Mitä monimutkaisempi toimintaympäristö, sitä vaikeampaa on tunnistaa vaikuttavuudeltaan parhaat toimenpiteet ja arvioida niiden toimivuutta erilaisissa tulevaisuuksissa. Impact Pathway on avoin prototyyppi, joka yhdistää vaihtoehtoisten tulevaisuuksien, toimenpidekokonaisuuksien ja sopeutuvien toimintapolkujen arvioinnin samaan kokonaisuuteen. Vaihtoehtoiset tulevaisuudet eli skenaariot auttavat ymmärtämään, mitä voi tapahtua, portfolioanalyysi osoittaa, millainen toimenpidekokonaisuus kannattaa tehdä, ja sopeutuva eli adaptiivinen analyysi arvioi, kuinka hyvin valitut ratkaisut kestävät häiriöitä, riskejä tai epävarmuuksia. Lähestymistapa mahdollistaa tiiviit työpajat, joissa pienellä resurssilla syntyy uusia näkökulmia, perusteltua priorisointia ja konkreettisia etenemissuunnitelmia.

Johdanto

Sosiaalis-tekniset järjestelmät – kuten liikenne, energia, ruoka, metsätalous, digitaaliset palvelut ja kriittinen infrastruktuuri – muodostavat päätöksenteolle haastavan toimintaympäristön. Syy–seuraussuhteet ovat vaikeasti hahmotettavia, toimijoita on paljon, tavoitteet voivat olla ristiriitaisia ja toimintaympäristö muuttuu nopeasti. Näitä tilanteita kuvataan usein komplekseiksi ja viheliäisiksi ongelmiksi (Rittel & Webber 1973; Sitra 2021a; Sitra 2021b).

Näissä tilanteissa tarvitaan menetelmiä, jotka auttavat jäsentämään vaihtoehtoja, tunnistamaan riippuvuuksia, arvioimaan toimenpiteiden yhteisvaikutuksia ja tarkastelemaan päätösten toimivuutta eri tulevaisuuksissa (Unruh 2000). Samalla on tärkeää ymmärtää, kuinka hyvin ratkaisut kestävät häiriöitä, epävarmuuksia ja toimintaympäristön muutoksia.

Impact Pathway on avoin, fasilitaattorivetoinen lähestymistapa, joka yhdistää skenaariotyöskentelyn, toimenpideportfoliot ja adaptiiviset vaikutuspolut samaan analyysikokonaisuuteen. Menetelmä perustuu osallistujien arvioihin, keskinäisriippuvuuksien tarkasteluun ja avoimeen verkkosovellukseen. Tavoitteena on tuottaa läpinäkyviä analyysejä tiiviiden työpajojen tueksi (Belton & Steward 2002).

Monet käytännön päätöstilanteet ovat samanaikaisesti skenaario-, portfolio- ja adaptaatio-ongelmia. Skenaariot kuvaavat vaihtoehtoisia tulevaisuuksia, portfolioanalyysi tarkastelee toimenpiteiden muodostamia kokonaisuuksia sekä niiden synergioita ja ristiriitoja, ja adaptiivinen analyysi arvioi ratkaisujen kestävyyttä eri tulevaisuuspoluissa.

Lähestymistavan ydin voidaan tiivistää kolmeen kysymyksiin: Mitä voi tapahtua? Mitä kannattaa tehdä? Kuinka hyvin suunnitelma kestää erilaisia tulevaisuuksia? Skenaariot vastaavat ensimmäiseen, portfolioanalyysi toiseen ja adaptiivinen analyysi kolmanteen kysymykseen.

Menetelmää voidaan soveltaa esimerkiksi kuntien ilmasto- ja sopeutumisohjelmissa, yritysten investointi- ja kehittämisportfolioissa sekä turvallisuuden, huoltovarmuuden ja palveluiden jatkuvuuden suunnittelussa. Vaikka skenaarioiden rakentamiseen ja portfoliopäätöksentekoon on olemassa useita menetelmiä, niiden yhdistäminen samaan analyysiketjuun on usein ollut työlästä ja riippuvaista erillisistä ohjelmistoista (Kuntaliitto 2022).

Impact Pathway pohjautuu Savoniassa pitkään kehitettyihin menetelmiin, kuten A’WOT-lähestymistapaan (Kurttila et al. 2000), sen skenaario- ja päätöstukisovelluksiin (Leskinen et al. 2006; Puurunen et al. 2020), liiketoimintamallien arviointiin (Kajanus et al. 2014) sekä PRIA-lähestymistapaan (Paldanius & Kajanus 2021). Viime vuosina kehitystyötä on laajennettu erityisesti keskinäisriippuvuuksien, ilmastotoimien, vastuullisuuden ja systeemisen vaikuttavuuden arviointiin (Mustajoki et al. 2024; Lukmine et al. 2025; Heikkinen 2025).

