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:
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
|