digitalisaatio & sosiaaliala
MAHDOLLINEN YHTÄLÖ
Suomessa terveys- ja sosiaalihuollossa pyritään data-ohjautuvuuteen, eli dataan perustuvaan hoitoon, palveluun, johtamiseen ja päätöksentekoon. Data-ohjautuvuudella pyritään kuromaan umpeen kuilua julkisten resurssien niukkuuden ja palvelujen kasvavan kysynnän välillä. [1] Organisaatioiden motivaatio edistää data-ohjautuvuutta juontaa juurensa dataan ja datateknologioihin liittyvistä suurista lupauksista paremmasta julkisten palvelujen tulevaisuudesta. Tästä syystä myös sote-organisaatiot investoivat entisestä enemmän resursseja datan keruuseen, käsittelyyn, hallintaan ja käyttöön sekä uusien datateknologioiden jatkuvaan kehittämiseen, kokeiluun ja pilotointiin. Data-ohjautuvuuden kehittäminen sisältää valtavan määrän intensiivistä ihmistyötä sekä datan [2-3] että uudenlaisten datateknologioiden parissa, kuten esimerkiksi data-analytiikkatuotteiden, etähoitoteknologioiden, tieto- ja toimintajärjestelmien kehittämisen ja ylläpidon tehtävissä. [4-6] Tämän kehityksen myötä data-ohjautuvuuteen pyrkivät organisaatiot ovat yhä riippuvaisempia erittäin monimutkaisista datateknologioista, joihin usein kytkeytyy monien toimijoiden ja sidosryhmien yhteistyö. Kuitenkaan tätä moninaista ja monipuolista työtä ei välttämättä ymmärretä, tunnisteta eikä siihen resursoida riittävästi. Data-ohjautuvuus monimutkaisena ja jatkuvana prosessinaData-ohjautuvuuteen pyrkiminen on erittäin pirstaleinen, moniulotteinen, epävakaa ja jopa kaoottinen prosessi, joka on täynnä yllätyksiä, epäonnistumisia, vaikeuksia, ad hoc -ideoita ja ratkaisuja. Tämä prosessi sisältää usein lukuisia samanaikaisia lyhyitä tai pitkäaikaisia kokeiluja ja pilotteja, joiden avulla kokeillaan uusia teknologisia ratkaisuja. Näitä kokeiluja ja pilotteja valmistellaan ja tehdään kollektiivisesti yhteistyössä useiden toimijoiden, kuten esimerkiksi IT- ja konsulttiyritysten, korkeakoulujen ja yliopistojen sekä muiden julkisten organisaatioiden kanssa. Tällä kollektiivisella toiminnalla sote-organisaatiot luovat kumppanuuksia eri yksityisyrityksiin, joiden kautta saavat kokeiluun tai käyttöönsä uudenlaista teknologiaa. Joskus organisaatiot saavat myös mahdollisuuden räätälöidä teknologiaa omiin tarpeisiinsa, usein yrityksen ja erehdyksen kautta. [7] Kuitenkin, kun yhteistyökumppanit jatkuvasti vaihtuvat, myös vastuuvelvollisuus ja hiljainen tieto ovat hajautettuina lukemattomiin kokeiluhankkeisiin ja toimijoihin. Vastuun jakaminen eri toimijoille ja ihmisten tekemän työn taustalla pysyminen mahdollistavat sen, että data-ohjautuvuutta, ja erityisesti sen sisältämiä uusia teknologioita, esitellään menestyksekkäinä hankkeina. Silloin epäonnistumiseenkin liittyvät tärkeät opit jäävät helposti huomioimatta ja jakamatta. Keskeneräisten teknologioiden jatkuva pilotointi ja käyttöönotto Data-ohjautuvuuteen liittyy vahvasti keskeneräisten teknologioiden jatkuva kehitys, kokeilu, pilotointi ja käyttöönotto. Osa teknologioista kehitetään ja otetaan käyttöön nopealla vauhdilla ja ennenaikaisesti, mikä pahimmillaan aiheuttaa lisäkustannuksia ja sote-ammattilaisille kuormitusta. Osa näistä teknologioista hankitaan liiallisten lupauksien pohjalta. Vaikka ne eivät ole lunastaneet lupauksia arkityössä, niistä ei osata luopua, koska niiden kehitykseen tai hankintaan on upotettu paljon resursseja. Osaa teknologioista taas ei oteta koskaan käyttöön, vaikka niiden kehitykseen on investoitu huomattavasti. Osaa teknologioista taas pilotoidaan ilmaiseksi yksityisyrityksille sote-ammattilaisten työllä. Uusien datateknologioiden kohdalla keskeinen oletus on, että ne kehittyvät ja kypsyvät parhaiten ammattilaisten käytössä. Kuitenkin nämä teknologiat näyttävät olevan jatkuvassa "kehitysvaiheessa" [8-9], ja siksi niiden kokeilut, pilotoinnit ja jatkuva kehitys vaativat paljon ihmistyötä ja sen takia myös riittävää resurssointia. Innovaatioiden parissa työskentelevät eivät välttämättä ymmärrä, miten sote-ammattilaisten työmäärä kasvaa näiden teknologioiden kokeilujen tai pilotointien myötä. Työntekijät itse eivät uskalla tai osaa antaa kriittistä palautetta, erityisesti jos kokevat paineita olla teknologiamyönteisiä. Toisaalta, jos tai kun he antavat kriittistä palautetta, se ei välttämättä mene perille. Keskeneräisten teknologioiden kokeilu, pilotointi ja käyttö on paljon haastavampaa kuin ihmiset ajattelevat. Esimerkiksi innovaatioiden parissa työskenteleviltä se vaatii jatkuvasti työtä liittyen teknologian kehitykseen, vikaselvityksiin, korjauksiin ja ylläpitoon. Sote-ammattilaiset tarvitsevat myös jatkuvaa koulutusta teknologioiden muuttuessa. Jatkuva pilotointi tai kokeilu kuormittaa ammattilaisia, joiden työaika ja huomio menee uusiin teknologioihin tutustumiseen ja oppimiseen asiakastyön sijaan. Teknologian kypsymättömyys voi aiheuttaa stressiä, pettymyksiä ja resurssipulaa. Samalla kun taloudellisia resursseja suunnataan kalliisiin ja kunnianhimoisiin keskeneräisiin teknologioihin, ihmistyö jää monesti näkymättömäksi, tunnustamattomaksi ja aliresursoiduksi. Kun ammattilaisten työtä teknologioiden ympärillä pidetään itsestäänselvyytenä ja näin ollen näkymättömänä, pahimmillaan se aiheuttaa ahdistusta, eettistä stressiä tai työuupumusta. Data-ohjautuvuuden edistämiseen liittyvät työroolit Julkisissa organisaatioissa pyritään perustamaan niin sanottuja innovaatio-, data-analytiikka- tai teknologiatiimejä fasilitoimaan data-ohjautuvuutta tai tekoälypohjaisen automaation prosesseja. Käytännössä moniammatillisilla tiimeillä on erittäin vaikea, jopa mahdoton tehtävä, tasapainotella epäkypsien ja paljon ihmistyötä vaativien teknologioiden sekä liiallisten ja joskus jopa perusteettomien teknologioihin liittyvien lupausten välillä. Näiden tiimien jäsenet kamppailevat lähes päivittäin uuteen teknologiaan liittyvän innostuksen ja sote-ammattilaisten työn korvaamiseen teknologialla liittyvän uskomuksen välillä. Arkityössä uskomus ammattilaisten työn korvaamisesta tai tehostamisesta teknologialla osoittautuu kuitenkin aika vaikeaksi tehtäväksi. Näiden tiimien jäsenten turhautuminen voi myös jäädä näkymättömäksi, vaikka heidän asemansa organisaatioissa on johdon lähellä ja heillä on usein mahdollisuus olla suoraan vuorovaikutuksessa johdon kanssa. Tutkimuksessani [10] löysin neljä keskeistä työroolia, joita tiimien jäsenet kantavat arkityössä data-ohjautuvuuden fasilitaattoreina:
