Hei,
Jos olet viime kuukausina työskennellyt datan, raportoinnin tai “AI-strategian” kanssa, luulen, että tämä tilanne on sinulle tuttu.
Organisaatio on vuosia investoinut data-alustoihin, BI-työkaluihin ja nyt myös tekoälykokeiluihin. Yrityksissä puhutaan generatiivisesta AI:sta, konferensseissa esitellään näyttäviä case-esityksiä ja jokaiseen palaveriin on ilmestynyt ainakin yksi sana: agentti.
Ja silti joku sanoo ääneen sen, minkä moni ajattelee:
“En ole varma, mitä meidän pitäisi tehdä seuraavaksi.”
Tämä on se hetki, jossa yritys ei oikeastaan kaipaa yhtään uutta buzzwordia tai PowerPointia. Se kaipaa selkeyttä. Ja pari oikeasti kokenutta ihmistä.
Tästä syntyi ajatus Hovi Data Hubista.
Halusin kertoa sinulle, miksi.
Kun teknologia juoksee edellä – ja organisaatio perässä
Datan ja tekoälyn ympärillä on nyt käynnissä suurin murros vuosikymmeniin.
Yritykset rakentavat moderneja data-alustoja, ottavat käyttöön Copilot-tyyppisiä ratkaisuja, pilotoivat AI-agentteja ja automatisaatiota. Tahti on kiihtynyt hurjaksi.
Ongelma ei ole se, etteikö mitään tapahtuisi. Ongelma on se, että kaikki tapahtuu yhtä aikaa.
Samassa keskustelussa puhutaan data governance -malleista, modernista arkkitehtuurista, generatiivisesta AI:sta, organisaatiorakenteesta, kustannuspaineesta ja osaajapulasta. Kun näin monta liikkuvaa osaa on liikkeellä yhtä aikaa, on täysin inhimillistä, ettei kukaan oikein tiedä, mikä olisi tärkein seuraava askel.
Pöydällä saattaa olla esimerkiksi tällaisia kysymyksiä:
- Mikä prosessi oikeasti kannattaisi automatisoida ensimmäisenä tekoälyn avulla?
- Miltä moderni datajohtaminen näyttää AI-aikakaudella käytännössä, ei strategiakalvolla vaan arjessa?
- Miten varmistetaan, että liiketoiminta ja datatiimit eivät vain “tee yhteistyötä”, vaan pelaavat ihan oikeasti samaa peliä?
- Ja ehkä vaikein: kuka on se ihminen, joka ei vasta harjoittele, vaan on tehnyt tällaisen muutoksen ennenkin?
Psykologina minua kiinnostaa erityisesti se, mitä tällaisessa tilanteessa tapahtuu organisaatiotasolla. Usein reaktio on kahdenlainen: joko halutaan käynnistää suuri muutosohjelma tai jäädään odottamaan “selkeämpää tilannetta”. Kumpikaan ei ole erityisen toimiva ratkaisu, jos ympäröivä maailma muuttuu kovaa vauhtia.
Miksi perinteinen lähestymistapa ei enää toimi?
Olen vuosien varrella nähnyt monenlaisia datamuutoksia, startup-ympäristöistä isoihin pörssiyhtiöihin ja julkisiin organisaatioihin. Olen ollut ohjelmistokehityksen, toimitusjohtajan työn, data-alustan rakentamisen ja tech-rekrytoinnin välimaastossa – sekä teknologian että ihmisten puolella.
Kuvio on usein sama:
Ensin investoidaan data-alustoihin, integraatioihin ja työkaluihin. Teknologia toimii, mutta luottamus dataan ei silti kasva toivotulla tavalla. Raportit ja dashboardit saadaan ulos, mutta liiketoiminnalla on tunne, että tärkeimpiin kysymyksiin ei silti vastata. Kun tekoäly tulee kuvaan mukaan, toiveet ovat valtavat – ja samalla epäselvyys voi kasvaa.
Usein AI-projekteista tulee sarja kokeiluja, jotka eivät koskaan kunnolla siirry tuotantoon. Osa kehityksestä tapahtuu IT:n ja datatiimien sisällä, osa liiketoiminnassa, osa yksittäisten “AI-innostuneiden” ihmisten kautta. Kokonaiskuva jää hajanaiseksi.
Samalla organisaatio kiristää vyötä.
Budjettipaine on todellinen, rekrytoinneissa ollaan varovaisia, ja silti pitäisi löytää ihmisiä, jotka ymmärtävät sekä AI:ta, data-arkkitehtuuria, governancea että liiketoiminnan kieltä.
