen voi yhdistää myös oman tietokoneen. OpenAI: Meet dots
Omassa käytössäni tämä on tarkoittanut sitä, että pystyn hoitamaan yhä suuremman osan asioista saman keskustelun kautta.
Olen jo korvannut sillä useita erillisiä agentteja, jotka tekivät esimerkiksi palaveribriiffejä, sisältöhakuja ja postausten ideointia palaverien pohjalta. Olen myös siirtänyt omia prosessejani Codexiin, jolloin Dots saa niistä enemmän kontekstia ja pystyy auttamaan laajemmissa kokonaisuuksissa.
Luulin, että ihmisten pitäisi opetella paljon enemmän
Mulla oli pitkään ajatus, että tekoälyn seuraava iso harppaus vaatisi ihmisiltä jonkinlaisen teknisen kynnyksen ylittämistä.
Opetellaan käyttämään Claude Codea. Avataan terminaali. Rakennetaan omia agentteja, yhdistellään työkaluja ja kirjoitetaan ohjetiedostoja. Pikkuhiljaa yhä useampi oppii tekemään itselleen juuri sopivat järjestelmät.
Näin varmasti tapahtuu edelleen osalle ihmisistä. Olen itsekin nauttinut siitä.
Mutta nyt näyttää siltä, että iso osa asiantuntijoista voi hypätä tämän vaiheen yli.
Heidän ei tarvitse opetella terminaalia tai ymmärtää, millä rajapinnalla tieto siirtyy järjestelmästä toiseen. Riittää, että he osaavat kertoa, mitä haluavat saada aikaan, antaa tarvittavat käyttöoikeudet ja arvioida lopputulosta.
ChatGPT:n ja Codexin ympärille rakentuvat työkalut tuovat mallien käyttöön myös selaimen ja tietokoneen käyttöliittymät. ChatGPT voi käyttäjän sallimissa sovelluksissa lukea ruutua, klikata ja kirjoittaa. Työ ei siis rajoitu siihen, mitä keskusteluikkunaan pystyy liittämään. OpenAI: Using your computer and browser
Käyttäjän näkökulmasta tämä muuttaa aika paljon.
Jos tehtävä vaatii tiedon hakemista yhdestä palvelusta, muokkaamista toisessa ja lopputuloksen valmistelua kolmannessa, kaikkia siirtymiä ei enää välttämättä tarvitse tehdä itse.
Osaaminen painottuu enemmän siihen, että tunnistaa hyvän lopputuloksen ja osaa ohjata tekemistä.
Suurin muutos voi olla ensimmäisissä minuuteissa
Mun mielestä yksi kiinnostavimmista muutoksista tapahtuu jo käyttöönotossa.
Tyhjä keskusteluikkuna on yllättävän vaativa käyttöliittymä. Se käytännössä kysyy käyttäjältä: mitä haluaisit tehdä?
Siihen vastaaminen edellyttää, että ymmärtää jo valmiiksi, mitä tekoäly osaa. Tavallisen työpäivän keskellä ei välttämättä tule mieleen, että kokonaisen palaverivalmistelun tai useamman järjestelmän läpi kulkevan rutiinin voisi antaa agentille.
Omissa kokeiluissani sekä Dots että ChatGPT ovat vieneet käyttöönottoa toiseen suuntaan. Kun palveluita yhdistää ja työstä alkaa kertyä kontekstia, vastaan tulee ehdotuksia siitä, mitä tekoäly voisi hoitaa.
Dotsin kohdalla myös OpenAI kuvaa tämän osaksi aloitusta: agentti käyttää saatavilla olevaa kontekstia ehdottaakseen tapoja auttaa. OpenAI: Dotsin käyttöönotto
Tämä poistaa yhden ison kynnyksen: käyttäjän ei tarvitse itse keksiä ensimmäistä hyödyllistä käyttötapausta.
Ajatellaan vaikka ihmistä, jonka päivä täyttyy asiakasviesteistä, palavereista ja niiden jatkotoimista. Hänelle konkreettinen ehdotus huomisen tapaamisen valmistelusta voi olla paljon kiinnostavampi kuin koulutus siitä, kuinka kirjoitetaan hyvä prompti.