Välittäjät ja järjestyksenvalvojat keskittyivät uuden datateknologian toimivuuden ja luotettavuuden parantamiseen ja valvomiseen jatkuvalla vianetsinnällä, korjauksella, kehityksellä, huollolla ja ylläpidoilla. Organisaatioissa näitä rooleja arvostettiin, sillä ne koettiin ratkaisevan tärkeiksi teknologioiden tehokkuuden ja kustannustehokkuuden edistämisessä, mikä oikeutti suuret investoinnit teknologioihin. Valmentajat ja puolustajat olivat keskeisiä uusien teknologioiden juurruttamisessa ammattilaisten arkityöhön ja roolit edellyttivät tiivistä yhteistyötä sote-ammattilaisten kanssa. Nämä roolit ja niiden sisältämät toiminnot tarjosivat sote-ammattilaisille tukea jatkuvasti muuttuvien ja vaihtuvien teknologioiden ja datakäytäntöjen parissa. Nämä roolit myös jopa voimaannuttivat sote-ammattilaisia, sillä ne tarjosivat mahdollisuuksia ilmaista keskeneräisiin teknologioihin liittyvää turhautumista ja pettymystä. Lisäksi näiden roolien kautta sote-ammattilaiset saivat koulutus- ja keskustelutilaisuuksia, joiden pohjalta datateknologioiden ominaisuuksia ja datakäytäntöjä kehitettiin heidän työtään paremmin tukeviksi. Data-ohjautuvuuteen liittyvää innovaatiota tulee rikastaa substanssiosaamisellaJatkossa data-ohjautuvuuteen liittyviä innovaatioprosesseja tulee rikastaa substanssiosaamisella, jotta sote-ammattilaiset, joille hankitaan tai kehitetään uusia teknologioita, osallistuvat tasavertaisemmin innovaatioprosesseihin. Teknologian parissa työskentelevät ammattilaiset tarvitsevat syvää ymmärrystä sote-ammattilaisten arkityöstä, haasteista ja teknologisista tarpeista, jotta he yhdessä voivat teknologioiden avulla kehittää parempaa tulevaisuuden näkymää sote-alalla. Aidosti osallistava uusien teknologioiden kehitys voi myös vähentää jatkuvista piloteista ja kokeiluista johtuvaa kuormitusta. Kirjoittaja: Marta Choroszewicz on yliopistotutkija Itä-Suomen yliopistossa ja Tampereen yliopiston dosentti. Hänen tutkimuksensa keskiössä ovat sosiaalinen ja digitaalinen eriarvoisuus, digitaalinen hyvinvointivaltion kehittäminen, julkishallinnon ja asiantuntijatyön muutos tekoälypohjaisen automaation myötä. Vuosina 2024–2025 hän työskentelee apurahatutkijana Suomen Kulttuurirahaston rahoittamassa hankkeensa ”Jatkuva pilotointi ja näkymätön työ julkisten palvelujen tekoälyautomatisoinnissa”. Kirjoitus perustuu julkaisuun: Choroszewicz, M. (2023). (In)visible everyday work of fostering a data-driven healthcare and social service organisation. New Technology, Work and Employment. https://onlinelibrary.wiley.com/doi/full/10.1111/ntwe.12270 Lähteet:
Sosiaali- ja työllisyyspalveluiden digitalisoitumisen visaisiin ongelmiin löydettyjä ratkaisuja16/1/2024
Visainen pulma lienee sellainen ongelma, joka on vaikeasti ratkaistava ja moniulotteinen. Se on lujassa ja sen sinnikkyyttä pitää murentaa pala palalta. [1] SoTyDigi -hankkeen (Sosiaali- ja työllisyysalan digitaaliset palvelut ja etäohjaus pitkien välimatkojen maakunnassa) aikana totesimme, että osallisuus digiyhteiskunnassa on yksi tällainen visainen haaste. Ratkaisut visaisiin pulmiin eivät synny hetkessä. Pala palalta voidaan löytää keinoja, joilla eri toimijat voivat edistää digiosallisuutta. Yhteiskehittämisprosessien äärellä voi oppia lyhyessä ajassa paljon muiden organisaatioiden toiminnasta, kun kohderyhmä on tuttu ja toimintaympäristö on yhteinen. Joku on saattanut pohtia tiettyä ongelmaa jo pitkään, kun toinen toimija on sen jo ratkaissut. Myös ideointi ja innovointi uusien ja ehkä eri tavallakin ajattelevien ihmisten kanssa voi olla hyvinkin hedelmällistä. Visaisiin pulmiin voi löytyä rohkeita ratkaisuja, kun uskalletaan kokeilla yhdessä. Jaamme tässä blogikirjoituksessa kokemuksia ja oppimaamme eteenpäin. Näin toivomme, että tulokset ja kokeilut laajenevat ympäri Suomea, ja niistä voi saada apua joku muukin digitalisaatioon liittyvien haasteiden kanssa kamppaillessaan. Lähtökohtana digin hyödyllisyys tiedostaen sen haasteet SoTyDigi -hankkeessa kehittämisen lähtökohtana oli, että laadukkaiden digi- ja etäpalveluiden määrän kasvu perinteisen asioinnin rinnalle helpottaa sosiaali- ja työllisyyspalveluiden asiakkaiden mahdollisuuksia saada erilaisia palveluja ajasta ja paikasta riippumatta. Toisaalta alusta asti tunnistettiin, että digisyrjäytyminen oli olemassa oleva ilmiö digitalisaatiokehityksen rinnalla myös Pohjois-Karjalassa. Oli tiedossa, että työttömien ihmisten digiosaamista tulisi aktiivisesti lisätä, jotta he osaisivat hyödyntää tarjolla olevia digipalveluja. Myös sosiaali- ja työllisyyspalveluiden työntekijöiden monipuoliseen digiosaamiseen oli tarve panostaa. Näihin teemoihin lähdettiin pureutumaan yhteistyössä sosiaali- ja työllispalveluiden toimijoiden ja työttömien asiakkaiden kanssa. Totesimme pian, että entistä enemmän tulisi kiinnittää huomiota haavoittuvassa asemassa olevien työikäisten digiosallisuuden kokonaisvaltaiseen lisäämiseen ja arjen digitaitojen varmistamiseen. Digitukea oli hankkeen alkuvaiheessa Pohjois-Karjalan maakunnassa tarjolla hyvin vaihtelevasti, mikä lienee yksi vaikuttava tekijä monien työttömien heikkoon digiosaamiseen. Yhteiskehittämiseen haluttiin saada mukaan myös asiakkaat. He pääsivät mukaan hankkeen kehittämisprosessiin Tuumailua Digistä-työpajoissa keväällä 2022 sekä myöhemmin palvelumuotoilupiloteissa ympäri maakuntaa. Hankkeen aikana kehitettiin myös konkreettinen työkalu työttömien digiosaamisen kehittämiseen. Digivalmennus -toimintamallia voidaan hyödyntää ja soveltaa jatkossa missä tahansa työikäisten palveluissa. Tavoitteena oli lisätä myös sosiaali- ja työllisyyspalveluiden työntekijöiden digi- ja etäohjausosaamista ja vastata heidän esiin nostamiinsa osaamistarpeisiin jatkuvan oppimisen keinoin. Osaamisen kehittämiseksi testattiin ja