Tulevaisuuden ennustaminen on tunnetusti vaikeata, mutta löytyisikö säätiöiltä ratkaisu siihenkin? Toiminnan ja vaikuttavuuden tutkimus pyörii helposti historiatiedon varassa ja heijastaa vain mennyttä tekemistä, vaikka apurahasäätiöt ovat erikoistuneet nimenomaan uutta rahoitusta hakevien asiantuntijoiden ja näiden suunnitelmien arviointiin. Säätiöiden hallussa saattaakin piillä kristallipallo tulevaisuuden ennakointiin. 

Apurahasäätiöt tukevat Suomessa vuosittain tiedettä, taidetta ja muuta yhteiskunnan kehittämistä lähes 600 miljoonalla eurolla. Haettuja euroja on moninkertainen määrä, koska keskimäärin vain alle kymmenelle prosentille hakemuksista riittää rahoitusta. Myös maailmalla säätiöt tuskailevat saman ongelman kanssa: miten myöntää omat eurot mahdollisimman vaikuttavasti ja laadukkaasti, päällekkäisyyksiä ja tehottomuutta välttäen.

Säätiöiden vastaanottamat hakemustiedot maatuvat eri järjestelmiin, joista datan hyödyntäminen laajasti ja vertailua hyödyntäen on vaikeata, ellei mahdotonta. Tämä todellinen ”big data” sisältäisi kuitenkin ymmärryksen siitä, mitä Suomen viisaimmat mielet ja välkyimmät ideanikkarit pitävät juuri nyt tärkeänä tutkimuksen, luovan työstämisen ja yhteisömme kehittämisen kohteena. 

Tänään laaditut hakemussuunnitelmat antavat ainutlaatuisen näkymän päivänpolttaviin kysymyksiin ja niiden ratkaisijoihin tieteen, taiteen ja kulttuurin kentillä. Koska yksittäinen säätiö ei voi vertailla kuin historiatietoa, yhteistyöyhdistyksemme on pitkään etsinyt ratkaisuja siihen, miten tätä jäsenillemme kertyvää dataa voisi analysoida ja hyödyntää yhteiskunnallisesti – myös yksittäistä hakijaa palvellen, tämän työmäärää vähentäen.

Mikä maksaa? 

Epäilen, että ajatteluamme ohjaa vieläkin vanha ajattelutapa: toimimme edelleen yhdeltä yhdelle -mallilla, vaikka maailma on muuttunut verkostomaiseksi kaikilta kaikille -malliseksi. Nykysäätiöiden hienoista yhteistyöhankkeista huolimatta säätiöille kertyvä data varastoituu vieläkin yksittäisiin siiloihin, vaikka tiedon potentiaalisen hyödyntämisen tarpeet ovat moniulotteisia. Me säätiöissä suhtaudumme rahoituksen hakijoihin asiakkaina, vaikka he haluaisivat olla luovia kumppaneita, co-creators. Kuljetamme rahoitettavia ihmisiä ja heidän ideoitaan erilaisissa yksisuuntaisissa kanavissa, vaikka heidän tavoitteensa ja etenemisensä risteilevät moniin suuntiin.

Jokaisen säätiön rahoituspäätöksiä ohjaavat useat eri tekijät omasta säädekirjasta aina YK:n kestävän kehityksen tavoitteisiin. Yksin GDPR ja muu sääntely pelottaa hyvän hallinnon noudattajia siinä määrin, että data-analytiikan kehittäminen ahdistaa. Siiloutuneen ja laadullisesti vaihtelevan hakemusdatan käyttö toiminnan ohjauksessa on vaikeaa, yhteentoimivuus on heikkoa. 

”Datalta kysyminen ja tiedon luokittelu vaativat kuitenkin edelleen käsi- ja ajatustyötä.”

Säätiöille datan hallinnan tavoitteeksi ”riittäisi” vaikuttavuuspohjainen rahoituksen allokointi. Ihanteellisimmillaan tavoitteena voisivat olla vaikkapa vuosittaiset säätiöiden ilmiökatsaukset, jotka kertoisivat yrityksille, päättäjille ja koko kansalle aivan uudelta tietopohjalta, millaisia trendejä ajassamme liikkuu, mihin suuntaan maailma on menossa tieteellisen tutkimuksen, kulttuurin ja yhteiskunnallisten hankkeitten valossa. 

