Game theory approach to human capital management

Game theory provides mental models to integrate behavioral capital with finance and HR data. In this blog post, I will illustrate what management game theory is and why it is so powerful in connection with artificial intelligence (AI).

Behavioral capital is becoming increasingly important in creating business value. These “soft skills” are difficult to acquire because human social context is complex due to different personalities and biases. However, there is an emerging new science that will solve this problem and foster organizational performance. Game theory sheds light on management behavior and helps illuminate the relationship between the actions of management and the performance of subordinates. It helps illustrate why some organizations fail at change management or face high staff turnover. Game theory is science that applies mathematics to better understand human decision-making and social behavior. Game theory is key in creating new generation model-driven artificial intelligence to reinforce managers’ behavior and create sustainable competitive advantages.

Every leader, manager or supervisor is playing a game that includes the following game theory principles:

  1. Strategic game
  2. Bayesian game
  3. Stochastic game
  4. Non-symmetric game
  5. Signaling game
  6. Non-co-operative or co-operative game
  7. Zero-sum or general sum game

Strategic game: A leader’s behavior today affects an organization’s profits after twelve months. This phenomenon of long-term effects makes leadership strategic. Every leader has a certain management mindset or policy that he or she follows, either consciously or subconsciously. There are also human biases that dictate leadership behavior. In addition, there are personal assumptions about the rewards of leadership behavior. Some leaders are able to predict future rewards while others think only about fast rewards or avoiding possible punishment, which may be strategically unwise.

Bayesian game: The management game is Bayesian, meaning we have to make decisions with imperfect information. Managers’ have prior assumptions about their leadership behavior’s effects. With experience the prior assumptions may change as learning from doing gives better understanding about the context and behavior’s causalities. This is called reinforcement learning that rational persons naturally have, and it is also included at Bayesian game theory. Leaders operate at organization environment that is complex and may sometimes be hard to comprehend. However, leaders know certain probability distributions upon which they can base their decisions. Rational leaders utilize the brain’s natural phenomenon of reinforcement learning despite the imperfect information from complex environment.

Stochastic game: The management world is stochastic, which usually leads to negative surprises. One cannot expect that each day’s activities will be fulfilled as planned. Often there are stochastic interventions which require our attention. Also, humans are heavily affected by current moment bias in which short-term reward (or avoiding immediate punishment) is valued more than long-term reward (which would require different actions and more strategic thinking). The stochastic world is evolving and manager behavior will have a great effect on the outcome.

Non-symmetric game: Leaders, managers and supervisors are all in non-symmetric positions compared to their subordinates. The leadership power of managers is controlled by management systems. Thus, managers usually have different strategies than their subordinates. While worker focus on doing their tasks, managers have to think about whole team collaboration and performance. In addition, there are myriad personal and social features that form the way leaders use their non-symmetric power to influence subordinates.

Signaling game: The behavior of the leader can modify a team’s culture and culture dictates the signaling game. When there is common trust that problems are solved in a positive way, there will be more signals about possible problems and development needs. In addition to staff comments and feelings, there are also signals from management systems. For example, a digital leaderboard can signal increased sickness risk and recommend activating early intervention for preventing absences. In this case, the digital system analyzes data (i.e. staff inquiries and other data) and sends out alarms and offers advice for action.

Non-cooperative or cooperative game: In the famous prisoner’s dilemma there are two prisoners who can’t communicate but are forced to choose to either cooperate with each other or act in their own best interest. In the context of an organization, communication is not restricted, but the same type of social decision dilemma is present in every organization and team: Do the employees choose to cooperate, or do they act on their personal best interest? A non-cooperative mindset reduces productivity and may cause severe performance problems. Using game theory, it is possible to foster a more cooperative mindset in which employees innovate and solve problems in a positive atmosphere.

Zero-sum or general sum game: In zero-sum game, a gain for one player results in a loss for the other player. A zero-sum game mindset is harmful for organizations because it prevents cooperation. In the general sum game, the players help each other to achieve rewards and higher performance levels. General sum players are also willing to take risks together. They are focused on winning and are ready to make sacrifices to secure long-term rewards. Both, the zero-sum and general sum game leave marks at organization data, thus it is possible to analyze which type of game the organization plays. Data-driven AI helps identify exiting culture and model-driven AI helps with teaching which behaviors lead to the general sum game.

Why is game theory combined with machine learning an incredible breakthrough? Because we can model complex human behavior in an organizational context using mathematical modeling. First, we have to make digital presentations for organizations that model the effect of management decisions on fiscal and human performance, then we must implement Markov sequences at this digital twin and start running reinforcement Q-learning with the Bellman function. This may sound complicated (and it actually is), but when the digital twin world is built, it explains why human capital management within organizations is so difficult. AI can provide advice for managers in their decision-making, forming sort of a crystal ball that reveals future alternatives and reinforce behavior for winning.

There are significant benefits in utilizing game theory, data-analytics and machine learning in an organizational setting. I believe there is going to be an emerging new management science in this field. Game theory provides mental models to integrate behavioral capital with finance and HR data. This is not an easy task, but this revolutionary research has already begun. At this stage, it is essential to have close research collaboration with companies where data is created every day and performance problems are difficult to solve. It seems that Kurt Lewin’s saying, “Nothing is more practical than good theory,” applies here as well.

Marko Kesti
M.Sc., Dr., Adjunct Professor (human capital productivity)
Research Director, University of Lapland

Henkilöstökehittämistä tuottavuustakuulla

Nykyisellä menolla SOTE ei selviä velvoitteistaan. Tuottavuus laskee ja henkilöstö voi huonosti. Kestävän tuottavuuskehityksen luominen vaatii uusia ratkaisuja – seuraavassa on yksi.   

Sote-organisaatioiden toiminta on vakavissa ongelmissa ja moni kunta on kriisissä sote-sektorin rahoituksen kanssa. Hoitohenkilökuntaa tarvitaan lisää, mutta ei ole varaa palkata. Toisaalta ammattitaitoisia sairaanhoitajia ja hoitoalan työntekijöitä ei saa, vaikka olisi varaa palkata. Sote-alan työntekijät väsyvät ja moni harkitsee alan vaihtoa. Koko toimialan tuottavuus laskee, kun sen pitäisi parantua merkittävästi. Ongelmat ovat vakavia ja niiden ratkaisemiseen tarvitaan uudenlaista johtajuutta ja innovatiivisia ratkaisuja. Näyttää siltä, että Sote-organisaatiot eivät yksin kykene tuottavuusongelmaa ratkaisemaan. Erilaisia kehittämispalveluja kilpailutetaan, mutta niillä ei saada toivottua vaikuttavuutta, sillä niistä puuttuu aito vastuun kanto. Toimittajan ei tarvitse sitoutua tuottavuuden parantamiseen, sillä sitä ei oikeasti vaadita.