kehitettiin kaksi avoimen ammattikorkeakoulun opintojaksoa: Digiohjaus ja -tuki sote- ja työllisyysalan asiakastyössä sekä Etänä tehtävä ohjaus sote- ja työllisyyspalveluissa. Tulevien sote-ammattilaisten näkökulmasta hankkeessa kehitettiin digiosaamista sosionomikoulutukseen ja mallinnettiin koko opetussuunnitelman kattava digipolku osaksi opintoja. Asiakkaiden digiprofiilit SoTyDigi-hankkeessa yhtenä tavoitteena oli ymmärtää digin käyttöä ja käyttämättömyyttä työikäisten työelämän ulkopuolella olevien ihmisten näkökulmasta. Hankkeessa toteutetun palvelumuotoilumenetelmiä mukailevan tiedonkeruuprosessin myötä meille syntyi idea kuvata työttömien digiosaamista neljän eri asiakasprofiilin avulla. Tavoitteena oli saavuttaa nykytilan ymmärrys työttömien digiosaamisesta Pohjois-Karjalassa. Arvokkain tieto saatiin työelämän ulkopuolella olevilta ihmisiltä itseltään kevään 2022 aikana järjestetyissä Tuumailua digistä -työpajoissa ympäri Pohjois-Karjalaa. Työpajojen aikana selvisi nopeasti, että osalla oli erittäin hyvät digitaidot, kun taas toisilla digitaidot olivat hyvin heikot. Kohderyhmässä vaikutti olevan hyvin erilaisia tarpeita digiosaamisen kehittämisen suhteen. Työttömän ihmisen näkökulma saattaa poiketa merkittävästi esimerkiksi vastaavan ikäisen työelämässä olevan ihmisen kokemuksista arjesta digiyhteiskunnassa. Asiakasprofiilien tarkoitus on toimia työkaluina työikäisten palveluissa erityisesti sosiaali- ja työllisyyspalveluissa työskenteleville ammattilaisille, kun he arvioivat työttömänä olevan asiakkaan kanssa yhdessä digiosaamisen vahvuuksia ja haasteita. Asiakasprofiilit auttavat työntekijää tunnistamaan sopivia keinoja erilaisten asiakkaiden osaamisen kehittämiseksi ja digirohkeuden tukemiseksi. Voit tutustua profiileihin tarkemmin loppujulkaisustamme [2]. Palvelumuotoilupilotit olivat ketteriä kokeiluja arjessa tärkeiksi koetuista teemoista Asiakasprofiileihin pohjaten testasimme ja loimme hankkeessa useita erilaisia pilotteja ja toimintamalleja. Palvelumuotoiluun pohjanneet pilotit osoittivat, kuinka nopeatempoisella, arjen työhön limittyvällä ja suhteellisen pienimuotoisellakin ketterällä kehittämisellä saavutetaan suuria asioita. Testasimme muun muassa kierrätettyjen laitteiden välitystä niitä tarvitseville tahoille ja asiakkaille. Työttömien ihmisten digitaitojen kehittymisen esteenä voi joskus olla sopivien laitteiden puute. Kokeilussa oli tunnistettu tarve tarjota digittömille, eli hyvin vähän tai ei ollenkaan digiä käyttäville, asiakkaille laitteita omaan käyttöön. Kokeilun ideana oli saada laitteet yrityksiltä tai yhdistyksiltä lahjoituksina, jolloin tyhjennetyt laitteet voitaisiin ohjata uudelleen asiakaskäyttöön. SoTyDigi-hankkeessa tunnistettiin tilaisuus hyödyntää Karelia-ammattikorkeakoulun henkilökunnan käytöstä poistuvia laitteita lahjoituskäyttöön digiosallisuuden edistämiseksi. Vuositasolla käytöstä poistettavia laitteita on noin 60–70 kappaletta. SoTyDigi-hankkeen aloitteesta koneita tyhjennettiin Karelian tietohallinnossa ja lahjoitettiin edelleen hankkeen yhteistyökumppaneille hyödynnettäväksi kehittämiskokeiluihin. Lisäsi SoTyDigi–hankkeessa tunnistettiin tarve intensiivisemmälle henkilökohtaiselle digitaitojen ohjaukselle, mihin liittyen kehitettiin Asiakaslähtöinen digivalmennus -toimintamalli. Digivalmennusryhmien erityispiirteinä oli pienryhmämuotoinen toteutus, asiakkaiden tahdissa eteneminen ja keskittyminen arjen taitojen hallintaan. Asiakaslähtöisen digivalmennuksen koko kehitysprosessi on kuvattu alla olevassa kuvassa. Tavoitteena oli testata, mitkä asiat ovat tärkeitä digivalmennuksessa ja muodostaa toimintamalli digivalmennusten suunnittelun ja toteuttamisen tueksi. Digitaitojen kartoittaminen on hyvä lähtökohta asiakkaalle tarjottavalle digituelle tai -valmennukselle. Tällöin voidaan varmistua siitä, että ohjauksessa keskitytään asiakkaan kannalta oikeisiin asioihin. Digitaitojen määritteleminen ja kartoittaminen ei ole aina helppoa, kun määrittelyjä on monenlaisia ja erilaisia käsitteitä valtavasti. Erona luku- ja kirjoitustaitoon digitaidot vanhenevat nopeasti ja vaativat jatkuvaa päivittämistä. SoTyDigi-hankkeessa kehitettiin ja testattiin useita erilaisia digiosaamisen kartoituslomakkeita ja -tapoja. Esimerkiksi Sotydigi-hankkeen toimeksiannosta sosionomiopiskelija Tuomo Parkkinen kehitti toiminnallisen digitaitojen kartoituslomakkeen. Lomaketta käyttäessä asiakas suorittaa lomakkeella annetut tehtävät, ja arvioi suoriutuiko niistä itsenäisesti vai ohjaajan avustuksella. Ohjaajan roolina on havainnoida asiakkaan suoritusta sekä avustaa tätä tarvittaessa. Lopuksi ohjaaja haastattelee asiakasta suorituksen ja kartoituslomakkeesta tulleiden arvioiden ja huomioiden perusteella. Haastattelussa nousseet huomiot, kuten vahvuudet, kehityskohteet ja haasteet kirjataan erilliselle haastattelulomakkeelle. LopuksiKaksi ja puoli vuotta sitten hyppäsimme kaikille meille uuteen aiheeseen. Emme silloin vielä ymmärtäneet kuinka monitahoisesta ja monitasoisesta ongelmasta digiosattomuudessa ja digitaalisten palveluiden käytössä on kyse. Matkalla ymmärrys on kasvanut ja haluammekin jakaa ymmärryksen kanssanne. Parasta on ollut havaita, että yhdessä tekemällä löytyy monia ratkaisuja vaikeiden, jopa visaisten, haasteiden selättämiseen. Pienillä teoilla ja askelilla voimme kaikki edistää toistemme osallisuutta digitalisoituneessa yhteiskunnassa. Tutustu tarkemmin kokeiluihin: Testasimme kierrätettyjen laitteiden välitystä niitä tarvitseville tahoille ja asiakkaille: Hankeraportti, s. 27-30. Loimme asiakaslähtöisen digivalmennuksen toimintamallin: Hankeraportti, s. 52-55. Testasimme kirjastojen digiopastusta: Hankeraportti, s. 56-58. Loimme digitaitojen kartoituslomakkeen, digitaitojen työkirjan asiakkaille sekä etävalmennuksen työkalupakin: Hankeraportti, s. 59-62. Katso myös: Soty-Digi materiaalit. Toteutimme palvelumuotoiluvalmennuksen, missä sosiaali- ja työllisyyspalveluiden toimijat ympäri maakuntaa testasivat digiosallisuutta ja -osaamista edistäviä kehittämiskokeiluja: Hankeraportti, s. 98-106.