Tässä kohdin perinteinen ajatus “otetaan iso konsulttitalo paikalle” alkaa tuntua raskaalta.
Se ei välttämättä ole väärä ratkaisu, mutta usein liian hidas ja raskas tämän hetken tarpeisiin.
Monet huippuosaajat ovat siirtyneet freelancereiksi tai heillä on boutique-tyyppinen pienempi, erikoistunut yritys. Ja aika usein kuulen asiakkaalta jotakuinkin näin:
“Me ei tarvita kymmentä konsulttia. Me tarvittaisiin yksi tyyppi, joka on tehnyt tämän ennen.”
Ajatus Hovi Data Hubista
Tässä ympäristössä minulle kirkastui yksi ajatus:
Tarvitaan matalan kynnyksen tapa tavoittaa kokeneita data- ja AI-asiantuntijoita, ihmisiä, jotka ovat pyörittäneet isoja muutoshankkeita, mutta pystyvät auttamaan myös hyvin käytännöllisellä, valmentavalla otteella.
Hovi Data Hub syntyi tästä tarpeesta.
Oikeastaan tämä on pitkälti sitä, mitä Ari Hovi -yritys on tehnyt jo vuosia, mutta nyt panostamme tähän uudella kulmalla, koska haluamme elää ajassa, juuri tässä murroksessa.
Elämme nimittäin keskellä muutosta, jossa isojen “kehittäjäarmeijoiden” aika on ohi. Uudet teknologiat ja tekoälyn kehitys mahdollistavat sen, että pieni, osaava tiimi tekee saman, mihin ennen tarvittiin iso data-alustaprojekti. Koko konsultoinnin paradigma on muutoksessa.
Hovi Data Hub ei ole perinteinen “osaajapankki”, eikä myöskään massiivinen konsultointimalli.
Ajattelen sitä enemmänkin matchmaking-palveluna: kun organisaatiolla on konkreettinen haaste, etsitään henkilö, joka on ratkaissut samanlaisen tilanteen aiemmin, ja tehdään se mieluummin nopeammin kuin myöhemmin.
Taustalla meillä on laaja verkosto osaajia, joilla on oikeaa kokemusta. He ovat esimerkiksi:
- rakentaneet tuotannossa käytettäviä AI-agentteja
- vetäneet data- ja digimuutoksia teollisuudessa, julkisella puolella ja teknologia-alalla
- olleet vastuussa data governance -malleista, jotka eivät ole vain dokumentteja, vaan toimivat arjessa
Minun roolini tässä on yhdistää kaksi asiaa: ymmärrys ihmisistä ja ymmärrys datasta.
Tärkeää on, miten muutos oikeasti tapahtuu organisaatioissa. Entisenä IT-alan headhunterina olen vuosien varrella rekrytoinut satoja teknologia- ja dataosaajia sekä rakentanut tiimejä, ja nähnyt läheltä, millainen osaaminen toimii missäkin ympäristössä.
Nyt haluan tuoda tämän kaiken Hovi Data Hubin kautta asiakkaiden käyttöön.
Miten Hovi Data Hub toimii käytännössä?
Tyypillinen alku on yleensä yksinkertainen keskustelu.
Usein se alkaa näin:
“Voisitko tulla juttelemaan, meillä on tällainen tilanne.”
Taustalla voi olla esimerkiksi se, että yritys on investoinut moderniin data-alustaan, mutta ei ole varma, miten sen päälle kannattaisi rakentaa AI-ratkaisuja. Tai se, että liiketoiminta on kiinnostunut AI-agenteista, mutta kukaan ei osaa sanoa, mistä prosessista olisi järkevintä aloittaa.
Ensin pysähdymme kuvaamaan tilanteen sellaisena kuin se on: missä ollaan onnistuttu, missä ovat kipupisteet, mitä on jo tehty ja mihin suuntaan organisaatio haluaa liikkua. Tässä vaiheessa on usein enemmän kyse kuuntelemisesta kuin neuvoista.
Sen jälkeen mietimme, millaista osaamista tilanne aidosti vaatii:
- Onko tärkeintä arkkitehtuurin selkeyttäminen?
- Pitäisikö jonkun ottaa vastuu AI-strategian ja konkreettisten käyttötapausten yhdistämisestä?
- Tarvitaanko henkilö, joka on johtanut suuria data- ja digihankkeita globaalissa ympäristössä?
- Vai joku, joka osaa auttaa viemään ensimmäiset AI-agentit turvallisesti tuotantoon?
Kun tarve on kirkas, etsimme verkostosta tai omasta tiimistä asiantuntijat, joiden profiili ja kokemus vastaavat tilannetta. Tavoite ei ole “myydä mahdollisimman paljon tunteja”, vaan löytää oikea ihminen mahdollisimman täsmällisesti.