Kehitystyöstä huolimatta haasteina ovat edelleen työkalujen saatavuus, arviointien kuormittavuus, analyysien läpinäkyvyys sekä tulosten hyödyntäminen suoraan työpajojen aikana. Lisäksi skenaariot, portfoliot ja resilienssin arviointi ovat usein jääneet erillisiksi vaiheiksi.

Tämän vuoksi tavoitteeksi asetettiin avoimen, läpinäkyvään laskentaan perustuvan prototyypin kehittäminen. Prototyyppi on kehitetty iteratiivisesti tekoälyavusteisesti, mutta kaikki keskeiset ratkaisut ja hyväksynnät perustuvat asiantuntija-arviointiin, testaukseen ja ihmisen tekemään laadunvarmistukseen. Tässä artikkelissa esitellään ensin työkalun menetelmällinen tausta, sitten havainnollistava käyttöesimerkki ja lopuksi arvioidaan tuloksia ja jatkokehitysmahdollisuuksia.

Menetelmät ja työkalun kehittäminen

2.1 Menetelmät

Impact Pathway perustuu vaikutuspolkuajatteluun, jossa päätöksenteon kohteena olevat ilmiöt jäsennetään tulevaisuuden tiloiksi, toimenpiteiksi, vaikutuksiksi ja tavoitteiksi. Menetelmä auttaa muuttamaan työpajoissa tunnistetut uhat, mahdollisuudet, kehitystarpeet ja ideat arvioitaviksi kokonaisuuksiksi. Tarkastelun kohteena eivät ole yksittäiset ratkaisut vaan tulevaisuuksien, toimenpiteiden ja tavoitteiden muodostama kokonaisuus.

Menetelmä yhdistää kolme analyysitasoa: skenaarioanalyysin (morfologinen skenaarioanalyysi Lembert et al. 2003), portfolioanalyysin (Liesiö et al. 2007) ja adaptiivisen vaikutuspolkuanalyysin (Haasnoot et al. 2013) . Skenaarioanalyysi ja portfolioanalyysi voidaan toteuttaa joko itsenäisesti erillisinä tai yhdistää adaptiiviseksi analyysiksi.

Kuva 1. Impact Pathway -prosessin kokonaiskuva. Sovellus on englanninkielinen.

Skenaarioanalyysissä tunnistetaan ensin epävarmuustekijöitä ja niiden vaihtoehtoisia tulevaisuuden tiloja. Tilat voivat edustaa uhkia, mahdollisuuksia tai tavoitetiloja. Jokaiselle tilalle arvioidaan todennäköisyys (1–5), strateginen merkittävyys uhkana tai mahdollisuutena (−3…+3) sekä riippuvuudet muihin tiloihin (−3…+3). Positiiviset riippuvuudet kuvaavat toisiaan vahvistavia kehityskulkuja ja negatiiviset keskenään ristiriitaisia tiloja.

Portfolioanalyysissä tunnistetaan ensin mahdollisia toimenpiteitä vaikutuksineen väittämiksi. Sitten arvioidaan toimenpide-vaikutus ketjujen hyötyä ja toteutettavuutta (1–5) sekä niiden välisiä riippuvuuksia (−3…+3). Positiiviset riippuvuudet kuvaavat synergioita ja negatiiviset ristiriitoja tai päällekkäisyyksiä.

Adaptiivisessa analyysissä yhdistetään skenaario- ja portfolioanalyysit (Haasnoot et al. 2013). Tulevaisuuden tiloille arvioidaan tavoitteenmukaisuus (1–5) ja toimenpiteiden vaikutus niihin (−3…+3). Näin voidaan tarkastella, miten toimenpiteet tukevat eri tulevaisuuksiin varautumista tai niiden saavuttamista.

Kaikilla analyysitasoilla riippuvuuksien arviointi perustuu elementtien parivertailuihin: tunnistetaan elementtiparin välinen vaikutusmekanismi ja arvioidaan vaikutuksen suunta ja voimakkuus. Arvioinnin perustelu suositellaan kirjaamaan lyhyesti läpinäkyvyyden lisäämiseksi. Arvioijia pyydetään arvioimaan vain keskeisimpien vaikutusparien riippuvuudet.

Sovellus muodostaa arviointien perusteella skenaariokandidaatteja ja toimenpideportfolioita. Skenaariokandidaatit kuvaavat esimerkiksi todennäköisiä kehityspolkuja, kriittisiä epävarmuuksia tai uhkaskenaarioita. Portfolioanalyysi puolestaan tunnistaa toimenpideklustereita, synergioita, mahdollistavia toimenpiteitä sekä mahdollisia ristiriitoja.