Loimme avoimen ammattikorkeakoulun kursseja:
Kaikkiin kokeiluihin löydät syventävää tietoa hankkeen kotisivuilta, loppuraportista ja Digiosaamisen askeleita työikäisten palveluiden -Thinglinkistä. Materiaalit sisältävät kartoituslomakkeita, työkalupakkeja, nauhoitteita ja podcastin. Tervetuloa tutustumaan hankkeen tuotoksiin! Kirjoittajat: Salla Anttila, Jaana Kurki, Nadja Marjomaa, Tiina Soininen ja Katja Sorjonen Lähteet:
Tietotekninen toiminnanohjaus yleistyy kotihoidossa Tietotekninen toiminnanohjaus on yleistynyt myös hoiva-alalla, jonne se on omaksuttu teollisuuden ja liikkeenjohdon maailmasta. Toiminnanohjausjärjestelmät ovat tietokoneohjelmia, jotka keskittyvät organisaatioiden resursseihin ja toiminnan suunnitteluun [1]. Älypuhelimen avulla tapahtuva työn johtaminen ja tiedonvälitys on kotihoidossa yleistä. Kotihoidossa työskentelevistä 95 % ilmoittaa tarvitsevansa älypuhelinta työssään. Kotihoidon työntekijöistä joka toinen ilmoittaa käyttävänsä toiminnanohjausjärjestelmää työssään [2]. Teollisten tuotannonohjausjärjestelmien avulla kotihoidon organisaatiot pyrkivät parantamaan palveluiden tuottavuutta, kustannustehokkuutta, laatua ja asiakaslähtöisyyttä [3]. Toiminnanohjauksen käyttöönottoon yhdistyy uusi kotihoitomalli, jossa palveluja pyritään keskittämään isompiin yksiköihin ja apua kohdentamaan eniten avun tarpeessa oleville säästöjen aikaan saamiseksi. Suuntaus on yleinen sosiaali- ja terveydenhuollossa. Toiminnanohjaus edellyttää hoivatyön standardointia Toiminnanohjaus edellyttää hoivatyön yhdenmukaistamista eli standardointia. Standardoinnin näkökulmasta toiminnanohjaukseen sisältyy kaksi keskeistä piirrettä, työntekijöiden kirjaamiskäytäntöjen yhtenäistäminen ja asiakaskäyntien ajankäytön tarkentunut kontrolli. Kotihoidon työntekijöiden käyttämien mobiililaitteiden, älypuhelinten välityksellä kotihoidon johto saattaa seurata työntekijöiden asiakkaiden luona käyttämää aikaa aiempaa tarkemmin ja mitoittaa ajankäyttöä suunnitelmallisemmin suhteessa asiakkaiden tarpeisiin. Kirjausten välityksellä kotihoidolle kertyy ajantasaista ja säännöllistä tietoa asiakkaiden voinnista. Työtapa edellyttää, että työntekijät noudattavat etukäteen mitoitettuja asiakkaiden käyntiaikoja, kirjaavat säännöllisesti tietoja asiakkaiden voinnista ja yhdistävät kirjaustyön asiakkaiden kotona antamaansa hoitoon ja hoivaan. Tässä tekstissä pohdin yhdenmukaistamisen vaikutuksia esihenkilötyön muutoksen, kotihoidon asiakkaan ja työntekijän roolien näkökulmista. Lopuksi pohdin, miten kotihoito näyttäytyy hyvinvointipalveluna toiminnanohjauksen ja uuden kotihoitomallin muokkaamana. Teksti perustuu vuonna 2022 ilmestyneen väitöskirjani tuloksiin [4]. Esihenkilötyön etiikka muuttuu asiakkaiden yksilöllisyyttä ja hoivatyön tilannesidonnaisuutta korostavasta palveluiden tasapuolisuutta korostavaksi etiikaksi Toiminnanohjaukseen sisältyy työn organisoinnin uusi malli, jossa esihenkilöt eivät enää osallistu asiakastapaamisiin ja kanna vastuuta asiakastyön kokonaisuudesta, vaan heidän työssään korostuu johtaminen toiminnanohjauksen tilastotietoon perustuen. Toiminnanohjauksen myötä kotihoito mittaa työntekijöiden ajankäyttöä aiempaa tarkemmin sekä mitoittaa ajankäyttöä asiakkaalle etukäteen määritellyn, keskimäärin asiakkaalla luona kuluvan ajan mukaiseksi. Johtamisen kannalta merkitykselliseksi nouseekin ajankäytön vertailu perustuen keskimäärin asiakkaiden luona vietettyyn aikaan. Esihenkilötyön näkökulma muuttuu esihenkilöiden läsnäoloa asiakastapauksissa painottavasta, hoitotyön tilannesidonnaisuutta ja yksilöllisyyttä korostavasta etiikasta [5] kohti universalistista etiikkaa, jossa korostuvat paitsi ajankäytön vertailut, myös kotihoidon resurssien tasapuolinen jakaminen [6]. Myönteistä on, että esihenkilöt saattavat jakaa työtä aiempaa tasapuolisemmin työntekijöiden välillä ja valvoa, että asiakkaat saavat heille luvatun palvelun [7]. Etäjohtamisen myötä yksittäisten asiakkaiden tai työntekijöiden tilanteiden painottaminen johtamisessa kuitenkin vähenee. Merkityksellistä on, että lähiesihenkilöt toivat hallinnolliseen rooliin siirtyneitä kollegoitaan enemmän esille toiminnanohjauksen rajoituksia. He toivat esille, että toiminnanohjauksen edellyttämät asiakaskäyntien siirrot edellyttivät huolellista neuvottelua asiakkaiden kanssa, etukäteen laskettuja hoitotapahtumien kestoja ei voinut noudattaa asiakkaiden kunnon vaihdellessa päivittäin ja työntekijöiden tietoteknisten taitojen tason vaikuttaessa ajankäyttöön asiakkaiden luona. Riskinä toiminnanohjauksessa onkin, että hoitotyön arki ei välity riittävästi hoitotyön johtajille. [8.] Lähtökohtana kirjaamistapahtumaan osallistumaan kykenevä asiakas Haastateltavat hoitotyön ammattilaiset näkivät asiakkaiden osallistumisen lisäävän näiden itsemääräämisoikeutta kun asiakkaat pääsivät aiempaa enemmän vaikuttamaan siihen, mitä heistä kirjattiin. Kirjaamisen standardoinnin myötä myös potilasturvallisuus sekä tiedonkulku asiakkaille ja omaisille paranevat. Kirjaamistapahtuman siirtämisellä osaksi asiakkaan kotona tapahtuvaa kohtaamista oli haastateltavien mukaan myös kielteisiä vaikutuksia. Ihminen työn kohteena uhkasi hämärtyä tietotekniikan viedessä yhä enemmän huomioita hoitajien työssä. Esimerkiksi fyysisten kipujen hoito saattoi jäädä kohtaamisessa vähemmälle huomiolle. Huonokuntoiset asiakkaat, esimerkiksi muistisairaat, eivät välttämättä voineet osallistua kirjauksiin tai neuvottelemaan palvelustaan toiminnanohjauksen edellyttämän työtavan mukaisesti. Tietotekniset käytännöt saattavatkin ohittaa hoivan ruumiillisuutta sekä hoivan sosiaalisia käytäntöjä [9]. Tutkimukseni mukaan standardointi ei palvele parhaalla mahdollisella tavalla huonokuntoisen asiakkaan yksilöllistä kohtaamista. Työntekijän taidoissa korostuvat tekniset, ajanhallinnalliset ja kirjaamisen taidot kokonaisvaltaisten ja ruumiillisten taitojen sijaan Kirjaamisen roolin vahvistuminen korostaa työntekijän kirjallisia ja teknisiä työtaitoja, mutta ei niinkään hoivatyön ruumiillisia