Kun yhteistyö alkaa, asetelma on usein enemmän valmentava kuin perinteisen konsultoiva.
Ajatus ei ole, että ulkopuolinen tulee “hoitamaan homman”, vaan että hän auttaa organisaatiota rakentamaan omaa kyvykkyyttään niin, että sen on helpompi jatkaa omin voimin.
Teknologia ja prosessit ovat tärkeitä, mutta lopulta kyse on ihmisistä ja heidän tavastaan työskennellä. Vuosien kokemus data-ammattilaisten kouluttamisesta auttaa tässä.
Millainen on hyvä lopputulos?
Hyvä lopputulos ei ole se, että organisaatioon jää nippu näyttäviä esityksiä ja kasa keskeneräisiä kokeiluja.
Hyvä lopputulos tuntuu arjessa.
Johtoryhmä ymmärtää paremmin, mihin AI:ta kannattaa käyttää nyt, mihin myöhemmin ja mihin ei ollenkaan. Liiketoiminta ja datatiimit puhuvat vähemmän eri kieliä ja enemmän yhteisistä tavoitteista. Ensimmäiset AI-ratkaisut eivät jää kokeiluiksi, vaan ne viedään tuotantoon hallitusti.
Data-alustan päälle alkaa syntyä ratkaisuja, joilla on selkeä omistaja ja käyttötarkoitus.
Ja ehkä tärkeimpänä: organisaation oma kyvykkyys kasvaa.
Olen nähnyt, miten pienikin muutos oikeaan suuntaan voi vapauttaa valtavan määrän energiaa. Kun joku ulkopuolinen auttaa sanoittamaan sen, mitä ollaan jo tekemässä, ja näyttää konkreettisesti muutaman seuraavan askeleen, epäselvyys vähenee. Ja silloin ihmiset usein tekevät parhaansa.
Miksi halusin kertoa tämän nyt?
Koen, että juuri nyt on hetki, jolloin monen organisaation kannattaa pysähtyä ja kysyä:
Mihin suuntaan haluamme viedä dataa ja AI:ta seuraavan kahden vuoden aikana?
Ei siksi, että maailma olisi jotenkin asettumassa aloilleen, päinvastoin.
Vaan siksi, että jatkuvan muutoksen keskellä tarvitaan entistä enemmän selkeyttä ja kokemukseen perustuvaa tekemistä.
Hovi Data Hub ei ole taikasauva.
Se ei myöskään ole “valmis paketti”, joka tuodaan organisaation päälle.
Isäni Ari Hovin missio oli auttaa suomalaisia organisaatioita hyödyntämään dataa paremmin. Hän valmensi tuhansia ihmisiä data-alan menetelmiin, kuten tiedon mallinnukseen, SQL:ään ja tietovarastointiin. Monet alan ihmiset ovat lukeneet Arin kirjoja jo opiskeluaikana.
Hän julkaisi data modeling -gurun Steve Hobermanin kanssa SQL-kirjan Yhdysvalloissa, puhutaan siis vahvasta rakkaudesta lajiin.
Arin poikana minulla on intohimo jatkaa tätä työtä. Perustin Ellie.ai:n, datan mallinnustyökalun, jota käyttävät esimerkiksi suuret yhdysvaltalaiset ja eurooppalaiset yritykset.
Olen nähnyt datan ja tekoälyn voiman.
Nyt minulla on palo jatkaa isäni viitoittamaa tietä, nostaen suomalaisten yritysten kompetenssia tällä uudella ajalla, jota leimaa taloudellinen epävarmuus, mutta myös valtavat teknologiset mahdollisuudet AI:n myötä.
Tehdään tämä yhdessä.
Ajattelen Hovi Data Hubia täsmätyökaluna, joka helpottaa yhden hyvin konkreettisen ongelman ratkaisua:
Miten löytää nopeasti oikea, kokenut ihminen, joka auttaa viemään dataa ja AI:ta eteenpäin tavalla, joka tekee järkeä sekä ihmisille että liiketoiminnalle?
Jos tämä resonoi, jutellaan. Katso tästä listätietoa palvelustamme ja otetaan etäkahvit.
Tulemme julkaisemaan uutiskirjeessämme Hovi Hub:in osaajien haastatteluja, ensimmäisenä vuorossa on UPM:n entinen CDO, Tero Miikki.
Ystävällisin terveisin,
Johannes Hovi
Psykologi, data-alan tekijä, Ari Hovi-yrityksen ja Ellie.ai:n co-founder
