Hyvä ongelma ei ole vielä liiketoimintamahdollisuus

Yritykset osaavat löytää ongelmia. Asiakashaastattelut, tukipyynnöt, keskustelupalstat ja prosessidata ovat täynnä kitkaa, hitautta, virheitä ja turhautumista. Generatiivinen AI on tehnyt näiden signaalien keräämisestä ja luokittelusta halvempaa kuin koskaan.

Silti suuri osa löydetyistä ”mahdollisuuksista” ei kestä ensimmäistä vakavaa kaupallista kysymystä.

Asiakas voi kärsiä ongelmasta mutta ratkaista sen jo riittävän hyvin. Parempi ratkaisu voi tuottaa arvoa mutta jäädä ilman maksajaa. Asiakas voi olla valmis maksamaan, mutta häntä ei tavoiteta kannattavasti. Tuote voi toimia teknisesti, vaikka sen toimittaminen sitoisi enemmän resursseja kuin mikään realistinen hinta voi korvata.

Tätä eroa varten olemme muotoilleet kontrafaktuaalisen kaksoisylijäämän mahdollisuusteorian, lyhyesti KKMT:n. Se on formaali ja falsifioitava teoria siitä, milloin havaittu kitka voi muodostua aidoksi liiketoimintamahdollisuudeksi.

Teorian ydinväite on yksinkertainen:

Liiketoimintamahdollisuus ei ole ongelma. Se on toistuva ja saavutettava arvokuilu, jonka jokin toteutettavissa oleva interventio voi sulkea niin, että sekä asiakkaalle että tarjoajalle jää positiivinen riskikorjattu ylijäämä heidän parhaisiin realistisiin vaihtoehtoihinsa verrattuna.

Tämä määritelmä kuulostaa tiukalta, koska sen kuuluukin olla. Sen tehtävä ei ole tuottaa enemmän ideoita vaan vähentää väärien mahdollisuuksien rakentamista.

Vertailukohtana ei ole ”ei mitään”

Moni mahdollisuusanalyysi vertaa uutta ratkaisua nykytilaan. Se on usein väärä kontrafaktuaali.

Asiakkaan todellinen vaihtoehto voi olla kilpailijan tuote, Excel, ulkoistaminen, oman työntekijän palkkaaminen, manuaalinen tarkistus, tehtävän lykkääminen tai siitä luopuminen. Jos jokin näistä on asiakkaalle realistisesti käytettävissä, uuden ratkaisun on voitettava se — ei pelkkää epämiellyttävää nykytilaa.

KKMT kutsuu parhaaksi realistiseksi vaihtoehdoksi sitä toimintatapaa, jonka asiakas voisi kyseisessä tilanteessa oikeasti valita käytettävissä olevalla ajalla, tiedolla, budjetilla, oikeuksilla ja osaamisella.

Vasta tämän vaihtoehdon jälkeen jäljelle jäävä menetys on jäännöstappio. Se voi olla rahaa, aikaa, viivettä, virheitä, riskiä, laatuhävikkiä tai menetettyä optionaalisuutta.

Tämä muuttaa discovery-työn kysymyksen.

Sen sijaan että kysymme ”kuinka paljon tämä ongelma harmittaa?”, kysymme:

1. Mitä asiakas tekee juuri nyt?
2. Mitä muita vaihtoehtoja hänellä on oikeasti käytettävissään?
3. Mikä niistä on paras?
4. Mitä arvokasta jää silti saavuttamatta?
5. Mikä pienin interventio voisi kausaalisesti sulkea tämän kuilun?

Jos paras vaihtoehto ratkaisee tilanteen jo riittävän hyvin, suurikaan ilmaistu turhautuminen ei välttämättä merkitse liiketoimintamahdollisuutta.

Asiakasarvo on vasta puolet mahdollisuudesta

KKMT:n toinen keskeinen siirto on asiakkaan ja tarjoajan kontrafaktuaalien erottaminen.

Asiakkaalle hyvä ratkaisu ei automaattisesti ole tarjoajalle hyvä liiketoiminta. Tarjoajan pitää verrata hanketta siihen, mitä samoilla resursseilla voisi tehdä muualla. Kehitys-, myynti-, integraatio-, valvonta-, vastuu- ja toimituskustannusten lisäksi mukana ovat epäonnistumisriski, kassavirran viive ja menetetty vaihtoehtoinen tuotto.