taitoja. Ajankäytön vertailtavuus korostaa työntekijän ajanhallinnan taitoja, mutta kokonaisvaltaisuuteen liittyvät taidot saattavat jäädä vähemmälle huomiolle, koska kyky pysytellä ennalta annetuissa palvelun aikarajoissa on kokonaisvaltaisuutta vahvempi periaate toiminnanohjauksessa. Viimeksi mainittu viittaa huolenpitoon ihmisestä kokonaisuutena, tämän fyysiset ja psyykkiset tarpeet laaja-alaisesti huomioiden [10]. Toiminnanohjaukseen sisältyy ajatus asiakkaiden käyntimäärien hallitusta kasvattamisesta, mutta liiallinen käyntimäärien kasvattaminen uhkaa asiakkaan yksilöllisyyden huomioivia ja kokonaisvaltaisia työtaitoja, koska uupunut työntekijä ei jaksa kohdata asiakkaita yksilöllisesti ja kokonaisvaltaisesti. Kotihoito hyvinvointipalveluna toiminnanohjauksen ja uuden kotihoitomallin muokkaamana Toiminnanohjaus ja uusi kotihoitomalli perustuvat kotihoidon työn kirjaamisen, työntekijöiden ajankäytön sekä asiakkaan luona annettavan palvelun yhdenmukaistamiseen eli standardointiin. Se perustuu lisäksi standardoidun työn valvontaan, joka mahdollistuu työntekijöiden mukana kulkevien mobiililaitteiden ja toiminnanohjauksen myötä. Hoivan logiikkaan [11] kuuluva asiakkaiden ja työntekijöiden yksilöllisten piirteiden, hoivan tilannesidonnaisuuden ja hoivan logiikan mukainen asiakkaan tarpeiden kokonaisvaltainen huomiointi sisältyvät toiminnanohjaukseen ja uuteen johtamismalliin standardoinnin kautta toteutettavina periaatteina, mutta eivät julkilausuttuina periaatteina. Riskiksi voidaan nähdä, että etäjohtamisen myötä asiakkaat ja työntekijät alkavat näyttäytyä työn johtajille yksilöiden sijaan tilastoaineistona, asiakkaiden kärsimys piiloutuu ja työn tehostamisen rajat eivät tule riittävästi näkyviksi johtajille. Kotihoidon työtä standardoidessa riskinä on, että työtä kehitetään pikemminkin tiedonkeruun kuin hauraiden asiakkaiden ehdoilla. Standardoidun kotihoidon johtamisessa onkin tärkeää kiinnittää huomio hoivan logiikan mukaisten työn piirteiden säilymiseen. Työntekijöiden osallisuuden lisääminen tietojärjestelmiä suunniteltaessa ja sovellettaessa on erityisen tärkeää. Kirjaamisen roolia kannattaa pohtia organisaatioissa, eli sitä, mikä on välttämätöntä kirjaamista ja mikä ei. Alan tutkijoiden yhteistyötä tietojärjestelmäkehittäjien ja muiden ammattilaisten kanssa voidaan lisätä ja tutkijat voivat auttaa hoivatyöntekijöitä luomaan hoivan käytäntöjä tukevia tietoteknisiä luokitteluita. Tutkimus osoitti, että toiminnanohjaus sopii paremmin yhteen mitattavissa olevaan ja sanallisesti kuvattavaan ja niiden perusteella ohjattavissa olevaan hoitoon kuin kokonaisvaltaiseen hoivaan. Toiminnanohjauksen hyviä puolia on, että se tukee hoidon johtamista: hoitotiedon näkyvyys järjestelmässä lisää asiakkaiden hoidon turvallisuutta ja tukee moniammatillista työtä. Hoivan johtamiseen toiminnanohjaus ei sovi yhtä hyvin. Hoivaa ei voi johtaa vain rationaalisista lähtökohdista, vaan hoivan johtamisessa on aina läsnä ihminen, työntekijä ja asiakas monine tarpeineen, kuten hoitoa ja hoivaa tutkinut Kim Aarva [12] esittää. Kirjoittaja: Kaisa Eskelinen, VTT, (Helsingin yliopisto) Tutkija, Suomen Pelastusalan Keskusjärjestö Lähteet:
Viime huhtikuussa hallitustunnustelija Orpo lähetti eduskuntaryhmille listan kysymyksiä vastattavaksi. Tilaisuuteen tarttuivat monet hallitusohjelmaan vaikuttamaan pyrkivät tahot, esimerkiksi Sitra, joka julkaisi omat “oikeat vastauksensa” Orpon kysymyksiin. Lasten, nuorten ja perheiden hyvinvointia koskevaan kysymykseen Sitra vastasi näin: “Ehdotamme, että lainsäädännössä tehtäisiin täyskäännös lastensuojeluun liittyvän datan suhteen. Lainsäädännön tulee jatkossa tukea digitaalisten työkalujen sekä tekoälyn käyttämistä niin kutsutussa varhaisessa puuttumisessa – tällä hetkellä suojellaan dataa lasten ja nuorten sijaan. Muutoksessa on hyödynnettävä oppeja, joita saatiin Espoon kaupungin vuoden 2018 kokeilusta hyödyntää tekoälyä syrjäytymisen havaitsemiseen. Tulosten hyödyntäminen kaatui lakiesteisiin.” Vastaus on monin tavoin oireellinen. Se kertoo kitkasta datan hyödyntämisen ja datan käyttöä rajoittavan, usein yksityisyyden suojaan pohjautuvan sääntelyn välillä. Lisäksi se kuvastaa vankkaa uskoa tekoälyn ennakoivaan voimaan ja käy tyyppiesimerkistä tekoälyn lastensuojeluun tuomista kuvitelluista hyödyistä. Sitran mainitsemassa Espoon kaupungin kokeilussa Tieto kehitti tekoälymallin lastensuojelun asiakkuuden ennustamiseksi. Hankkeesta uutisoitiin aikanaan laajasti. Tällaisissa malleissa on yleensä kyse niin kutsutusta ennakoivasta analytiikasta, ja esimerkkejä sen käytöstä lastensuojelussa löytyy sekä Suomesta että kansainvälisesti [1-3]. Tarkoituksena on yleensä tunnistaa koneen avulla ongelmia etukäteen, jotta niihin voitaisiin puuttua ennalta. Ulkopuolelta katsoen tekoälypohjainen ennakointi istuu lastensuojeluun hyvin: sosiaalityöntekijäthän pyrkivät arvioimaan lapsen olojen turvallisuutta ja ennakoimaan lapsen tulevaisuuteen liittyviä riskejä. Viimeisen vuosikymmenen ajan on uskottu siihen, että jos koneille annetaan riittävästi dataa, ne ovat ennakoinnin tyyppisissä monimutkaisissa tehtävissä ihmistä parempia, tehokkaampia ja puolueettomampia [4,5]. Dataan perustuva ennakointi on noussut keskeiseen rooliin yhteiskunnan eri osa-alueilla [6]. Miksi ei siis laittaisi konetta ennakoimaan myös sosiaalityössä? Sitran ja muiden datan ja tekoälyn voimaan uskovien näkökulmasta tehokkaan ennakoinnin esteenä on lähinnä lainsäädäntö. Sitra siis ehdottaa lainsäädännön muuttamista vastaamaan teknologian tarpeita. Mutta ehkä teknologiaa pitäisi pikemminkin muuttaa vastaamaan ihmisten tarpeita? Tuoreen tutkimukseni [7] perusteella haave koneen tekemästä tehokkaasta ennakoinnista pohjaa virheelliseen käsitykseen siitä, mistä ennakoinnissa on sosiaalityön kaltaisessa ammatissa kyse. Ennakointia koneen avulla Julkisten tietojen ja muiden vastaavien tapausten perusteella voi esittää valistuneen arvauksen siitä, miten tekoälymallin kehittely Espoossa eteni. Ensin yhdistetään ihmisiä koskevia