Tulosten robustiutta arvioidaan robust frequency (RF) -laskennalla. Periaatteena on suorittaa analyysi useilla oletusyhdistelmillä ja tarkastella, kuinka usein tulevaisuuden tila, toimenpide tai adaptiivinen reitti nousee parhaiden vaihtoehtojen joukkoon. Mitä useammin kohde valikoituu, sitä robustimpana sitä voidaan pitää. Robust Frequency (RF) -laskenta perustuu robustin päätösanalyysin periaatteisiin (Lempert et al. 2003) sekä robustin portfolioanalyysin lähestymistapoihin (Liesiö et al. 2007). Adaptiivisessa analyysissä lähestymistapaa sovelletaan dynaamisiin päätöspolkuihin Dynamic Adaptive Policy Pathways -ajattelun hengessä (Haasnoot et al. 2013).

Skenaario- ja portfolioanalyyseissä RF perustuu kohteiden arvioinnissa saamiin arvoihin sekä niiden välisten riippuvuuksien tuottamaan lisäarvoon tai haittaan. Laskennassa vaihdellaan arvioihin liittyvää epävarmuutta, riippuvuuksien painoa (β) sekä tarkasteltavan kokonaisuuden kokoa. Skenaariopuolella RF kuvaa tulevaisuuden tilojen robustia merkittävyyttä ja portfoliopuolella toimenpiteiden robustia hyödyllisyyttä.

Adaptiivisessa analyysissä RF kohdistuu reitteihin, jotka muodostuvat ensimmäisen aallon toimenpiteestä, toteutuvasta uhkasta (trigger), vastetoimenpiteestä (response) ja päätepisteen tulevaisuustilasta (endpoint) eli tavoitetilasta. Sovellus valitsee kahdeksan potentiaalisinta ensimmäisen aallon toimenpidettä, kahdeksan pahinta uhka-triggeriä, kaksitoista parhaiten soveltuvaa vastetoimenpidettä sekä kahdeksan tavoiteltavinta tulevaisuudentilaa. Niistä muodostetaan 6144 reittivaihtoehtoa (8*8*12*8). Reittien arvioinnissa huomioidaan muun muassa tavoitteenmukaisuus, toimenpiteiden tuki endpointille ja/tai triggeriä hillitsevä vaikutus, triggerien aiheuttamat paineet sekä adaptiivinen hyöty. Reitin päätepisteen tavoitteenmukaisuus ja sitä vahvistavat tekijät lisäävät reitin arvoa, kun taas toteutuvan uhkan merkittävyys ja sitä vahvistavat tekijät vähentävät reitin arvoa. Reitti romahtaa, jos uhkaelementti muodostuu tavoite-elementtiä suuremmaksi.

Optimointilaskentaa varten sovellus arvioi reittien väliset riippuvuudet asteikolla -3 … +3 niiden rakenteen ja elementtien skenaario- ja portfolioarviointien perusteella. Reittien riippuvuus kuvaa ovatko reitit toisiaan vahvistavia (jakavat samoja tavoitteita, resursseja tai toisiaan tukevia vaikutuksia), rinnakkaisia varautumisreittejä (neutraali) vai keskenään kilpailevia valintoja (kilpailevat samoista toimenpiteistä, vievät eri tavoitetiloihin tai toisen reitin toimenpiteet heikentävät toisen reitin trigger ja endpoint hallintaa). Optimointilaskentojen perusteella saatu RF-arvo kuvaa, kuinka hyvin reitti säilyttää asemansa eri oletuksilla ja skenaariotiloissa.

Metrokartta eli map -näkymät tukevat adaptiivista tarkastelua. Top RF -kartta näyttää vahvimmat reitit, stress test -analyysi tarkastelee suunnitelman toimintaa epäedullisissa olosuhteissa ja endpoint-tarkastelut auttavat tunnistamaan tavoitetiloihin liittyviä mahdollisuuksia ja haavoittuvuuksia.

Network view -näkymät täydentävät tulosten tulkintaa. Skenaariopuolella ne havainnollistavat tulevaisuuden tilojen välisiä riippuvuuksia, koherentteja kokonaisuuksia ja vedenjakajapareja. Portfoliopuolella ne näyttävät toimenpiteiden synergiat, mahdollistajat ja ristiriidat. Adaptiivisessa analyysissä verkostotulkinta muuttuu reittitulkinnaksi, jossa tarkastellaan vahvoja etenemispolkuja, vaihtokohtia ja suunnitelmien haavoittuvuuksia.

Impact Pathway tekee asiantuntija-arvioinneista läpinäkyviä, vertailtavia ja keskusteltavia. Menetelmän arvo syntyy siitä, että osallistujat voivat nähdä, miten arviot, riippuvuudet ja oletukset vaikuttavat skenaarioihin, portfolioihin ja adaptiivisiin reitteihin.