Kestävässä vapaaehtoisessa vaihdannassa hinnan täytyy asettua alueelle, jolla kaksi ehtoa toteutuvat samanaikaisesti:

• asiakkaan kokema ja todennettavissa oleva lisäarvo ylittää hinnan sekä käyttöönoton kustannukset;
• tarjoajan riskikorjattu tuotto ylittää intervention koko elinkaarikustannuksen ja resurssien parhaan vaihtoehtoisen käytön.

Tätä kutsumme kaksoisylijäämäksi. Jos hyväksyttävää hinta-aluetta ei ole, kyseessä voi olla tärkeä ongelma, tekninen läpimurto tai yhteiskunnallisesti arvokas hanke — mutta ei vielä tämän määritelmän mukainen liiketoimintamahdollisuus.

Arvoketju koostuu testattavista lenkeistä

Tuotettu arvo, asiakkaan havaitsema arvo, maksuhalukkuus, toteutunut hinta, tarjoajan kate ja puolustettavasti omistettava arvo eivät ole sama asia.

KKMT käsittelee jokaista siirtymää omana empiirisenä hypoteesinaan:

interventio → todellinen vaikutus → havaittu vaikutus → maksuhalukkuus → maksu → kate → omistettava arvo

Ketju on yhtä vahva kuin sen heikoin lenkki. Automaatio voi säästää tunnin, mutta asiakas ei ehkä luota tulokseen. Asiakas voi tunnistaa arvon, mutta maksaja ja hyödyn saaja voivat olla eri tahoja. Pilotti voi tuottaa maksun, mutta manuaalisen toimituksen mekanismi ei ehkä siirry skaalautuvaan tuotteeseen. Hyvä kate voi puolestaan kadota nopeasti, jos kilpailija kopioi ratkaisun tai asiakkaan oma AI-avusteinen vaihtoehto paranee.

Teoria ei siis kysy vain, syntyykö arvoa. Se kysyy, missä muodossa arvo syntyy, kuka sen havaitsee, kuka siitä maksaa, kuka kantaa riskin ja kuinka kauan etu säilyy.

Miksi tämä on ajankohtaista juuri AI-aikana?

Generatiivinen AI laskee monen ratkaisun tuotantokustannusta. Samalla se parantaa asiakkaiden omia vaihtoehtoja.

Jos asiakas voi ratkaista tehtävän entistä paremmin yleiskäyttöisellä mallilla, aiemmin kiinnostava arvokuilu kapenee. Jos taas halpa mallikapasiteetti tekee mahdolliseksi aiemmin liian kalliin intervention, tarjoajan ylijäämä voi kasvaa. Nettovaikutusta ei voi päätellä teknologian hinnasta yksin.

KKMT:n mukaan arvon painopiste voi siirtyä generoinnista täydentäviin niukkuuksiin: omaan dataan, integraatioihin, jakeluun, luottamukseen, vastuunkantoon, työnkulun hallintaan ja asiakkaan puolesta tehtäviin päätöksiin.

Tästä seuraa käytännöllinen varoitus: ”Tämän voi nyt tehdä AI:lla” ei ole mahdollisuusanalyysi. Se on vasta muutos intervention toteutettavuudessa. Asiakkaan paras vaihtoehto, maksuhalukkuus, saavutettavuus, toimitustalous ja kopioitavuus on arvioitava erikseen.

Esimerkki: laskujen hyväksynnän automaatio

Ajatellaan yritystä, jossa ostolaskujen hyväksyntä viivästyy. Haastatteluissa ihmiset kuvaavat prosessia turhauttavaksi, joten AI-agentti laskujen käsittelyyn vaikuttaa lupaavalta.

Perinteinen analyysi saattaisi laskea manuaaliseen työhön kuluvan ajan ja nimetä sen säästöpotentiaaliksi. KKMT etenee toisin.