rekisteridatoja eri lähteistä, Espoon tapauksessa sosiaali- ja terveyspalveluista sekä varhaiskasvatuksesta. Saadaan tietokanta, josta voidaan poimia tunnetut lastensuojelun asiakkuudet ja niihin liittyvät muuttujat. Sitten annetaan koneoppijalle tehtäväksi tarkastella, mitkä muuttujat esiintyvät tyypillisesti yhdessä lastensuojelun asiakkuuden kanssa. Tällaisia muuttujia kutsutaan riskitekijöiksi, joita Espoossa löytyi vajaa 300 kappaletta. Muualla riskitekijät ovat liittyneet esimerkiksi aiempiin kontakteihin sosiaalihuollon kanssa, mielenterveysongelmiin, erilaisten tapaamisten perumisiin, väkivaltaan, päihteiden käyttöön tai lapsen terveyteen kuten vaikkapa hampaiden kuntoon ja luunmurtumiin. Tämä riskitekijöiden lista on malli lastensuojelun asiakkuudelle: yksinkertaistaen, mallin perusteella asiakkuus on todennäköinen silloin, kun riittävän monta riskitekijää esiintyy samanaikiasesti. Seuraavaksi voidaan kääntää katse tulevaisuuteen ja tarkastella mallin perusteella muita kuin jo tunnettuja lastensuojelun asiakkaita. Kun perhettä koskevasta datasta löytyy riittävästi riskitekijöitä, lastensuojelun asiakkuuden riski on mallin mukaan koholla. Riskilistat eivät ole sosiaalityölle uusi apuväline, sillä sellaisia on laadittu pitkään esimerkiksi asiantuntijakonsensukseen tai aktuaarisiin malleihin perustuen [8]. Tekoälyllä toteutetun ennakointimallin varsinainen lupaus ei kuitenkaan ole riskilistoissa, vaan yksittäiselle asiakkaalle tehdyssä riskianalyysissä. Asiakasta koskevan datan perusteella voi muodostaa riskistä kertovan hälytyksen, tai tietokannasta voi seuloa kaikki asiakkaat, joilla on riski koholla. Uutisoinnin perusteella Espoo ei toteuttanut tällaisia käytännön sovelluksia, mihin Sitrakin viittasi lakiesteet mainitessaan. Tekoälyn varsinainen lupaus jäi siis lunastamatta ja sen hyödyllisyys käytännössä koettelematta. Jäljelle jäi lupauspuhetta teknologian potentiaalisista hyödyistä: jos saisimme lakiesteet ratkottua, tekoäly kyllä tunnistaisi riskitapaukset ennalta ja voisimme puuttua niihin ajoissa. Tekoälyn tunnetut ongelmat lastensuojelussa Suomesta löytyy muitakin ennakoivaa analytiikkaa lastensuojelussa kokeilleita sosiaali- ja terveysalan toimijoita, myös tapauksia joissa on ratkottu teknisiä ja laintulkinnallisia esteitä niin pitkälle, että riskitekijöiden listoista on edetty tekoälysovelluksiin. Pääsin tekemään tutkimusta tällaisesta hankkeesta, kun eräs sote-alue pilotoi kiireellistä sijoitusta tai huostaanottoa ennustavan tekoälytyökalun käyttöä [7]. Ajattelu pilottityökalun taustalla on kuin Sitran pelikirjasta: sijoitus- ja huostaanottotapaukset ovat sekä inhimillisesti että taloudellisesti raskaita, ja niiden varhainen tunnistaminen mahdollistaisi ennaltaehkäisevän puuttumisen. Sote-alueella kehitettiin ennakoivan analytiikan malli, ja pilotissa lastensuojeluilmoituksia käsittelevät sosiaalityöntekijät saattoivat asiakastapaamisen yhteydessä, asiakkaan suostumuksella, tarkastella tekoälyn tuottamaa riskitietoa: onko riski kiireelliseen sijoitukseen tai huostaanottoon koholla kyseisen lapsen kohdalla, ja mitkä riskitekijät tähän vaikuttavat. Kun ryhdyin jututtamaan pilotissa mukana olleita ammattilaisia, oletin että puhe kääntyisi hyvin tunnettuihin tekoälypohjaisten ennustemallien ja -työkalujen ongelmiin. Yhteiskunnan eri osa-alueilla – kuten turvallisuudessa, ennakoivassa poliisitoiminnassa, rajavalvonnassa, finanssialalla, oikeuslaitoksessa ja sosiaalityössä – käytettävät ennustemallit nimittäin aiheuttavat kautta linjan samankaltaisia ongelmia ja tekevät samankaltaisia virheitä. Mallit ovat usein jonkinlaisia harhoja sisältävän tai puutteellisen datan varassa, ja tekijät koodaavat mallien ja työkalujen sisään omat olettamuksensa ja päättelyharhansa. Erityisesti jo valmiiksi haavoittuvassa asemassa olevat päätyvät usein kärsimään virheiden ja ongelmien seurauksista. Tekoälyn haitalliset vaikutukset ovat laajasti tunnistettuja sekä yleisesti [9] että sosiaalityössä erityisesti [10]. Laajalti uutisoituja tapauksia virheiden ja epäoikeudenmukaisten mallien seurauksista löytyy esimerkiksi Alankomaista. Ongelmat korostuvat silloin, kun tekoälymallien avulla tehdään päätöksiä automaattisesti, ilman ihmisten suoraa osallistumista. Suomalaisella lastensuojelulla on matkaa koneen automaattisesti tekemiin huostaanottopäätöksiin, ja hyvä niin. Lastensuojelu on kuitenkin herkkä tekoälyn sovelluskohde. Virheiden seuraukset voivat olla yksilöille katastrofaalisia, ja pelkästään riskiryhmään kuuluminen saattaa olla stigmatisoivaa [11]. Ennusteiden tarkkuudella ja luotettavuudella on lastensuojelun kaltaisella kentällä erityisen suuri merkitys. Tekoälyn perimmäisempi ongelma Tekoälyn mukanaan tuomien syrjivien käytäntöjen, virheiden ja erilaisten harhojen sijaan haastatteluissa keskiöön nousi toinen, kenties vieläkin perimmäisempi ongelma: pilotoitu tekoälytyökalu ei ollut yhteensopiva käytännön sosiaalityön kanssa. Yhteensopimattomuus syntyi muun muassa eroista siinä, miten ennakointi ymmärretään. Vaikka sosiaalityö on luonteeltaan ennakoivaa, haastattelemilleni sosiaalityöntekijöille ennakoinnissa ei ollut kyse koneen tuottamasta riskitiedosta, vaan ammatillisesta tiedontuotannon prosessista. Prosessin ytimessä on asiakastyö. Sosiaalityöntekijät pyrkivät asiakastyön avulla muodostamaan syvällisesti asiakkaan yksilölliseen sosiaaliseen tilanteeseen ja ympäristöön sitoutunutta tietoa asiakkaan ongelmista ja kyvyistä pärjätä niiden kanssa. He eivät odottaneet tekoälyltä ennakointitiedon tuottamista, vaan tukea tiedontuotannon prosessille. Tekoälytyökalua ei kuitenkaan ollut suunniteltu asiakastyötä vaan nimenomaan riskin ennakointia ajatellen: tekoäly ei auta sosiaalityöntekijää ennakoimaan, vaan yrittää ennakoida sosiaalityöntekijän puolesta. Toinen keskeinen ero tekoälyn ja sosiaalityöntekijän ennakoinnin välillä liittyi tekoälyn tapaan käsitellä asiakasta riskitekijöiden kokonaisuutena ja historiansa tuloksena. Kone olettaa samanlaisen historian tarkoittavan samanlaisia ongelmia