Miten tekoäly voi auttaa työkyvyn johtamisessa ilman, että dataa yhdistetään henkilötasoilla?
Lyhyesti: Tekoäly herättää työkykykeskustelussa kaksi vastakkaista tunnetta: innostuksen ja pelon valvonnasta. Hyvä uutinen on, että työkyvyn johtamiseen ei tarvita yksilön dataa, tärkeimmät signaalit syntyvät jo tiimi- ja yksikkötasolla. TAVA Helper on rakennettu juuri tällä periaatteella: se tukee esihenkilöä ja HR:ää ilman, että kenestäkään tehdään mittauskohdetta.
Kun työpaikalla puhutaan tekoälyn käytöstä työkyvyn ja työhyvinvoinnin tukemiseen, keskustelu jakautuu usein kahteen leiriin. Toisaalla on johto, joka haluaisi ymmärtää paremmin, miksi sairauspoissaolot kasvavat tai miksi tietyssä tiimissä on jatkuvaa kuormitusta. Toisaalla on luottamusmies ja työntekijät, jotka kysyvät – aiheellisesti – että aiotaanko meitä nyt seurata.
Molemmat ovat oikeassa. Ja juuri siksi tämä kysymys ansaitsee oman artikkelin.
Avainperiaate
Työkyvyn johtaminen tekoälyn avulla ei vaadi henkilötason dataa. Tärkeimmät signaalit, kuten kuormituksen kasvu, työilmapiirin muutokset, toistuvat haasteet näkyvät jo tiimi-, yksikkö- tai toimipistetasolla. Yksilön ei tarvitse olla mittauskohteena, jotta organisaatio voi oppia ja reagoida.
Miksi yksilötason data ei ole ratkaisu
Aloitetaan rehellisesti: monessa työkykyä mittaavassa järjestelmässä yksilötason data olisi teknisesti mahdollista kerätä ja yhdistää. Voitaisiin seurata, kuka vastaa hyvinvointikyselyihin millä tavalla, kuka kirjaa eniten kuormitushavaintoja, kenen kalenteri täyttyy yli rajojen. Kysymys ei siis ole, voidaanko, vaan kannattaako.
Vastaus on jokaisessa asiantuntijaorganisaatiossa, jonka kanssa olemme keskustelleet, sama: ei kannata.
Ensinnäkin on juridinen näkökulma. Yksilötason terveys- ja työkykytietojen käsittely on tiukasti säänneltyä, ja viranomaisten tulkinnat tiukentuvat jatkuvasti. Yksikin huonosti dokumentoitu kysely voi muodostaa rekisterin, jonka olemassaoloa ei oltu suunniteltu.
Toiseksi, ja tärkeämpänä, on luottamus. Jos työntekijät kokevat, että heidän vastauksiaan voidaan jäljittää, he eivät vastaa rehellisesti. Silloin koko mittauksen arvo katoaa. Pahimmillaan organisaatio saa kalliin järjestelmän, joka tuottaa kauniita raportteja, mutta ne raportit eivät kuvaa todellisuutta.
Mistä proaktiivinen työkyvyn johtaminen sitten syntyy?
Se syntyy ilmiöiden, ei ihmisten, tarkkailusta.
Kuvitellaan organisaatio, jossa henkilöstöllä on käytössä kevyt tapa kirjata huomioita työn kuormituksesta, ilmapiiristä tai työn sujuvuudesta. Havainnot tallentuvat anonyymisti eli kukaan ei näe, kuka kirjasi mitä. Mutta kun samaan tiimiin kertyy kuukauden aikana 12 mainintaa ”epäselvät vastuut hidastavat työtä”, se on signaali. Ei kenestäkään yksittäisestä ihmisestä, vaan siitä tiimistä ja sen tilasta.
Sama logiikka pätee fyysiseen kuormitukseen. Jos tietyltä työpisteeltä tulee toistuvasti havaintoja niska-hartiaseudun rasituksesta, kyse ei todennäköisesti ole yhdestä työntekijästä, vaan työpisteen ergonomiasta. Tämän tunnistaminen ei vaadi henkilötietoja vaan riittää, että havainnot ovat olemassa ja että joku osaa lukea niitä.
Kun signaali löytyi ennen kuin yksikään lähti sairauslomalle
Eräässä asiantuntijaorganisaatiossa HR-johto huomasi, että sairauspoissaolot olivat alkaneet kasvaa hiljalleen tietyssä yksikössä. Suora kysely olisi ollut helppo ratkaisu, mutta kokemus oli osoittanut, että ihmiset eivät vastaa rehellisesti, jos he epäilevät että vastaukset päätyvät esihenkilön pöydälle.