Olemme Lapin yliopistossa kehittäneet analytiikkaa, jolla tuottavuuden kehittymistä voidaan todentaa. Hyvä analytiikka mahdollistaa tehokkaamman kehittämisen, jolla saadaan toivottua vaikuttavuutta talouteen. On tärkeää, että henkilöstön merkitys osataan huomioida oikealla tavalla. Kestävä tuottavuuden parantaminen vaatii parempaa henkilöstön kuuntelemista ja osallistamista jatkuvaan parantamiseen. Tiedolla johtamisen nostaminen on myös keskeinen osa tehokasta henkilöstölähtöistä kehittämistä. On totta, että tieto lisää tuskaa, mutta se myös auttaa kehittämään organisaatiota. Onko paras osaaminen käytettävissä siellä missä se tarvitaan? Onko resurssit kohdennettu asiakastarpeen mukaan? Onko jokin työyhteisöryhmä jatkuvassa ylikuormituksessa? Hukataanko kallisarvoisia ideoita työn sujuvuuden parantamiseen?

Tarvitaan win-win malli, jossa tietoa analysoidaan avoimesti tilaajan ja toimittajan kesken. Sovitaan toimenpiteet ja seurataan niiden vaikuttavuutta jatkuvatoimisesti. Tieto tehdään näkyväksi ja se analysoidaan toimintaa ohjaavasti. Parempi tiedolla-johtaminen mahdollistaa sairauspoissaolojen vähentämisen, sillä se aktivoi esimiehiä tehokkaisiin ennaltaehkäiseviin toimenpiteisiin. Esimies näkee omalta Leaderboard näytöltä suositukset toimenpiteisiin ja saa tietää niiden vaikuttavuuden. Tiedon avulla voidaan positiivisesti pelillistää työelämän laadun ja tuottavuuden kehitystä. Tekoälyavusteinen analytiikka kiihdyttää organisaation oppimista. Kestävä tuottavuuden kasvattaminen vaatii henkilöstölähtöistä johtamista ja uuden teknologian sekä tutkimustiedon soveltamista.

Tehokkaan henkilöstökehittämisen taloudelliset vuosittaiset hyödyt ovat arviolta noin 700 €/työntekijä. Esimerkiksi 2000 hengen Sote-organisaatiossa se tarkoittaa 1.4 M€ tulosparannusta per vuosi. Hyödyt tulevat seuraavista lähteistä:

  • sairauspoissaolojen vähentyminen tuo 312 000 € tulosparannusta (156 €/hlö)
  • vaihtuvuuden vähentyminen tuo 120 000 € tulosparannusta (60 €/hlö)
  • muuttuvien kulujen vähentyminen tuo 528 000 € tulosparannusta (264 €/hlö)
  • henkilöstökulujen (mm. ylityöt) vähentyminen tuo 456 000 € tulosparannusta (228 €/hlö)

Tuottavuus ei nouse toistamalla entistä, joten on investoitava henkilöstökehittämiseen. Tavoitteena on luoda toimintamalli, jossa sekä tilaaja että toimittaja ottavat yhteisvastuun tuottavuuden nostamisesta. Henkilöstötuottavuuden parantaminen vaatii kehittämisinvestoinnin, jonka suuruus on arviolta noin 120 €/työntekijä, eli esimerkkiorganisaatiossa 240 000 €. Investointi käsittää tekoälyavusteisia kehittämistyökaluja sekä tehokkaita kehittämisinterventioita. Tässä niin sanotussa Tuottavuustakuu-hinnoittelussa tuottaja ottaa puolet palvelun kuluista omana riskinä, jolloin Sote-organisaation kassasta rahoitettava kustannus on esimerkissä 120 000 € (60 €/työntekijä). Se on investointi, jolta odotetaan moninkertaista tuottoa. Syntyneestä tuotosta saa palvelun toimittaja esimerkiksi 20% bonuspalkkion. Esimerkin Sote-organisaatio parantaa talouttaan seuraavasti: 1.4 M€ – (1.4 M€ – 0.12 M€) *0.2 – 0,12 M€ = 1.4 – 0.256 – 0.12 = 1.4 – 0.376 = 1.024 M€. Toimittajan kokonaispalkkio on 376 000 €, jolloin kehittämisinvestoinnin ROI on 1.024/0.376 = 2.7 kertainen. SOTE organisaation talous paranee 512 € jokaista työntekijää kohti. Kokemusten mukaan hyödyt kasvavat, kun kehittämistä tehdään jatkuvatoimisesti, jolloin toiminnan kehittäminen juurtuu osaksi organisaation toimintakulttuuria.

Mikäli talouden parantuminen on merkittävästi pienempi, esimerkiksi vain 100 €/työntekijä, niin silloin palvelun toimittajan bonuspalkkio on (100 – 60) *20% = 8 € per työntekijä. SOTE organisaation tulosparannus on silloin 100 – 60 – 8 = 32 €/työntekijä. Palvelun toimittajan kannattaa siis tehdä kaikkensa, jotta asiakasorganisaation tuottavuus paranee, jolloin palvelun toimittaja saa työlleen kohtuullisen korvauksen. Tuottavuustakuu-mallissa on tilaajalla ja toimittajalla yhteisvastuu tuottavuuden parantamisesta, jolloin molempien intressinä on saada hyvää vaikuttavuutta ja parantaa tuottavuutta.

Tässä mallissa ei ole huomioitu todennäköisiä taloushyötyjä, jotka tulevat työkyvyttömyyskulujen alentumisesta. Henkilöstölähtöinen tuottavuuden parantaminen on kestävää kehittämistä, jossa asiakaskokemus paranee ja tuo useita välillisiä hyötyjä sotepalvelujen paremman vaikuttavuuden myötä. Tuottavuustakuumallin missiona on parantaa sotepalvelujen laatua ja kapasiteettia henkilöstölähtöisesti. Kustannussäästöjen avulla rahoitetaan palvelujen kehittäminen.

Marko Kesti, Tutkimusjohtaja, Lapin yliopisto

Johtamisen tärkeimmät kaavat: Henkilöstövoimavarojen tuotantofunktio ja QWL-indeksi

Johtamisen tärkein kaava on Henkilöstövoimavarojen tuotantofunktio. HR-johdon ja esimiesten tärkein kaava on Työelämän Laadun indeksi (QWL). Nämä kaksi teoriaa auttavat saavuttamaan ylivoimaisen kilpailuedun.

Tässä artikkelissa hyödynnän havainnollistavia opetusvideoita. Esittelen kaksi tärkeintä teoriaa, jotka olemme kehittäneet Lapin yliopistossa. Molemmat teoriat ovat kansainvälisen tiedeyhteisön hyväksymiä. ”Mikään ei ole niin käytännöllistä kuin hyvä teoria”, kiteytti sosiaalipsykologi Kurt Lewin. Näiden kahden teorian kohdalla tämä pitää erityisen hyvin paikkansa. Muutamat organisaatiot ovat hyödyntäneet teorioita ja parantaneet merkittävästi tulosta ja kilpailukykyä. Eräs toimittaja sanoi tutkimuksestamme osuvasti: ”Jos tämä olisi keksitty Harwardissa, niin koko maailma tietäisi tästä”.