Tämän ihanteen tavoittamiseksi olemme selvittäneet mahdollisuutta tekoälyavusteiseen data-analytiikkaan säätiöiden apurahajärjestelmien hyödyntämiseksi. Datalta kysyminen ja tiedon luokittelu vaativat kuitenkin edelleen käsi- ja ajatustyötä, koska ne riippuvat arvovalinnoista ja strategisista painotuksista. Niitä tekoäly ei ratkaise.

Minne asti tässä mentäisiin?

Kehittämiskonsultti Tomi Rausteen ja kognitiivisen tekoälysoveltamisen edelläkävijän Headain johdolla olemme määritelleet tavoitteeksi luoda Säätiöt ja rahastot ry:n jäsenille yhteinen data-avaruus. Kokeilussamme anonymisoitu hakemusdata on jaettu kunkin säätiön rahoitustietokannasta tekoälysovellukselle, jonka toivomme tuottavan aikanaan analyysejä hakemusten käsittelyn ja rahoistupäätösten tueksi. Työkalumme voisi tulevaisuudessa kuvitella mahdollistavan datamäärän laajentamisen eri tiedontuottajilta, mm. ministeriöiltä, muilta rahoittajilta, tutkimuslaitoksilta tai vaikkapa patentti-, finanssi- ja muista lähteistä. 

Säätiöiden ”big datan” hyödyntäminen ja näkyväksi tekeminen olisi monin tavoin arvokasta. Dataa hyödyntämällä saisimme tietoa ja kasvattaisimme ymmärrystämme mm. hakijoiden demografiasta, ajankohtaisista painotuksista ja tarpeista sekä toisaalta rahoitettujen hakemusten suuntauksista. Ja lopulta kai syntyisi myös hypoteesi siitä, minkälaisia hakemuksia kannattaa rahoittaa, minkälaiset valmistuvat todennäköisimmin ja parhaalla vaikuttavuudella…

Unelmissamme saavuttaisimme siis

• rahan tarkemman kohdentamisen – myös aiempaa paremmin suhteutettuna muihin rahoittajiin (mm. Suomen Akatemia, Business Finland, ministeriörahoitus) 
• analyysin ajankohtaisista trendeistä tieteessä, taiteessa ja kansalaistoiminnassa
• ymmärrystä potentiaalisesti nousevista tutkimusaloista, signaaleita uhkaavista ongelmista tai tutkimuksen aukoista
• ymmärrystä siitä, mihin säätiöiden data, tekniset ratkaisut ja koneoppimisen menetelmät taipuvat – miten laadukkaasta datasta edes puhumme?
• mitä datalta oikeastaan voidaan kysyä uskottavasti, mikä voi olla tulevaisuuden tutkimukselle mahdollista
• miten säätiöt voisivat optimoida omaa rahoitustaan tietäessään oman roolinsa hakijoiden tai hankkeitten osarahoittajina
• miksi kompastumme aina vain samoihin kiviin – vertailutiedon puutteeseen, kokonaiskuvan pirstaleisuuteen, ”tech-spleinaukseen”
• hakijan työn vähentämisen
• rahoitushakemusten käsittelyn tehostamista, hakemuksien kelpoisuuden arviointia suhteessa hakukriteereihin
• hakemusten kestävän kehityksen periaatteiden (SDG) -mukaisuus, vuosittaisen vaikuttavuusraportin automatisointi
• rahoituksen läpinäkyvyyden kirkastaminen: näkyviksi hankkeiden osarahoittajat (ja päällekkäisyydet), aloittainen jaottelu, uravaihejakauma, demografiset painotukset

Asiat ovat vaikeita, kun taustoja ei tunneta

On tutkittava ennen kuin voi kehittää. On syynsä, miksi kirjainyhdistelmä TKI on juuri kyseissä järjestyksessä. Datan louhinta ja tekoälyn hyödyntäminen ovat hitaita oppimisprosesseja, joissa on tehtävä paljon kokeilua ja törmättävä umpikujiin, ennen kuin päästään edes kysymään kiinnostavimpia kysymyksiä. 

Jo ennen varsinaisia tuloksia datapilotistamme haluamme kertoa itse löytöretkestä säätiöiden datanhallinnan maailmaan. Haluamme muistuttaa, että säätiöt haluavat koko ajan tehdä rahoitustyötään paremmin, etsiä uusia vaikuttavuuden keinoja, löytää moderneimpia mahdollisia ratkaisuja. Kärsimätöntä harmittaa, että työ on hidasta. Lohtuna on, että jos se olisi helppoa ja nopeata, se olisi jo tehty. Onneksi säätiöiden horisontti on ikuisuus.

Kuva: ”AI helping to analyse data for better funding decision”, tehty keinoälysovelluksella DeepAI.org