Hyöty näkyy heti omassa työssä.
Asiantuntijatyössä on valtavasti tekemistä asioiden välissä
Moni asiantuntija käyttää ison osan päivästään työn valmisteluun ja yhteensovittamiseen.
Etsitään, mitä asiakkaan kanssa viimeksi sovittiin. Tarkistetaan kalenteria. Luetaan viestiketju. Kootaan taustatietoa. Valmistellaan vastaus. Siirretään sovitut asiat tehtäviksi ja seurataan, etenivätkö ne.
Näissä tehtävissä tarvitaan usein tietoa useasta paikasta. Siksi niiden delegointi on aiemmin voinut tuntua melkein yhtä työläältä kuin tekeminen itse.
Kun agentilla on pääsy tarvittavaan kontekstiin, tilanne muuttuu.
Olen esimerkiksi pyytänyt Dotsia katsomaan viestejäni ja kertomaan, mitkä asiat tarvitsevat reagointia tänään tai tämän viikon aikana. Se on mulle paljon hyödyllisempi tehtävä kuin yleinen sähköpostien tiivistäminen.
Tarvitsen apua siihen, mihin mun pitäisi kiinnittää huomiota ja mitä pitäisi tehdä seuraavaksi.
Kun tähän yhdistyy mahdollisuus valmistella jatkotoimia, tekoäly alkaa oikeasti keventää työpäivää.
Voittaako OpenAI asiantuntijoiden työpäivän?
Olin itse pitkään aika vahvasti Claude-kuplassa. Nyt OpenAI on alkanut vetää mua takaisin omien palveluidensa pariin.
Mallit ja niiden kyvykkyys ovat tietenkin osa sitä. Mutta omassa käytössäni ratkaisevaa on kokonaisuus: kuinka helposti tekoäly pääsee kiinni mun työhön ja kuinka vähän mun tarvitsee organisoida sen tekemistä.
Tästä syystä uskon, että kilpailu asiantuntijoista ratkaistaan paljon muuallakin kuin mallien vertailutesteissä.
Vahvoilla on palvelu, joka ymmärtää työni kontekstia, ehdottaa hyödyllisiä asioita ja saa niitä luotettavasti valmiiksi. Jos tämä onnistuu tutun ChatGPT:n kautta, käyttäjän syy rakentaa oma monen palvelun yhdistelmä voi jäädä aika pieneksi.
Samalla syntyy kiinnostava kierre. Kun palvelusta on hyötyä, sille antaa enemmän tehtäviä ja yhdistää lisää työkaluja. Sen myötä sillä on paremmat edellytykset ehdottaa seuraavaa hyödyllistä asiaa.
Mun kohdalla tämä on jo johtanut siihen, että olen siirtänyt tekemistä OpenAI:n ympäristöön.
En tiedä, voittaako OpenAI lopulta tämän kilpailun. Mutta ymmärrän nyt paljon paremmin, miten se voisi voittaa ison osan asiantuntijoiden päivittäisestä tekoälyn käytöstä.
Käyttöönotto alkaa muuttua delegoinniksi
Tämä ei tarkoita, että agentille annetaan vapaat kädet kaikkeen. Omassa matkavarauksessanikin osa tekemisestä pysähtyi mun maksuvahvistuksiin. Työkalujen yhdistäminen, tehtävän rajaus ja lopputuloksen tarkistaminen ovat edelleen osa käyttöä.
Mutta niiden ympäriltä on katoamassa paljon teknistä säätämistä.
Uskon, että tämä muuttaa myös yritysten tapaa ottaa tekoälyä käyttöön. Kaikkien ei tarvitse ensin innostua agenteista, opetella uusia teknisiä käsitteitä ja suunnitella omia automaatioitaan.
Palvelu voi auttaa löytämään ensimmäisen tehtävän. Käyttäjä kokeilee, arvioi tuloksen ja antaa seuraavan.
Kun tekoäly alkaa itse ehdottaa hyödyllistä tekemistä ja pystyy myös toteuttamaan sen, sen käyttöönotto muuttuu aika paljon helpommaksi.
Mun mielestä Dots näyttää jo aika konkreettisesti, miltä tämä voi tuntua arjessa.