Ensin rekonstruoidaan parhaat realistiset vaihtoehdot: nykyisen järjestelmän sääntömoottori, kirjanpitotoimiston palvelu, prosessin uudelleenjako, lisämuistutukset tai hyväksyntärajojen muuttaminen. Seuraavaksi mitataan, mitä tappioita paras näistä edelleen jättää: viiveitä, virheellisiä maksuja, menetettyjä alennuksia tai valvontariskiä.

Sen jälkeen etsitään pienin riittävä interventio. Ehkä koko laskuprosessia ei tarvitse korvata. Voi riittää, että agentti tunnistaa poikkeamat, kerää puuttuvan kontekstin ja ehdottaa hyväksyntää ihmiselle. Tämän vaikutus testataan ennen täyden järjestelmän rakentamista.

Lopuksi tarkistetaan maksaja, todellinen maksuhalukkuus, integraation ja vastuun kustannus, myynnin saavutettavuus sekä se, jääkö hinnalle tilaa asiakkaan ja tarjoajan ylijäämien väliin.

Esimerkki on havainnollistava, ei todiste teorian puolesta. Sen arvo on siinä, että se paljastaa, kuinka monta oletusta ”selvän” tuoteidean sisällä piilee.

Teoria suosii täydentämistä ennen korvaamista

Yksi KKMT:n johdetuista väitteistä on minimaalisen riittävän intervention periaate. Jos pieni, olemassa olevaa järjestelmää täydentävä muutos sulkee olennaisen osan arvokuilusta, kokonaisen järjestelmän rakentaminen tuottaa helposti turhaa kustannusta ja uusia tappioita.

Tämä ei tarkoita, että pienin ominaisuus olisi aina paras tuote. Se tarkoittaa, että ensimmäisen ratkaisun pitäisi kohdistua tunnistettuun mekanismiin eikä idean näyttävimpään toteutusmuotoon.

Mahdollinen interventio voi olla esimerkiksi:

• yhden työvaiheen poistaminen tai automatisointi;
• päätöksentekoon tarvittavan tiedon tuominen oikeaan hetkeen;
• poikkeusten tunnistaminen ja reitittäminen;
• riskin, vastuun tai koordinoinnin uudelleenjärjestely;
• olemassa olevan työkalun integraatio;
• manuaalinen concierge-palvelu ennen ohjelmiston rakentamista;
• API, agentti tai käyttöliittymäkerros kokonaisen uuden järjestelmän sijasta.

Intervention pitää kuitenkin sisältää myös sen synnyttämät uudet kustannukset: valvonta, virheet, oppiminen, vaihtaminen, integraatio, poikkeuskäsittely, hallintamalli ja toimittajariski. Nykyinen kustannus ei muutu sellaisenaan säästöksi.

Halpa falsifiointi ennen kallista rakentamista

KKMT ei ole vain tapa pisteyttää ideoita. Se on tutkimusohjelma, joka valitsee seuraavan havainnon sen päätösarvon perusteella.

Jokaiselle mahdollisuudelle kirjataan neljä asiaa:

1. mikä havainto tukee väitettä;
2. mikä havainto heikentää sitä;
3. mikä ennalta määritelty tulos falsifioi väitteen;
4. mikä on halvin uskottava koe, jolla falsifioiva tulos voidaan saada.

Käytännössä ensimmäinen koe voi olla tapahtumien laskenta, todellisten vaihtoehtojen haastattelurekonstruktio, suora kiinteähintainen tarjous, ennakkomaksu, manuaalinen concierge-pilotti tai rajattu prosessikoe. Ohjelmisto rakennetaan vasta, kun vaikutuksesta, maksusta ja toistettavasta toimituksesta on riittävästi käyttäytymisevidenssiä.

Oleellinen periaate on tämä:

Tutkimuksen tavoite ei ole todistaa ideaa oikeaksi vaan muuttaa hyvä jatkamispäätös mahdollisimman halvalla.

Jos uusi aineisto ei voi muuttaa päätöstä, sillä on vähän päätösarvoa riippumatta siitä, kuinka kiinnostavaa tai laajaa se on.