2.2 Työkalun kehittäminen

Edellä kuvattu menetelmä on toteutettu fasilitaattorivetoiseen työpajatyöskentelyyn suunniteltuna työkalukokonaisuutena, jossa analyysi tehdään osallistujien kanssa vuorovaikutteisesti ja tulokset syntyvät osana päätöksentekoa.

Työkalun ensimmäinen versio toteutettiin Excel-pohjaisena kokonaisuutena, joka koostui Scenario- ja Portfolio-moduuleista. Tiedonkeruussa hyödynnettiin KoBoToolbox-lomakkeita, visualisoinneissa Kumu-ympäristöä ja optimoinnissa OpenSolver Advanced -lisäosaa. Ratkaisu mahdollisti menetelmän käytännön testaamisen, mutta useiden erillisten ohjelmistojen käyttö lisäsi tiedonsiirron ja ylläpidon monimutkaisuutta.

Tutkimuksen aikana työkalusta kehitettiin selainpohjainen verkkoversio, joka yhdisti aiemmin erilliset työvaiheet samaan käyttöliittymään. Verkkoversiossa skenaario- ja portfolioanalyysit toteutettiin uudelleen siten, että käyttäjien syöttämät tiedot tallentuvat keskitetysti tietokantaan ja analyysit voidaan suorittaa suoraan sovelluksessa ilman erillisiä tiedonsiirtovaiheita. Samalla optimointimalli uudistettiin. Excel-versiossa käytetty epälineaarinen kokonaislukuoptimointi lineaaristettiin, mikä mahdollisti tehokkaampien optimointialgoritmien hyödyntämisen sekä huomattavasti nopeamman laskennan erityisesti suurissa verkostoissa.

Verkkoversion yhteydessä kehitettiin myös uusi Adaptive-osio, joka laajentaa menetelmää staattisista skenaario- ja portfolioanalyyseistä adaptiiviseen suunnitteluun. Osiossa muodostetaan toimenpiteiden, uhkien, vasteiden ja tavoitetilojen muodostamia vaihtoehtoisia etenemispolkuja sekä arvioidaan niiden robustiutta muuttuvissa tulevaisuuksissa. Tämä mahdollistaa sekä ensivaiheen toimenpiteiden että myöhempien sopeutumispisteiden tarkastelun samassa analyysikehikossa.

Ohjelmistokehitys toteutettiin iteratiivisena tekoälyavusteisena prosessina (AI-pariohjelmointi), jossa tekoälyä hyödynnettiin koodiluonnosten, testauksen ja korjausten tukena. Kehityksen tukena käytettiin OpenAI:n ChatGPT-palvelua (GPT-4o ja myöhemmin GPT-5.5 mallit). Kehitys eteni toistuvana syklinä: määrittely, toteutus, testaus, korjaus ja dokumentointi. Lopulliset ratkaisut hyväksyttiin aina toiminnallisen testauksen ja tutkijan laadunvarmistuksen perusteella.

Verkkosovelluksen lähdekoodin versionhallinta toteutettiin GitHubissa, joka mahdollisti muutosten hallinnan, dokumentoinnin ja kehitystyön seurannan. Sovelluksen tietovarastona toimii Supabase, joka vastaa käyttäjätietojen, projektien, arviointien ja analyysitulosten tallennuksesta sekä tietokantapalveluista. Varsinainen verkkosovellus julkaistiin Render-alustalla, joka huolehtii palvelimen ajamisesta, sovelluksen käyttöönotosta ja jatkuvista päivityksistä GitHub-repositorion perusteella. Tämä arkkitehtuuri mahdollistaa keskitetyn ylläpidon, automaattiset ohjelmistopäivitykset sekä työkalun käytön ilman paikallisia asennuksia.

Verkkoversion käyttöönotto edellyttää ainoastaan verkkoselainta ja käyttäjätunnusta. Kaikki analyysit, visualisoinnit ja optimointilaskennat suoritetaan palvelinympäristössä, mikä vähentää käyttäjän teknisiä vaatimuksia ja mahdollistaa menetelmän käytön myös laajoissa osallistavissa prosesseissa.

3. Esimerkkitapaus Pohjolan Matka Oy

3.1 Esimerkkitapaus ja työpajaprosessi

Pohjolan Matka Oy tarjoaa matkapalveluita ja sen yli 200 linja-autoa liikennöivät vaihtelevissa keliolosuhteissa vuodessa yli 8 miljoonaa kilometriä. Turvallisuus on yrityksen ykkösprioriteetti.