Henkilöstövoimavarojen tuotantofunktio

Johtamisen tärkein kaava on Henkilöstövoimavarojen tuotantofunktio. Teoriasta on olemassa myös laajennettu muoto, joka mahdollistaa erittäin tarkan liiketoiminta-analytiikan. Mainittakoon vielä, että kunta- ja valtiohallinnon organisaatioille on olemassa oma henkilöstövoimavarojen tuotantofunktio.

Seuraavassa siis henkilöstötuottavuuden tuotantofunktio lyhyesti:


Tuotantofunktiossa on yhtenä tuotantotekijänä QWL-indeksi. Matemaattisesti se on yhtä tärkeä tuotantotekijä kuin henkilöstömäärä. Todellisuudessa se on tärkeämpi, sillä se vaikuttaa eniten sekä asiakaskokemukseen että organisaation kykyyn innovoida uusia tuotteita ja palveluja. QWL-indeksi on yhteydessä tuotantofunktion K-kertoimeen. K-kerroin kertoo, mikä on businesslogiikan asiakasarvon tuottokerroin. QWL-indeksi kertoo, miten hyvin K-kerrointa hyödynnetään liiketoiminnassa. Koska QWL-indeksi on niin tärkeä, se pitää mitata ja analysoida oikein.

Perinteiset henkilöstökyselyt eivät tässä yhteydessä toimi ja ovat jopa vaarallisia, sillä niillä on taipumus vähätellä henkilöstötuottavuuden kehittämispotentiaalia. Henkilöstökyselyn tulosten analysointi keskiarvolaskennalla on toki yksinkertaista, mutta väärin. Ihmisillä on luontainen tarve suosia helppoja ratkaisuja, mutta valitettavasti tässä yhteydessä yksinkertainen ratkaisu ei toimi. Tarvitaan siis uusi teoria, jolla QWL-indeksi saadaan luotettavammin.

Videolla kuvaan QWL -indeksin määrittämisen ja kerron, miksi perinteiset keskiarvoon perustuvat kyselyt eivät toimi. QWL on lyhenne sanoista Quality of Working Life.

Vastaan mielelläni näihin teorioihin liittyviin kysymyksiin ja autan niiden soveltamisessa käytäntöön.


Kesti, M., Leinonen, J. and Syväjärvi, A. (2016). A Multidisciplinary Critical Approach to Measure and Analyze Human Capital Productivity. In Russ, M. (ed.). Quantitative Multidisciplinary Approaches in Human Capital and Asset Management (pp 1-317). Hershey, PA: IGI Global. (1-22). doi:10.4018/978-1-4666-9652-5. (

Kesti, M. and Syväjärvi, A. (2015) Human Capital Production Function in Strategic Management. Technology and Investment6, 12-21. doi: 10.4236/ti.2015.61002.

Digital Twin for Performance Management – Bayesian People Analytics Simulation with AI

Digital twins are emerging new technology that enables companies to solve problems faster and improve operational efficiency. Think about performance effect when every supervisor has world’s best leader as a personal advisor.

Digital twin is a near-real-time digital model of reality that helps optimize business performance. We have created AI powered digital twin that simulates business unit’s performance. It will provide help with human asset management and improving business performance. There are sophisticated algorithmic analyzing techniques that simulate human capital productivity. Digital twin can be in connection with organization ERP-system, collecting various data. We have scientifically approved the algorithms and rules, so it is not an AI-black-box.

Over time, digital representations of virtually every aspect of our world will be connected dynamically with their real-world counterparts and with one another and infused with AI-based capabilities to enable advanced simulation, operation and analysis” David Cearley, Gartner Research.

Digital twin is continuously evolving digital model of organization system that helps optimizing business performance. It simulates human performance and includes real-life data that improves prediction accuracy. Digital twin models complicated human assets that interact in many ways with organization environment, thus making the outcomes that are difficult to predict by human mind. With the digital twin, the manager can learn by simulating the problems and actions outcomes.

Twin provides near-real-time comprehensive link between physical and digital worlds. Digital twin is a virtual replica of what is actually happening in the organization performance. It knows how the organization performance-system works. There is artificial intelligence assistant that you can ask advice. This AI-assistant will simulate the future using Bellman function and suggest the leadership activities that produce sustainable business value. Digital twin simulates specific complex human assets utilization in order to monitor and evaluate human capital productivity. Simulation may uncover insight into operational inefficiencies, that otherwise would remain unseen.

How does the performance digital twin create measurable business value? With better human assets management there are multitude positive effects on organization performance:

  • Improve employee quality of working life as a production parameter
  • Enhance change management process undependable of the change in hand
  • Reduce sickness leave
  • Reduce employee turnover
  • Increase effective working time to make more revenue and profit
  • Improves customer satisfaction
  • Predict work and staff related problems

Besides the business values mentioned above, there are strategic benefits, which create competitive advantages in longer period. We are looking for companies for testing and further developing the emerging new technology of digital twin.


Kesti M. (2019) Architecture of Management Game for Reinforced Deep Learning. In: Arai K., Kapoor S., Bhatia R. (eds) Intelligent Systems and Applications. IntelliSys 2018. Advances in Intelligent Systems and Computing, vol 868. Springer, Cham

Marr, Bernard (2017). What is digital twin technology – and why is it so important. Forbes Mar 6 2017,

Panetta, Kasey (2017). Gartner Top 10 Strategic Technology Trends for 2018. Gartner October 3, 2017,

Parrott, Aaron and Warshaw, Lane (2017). Industry 4.0 and the digital twin. Deloitte University Press.


9 leadership cognitive biases that prevent success

Human mind has certain brain structure for pattern recognition (neocortex). Pattern recognition forms cognitive biases that helps fast decision making in different contexts. It seems that cognitive biases are important because they reduce the brain energy consumption. When mind forms a pattern, it is easy to use it in similar cases intuitively and save thinking energy to more challenging situations. This pattern recognition is hidden and very effective. If we (humans) are in a hurry, we intuitively utilize these hidden patterns in decision-making. However, if the problems are complex the intuition may lead to wrong decision (1)(2)(3).

