23% küsitletud Briti juhtidest ilustab oma AI-teadmisi

30. septembril 2026 avaldatud IT Briefi ülevaate järgi tunnistas 23% Emergni küsitluses osalenud Ühendkuningriigi tippjuhtidest, et esitab oma tehisaruteadmisi tegelikust tugevamana; Censuswide küsitles 350 vähemalt 1000 töötajaga ettevõtte juhti, kes olid oma ametis olnud vähemalt viis aastat. Tulemus puudutab inimesi, kelle otsustest võib sõltuda, milliseid AI-lahendusi ettevõttes kasutusele võetakse ja kuidas nende tööd hinnatakse.

Emergn nimetas ka oma avalikus postituses teadmiste ilustamist ligi veerandi küsitletud Briti tippjuhtide probleemiks. 6. oktoobri IT Pro käsitluse järgi kartis 38% vastajatest, et oskuste kiire parandamata jätmine kahjustab nende karjääri järgmise aasta jooksul, ning vaid 43% ütles, et oli viimase aasta jooksul saanud põhjalikku ja järjepidevat AI-koolitust; Emergn tegevjuht Alex Adamopoulos sõnastas surve nii: „It is hard to admit you do not understand something”.

Mida vastused juhtide oskuste kohta näitavad

Teadmiste ilustamine on juhi enda tunnistus, mitte praktilise katsega mõõdetud oskuste puudujääk. Avaldatud küsitluskirjeldus ei sisalda ülesannet, milles vastaja peaks AI-väljundit kontrollima või kasutuselevõtu otsust põhjendama. Nii näitab tulemus, et osa suurte Briti ettevõtete juhtidest möönab lõhet oma teadmiste ja neist jäetava mulje vahel, kuid ei näita, kui sageli see lõhe tööotsuseid mõjutab.

Küsitluse täpne küsimustik ja vastuste jaotus juhtide rollide järgi ei ole avaldatud. Ka „AI-teadmised” võivad tähendada eri asju: tööriista võimaluste tundmist, oskust märgata vigast vastust või võimet määrata, millise töö puhul lahendust üldse kasutada. Seetõttu ei saa ühest vastusest järeldada, millises juhtimisülesandes vajab inimene kõige rohkem tuge.

Valim seab tulemusele teise piiri. Suurte Ühendkuningriigi ettevõtete kogenud tippjuhtide vastustest ei saa tuletada Eesti juhtide osakaalu ega võrrelda neid väiksemate ettevõtete juhtidega. Küsitlus annab siiski konkreetse põhjuse vaadata, kuidas ettevõttes eristatakse veenvat juttu põhjendatud AI-otsusest.

Miks teadmislünk võib otsuses oluliseks saada

Juhi AI-oskus tuleb nähtavale siis, kui ta peab valima töö, mida tehnoloogiaga muuta, ja otsustama, millistel tingimustel tulemust kasutada. Kui tööriista väljund tundub usutav, kuid keegi ei ole määranud selle kontrollijat ega vea tagajärge, võib kindlana esitatud teadmine jätta otsustamisel olulise küsimuse käsitlemata. See on võimalik juhtimisrisk, mitte küsitlusega tõendatud kahju.

Karjäärimure ja vähene põhjalik väljaõpe annavad teadmiste ilustamisele konteksti. Need vastused ei näita aga, kas oma oskusi võimendavad just need juhid, kes kardavad tööalaste võimaluste pärast või pole koolitusel käinud. Samuti ei ütle koolitusel osalemine üksi, kas juht suudab õpitut otsuses kasutada. Põhjusliku seose asemel näitavad tulemused mitut küsimust, mida juhtkonna pädevuse hindamisel tasub lahus hoida.

Juht võib näiteks osata kirjeldada populaarse tööriista funktsioone, ent jätta märkamata, et kavandatud kasutuses puudub usaldusväärne viis vastuse õigsust hinnata. Teine juht ei pruugi tehnilisi üksikasju peast teada, kuid oskab seada tööle piiri, nimetada vastutaja ja nõuda enne laiendamist tõendit kasu kohta. Neid võimeid ei erista küsimus, kui hästi inimene enda arvates tehisaru tunneb.

Kuidas hinnata juhi AI-oskust tööülesande kaudu

Eesti ettevõttes saab ebamäärase enesehinnangu asemel vaadelda juhi otsust talle tuttava töövoo kohta. Tingliku hindamisülesandena võiks ta valida korduva tegevuse, mille juures AI abi kaalutakse, ja selgitada, mis praeguses töös aega võtab või kvaliteeti piirab. Seejärel peaks olema selge, milline osa tööst võiks muutuda ning milline otsus jääb inimese teha.

Tööriista tundmine tähendab sellises ülesandes oskust kirjeldada vajalikku sisendit, oodatavat väljundit ja lahenduse piire. Tööriista nimetamisest või sujuvast tutvustusest ei piisa, kui juht ei oska öelda, milleks see tema valitud töö puhul sobib. Oluline on ka oskus tunnistada kohta, kus vastuse andmiseks on vaja tehnilise või valdkondliku asjatundja abi.

Väljundi kontrollimine on sellest eraldi võime. Juht peaks oskama nimetada algallika, arvutuse või asjatundja, kelle abil tulemust hinnata, ning vea, mille korral seda kasutada ei tohi. Kui väljundit pole võimalik mõistliku vaevaga kontrollida, mõjutab see otsust juba enne tööriista kasutuselevõttu. Nii saab hinnata põhjendust, mitte üksnes seda, kas AI annab ladusa vastuse.

Riskijuhtimise puhul tuleb nähtavaks teha, milliseid andmeid lahendusse sisestatakse, kes kinnitab tulemuse ja kuidas kasutamisel ilmnev eksimus avastatakse. Juht ei pea süsteemi ise ehitama, kuid peab suutma määrata vastutuse tööle, mille mõju jääb ettevõttele. Eriti vajalik on see siis, kui väljund jõuab kliendini või mõjutab töötaja otsust.

Viimane osa on töövoo parandamise hindamine. Enne katset saab juht sõnastada, mille järgi võrreldakse senist tööd muudetud tööga: kas tulemus on piisavalt täpne, kas kontroll võtab oodatust rohkem aega ja kas vastutaja saab vead parandada. Pärast piiratud katset peab ta suutma põhjendada, kas lahendust jätkata, muuta või kõrvale jätta. Selline ülesanne eristab tööriistast rääkimise võimet oskusest selle kasutust juhtida.

Mida koolituse tulemus ettevõttele ütleb

Koolituse kohta antud vastus kirjeldab ligipääsu põhjalikule ja järjepidevale õppele, mitte pädevuse lõpptaset. Tööülesande kordamine pärast õpet annaks ettevõttele parema pildi sellest, kas juht oskab nüüd väljundit kontrollida, riski piirata ja töö muutust põhjendada. Sama ülesanne aitab näha, milline neist osadest vajab veel harjutamist, ilma et hinnang sõltuks üksnes juhi enesekindlusest.

Briti küsitluse kõige otsesem tagajärg Eesti ettevõttele on seega hindamisviisi valik. Kui juht peab otsustama AI kasutuse üle, saab tema teadmisi hinnata selle järgi, kuidas ta käsitleb päris töö, kontrolli ja vastutuse seoseid. Küsitluse põhjal ei ole teada, kui paljud juhid sellise ülesandega toime tuleksid; selle selgitamiseks on vaja vaadelda nende tööd, mitte küsida ainult enesehinnangut.