Pohjolan Matka osallistui syksyllä 2025 nopeaan kolmen työpajan sarjaan, jossa etsittiin keinoja parempaan sään ääri-ilmiöihin varautumiseen. Ensin rakennettiin tilannekuvaa, sitten tuotettiin ja arviointiin keinoja ja lopuksi tarkasteltiin toimenpiteiden kokonaisuutta. Työpajat olivat osa Climate Engine -hanketta ja niihin osallistui myös Pohjois-Savon ELY-keskuksen (ilmasto- ja liikennepuolen), Liikenneturvan, Humanistisen ammattikorkeakoulun sekä Savonia-ammattikorkeakoulun asiantuntijoita.

Tilannekuvassa korostuivat tarve paremmalle ennakointitiedolle ja kuljettajien psykologisen resilienssin vahvistamiselle. Kumpaankin kokonaisuuteen tunnistettiin lukuisia vaihtoehtoisia ja toisiaan tukevia toimenpiteitä; niin teknisiä, toimintamalliin liittyviä kuin viestinnällisiäkin. Toimenpiteiden arviointi auttoi tunnistamaan suurimman hyödyn tuova toimenpiteiden kokonaisuus yhteisvaikutukset huomioon ottaen.

Menetelmänä käytettiin toteutuksen aikana käytettävissä ollutta Impact Pathway -työkalun portfolioanalyysiosaa. Kevään 2026 aikana projektiryhmä toteutti samaa aineistoa hyödyntäen lisäksi skenaario- ja adaptiivisen analyysin.

3.2 Skenaarioanalyysi

Syksyn 2025 tilannekuvatyöpajan tulosten perusteella toteutetussa skenaarioanalyysissä tunnistettiin Pohjolan Matkan toimintaympäristön kannalta merkittävät tulevaisuuden kehityskulut. Tätä varten muodostettiin tulevaisuustaulukko.

Taulukko 1. Tilannekuvatyöpajatulosten perusteella rakennettu tulevaisuustaulukko.

Tulevaisuuden tiloja arvioitiin niiden todennäköisyyden, merkittävyyden ja keskinäisten riippuvuuksien perusteella.

Keskeisiksi epävarmuuksiksi nousivat sään ääri-ilmiöiden lisääntyminen sekä liikennejärjestelmän häiriöherkkyys. Samalla tunnistettiin tavoiteltavia tulevaisuuden tiloja, kuten kriisinkestävä liiketoiminta, turvalliset ja yhdenmukaiset toimintatavat, korkea asiakastyytyväisyys ja ennakoiva turvallisuusjohtaminen.

Verkkosovelluksen verkostonäkymät auttavat hahmottamaan tulevaisuuden tilojen välisiä yhteyksiä ja muodostamaan yhteisen käsityksen toimintaympäristön muutoksista, joihin yrityksen kannattaa varautua.

Kuva 2. Skenaarioiden Network View, kuvassa Business as Usual skenaario.

Kuva 3. Skenaarioanalyysin tuloksia. Kuvassa analyysin perusteella tunnistettuja ajureita ja itsenäisiä tulevaisuuden tiloja.

3.3 Portfolioanalyysi

Portfolioanalyysissä arvioitiin toimenpiteiden hyötyjä, toteutettavuutta sekä niiden välisiä synergioita ja ristiriitoja.

Keskeisiksi toimenpiteiksi nousivat yrityksen varautumissuunnitelman systemaattinen kehittäminen, reaaliaikaisen liikenneolosuhdetiedon hyödyntäminen, avoimet tiedonjakoratkaisut, kuljettajien turvallisuuden seuranta sekä henkilöstön koulutus.

Tulokset osoittivat, että suurin hyöty syntyy toimenpiteiden yhdistelmistä eikä yksittäisistä ratkaisuista. Robust frequency -tarkastelu tunnisti lisäksi toimenpiteet, jotka säilyivät tärkeinä eri oletuksilla ja muodostivat turvallisuuden ja resilienssin kehittämisen ydinkokonaisuuden.

Kuva 4. Portfolio Network View. Kuvassa heti toteutettavaksi suositeltu toimenpideklusteri.

Kuva 5. Robust Frequency -tuloksen perusteella priorisoidut toimenpidelista. Nopeat voitot eli helposti toteutettavia ja suuren hyödyn tuovia toimenpiteitä.

3.4 Adaptiivinen analyysi

Adaptiivinen analyysi tarkasteli toimenpiteiden vaikuttavuutta muuttuvissa tilanteissa yhdistämällä kahdeksan ensimmäisen aallon toimenpiteen, kahdeksan eri trigger-haasteen, kahdentoista vastetoimenpiteen ja kahdeksan eri tavoitetilan muodostamiksi 6144 reittivaihtoehdoksi (8*8*12*8) eli adaptiivisiksi etenemispoluiksi.