Here are nine leadership related cognitive biases that prevent organization performance

  1. Observation selection bias
    Leader’s focus is on operative scorecards rather than listening to opinions on how to achieve the targets.
  2. False causality bias
    Leader thinks that maximum result (profit) comes by maximizing working-time. In reality, the maximum result is more likely to come from improved work motivation.
  3. Confirmation bias
    Executives give reward to supervisors from short-term results, however the long-term profit is sacrificed.
  4. Current moment bias
    Leader thinks that his own work tasks are currently more important than spending time with the team.
  5. Self-enhancement bias
    Leader assumes to be better leader than average, thus not seeing the development needs.
  6. Plunging-in bias
    Leader makes conclusions too fast and gives solutions to wrong problems.
  7. Fundamental attribution bias
    Leader thinks that the reason for poor performance is in team members or unrealistic targets, not leader’s own management.
  8. Ambiguity bias
    Leader does not want to change management style because the result is uncertain.
  9. Status-Quo bias
    Leader wants to stick to the past, because he/she sees change as a threat.

These cognitive leadership biases are human, thus leader is not to blame. However, wise leader can learn to avoid these harmful biases in workplace decision-making. In addition, there are new emerging science for solving this wicked performance problem. Shortly, new solutions include three methods:

  1. Problem: Supervisors have too much trivial operative workload. Solution: Arrange more time for collaborative leadership practices utilizing Robotics Process Automation.
  2. Problem: Operative scorecards takes leaders’ focus from people management. Solution: Measure QWL-index and make it important as a human performance scorecard. Start measuring QWL-index continuously (Robotic-QWL measurement), and this way gamify leadership development.
  3. Problem: Traditional leadership trainings do not eliminate harmful biases. Solution: Utilize Artificial Intelligence powered simulation for experience-based learning for eliminating harmful biases. (4)(5)

Improving organization leadership quality is not easy, thus it forms competitive advantage for those who master it. Economic benefits are substantial. We are looking for organizations to participate in our research and to test these emerging new solutions.

Marko Kesti




  • Kurzweil, R. (2013). How to Create a Mind: The Secret of Human Thought Revealed. New York, NY, USA: Penguin Books.
  • Kahneman, D.; Tversky, A. (1972). “Subjective probability: A judgment of representativeness”(PDF). Cognitive Psychology. 3 (3): 430–454.
  • Kahneman, D (2011). Thinking, Fast and Slow. Penguin Books, UK.
  • Kesti M. (2019) Architecture of Management Game for Reinforced Deep Learning. In: Arai K., Kapoor S., Bhatia R. (eds) Intelligent Systems and Applications. IntelliSys 2018. Advances in Intelligent Systems and Computing, vol 868. Springer, Cham.
  • Kesti M., Leinonen J. and Kesti T. (2017). “The Productive Leadership Game: From Theory to Game-Based Learning.” Public Sector Entrepreneurship and the Integration of Innovative Business Models. IGI Global, 2017. 238-260.

Työelämän laadusta kestävä kilpailuetu

Työelämän laadun avulla voidaan saavuttaa kestävä kilpailuetu. Yritys kykenee uudistumaan ja tekemään jatkuvasti kilpailijoita parempaa tulosta. 

Kun tarkastellaan kahta saman toimialan yritystä, joilla on sama henkilöstömäärä ja osaaminen, niin se voittaa, jolla on parempi työelämän laatu. Silloin työntekijät ovat motivoituneet antamaan parhaan työpanoksensa organisaatiolle. He ovat myös halukkaita jatkuvasti kehittämään sekä omaa osaamista että organisaation tuotteita ja palveluja. Kansainvälisessä johtamisen tutkimuksessa on nostettu kilpailuedun lähteeksi käsite ”behavioral capital”. Suomeksi se tarkoittaa organisaation käyttäytymispääomaa ja sitä mitataan uudella työelämän laadun indeksillä (QWL, Quality of Working Life). QWL on aineeton tuotantotekijä, jota kannattaa mitata jatkuvatoimisesti ja kehittää systemaattisesti.

Perinteiseltä mutupohjalta toteutettava ja suoritteisiin perustuva kehittäminen ei tuota kilpailuetua.”

Ensimmäinen asia kestävän kilpailuedun luomiseen on johdon sitoutuminen organisaation kehittämiseen. Tämä kuulostaa itsestään selvältä, sillä jokaisen johtajan pitäisi olla tähän automaattisesti sitoutunut. Johto on kyllä sitoutunut kehittämiseen, mutta keinot ovat usein vääriä, jolloin hyötyjä ei saada. Perinteiseltä mutupohjalta toteutettava ja suoritteisiin perustuva kehittäminen ei tuota kilpailuetua. Johto pitää sitouttaa uuteen tiedolla-johtamisen menetelmään, joilla saadaan vaikuttavuutta organisaation kehittämiseen. Työelämän laatu (QWL) tarjoaa uuden mahdollisuuden tiedolla johtamiseen, sillä siinä toteutuu kolme tärkeää asiaa: 1. QWL ennustaa tulevaa liiketoiminnan kehitystä, 2. QWL perustuu henkilöstön hiljaiseen tietoon ja 3. QWL-indeksiin voidaan vaikuttaa johtamisella.

Käyn seuraavaksi läpi kohta kohdalta toimenpiteitä, joilla luodaan henkilöstölähtöinen kestävä kilpailuetu. Ensimmäisenä on johdon sitouttaminen. Koska yrityksiä johdetaan talouden avulla, niin kehittämisen hyödyt pitää osoittaa euroissa. Alla olevaan listaan olen laskenut keskimääräisen yrityksen saamat taloudelliset hyödyt, kun työelämän laatua parannetaan 5 %:

  • sairauspoissaolojen vähentyminen tuo 156 €/hlö lisää käyttökatetta
  • vaihtuvuuden vähentyminen tuo 60 €/hlö lisää käyttökatetta
  • muuttuvien kulujen vähentyminen tuo 264 €/hlö lisää käyttökatetta
  • henkilöstökulujen (mm. ylityöt) vähentyminen tuo säästöjä 228 €/hlö
  • liikevaihdon kasvusta saadaan tehollista työaikaa, joka tuo tulosparannusta 1 883 €/hlö

Näitä lukuja voidaan käyttää alussa, kun yrityskohtaista analyysiä ei vielä ole tehty. Kun johto on sitoutunut työelämän laadun kehittämiseen, niin seuraavaksi tulee valtuuttaa henkilöstöyksikkö toteuttamaan tarvittavat toimenpiteet. Henkilöstöosasto muutetaan cost-centeristä profit-centeriksi. Henkilöstöasiantuntijat ovat motivoituneet tähän muutokseen, sillä he ovat todennäköisesti tunnistaneet henkilöstökehittämisen ROI-potentiaalin. Autan mielelläni kehittämispotentiaalin osoittamisessa, siihen on luotettavat analysointivälineet.

monet henkilöstökyselyt ovat hyödyttömiä tai jopa haitallisia organisaation kehittämisen kannalta

Seuraava askel on mitata organisaation työelämän laatu luotettavasti. QWL mittaus poikkeaa perinteisestä henkilöstökyselystä merkittävästi. Valitettavasti on todettava, että monet henkilöstökyselyt ovat hyödyttömiä tai jopa haitallisia organisaation kehittämisen kannalta. Haitallisia siksi, että ne piilottavat henkilöstökehittämisen potentiaalin eli antavat väärää tietoa työhyvinvoinnista tuotantotekijänä. Tarkoituksena on myöhemmin kirjoittaa blogi, jossa avaan perinteisten työhyvinvointikyselyn ongelmat seikkaperäisesti. Uusi QWL-indeksi on Suomessa kehitetty menetelmä, josta tulee vähitellen maailmanlaajuinen standardi. Se on jo kansainvälisessä tiedeyhteisössä hyväksytty uudeksi menetelmäksi mitata henkilöstön aineetonta suorituskykyä.

