AI agents in knowledge work

Abstract

The rapid development of AI agents gives organisations new possibilities to change how work is done and organised and to improve the productivity of knowledge work. Companies are considering where to start with agent adoption, how agents should be built into employees’ daily work, and what support the organisation needs to provide.

This thesis studies how AI agents can support knowledge work using a Finnish energy company as the case company. The research method of the thesis was a qualitative case study that was based on eleven semi-structured interviews with employees from different business areas and levels.

The study identified potential use cases for AI agents in four main categories: information search and knowledge fragmentation, coordination overhead, repetitive manual data processing, and continuous monitoring. The study found that even employees with no prior experience of agentic AI were able to identify clear use cases from their own work once the concept was explained. This suggests that the main barrier to AI agent integration seems to be limited access to approved tools, not the lack of understanding.

The study pointed out that AI agents will not replace knowledge workers, but they take over routine tasks, leaving employees more time to focus on judgement, relationships, and decisions that need human observation and some tasks are kept from agents on purpose based on reasons like legal accountability. For employees to work seamlessly together with AI agents, skills like basic AI literacy, critical evaluation of outputs, domain expertise, and willingness to learn become requirements. This change also requires support from the organisation on data quality, approved tools, and a culture that supports experimentation.

Autonomisten tekoälyagenttien nopea kehitys tarjoaa nyt mahdollisuuksia muuttaa yritysten toimintaa ja parantaa asiantuntijatyön tuottavuutta. Organisaatiot pohtivat nyt, miten tekoälyagentit integroidaan asiantuntijoiden työhön ja mitä organisaatiolta vaaditaan tämän muutoksen tukemiseksi.

Tässä diplomityössä tutkitaan, miten tekoälyagentit voivat tukea asiantuntijatyötä. Tutkimus toteutettiin laadullisena tapaustutkimuksena ja pääasiallisena aineistona käytettiin yhtätoista puolistrukturoitua haastattelua eri liiketoiminta-alueiden ja organisaatiotasojen asiantuntijoiden kanssa.

Tulokset osoittivat potentiaalisia käyttötapauksia neljässä pääkategoriassa: tiedonhaku ja tiedon pirstaloituminen, koordinaatiokuormitus, toistuva manuaalinen datan käsittely sekä jatkuva seuranta. Haastatteluista huomattiin, että myös asiantuntijat, joilla ei ollut aiempaa kokemusta agenttipohjaisesta tekoälystä, pystyivät tunnistamaan selkeitä käyttötapauksia omasta työstään heti, kun käsite selitettiin heille. Tämä viittaa siihen, että käyttöönoton suurin este ei ole ymmärryksen puute vaan rajallinen pääsy teknologiaan ja työkaluihin.

Tutkimus osoittaa, ettei tekoälyagentti korvaa asiantuntijatyötä, vaan pystyy hoitamaan rutiinitehtäviä, jolloin asiantuntijoille jää enemmän aikaa keskittyä harkintaan, päätöksiin ja ihmissuhteisiin sekä tehtäviin, jotka vaativat ihmistä, kuten tehtäviin, joihin liittyy oikeudellinen vastuu. Asiantuntijoiden ja tekoälyagenttien yhteistyö vaatii jatkossa yhä enemmän tekoälylukutaitoa, tulosten kriittistä arviointia, toimialaosaamista ja oppimishalukkuutta. Organisaatioilta se vaatii panostusta datan laatuun, hyväksyttyihin työkaluihin ja kokeilua tukevaan kulttuuriin.