Tulosten perusteella yrityksen varautumissuunnitelman systemaattinen kehittäminen toimi useimmin vahvojen polkujen lähtöpisteenä. Keskeisiksi trigger-uhkaksi nousivat toistuvat myrskyt, liikennejärjestelmän häiriöt, infrastruktuurin vaurioituminen ja tietojärjestelmähäiriöt. Vahvimpia vasteita olivat katastrofitilanteiden varhainen tunnistaminen, yhteiset toimintakriteerit erityistilanteisiin sekä säännöllinen turvallisuusviestintä.

Metro map -analyysi toi näkyviin sekä vahvimmat etenemispolut että niiden haavoittuvuudet. Samalla se osoitti, missä tilanteissa alkuperäistä suunnitelmaa on muutettava ja millaiset vasteet tukevat tavoitteiden saavuttamista erilaisissa häiriötilanteissa.

Kuva 6. Adaptive Metro Map. Näytöllä kymmenen analyysitulosten perusteella vahvinta reittiä, jotka parhaiten kestävät oletusten ja olosuhteiden muutoksia. Seuraavilla näytöillä voidaan reiteille testat myös muita trigger-uhkia ja tarkastella miten hyviä vastetoimenpiteitä niihin löytyy tai kuinka suuri uhka muodostuu, jos vastetoimenpiteitä ei voida tai ehditä toteuttamaan.

3.5 Tulosten yhteenveto

Pohjolan Matkan tapausesimerkki havainnollistaa Impact Pathwayn kolmen analyysitason yhteistoimintaa. Skenaarioanalyysi tunnistaa toimintaympäristön muutokset, portfolioanalyysi parhaat toimenpidekokonaisuudet ja adaptiivinen analyysi niiden kestävyyden häiriöissä ja vaihtoehtoisissa tulevaisuuksissa.

Tulokset osoittivat, että turvallisuuden ja resilienssin kehittäminen perustuu toisiaan vahvistaviin toimenpidekokonaisuuksiin. Adaptiivinen analyysi tekee näkyväksi myös tilanteet, joissa alkuperäinen suunnitelma ei riitä ilman ennalta määriteltyjä vasteita.

Yrityksen näkökulmasta keskeiset hyödyt ovat yhteisen tilannekuvan muodostuminen, päätöksenteon priorisointi sekä konkreettinen kehittämisohjelma. Tapaus osoittaa, että skenaariot, portfoliot ja adaptiivinen suunnittelu voidaan yhdistää samaan analyysikehikkoon kevyesti ja läpinäkyvästi. Yrityksen toimitusjohtaja kommentoi prosessia seuraavasti: ”Työpajat olivat mukavan napakan tiiviit, mutta sisältöä oli yllättävän paljon ja niistä sai konkreettista hyötyä ja turvallisuutta lisäävän toimenpidesuunnitelman toteutettavaksi. Kokonaisuus oli hyvin järjestetty, työpajat selkeytti toimenpiteiden priorisointia ja toivat uusia näkökulmia esimerkiksi ennen–aikana–jälkeen-oppiminen -ajatteluun toimintakorttien kautta. Turvallisuuden merkitys kirkastui: se voi olla myös erottava tekijä ja kilpailuetu, kun yritys dokumentoi toimintatavat, panostaa ennakoivaan turvallisuuteen ja viestii arvoistaan johdonmukaisesti. Yrityksen näkökulmasta osallistuminen oli vaivatonta ja vähän resursseja vaativaa.”

4. Tulokset

4.1 Työkalun kehittäminen tekoälyn avulla

Impact Pathwayn kehitys eteni vuosina 2025–2026 Excel-pohjaisesta prototyypistä verkkosovellukseksi. Ensimmäinen versio yhdisti skenaario- ja portfolioanalyysin samaan työpajaprosessiin ja sitä testattiin Climate Engine -hankkeessa, Pohjolan Matkan tapaustutkimuksessa sekä CO-FOREST hankkeen skenaariotyössä ks. https://www.co-forest.site/post/future-scenarios-different-forest-futures-across-europe .

Käyttäjäpalautteen perusteella Excel-ratkaisun suurimmat haasteet liittyivät useiden erillisten ohjelmistojen käyttöön, tiedonsiirtoihin ja optimointien suorittamiseen. Tämän vuoksi kehitys suunnattiin selainpohjaiseen verkkoversioon, jossa koko analyysiketju voidaan toteuttaa yhdessä käyttöliittymässä.

Keväällä 2026 skenaario- ja portfolioanalyysit siirrettiin verkkoympäristöön. Samalla optimointimalli uudistettiin lineaaristetuksi, mikä nopeutti laskentaa, paransi skaalautuvuutta ja mahdollisti interaktiiviset visualisoinnit. Kehitystyön aikana syntyi myös Adaptive-osio, joka yhdistää ensimmäisen aallon toimenpiteet, toteutuvat uhkat, vasteet ja tavoitetilat adaptiivisiksi etenemispoluiksi.