Käyttäytymispääomaa kuvaava QWL-indeksi on tuotantotekijä, jota pitää mitata vähintään kerran kvartaalissa. Menetelmässä kysytään vain asioita, joilla on merkitystä suorituskyvyn kannalta, jolloin 15 kohdennettua kysymystä riittää. QWL kyselyllä tehdään näkyväksi sekä kehittämispotentiaali että esimiestoiminnan laadussa oleva hajonta. Kun jokainen ryhmä on vastannut, saadaan hajonta. Se kertoo toisaalta esimiestoiminnan laadusta, mutta myös mahdollisista yllättävistä ongelmista. Esimiestoiminta on tärkein työelämän laatuun vaikuttava tekijä. Lähiesimiestoiminnassa on todettu suuria haasteita, joista mainittakoon kaksi tärkeintä ongelmaa:

  1. esimiesten vuorovaikutusosaaminen on heikkoa
  2. ihmisten johtamisen mind-set on hukassa

Esimiehille voidaan opettaa hyviä esimieskäytäntöjä, mutta vasta asennemuutoksen jälkeen he toteuttavat niitä käytäntöön. Esimiesten pitää poisoppia inhimilliset ajatusvääristymät (cognitive bias), jotka estävät työyhteisön kehittämistä (kts. Uskomme, että ongelma voidaan ratkaista tekoälyavusteisella simulaatio-oppimisella. Siinä esimiehet suorittavat digitaalisen simulaation avulla Työelämän laadun johtamisen sertifikaatin. Näin saadaan varmistettua esimiestoiminnan kompetenssi. Osa esimiehistä kykenee parantamaan QWL-indeksiä uudella johtamisotteella. Ne, jotka eivät onnistu, tarvitsevat asiantuntevaa HRD-tukipalvelua. Työyhteisöjä pitää auttaa kehittämisessä, mikäli eteneminen ei muuten onnistu. Mainittakoon vielä, että huono esimiestoiminnan laatu ei yleensä ole esimiesten vika, vaan syyt ovat kompleksisemmat.

Esimiesten pitää poisoppia ajatusvääristymät, jotka estävät työyhteisön kehittämistä.

QWL-indeksin kehittämisestä tehdään osa organisaation arkea. QWL kehittäminen pelillistetään motivaatioteoreettisesti seuraavilla toimenpiteillä: a) QWL:stä tehdään tärkeä mittari b) QWL-indeksi tehdään näkyväksi jokaisessa ryhmässä mittaamalla sitä säännöllisesti ja c) esimiehiä autetaan ja heille koulutetaan tapoja, joilla he voivat parantaa QWL-indeksiä. Kehittymisen vaikuttavuutta mitataan ja taloudelliset hyödyt voidaan todentaa henkilöstötuottavuuden analytiikalla.

Kertaus toimenpiteistä:

  1. Johdon sitoutuminen: Työelämän laadusta tehdään tuotantotekijä, jota halutaan kehittää, koska se parantaa kilpailukykyä.
  2. HR-yksiköstä Profit-center: Valtuutetaan HR-yksikkö toteuttamaan kehittämistoimenpiteet (ROI).
  3. Pelillistetään QWL kehitys: Mitataan QWL-indeksi ja seurataan sitä vähintään 3 kk välein.
  4. Varmistetaan esimiesosaaminen: Koulutetaan esimiehiä ja vaaditaan sertifikaatti esimiesosaamisesta.
  5. HRD-tukipalvelu: Annetaan tukipalvelua niille, joiden QWL on huono tai se ei parane toivotusti.
  6. Jatkuvuus: Mitataan vaikuttavuutta ja vakiinnutetaan kehittäminen arkeen.

Näillä toimenpiteillä saadaan työelämän laadusta kestävä kilpailuetu. Organisaation kehittämisestä pitää tehdä jatkuva toimintatapa, joka on osa normaalia toimintaa. Johtamis- ja toimintakulttuurin muutokseen kannattaa varata vähintään kolme vuotta. Ensimmäiset hyvät tulokset saadaan jo ensimmäisenä vuonna, sillä tehokkaan henkilöstökehittämisen ROI on hyvä. On todennäköistä, että jo muutaman kuukauden kuluttua päästään kehittämisessä breakeven-tasolle ja siitä eteenpäin on tiedossa positiivista tulosparannusta.


Johtamisen inhimilliset ajatusvääristymät

Inhimilliset ajatusharhat voivat aiheuttaa johtamiskäyttäytymistä, joka heikentää kilpailukykyä. Ongelma on haastava, mutta ei mahdoton ratkaista.

Ihmisellä on kyky luoda ajatusmalleja erilaisista syy-seuraussuhteista. Ajatusmallit helpottavat päätöksentekoa ja vähentävät aivojen energiankulutusta. Mikäli asia onkin odotettua monimutkaisempi, niin ajatusmallit saattavat johtaa harhaan ja huonoon päätökseen. Tällöin ajatusmalleista tuleekin ajatusvääristymiä ja -harhoja. Tässä blogissa tarkastelen yleisiä johtamista ja esimiestyötä haittaavia ajatusvääristymiä. Ne ovat inhimillisiä virheitä, joiden tietoinen välttäminen on vaikeaa mutta ei mahdotonta.

Organisaatioiden johtamisessa korostuvat suoriteperusteiset mittarit. Ne voivat mitata työvaiheeseen käytettyä aikaa tai taloudellista tulosta. Tunnettu sanonta on; ”sitä kehität mitä mittaat”. Suoriteperusteiset mittarit ovat tärkeitä, mutta ne ylikorostuvat helposti. Tästä aiheutuu valikoidun huomion vääristymä (Observation Selection Bias). Vääristymässä esimies keskittyy suorituksen johtamiseen, jolloin ihmisten johtaminen unohtuu. Syntyy ajatusharha, että suoritemittarit kertovat johtamisen onnistumisesta.