Ratkaisu löytyi anonyymistä havaintojen keräyksestä. Henkilöstö sai mahdollisuuden kirjata lyhyitä, vapaamuotoisia huomioita siitä, mikä työssä kuormittaa. Kuukauden aikana havaintoja kertyi noin 40. Kun ne ryhmiteltiin tekoälyn avulla teemoittain, esiin nousi kolme selkeää ilmiötä: epäselvä tehtävänjako uuden projektin sisällä, jatkuvat keskeytykset Teams-viesteistä ja yhden työpisteen huono akustiikka.
Ei henkilönimiä. Ei syyllistämistä. Mutta kolme konkreettista juurisyytä, joihin pystyttiin puuttumaan ennen kuin yksikään uusi sairausloma alkoi.
Miten TAVA Helper toimii tässä?
TAVA Helper on suunniteltu siten, että se tukee esihenkilöä ja HR:ää, ei valvo työntekijää. Käytännössä tämä tarkoittaa kolmea asiaa:
Havainnot kerätään anonyymisti. Työntekijä voi kirjata huomion työn kuormituksesta, ilmapiiristä tai työn sujuvuudesta ilman, että havainto kytkeytyy hänen henkilöllisyyteensä. Helper auttaa muotoilemaan havainnon selkeästi, mutta ei tallenna sitä, kuka sen kirjasi.
Analyysi tehdään koontitasolla. Yksittäisiä havaintoja ei katsota erikseen, vaan niistä etsitään teemoja, toistoja ja trendejä. Raportit ovat tiimi-, yksikkö- tai toimipistetasoisia – eivät henkilötasoisia. Tämä on tekninen valinta, ei vain käytäntö.
Esihenkilö saa kysyä asiantuntijalta. Kun raportista nousee esiin esimerkiksi psykososiaalinen kuormitus tietyssä tiimissä, esihenkilö voi kysyä TAVA Helperiltä suoraan, miten asiaa kannattaa lähestyä. Helper vastaa työturvallisuus- ja työhyvinvointiosaamisen pohjalta, ei kerro, kenelle puhua, vaan miten puhua.
Esimerkkejä siitä, mitä esihenkilö voi kysyä TAVA Helperiltä
– ”Miten otan psykososiaalisen kuormituksen puheeksi tiimissä, jossa ihmiset eivät halua puhua siitä?”
– ”Tiimissämme on noussut havaintoja työn keskeytyksistä, mistä lähden liikkeelle?”
– ”Mitä lainsäädäntö vaatii työnantajalta psykososiaalisen kuormituksen osalta?”
– ”Miten dokumentoin työkykykeskustelun niin, että siitä on oikeasti hyötyä?”
Missä raja kulkee ja kuka sen vetää?
Yksi tämän aiheen vaikeimmista kysymyksistä on rajanveto: missä kulkee raja työkykyä tukevan järjestelmän ja valvonnan välillä?
Käytännön vastaus on, että raja kulkee siinä, voiko yksittäisen ihmisen toimintaa tai vointia jäljittää järjestelmästä. Jos voi, kyseessä on valvonta tai vähintään valvonnan mahdollisuus. Jos ei voi, kyseessä on ilmiöiden tarkkailu.
TAVA Helperin tapauksessa raja on vedetty teknisesti niin, että henkilötason dataa ei yhdistetä. Tämä on tietoinen valinta sekä eettisestä että käytännöllisestä syystä. Eettisesti siksi, että työntekijöiden luottamus on välttämätön, jotta data on rehellistä. Käytännöllisesti siksi, että työkyvyn johtaminen on lähes aina rakenteellinen kysymys, ei yksilöllinen.
Yksilön työkyky on tärkeä, mutta sitä tukee aina työterveys, ei tekoäly. Tekoälyn rooli on auttaa tunnistamaan, missä rakenteissa työ kuormittaa enemmän kuin pitäisi, jotta työterveyden, esihenkilön ja HR:n ei tarvitse arvata.
Miten lähteä liikkeelle ilman pelkoa
Jos pohdit, miten tekoälyä voisi käyttää työkyvyn johtamisessa omassa organisaatiossasi, lähde liikkeelle pienesti ja avoimesti.
Aloita yhdestä tiimistä, jossa henkilöstö pääsee kirjaamaan havaintoja anonyymisti yhden kuukauden ajan. Kerro avoimesti, että dataa ei yhdistetä henkilötasolla ja näytä, miten se on teknisesti varmistettu. Sovi etukäteen, miten kuukauden lopussa kertyneestä datasta puhutaan: ei syyllistäen, vaan ratkaisukeskeisesti.
Kuukauden lopussa katsokaa raportti yhdessä. Useimmiten havainnot eivät yllätä, mutta ne tekevät näkyväksi asioita, joista on aiemmin vain puhuttu kahvitauoilla.
Sieltä se proaktiivinen työkyvyn johtaminen alkaa.
Yhden HR-päällikön kommentti
”Tärkein oivallus oli, että emme yritäkään ymmärtää yksilöitä paremmin kuin he ymmärtävät itseään. Yritämme ymmärtää, miltä työ tuntuu täällä ja mitä voimme tehdä, jotta se tuntuisi paremmalta.”