Kesäkuussa 2026 valmistui ensimmäinen pilottiversio verkkosovelluksesta. Tuloksena syntyi prototyyppi, joka yhdistää skenaariot, portfoliot ja adaptiivisen suunnittelun samaan ympäristöön. Arvioinnit, laskenta, visualisoinnit ja tulosten tarkastelu tapahtuvat yhdessä käyttöliittymässä.

Kehitys toteutettiin tekoälyavusteisesti hyödyntäen tekoälyä koodin luonnostelussa, testauksessa, virheiden korjauksessa ja dokumentoinnissa. Lopulliset ratkaisut hyväksyttiin aina testauksen ja asiantuntija-arvioinnin perusteella.

Verkkosovelluksen arkkitehtuurissa GitHub toimii versionhallintana, Supabase tietovarastona ja käyttäjähallinnan alustana sekä Render sovelluksen palvelinympäristönä. Käyttöönotto edellyttää vain verkkoselainta ja käyttäjätunnusta.

Tulokset osoittavat, että tekoälyavusteinen kehitys soveltuu tutkimuslähtöisten päätöstukimenetelmien prototypointiin mahdollistaen nopean kehityksen säilyttäen samalla ratkaisujen läpinäkyvyyden ja tutkijakontrollin.

4.2 Pohjolan Matkan tapaustutkimuksen tulokset

Tulokset perustuvat syksyn 2025 kolmen työpajan sarjaan, jossa rakennettiin tilannekuvaa, sitten tuotettiin ja arviointiin keinoja ja lopuksi tarkasteltiin toimenpiteiden kokonaisuutta. Portfolioanalyysissä merkittävimmiksi toimenpiteiksi nousivat varautumissuunnitelman systemaattinen kehittäminen, reaaliaikaisen liikenneolosuhdetiedon hyödyntäminen, avoimet tiedonjakoratkaisut, turvallisuuskoulutus sekä kuljettajien resilienssin vahvistaminen. Tulokset korostivat erityisesti toimenpiteiden yhteisvaikutusten merkitystä.

Tämän lisäksi projektiryhmä toteutti menetelmää havainnollistavat skenaarioanalyysin ja adaptiivisen analyysin. Skenaarioanalyysissä keskeisiksi uhkatekijöiksi tunnistettiin toistuvat myrskyt ja lumimyräkät, liikenneinfrastruktuurin vaurioituminen, jakeluhäiriöt ja tietojärjestelmähäiriöt. Tavoiteltavia tulevaisuuden tiloja olivat kriisinkestävä liiketoiminta, turvalliset toimintakäytännöt, turvallisuuden tunne ja korkea asiakastyytyväisyys. Tulokset auttavat tunnistamaan keskeiset varautumistarpeet.

Adaptiivisessa analyysissä vahvimpien reittien lähtöpisteenä toimi useimmiten varautumissuunnitelman kehittäminen. Keskeisiksi vasteiksi nousivat katastrofitilanteiden varhainen tunnistaminen, yhteiset toimintakriteerit erityistilanteisiin sekä säännöllinen turvallisuusviestintä. Stressitestit ja endpoint-riskitarkastelut osoittivat, että suunnitelman onnistuminen riippuu erityisesti kyvystä hallita laajoja sää- ja infrastruktuurihäiriöitä.

Havainnollistava esimerkki osoittaa, että Impact Pathway kykenee yhdistämään tulevaisuuden epävarmuuksien tarkastelun, toimenpiteiden priorisoinnin ja adaptiivisen suunnittelun samaan analyysikehikkoon. Lähestymistapa mahdollistaa tiiviit työpajat, joissa pienellä resurssilla syntyy uusia näkökulmia, perusteltua priorisointia ja konkreettisia etenemissuunnitelmia ja tuottaa konkreettisen perustan yrityksen turvallisuuden, varautumisen ja resilienssin kehittämiselle.

5. Pohdinta ja jatkokehitys

Tulokset osoittavat, että Impact Pathwayn keskeinen tavoite saavutettiin. Tutkimuksessa kehitettiin toimiva verkkopohjainen prototyyppi, joka yhdistää skenaarioanalyysin, portfolioanalyysin ja adaptiivisen vaikutuspolkuanalyysin samaan päätöstukea tuottavaan kokonaisuuteen. Menetelmää voitiin soveltaa käytännön työpajatilanteissa yhteisen tilannekuvan muodostamiseen, vaihtoehtojen vertailuun, toimenpiteiden priorisointiin ja epävarmuuksien huomioimiseen.