Suorituskeskeinen johtamismalli tuo alussa hyviä tuloksia, jolloin syntyy väärän syy-seuraussuhteen vääristymä (False Causality Bias). Ajatusharhaa syventää se, että esimies saa omalta esimieheltään kannustusta hyvästä kuukauden tuloksesta (Confirmation Bias). Nopeasti aikaansaatu hyvä tulos tehtiin kuitenkin tulevaisuuden tuloksen kustannuksella. Prosessien jatkuva maksimointi aiheuttaa työntekijöiden motivaation alentumista ja hukan asteittaista lisääntymistä. Sairauspoissaolot ja vaihtuvuus lisääntyvät ja lisäksi työmotivaation lasku heikentää suorituskykyä. Esimies ajautuu ongelmiin, joiden syytä hän ei osaa selittää. Henkilöstön osallistaminen prosessien ja työhyvinvoinnin kehittämiseen vaatii aikaa. Mikäli jatkuvasti maksimoidaan prosesseja, niin ei jää aikaa jatkuvaan parantamiseen ja ennakoivaan työhyvinvoinnin kehittämiseen.

Yleisesti ottaen johtamisessa arvostetaan lyhyen aikajänteen tuloksia enemmän kuin pitkän. Tämä on inhimillinen piirre. Kaiken kiireen keskellä elämme tässä hetkessä ja emme kanna kovin paljoa huolta tulevaisuudesta (Current Moment Bias). Hetkessä elämisen vääristymä näkyy esimerkiksi pikavippien ottamisena. Ihmiset arvostavat heti saatua hyötyä, eivätkä ajattele hyödystä aiheutuvia tulevia haittoja. Miten tämä harha vaikuttaa esimiestyössä? Tutkimusten mukaan esimiehiä kuormittaa jatkuva kiire ja juoksevia työtehtäviä on paljon. Työaika on niukkuusvoimavara, joka pitää maksimoida työn tekemiseen – vai pitääkö? Esimies elää hetkessä ja hänellä on taipumus tehdä ensin omat työtehtävät ja sitten jos aikaa jää, niin kuunnella työntekijöitä. Työntekijöiden kuuntelemista ei mielletä työtehtäväksi, vaikka sen pitäisi olla esimiehen ensisijainen tehtävä. Me-hengen parantaminen ja työpaikan ongelmien ratkaiseminen ovat investointi tulevaisuuteen, johon kannattaisi kohdistaa enemmän huomiota.

Keskimääräinen autonkuljettaja luulee olevansa keskimääräistä parempi kuski (Self-Enhancement Bias). Myös johtajilla ja esimiehillä on sama inhimillinen taipumus, joten he luulevat olevansa parempia johtajia kuin todellisuudessa ovat. Kun työyhteisössä ilmenee ongelmia niin kiireiset johtajat ovat nopeita tekemään ratkaisuja. He ovat tehokkaita ongelmanratkaisijoita. Tehokkuus on kuitenkin harhaa, sillä he ratkaisevat usein vääriä ongelmia. Nykyajan työelämä on monimutkaista. Ongelmien ratkaiseminen kiireessä ja intuitiolla johtaa väärien ongelmien ratkaisemiseen (Plunging-in Bias). Esimerkiksi, kun työntekijät kokevat arvostuksen puutetta ja heidän työmotivaatio laskee, niin se näkyy erilaisina virheinä työprosesseissa. Koska prosesseja mittaroidaan, niin esimies ratkaisee prosessiongelmia, vaikka hänen pitäisi ratkaista ongelma työntekijöiden motivaatiossa.

Prosessiongelmien ratkaiseminen ei välttämättä poista ydinongelmaa, joka on työntekijöiden jaksamisen ja motivaation puute. On inhimillistä, että esimies hakee ongelmien syytä muualta kuin omasta toiminnasta (Fundamental Attribution Bias). Esimiehen pitäisi muuttaa omaa johtamiskäyttäytymistä, mutta miten? Ihmiset välttävät uusia toimintatapoja, joista heillä ei ole kokemuksia (Ambiguity Bias). Tutkimuksemme mukaan esimiesten vuorovaikutusjohtamisen taidot ovat puutteelliset (1).  Työntekijöiden motivaatio-ongelman ratkaiseminen vaatisi hyvien esimieskäytäntöjen opettelua ja käyttöä. On inhimillistä, että esimies pelkää oman johtamismallin muuttamista, sillä haluamme alitajuisesti pitää kiinni totutussa (Status-Quo Bias).

Edellä kuvatut inhimilliset ajatusvääristymät ovat yleisiä, eikä niistä kannata syyllistää esimiehiä. Perusongelma on johtamiskulttuurissa, jossa korostuu suoriteperusteinen mittaaminen. Toki työhyvinvointiakin mitataan, ehkä kerran vuodessa, mutta se ei riitä. Työhyvinvointimittauksiin liittyy myös omat vääristymät, joista pahin on se, että tilastolliset analyysit pimittävät henkilöstössä piilevän kehittämispotentiaalin (2). Onneksi tutkimuksemme tuloksena on kehitetty uusi menetelmä, jossa työelämän laatua mitataan motivaatioteorian mukaan (3). Työelämän laatu (QWL, Quality of Working Life) saadaan analysoitua henkilöstökyselystä. QWL on tärkeä henkilöstömittari ja se pitäisi mitata pulssityyppisesti vähintään kerran kvartaalissa, jolloin se tuo vastapainoa määrällisiin mittareihin.

Johtajiin ja esimiehiin kohdistuvien inhimillisten ajatusvääristymien voittamiseen on kehitetty simulaatioperusteinen opetuspeli (4). Simulaatio muodostaa rinnakkaistodellisuuden, jossa voi harjoitella kokemuksellisesti ja turvallisesti uutta johtamisen mallia. Siinä opitaan optimoimaan työelämän laatua pitkällä aikajänteellä, jolloin myös taloudellinen tulos paranee. Se tarkoittaa kestävän kilpailuedun luomista käyttäytymispääoman avulla. Simulaatiossa vuoden mittaisen esimieskokemuksen saa noin 20 minuutissa, jolloin vahvistetun oppimisen keinoin (reinforcement learning) voi poisoppia ajatuksellisia johtamisen vääristymiä (5).



  1. Tiedolla työhyvinvointia ja tuottavuutta – hanke:
  3. Kesti, M., Leinonen, J. and Syväjärvi, A. (2016). A Multidisciplinary Critical Approach to Measure and Analyze Human Capital Productivity. In Russ, M. (ed.). Quantitative Multidisciplinary Approaches in Human Capital and Asset Management (pp 1-317). Hershey, PA: IGI Global. (1-22). doi:10.4018/978-1-4666-9652-5. (
  4. Simulaatio-opetuksen kevyt versio: IE-selain ei ole tuettu ja voi vaatia palomuuriasetusten päivittämistä.
  5. Kesti, M. (2018).  Architecture of Management Game for Reinforced Deep Learning, Intelligent Systems Conference 2018 6-7 September 2018 | London, UK.