tulevaisuudessa: jos tietyt riskitekijät ovat yleensä tarkoittaneet, että tietty ongelma toteutuu, se toteutuu myös tällä asiakkaalla. Eräs haastateltavista kutsui koneen näkökulmaa vikalistaksi. Haastateltavani eivät pitäneet vikalistaa, siis ihmisen taustaa ja menneitä ongelmia, perusteena ryhtyä toimiin – keskeistä olivat asiakkaan tilanne nyt, mahdollisuus muuttaa elämän suuntaa, ja kyvyt tai haasteet pärjätä ongelmien kanssa. Kaikkiaan ihmisen tilanteen tiivistäminen listaksi ongelmia vaikutti olevan perusteiltaan pielessä ammatissa, jossa pyritään ymmärtämään ongelmien syitä ja auttamaan yksilöllistä asiakasta uniikissa tilanteessa. Käyttökelpoista tekoälyä sosiaalityöhön Kiinnostavasti tekoälytyökalun ja sosiaalityön yhteensopimattomuudesta kumpusi ajatuksia siitä, mitä tekoälyllä voisi lastensuojelun kentällä tehdä. Näiden ajatusten ytimessä oli asiakastyö. Haastattelemani sosiaalityöntekijät eivät kokeneet hyötyneensä pilottityökalun riskiarviosta. Osa kuitenkin kiinnitti huomiota työkalun esille nostamiin riskitekijöihin. Riskitekijät ovat otteita rekistereistä, ja kuvaavat siis asiakkaan menneisyyttä tai nykytilannetta. Sosiaalityöntekijät kokivat tällaiset tiedonmuruset hyödyllisiksi asiakkaan kohtaamisessa. Kuten missä tahansa tietoa tulvivassa ammatissa, oleellisen tiedon löytäminen on sosiaalityössäkin vaikeaa. Sosiaalityöntekijät ajattelivat, että tekoäly voisi ennakoinnin sijaan poimia asiakasta koskevasta aineistosta tilanteeseen nähden relevantteja tietoja tai esimerkiksi yhteenvetoja. Mennyttä ja nykyhetkeä valottamalla tekoäly tukisi asiakastyötä, ja tulevaa ennakoivan tiedon muodostaminen tapahtuisi ihmisvoimin. Haastateltavat pyrkivät kurkistamaan tekoälyn avulla nykyhetkeen myös toisella tavalla, käyttämällä sen tuottamaa tietoa keskustelun kuljettamisessa. Tekoälyn tuottama ennakointitieto ei välttämättä ole totuus asiakkaan tilanteesta, mutta tekoäly on kuitenkin tuottanut tällaisen tiedon. Sosiaalityöntekijöiden mukaan tällainen epävarmakin tieto voi olla asiakastilanteessa samalla tavalla hyödyllistä kuin vaikkapa tiliote tai mikä tahansa muu ulkopuolelta tullut tieto: tällaista koneesta nyt tuli ulos, mitä me tästä ajattelemme? Pilotoidun työkalun tapauksessa tällaisen käytön teki hankalaksi se, että työkalu ennakoi huostaanottoa – siis äärimmäistä ja uhkaavaa, mutta usein perheen tämänhetkisestä tilanteesta varsin kaukana olevaa ja siksi kovin hypoteettisen tuntuista riskiä. Huostaanoton puheeksi ottaminen koettiin provosoivaksi, ja se oli asiakkaan asian selvittämisen kannalta haitallista. Jos työkalua kehitettäisiin asiakastilanteen avuksi, sen tuottama tieto mietittäisiin nimenomaan tämän tilanteen kannalta hyödylliseksi. Ihmiset ihmisen töissä, koneet koneen töissä Tekoälyn lupaus on olla ihmistä parempi: tehokkaampi, nopeampi, väsymättömämpi ja virheettömämpi. Tekoälytyökalun suunnittelua ohjaavaa näkökulmaa tulisi kuitenkin pohtia tarkasti: mihin koneen vahvuuksia kannattaa soveltaa juuri tässä sovelluskohteessa? Tutkimuksestani kumpuavaa ajatusta voisi kuvata yksinkertaisesti näin: sen sijaan että ajatellaan tekoälyä korvaamassa ihmisten ammattitaitoa, tulisi ajatella tekoälyä tukemassa ihmisen työtä. Näin muotoiltuna ajatus ei kuulosta kovinkaan erikoiselta, mutta ennakointiin ja ennaltaehkäisyyn tähtäävien tekoälyhankkeiden yleisyydestä päätellen ajatukselle olisi tilausta. Käytännön sosiaalityössä olisi todellista tarvetta ihmisen työtä ja nimenomaan asiakastyötä helpottaville, lopulta varsin käytännönläheisille välineille. Tekoälyn kehittäjiä ja tilaajia kannustaisin unohtamaan ennakoinnin hetkeksi ja selvittämään, miten tekoälyä voisi kehittää sosiaalityön omista lähtökohdista. Ihmistyötä tukevat mutta päätösentekovallan ja -vastuun selvästi ihmisellä säilyttävät työvälineet voisivat samalla välttää niitä eettisiä ja lainsäädännöllisiä karikkoja, joihin mullistuksia tavoittelevat ennakointihankkeet tapaavat jumittua. Kirjoittaja: Tuukka Lehtiniemi on tutkijatohtori Helsingin yliopiston Kuluttajatutkimuskeskuksessa. Hänen tutkimuksensa keskiössä ovat ihmisten tavat ja mahdollisuudet osallistua dataistuvaan yhteiskuntaan. Kirjoitus perustuu julkaisuun Lehtiniemi, T. (2023). Contextual social valences for artificial intelligence: anticipation that matters in social work. Information, Communication & Society. https://doi.org/10.1080/1369118x.2023.2234987 Lähteet:
Sosiaalityön tietokäytännöillä tarkoitetaan esimerkiksi hallinnollisia tapoja, joilla sosiaalityön tietoa kirjataan ja millaista tietoa palveluista siten saadaan. Käytännössä sosiaalityön tieto käsittää sekä asiakastyöstä kerättyä käytännön tietoa että tutkimuksen keinoin tuotettua tietoa. Kun kirjattu tieto analysoidaan, sitä voidaan käyttää esimerkiksi palveluiden arviointiin ja vaikuttavuuden osoittamiseen. Pelkkä käytännön tieto tai tutkimustieto ei kuitenkaan riitä vaikuttavuuden arvioimiseen, vaan todellista vaikuttavuustietoa saadaan, kun yhdistetään arkityön tieto tutkimustietoon, tarkastellaan sosiaalityötä organisaatiotasolla ja verrataan niitä eri palveluntuottajien välillä. [1] Sosiaalityön vaikuttavuus koostuu näin ollen todella laajasta kokonaisuudesta, ja jos halutaan saada tietoa sosiaalityön vaikutuksesta koko yhteiskunnan tasolla, tarvitaan moniulotteista tutkimusta, mahdollisesti sekä ihmisten toteuttamaa kontekstisidonnaista tutkimusta että tietokoneavusteista data-analyysia. Vaikka sosiaalialan tiedontuotantoa on kuvattu hajanaiseksi ja puutteelliseksi tuotetaan tietoa kuitenkin jatkuvasti sekä tutkimuksen että käytännön työn välityksellä. Myös tiedon käyttö on hajanaista, eikä yhtenäistä, systemaattista tapaa käyttää sosiaalityön tietoa ole havaittavissa kansallisesti. [2] Tämän päivän sosiaaliset ongelmat ja niiden parissa työskentely ovat tehneet moniammatillisesta työstä sosiaali- ja terveysalan ”uuden normaalin”. Tämän vuoksi olisi äärimmäisen tärkeää löytää tapoja käyttää ja jakaa tietoa eri asiantuntijoiden kesken, ja nostaa myös asiakkaan kokemustieto osaksi