Kahdeksan kysymystä ennen rakentamispäätöstä

KKMT voidaan tiivistää kahdeksaksi kysymykseksi:

1. Missä toistuvassa tapahtumassa tavoite jää saavuttamatta?
2. Mikä on asiakkaan paras realistinen vaihtoehto juuri siinä tapahtumassa?
3. Mitä arvokasta jää sen jälkeen saavuttamatta?
4. Mikä pienin interventio voi kausaalisesti pienentää tätä jäännöstappiota?
5. Kuka havaitsee arvon, kuka hyötyy ja kuka maksaa?
6. Jääkö asiakkaalle ja tarjoajalle riskikorjattua ylijäämää samalla hinnalla?
7. Kuinka nopeasti asiakkaan vaihtoehdot ja kilpailu syövät edun?
8. Mikä seuraava havainto tai koe voi halvimmalla muuttaa päätöksen?

Jos viimeiseen kysymykseen ei ole vastausta, mahdollisuutta ei vielä pitäisi pisteyttää tarkasti — eikä rakentaa kalliisti.

Mitä KKMT väittää — ja mitä se ei vielä todista

KKMT on teoria ja tutkimuskehys, ei valmis empiirinen laki. Se kokoaa kuusi aksioomaa, yhdeksän johdettua propositiota ja 22 falsifioitavaa hypoteesia. Niihin kuuluu esimerkiksi väite, että dokumentoitu jäännöstappio ennustaa maksuhalukkuutta paremmin kuin yleinen kipupuhe, että maksettu concierge-pilotti ennustaa rakennettua tuotetta paremmin kuin haastattelut yksin ja että kopioitavuus nopeuttaa mahdollisuuden arvon eroosiota.

Nämä väitteet on tarkoitettu testattaviksi, ei toistettaviksi uskonkappaleina. Teorian ensimmäinen empiirinen koe vertaisi tapahtuma- ja vaihtoehtorakenteeseen perustuvaa mallia tavalliseen aihe-, sentimentti- ja kipuanalyysiin. Onnistumisen pitäisi näkyä parempana kyvykkyytenä tunnistaa todelliset vaihtoehdot, ennustaa maksavaa käyttäytymistä ja vähentää hylättyihin ideoihin käytettyä aikaa ja rahaa.

Teorialla on myös rajansa. Luksus, status, viihde, uudet kategoriat, verkostovaikutukset, julkiset hankinnat, mainosrahoitteiset palvelut, monopolit ja ulkoisvaikutukset vaativat laajennuksia. Positiivinen tarjoajaylijäämä ei tee toiminnasta hyväksyttävää, jos se perustuu pakkoon, harhaanjohtamiseen tai haitan siirtämiseen muille.

Vähemmän mahdollisuuksia, parempia päätöksiä

Liiketoimintamahdollisuuksien etsimisessä on pitkään palkittu ideoiden määrää. AI voi moninkertaistaa tämän määrän, mutta samalla se voi moninkertaistaa vakuuttavasti kirjoitetut väärät positiiviset havainnot.

KKMT ehdottaa toista tavoitetta: vähemmän mahdollisuuksiksi nimettyjä asioita, mutta parempi jäljitettävyys siitä, miksi jokin niistä ansaitsee seuraavan euron ja työtunnin.

Hyvä ongelma on vasta lähtöpiste. Liiketoimintamahdollisuus syntyy vasta, kun paras vaihtoehto jättää suljettavan kuilun, asiakas tunnistaa ja maksaa syntyvästä arvosta, tarjoaja voittaa oman vaihtoehtoiskustannuksensa ja koko väite kestää ennalta määritellyn mahdollisuuden tulla kumotuksi.

Siinä vaiheessa emme enää vain pidä ideasta. Meillä on perusteltu syy testata sitä seuraavaksi.

Tutkimusartikkeli

Teorian formaali määrittely, hypoteesit, empiiriset asetelmat, tietomalli ja laskennallisen toteutuksen runko on julkaistu tutkimusartikkelissa Kontrafaktuaalisen kaksoisylijäämän mahdollisuusteoria (KKMT) (Flutterby Ninja Consulting, 2026). Lue tutkimusartikkeli Google Drivessa.

---

Flutterby Ninja Consulting auttaa organisaatioita muuttamaan epäselvät AI- ja liiketoimintaideat testattaviksi päätöksiksi. KKMT-teoriapaperi sisältää teorian formaalin määrittelyn, hypoteesit, empiiriset asetelmat, tietomallin ja laskennallisen toteutuksen rungon.