Robotics and Artificial Intelligence will boost the performance

Emerging new technologies will change the way of work: Software-Robotics, Neural Network and Simulation-AI. For early adaptors they provide competitive advantages.

SW-Robotics means work processes automation in a way that imitates the specialist doing the work. The benefits are multitude. Robotic solution is able to do the process in average five times faster and without labor costs. In addition, it will make human work more meaningful, since a robot now does the unmotivated routine work. Thus, in long-term there will be improvement at the staff quality of working life. For knowledge work, the benefits are similar as what technology has done for labor-intensive work. No worker wants to hammer, if there is possible to use nail-gun, or shovel when proper excavator is available.

Workers may fear the robotization at first, because it will change the way of work. Therefore, the change management is essential to consider in advance. Workers needs knowledge and skills to deal with SW-robotics. Essential question: are the staff motivated to train the SW-robot. Do employees feel that the change is a threat or is it an opportunity? Robot liberates time to learn other skills and do work that is more meaningful. Working time is scarce resource and lack-of time is general obstacle for business development. When time problem eases, the human intelligence can flourish.

Artificial intelligence (AI) is an assistant with predictive and explaining power. For organizations, there are two types of AI: Neural Networks (NN) and Simulation-AI. They both help management and specialists’ decision-making. NN finds correlations from organization data and learns the cause-relations (causalities). In simple cases, it can predict the outcome and alarm for doing preventive actions. For example, it knows that exceeding overwork will cause increase in absenteeism. The data consists business data, human resource data, working time data and staff QWL data.

The simulation-AI is for more complex problem solving. Simulation-AI knows how the organization works. We have created Bayesian People Analytics simulation with AI. Bayesian means that management behavior affects to the business outcome. We all know it, but how to make it visible. Actually, the phenomenon is too complex for human mind. Human mind is driven by intuitive decision making with several human biases. The simulation-AI helps to improve organization behavioral capital by showing the decisions consequences in the future. New science opens the “black-box” of HRM-Performance. It has both predictive and explaining power, and artificial intelligence helps finding the best leadership practices.

The word of warning. The AI-solution is as wise as the data and the architecture of AI algorithms. If data or algorithms are poor, the advice may be harmful either short or long term. Be critical, ask what is the scientific foundation at the algorithms and does the AI has explanatory power over the predictions.


Management Artificial Intelligence (IntelliSys conference)

I presented Management AI architecture at IntelliSys London. It was one of the best conferences I have attended, short interview:

Management AI (Mgmt-AI) aim is to improve organization performance by advising optimal management decisions. Mgmt-AI connects business economics to the behavioral science by game theoretical approach. It simulates the reality, thus it is important that the architecture is based on bona-fide science (not just AI black box!). The architecture includes theories of human capital production function and the theory of quality of working life index (QWL). QWL is intangible production parameter and enables the connection to Bayesian Game theory.

The Mgmt-AI includes real data from the company (business, HR, and staff survey). In addition, there are several evidence-based deductive rules and efficiency factors, which form the base for Neural-Network (NN). In the future, the NN verifies organization and leader specific factors and causalities to the simulation, making it even more accurate. Simulation includes 32 best management practices that form the action space matrix. The state space has 27 workplace problems. Each problem has certain tendency to reduce QWL and management actions have tendency to improve QWL. Each management action requires working time, thus decreasing the time for making revenue and profit.

The mgmt-AI simulates one year (12 months) scenario where problems illustrate the market situations (cash-cow, recession, growth). One simulation round takes about 20 minutes, so forms optimal micro-learning session. Mgmt-AI includes the management “DNA” where the core causalities are simulated without normal noise factors of real-life management. The idea is that agent gets one-year management experience in 20 minutes. The manager can also learn from mistakes without the fear of remorse and will experience the positive results of improved management policy.

The executive management may cause harmful social dilemma at supervisors. Short-term monthly profit requirement may force the leader to choose a strategy that minimize the collaborative management activities to maximize workers’ time for work. The leadership’s social dilemma is harmful when leader neglects the workers’ signals. The leader may know this profit maximizing strategy will reduce the workers motivation. Neglecting workers opinions may eventually change the game from cooperative to non-cooperative mode, where workers do not give verbal signals from work-related problems. The sustainable competitive advantage is very difficult to achieve at non-cooperative mode. Without workers signals the leader cannot choose optimal HR-actions to prevent a decrease in the QWL. When a negative spiral occurs, the leader will have to make decisions solely by the fiscal data from the past.

Management AI simulation is the most precise people analytics, because it
– is based on Human Capital Production Function that include QWL as a production factor
– consists deductive rules and causalities that are evidence-based and can be verified organization specific by Neural-Network
– includes market situation, strategy and organization problems meaning to business performance
– includes management behavior policy meaning to business performance

In the simulation when a player’s learning is jammed, AI will help choosing the most optimal management actions. AI advice is based on Markov algorithm with Bellman advantage function. It encourage the investment-based thinking where some monthly profit is wise to sacrifice to gain more profit later. AI can give timely suggestions and so create a guided learning experience. Solving the workplace problems in time, the leader maintain basic performance level in the team. Higher performance requires also systematic HR-practices that nurture employee motivation and innovativeness. In this way, the company can achieve competitive advantage where both well-being and business performance flourish.

Kesti, M. (2018).  Architecture of Management Game for Reinforced Deep Learning, Intelligent Systems Conference 2018 6-7 September 2018 | London, UK.

Kuvaus hyvästä esimiestyöstä käytännössä

Johtamisen tekoäly mullistaa kokemuksellisen esimiestyön oppimisen. Seuraavassa on opiskelijan reflektio tekoälyavusteisesta simulaatio-opetuksesta (julkaistu opiskelijan luvalla).

Tuottava esimies -simulaatiopeli / reflektio

Simulaation pelaaminen tuntui alussa hieman haastavalta sisäistää, mutta kun rauhassa tutustui ohjeisiin, ja yhdessä Aimon (simulaation tekoäly) kanssa harjoitellessa tuli pelin idea kuitenkin pian tutuksi. Oli hyvä, että opetuspeli sisälsi selkeitä ohjeita sekä runsaasti informatiivista tietoa HR-käytänteistä tiiviissä muodossa kirjoitettuna. Positiivista oli myös oman suorituksen ranking-listautuminen. Lisäksi osaamistestit olivat hyvä lisä oman oppimisen tukemiseen. Kaiken kaikkiaan simulaatiopelin pelaaminen oli mukavan erilainen oppimiskokemus, sekä varsin mielekäs perinteisiin tapoihin (tentit, esseet ym.) verrattuna. Digitalisaatio on kuitenkin tätä päivää ja sen merkitys kasvaa koko ajan – myös opiskelussa. Oli todella mielenkiintoista nähdä kuinka viisas tekoäly voikaan olla. Tulevaisuuden juttu ehdottomasti.