tiedonkeruuta ja tiedon hyödyntämistä. Tiedon käytön ja hyödyntämisen työkalut kuitenkin perustuvat pääosin perinteisiin tiedonkeruumenetelmiin, kuten tapaustiedon kirjaamiseen asiantuntijan toimesta, sen sijaan että niissä korostuisi aito moniammatillinen tiedontuotanto, jossa myös asiakas olisi aktiivisena toimijana. Näin ollen arjen työ vaikuttaisi olevan lomake- ja kirjauspohjaista eriytettyä työtä sen sijaan, että se olisi asiantuntijoiden ja asiakkaan välistä aktiivista vuoropuhelua ja yhteistyötä. [3] Dataan perustuva päätöksenteko vaatii luonnollisesti dataa, jota tänä päivänä kerätään ja analysoidaan populaatiotasolla suuria määriä. Tätä datamäärää, ja myös tapaa kerätä ja analysoida sitä, kutsutaan isoksi dataksi (engl. Big Data). Pelkkään dataan perustuvaa päätöksentekoa voidaan kuvata dataismiksi, joka sosiaalialalle sovellettuna tarkoittaa uskomusta ison datan ja älykkään teknologian kykyyn selvittää ihmisten hyvinvointipalveluiden tarpeita paremmin kuin ihmisten tuottaman kokemustiedon perusteella. Dataismia perustellaan sillä, että koneoppiminen ja älyteknologia pystyvät tekemään päätöksiä objektiivisemmin ja rationaalisemmin kuin ihminen. [4] Dataismin ideologian mukaan sosiaalityön päätöksentekoa tulisi siis toteuttaa populaatiotasolla tarkastelematta yksittäisiä ihmisiä ja tilanteita, ja päätökset tulisi perustaa pelkkään tilastotietoon. Tällainen lähestymistapa on sosiaalityön näkökulmasta kuitenkin ongelmallinen, sillä se poistaisi sosiaalityöstä ihmisläheisyyden ja yksilöllisen elämänkulun huomioimisen, jotka ovat tapauskohtaisen sosiaalityön ydintä. Yksi argumentti dataismin puolesta on, että sen katsotaan poistavan päätöksenteosta kokonaan inhimilliset virheet. Tätä väitettä on kuitenkin haastettu sosiaalityön kentältä, sillä sosiaalityön päätöksenteon ei lähtökohtaisesti tulisi olla pelkästään neutraalia, objektiivista tai rationaalista. [4] Dataismiä kritisoidaan myös sosiaalisen kontrollin työvälineeksi, jonka myötä seuranta ja kontrolli yhteiskunnassamme voisi lisääntyä. Jotta dataismiä voitaisiin soveltaa sosiaalityöhön, tulisi sosiaalityön käytännöt yksinkertaistaa, eli ne tulisi pystyä muuttamaan sarjaksi binäärisiä prosesseja. Tämä prosessi voi edesauttaa ison datan hyödyntämistä, mutta toistaiseksi sosiaalityö pysyttelee kontekstisidonnaisessa päätöksenteossa, jossa pyritään objektiivisuuteen ja hyväksytään se, ettei kaikkea tarvittavaa tietoa ole saatavilla, jolloin päätös voi joskus osoittautua virheelliseksi. [4] Dataismillä on potentiaalia olla tukemassa poliittista päätöksentekoa ja suurten linjojen vetämistä, mutta yksilötason sosiaalityöhön sovellettuna sillä voi olla myös asiakkaille haitallisia oheisvaikutuksia. Dataismillä on yhteneväisyyksiä sosiaalityöhön jo jalkautuneen uuden julkisjohtamisen ja näyttöön perustuvan käytännön kanssa [4]. Näyttöön perustuva käytäntö on vahva osa terveydenhuollon työtä, mutta vielä viime vuosikymmenellä sen rooli sosiaalityössä näyttäytyi vähäisenä [5-8]. Näyttöön perustuva käytäntö perustuu ajatukseen siitä, että asiakkaan kanssa tehtävän työn päätökset perustuvat empiiriseen tietoon parhaasta mahdollisesta toimintatavasta, ja että tehdyllä interventiolla on vaikutusta asiakkaan tilanteeseen. Työntekijän tulisi perustaa toimintansa ensisijaisesti hyväksi havaittuihin toimintamalleihin, ja vain täsmällisen vaikuttavuustutkimuksen läpikäyneen käytännön eettisyys voidaan varmistaa. [8] Dataan perustuvaa päätöksentekoa ja näyttöön perustuvaa käytäntöä vaikuttaisi haastavan sosiaalialalla se, ettei yksilön kokemien sosiaalisten ongelmien tarkastelu populaatiotasolla hahmotu samalla tavalla kuin esimerkiksi terveysongelmien liittyminen osaksi suurempaa kokonaisuutta. Myös terveysongelmiin puuttuminen populaatiotasolla on selkeämpää ja sitä voidaan perustella suoraviivaisemmin kuin sosiaalisiin ongelmiin puuttumista. Esimerkkinä vertaan kahta ongelmaa ja niihin puuttumista ison datan perusteella: jos laajoissa tutkimuksissa huomataan ja kyetään todistamaan yhteys jonkin ruoka-aineen ja terveysongelman välillä, pystytään kyseistä terveysongelmaa ehkäisemään ohjeistamalla ihmisiä välttämään kyseistä ruoka-ainetta. Sosiaalisten ongelmien ollessa kyseessä tilanne on huomattavasti monimutkaisempi, sillä yhteys pelkästään yksittäisen tekijän ja seurauksen välillä on haastavaa todistaa, eikä ongelmaa todennäköisesti voi korjata pelkällä yhden yksittäisen tekijän lisäämisellä tai poistamisella. Hyvä käytännön esimerkki tästä on työttömyyden vähentäminen antamalla työnhakijoille työnhakuvelvoite. Ymmärrän hyvin, että koko yhteiskunnan tasolla työttömyys voi näyttäytyä työnhakijoiden passiivisuutena ja työnantajien ja työnhakijoiden kohtaanto-ongelmana, jota voidaan korjata työttömien aktivoinnilla, kuten työnhakuvelvoitteella. Pelkkä pakotettu työhakemuksen lähettäminen kuitenkaan tuskin vähentää työttömyyttä etenkään tilanteessa, jossa työllistymistä estävät erilaiset terveydelliset haasteet. Pahimmillaan työnhakuvelvoite voi yksilötasolla aiheuttaa sen, että työhön kykenemätön menettää ansionsa tai etuutensa velvoitteen vuoksi. Lopuksi On tärkeää, että tulevaisuudessakin sosiaalityön koulutuksessa painotetaan tutkimusosaamista ja tiedonhankintaa. Lisäksi terveys- ja sosiaaliala tulisi nähdä ennemminkin toisiaan täydentävinä kuin toisiaan poissulkevina aloina. Digitalisaatiolla ja sosiaali- ja terveysalan integraatiolla on paljon mahdollisuuksia ratkaista yhteiskunnallisia kiperiä kysymyksiä, mutta vain jos myös sosiaalityön osaaminen, tieto ja tiedon erityispiirteet otetaan yhtä lailla huomioon päätöksenteossa. Kirjoittaja: Maria Toppi, TtM (terveyshallintotiede) Sosiaalityön maisteriopiskelija, Lapin yliopisto Lähteet:
|
Blogin tarkoitusBlogissa julkaistaan tieteellisiä kirjoituksia sosiaalialan digitalisaatiosta eri näkökulmista. Blogi toimii sosiaalialan digitalisaation ajan kuvaajana ja tallentajana, sekä tietolähteenä ja keskustelun virittäjänä kaikille aiheesta kiinnostuneille. Arkisto
January 2024
Kategoriat
All
|