Hyväksi havaitut esimieskäytännöt (HR-käytännöt)

Pelin pelaaminen alkoi sujua alun opettelun jälkeen nopeasti. Hyvä pelisuoritus edellytti, että alustan käyttö oli hallussa ja sen sisältö tuttu. HR-käytänteitä tuli osata soveltaa sen hetkiseen tilanteeseen sopivalla tavalla, ja samat toimenpiteet eivät toimineet kaikissa skenaarioissa. Löydettäessä toimivat HR-käytänteet, kannatti niitä käyttää silti melko kaavamaisesti tietyn skenaarion kohdalla, jotta hyvä tulos säilyi läpi simulaatiovuoden.

Simulaation jokaisessa skenaariovaiheessa korostuivat mielestäni esimiehen hyvät ongelmanratkaisutaidot. Valitsemalla oikeanlaiset toimenpiteet oikeaan aikaan oli mahdollista ylläpitää samalla sekä hyvää ilmapiiriä työyhteisössä että saada aikaan positiivsta tulosta, vaikka tilanne muutoin olisi ollut haastava esimerkiksi taantuman vuoksi. Ongelmiin kannatti puuttua nopeasti ja konkreettisin ratkaisuin. Toimivien HR-käytänteiden toimeenpano näkyi kuukausiraporteissa myönteisenä kehityksenä. Kehityskeskustelut, palkitseminen sekä työyhteisön epäkohtien puheeksiotto rakentavasti olivat jokaisessa skenaariossa tärkeitä toimenpiteitä, jotka lisäsivät työelämän laatua. Yksi hyödyllisimmistä HR-käytänteistä oli myös kuunteleminen ja avun tarjoaminen mikä on ymmärrettävää, sillä huolen huomioiminen ja siihen puuttuminen on osoitus aidosta välittämisestä.

Taantumavaiheen hyviksi HR-käytänteiksi osoittautuivat muun muassa esimiespajatoiminta, työsuojelutoiminta, työntekijöiden tarpeiden kuunteleminen sekä yhteishengen kohottaminen. Myös työroolien ja prosessien kehittäminen sekä kehityskeskustelut työntekijöiden tai ryhmän kanssa olivat hyödyllisiä. Taantumavaiheessa erityistä huomiota kannatti kiinnittää erilaisiin tukitoimenpiteisiin kuten työyhteisöryhmälle kohdistettuun HRD-tukeen ja palkitsemiseen niin yksilö- kuin ryhmätasolla. Epäkohdat ja huolen aiheet kannatti ottaa puheeksi rakentavasti. Lisäksi työrooleja ja prosesseja tuli kehittää jatkuvasti.

Kasvuvaiheessa korostuivat puolestaan etenkin työelämäinnovaatiot (työtavat, prosessit, työvälineet ym.) sekä toiminnan kehittäminen saadun asiakaspalautteen mukaan. Työntekijöiden tarpeiden kuuntelua ja tuen antamista sekä kehityskeskusteluiden pitämistä kannatti edelleen jatkaa.  Hyödyllisiä käytänteitä olivat myös yhteisölliset ja yksilölliset palkitsemiset sekä tunnustuksen antaminen. Tarpeen mukaan työyhteisöryhmälle kohdennettua HRD-tukea ja esimiespajatoimintaa kannatti hyödyntää. Työrooleja ja prosesseja kehittämällä sekä yhteishengen kohottamisella oli myönteisiä vaikutuksia työelämän laadun tuloksiin.

Kaikissa skenaarioissa korostui vuorovaikutuksen tärkeys. Tämä on ymmärrettävää, sillä onhan vuorovaikutus on yksi keskeisimmistä tavoista kommunikoida ja tuoda ilmi mielen päällä olevia asioita: kuulluksi ja ymmärretyksi tuleminen on arvostamista niin työhön kuin tunteisiin liittyvissä asioissa. Mikäli työyhteisössä tulee eteen ongelmatilanteita on tärkeää, että epäkohdat otetaan puheeksi rakentavasti ja korjaaviin toimiin ryhdytään nopeasti. Työyhteisön ilmapiirin heiketessä on hyvä pyrkiä kohottamaan yhteishenkeä järjestämällä esimerkiksi pikapalavereita tai yksilö-/ryhmäkohtaisia kehitysneuvotteluita. Myös erimuotoisia koulutuksia järjestämällä, sekä kehittämällä työrooleja ja prosesseja on mahdollista vaikuttaa työelämän laatuun myönteisesti. Myös kehityskeskustelut koettiin useissa tapauksissa mielekkäinä HR-käytänteinä niin yksilö- kuin ryhmätasolla tarkasteltuna. Taantumavaiheessa työyhteisöryhmälle kohdistetun HRD-tuen merkitys kasvoi, kun taas kasvuvaiheessa työelämäinnovaatioiden merkitys korostui. Toiminnan kehittäminen saadun asiakaspalautteen mukaan oli myös tärkeää.


Esimies on työnanatajan edustaja, jonka osaaminen koostuu monesta kompleksisesta elementistä. Toimivassa työympäristössä on tärkeää, että toimijoiden vastuut ja roolit ovat linjassa strategiasta johdettujen tavoitteiden kanssa. Tärkeää on myös, että tavoitteet on ilmaistu riittävän selkeästi, jotta työntekijöillä on yhteinen näkemys toiminnasta ja sen päämääristä. Tavoitteiden toteutumista ja niiden kehittymistä tulee seurata ja arvioida jatkuvasti. Hyvinvoiva työyhteisö on tuloksellinen, ja hyvä tekemisen meininki välittyy usein myös ulospäin. Kilpailukykyiset ja tuottavat yritykset luovat niin ikään uusia työpaikkoja. Hyvinvoiva työyhteisö näyttäytyi pelin kuukausiraporteissakin positiivisina talouden tuloksina.

Työelämän laatu rakentuukin muun muassa siitä, että työt sujuvat ja töissä voidaan hyvin. Hyvä henkilöstöjohtaminen ammentaa vahvuuttaan toimivista henkilöstökäytänteistä sekä henkilöstön osaamisesta. Hyvässä työyhteisön toiminnassa näkyy organisaation kyvykkyyden lisäksi myös yksilöiden kyvykkyydet. Asenteiden ja motivaation ollessa kunnossa on työn tekeminen jo itsessään mielekkäämpää. Kaikkia toimijoita tulisi osallistaa mukaan kehittämään niin omaa kuin työyhteisön toimintaa, ja jokaisen ääni tulisi saada kuulluksi – onhan ääni kuitenkin yksi tärkeimmistä työvälineistämme. Työelämän laatu on aineetonta investointia, johon todella kannattaa satsata.

Lähde: Suvanto Annika (2018). Oppimisreflektio, Organisaation johtaminen, Vuorovaikutussuhteet kurssi 5 op. Pohjois-Pohjanmaan kesäyliopisto.