Tutkimuksen keskeinen havainto on, että skenaariot, portfoliot ja adaptiivinen suunnittelu muodostavat luonnollisen jatkumon. Skenaariot auttavat ymmärtämään, mitä voi tapahtua, portfolioanalyysi tunnistaa vaikuttavimmat toimenpiteet ja adaptiivinen analyysi arvioi, kuinka hyvin valitut ratkaisut kestävät erilaisia tulevaisuuksia sekä milloin niitä on muutettava. Näiden yhdistäminen samaan analyysikehikkoon on tutkimuksen merkittävin tulos.

Menetelmän vahvuutena on kyky tehdä näkyväksi systeemisiä riippuvuuksia. Tulevaisuuden tilojen, toimenpiteiden ja niiden välisten yhteyksien arviointi tuottaa tietoa, joka jää helposti piiloon yksittäisiä ratkaisuja tarkastelevissa menetelmissä. Samalla visualisoinnit helpottavat kokonaisuuksien hahmottamista ja tulosten tulkintaa.

Tulokset viittaavat myös siihen, että robust frequency -lähestymistapa soveltuu osallistaviin päätösprosesseihin. Sen sijaan, että etsittäisiin yhtä optimaalista ratkaisua yhden oletuksen perusteella, tarkastelu nostaa esiin vaihtoehtoja, jotka säilyvät merkityksellisinä useiden oletusten ja tulevaisuuskuvien yli. Tämä on erityisen hyödyllistä ilmastonmuutoksen, turvallisuuden, huoltovarmuuden ja muiden kompleksisten haasteiden tarkastelussa.

Verkkoversion kehittäminen parantaa merkittävästi menetelmän käytettävyyttä. Aikaisempi Excel-ratkaisu osoitti menetelmän toimivuuden, mutta verkkosovellus yhdistää arvioinnit, laskennan, visualisoinnit ja tulosten tarkastelun samaan käyttöliittymään. Tämä madaltaa käyttöönoton kynnystä ja mahdollistaa menetelmän käytön aiempaa laajemmissa osallistavissa prosesseissa.

Tutkimus nosti esiin myös jatkokehitystarpeita. Tarvitaan lisää kokemusta koko prosessin hallinnasta ja osallistujilta vaadittavasta panostuksesta. Arviointien laatuun ja luotettavuuteen tarvitaan lisää kokemusta. Menetelmä perustuu asiantuntija-arvioihin, joten tulosten laatu riippuu osallistujien osaamisesta ja arviointiprosessin onnistumisesta. Jatkossa olisi hyödyllistä tutkia arvioijien välisiä eroja, arviointien herkkyyttä sekä mahdollisuuksia hyödyntää ulkoisia tietolähteitä arviointien tukena.

Toinen kehityssuunta liittyy adaptiiviseen analyysiin. Tässä tutkimuksessa kehitetty metro map -lähestymistapa osoitti kykynsä tunnistaa vahvoja reittejä, stressitilanteita ja haavoittuvuuksia. Erityisen kiinnostava jatkotutkimuskohde on ajallisen ulottuvuuden lisääminen adaptiivisiin polkuihin siten, että voidaan tarkastella myös toimenpiteiden ajoitusta ja päätöspisteitä.

Kolmas kehityssuunta liittyy tekoälyn hyödyntämiseen. Tässä tutkimuksessa tekoälyä käytettiin ohjelmistokehityksen ja arviointien tukena. Jatkossa sitä voitaisiin hyödyntää laajemmin esimerkiksi arviointien esitäytössä, skenaariokuvauksien luonnostelussa sekä vaihtoehtoisten politiikka- ja kehityspolkujen muodostamisessa.

Laajemmin tarkasteltuna tutkimus osoittaa, että osallistavaan arviointiin perustuvilla menetelmillä voidaan rakentaa käyttökelpoisia päätöstukijärjestelmiä myös kompleksisten ongelmien käsittelyyn. Vaikka Impact Pathway on edelleen prototyyppi, tulokset osoittavat, että skenaariot, portfoliot ja adaptiivinen suunnittelu voidaan yhdistää samaan läpinäkyvään analyysikehikkoon. Lähestymistapa mahdollistaa tiiviit työpajat, joissa pienellä resurssilla syntyy uusia näkökulmia, perusteltua priorisointia ja konkreettisia etenemissuunnitelmia.

Yhteenvetona tutkimuksen merkittävin kontribuutio ei ole yksittäinen ohjelmisto tai laskentamalli, vaan menetelmällinen kokonaisuus, joka yhdistää tulevaisuuksien tarkastelun, toimenpiteiden priorisoinnin ja adaptiivisen päätöksenteon yhdeksi ymmärryksen lisäämistä tukevaksi prosessiksi. Tulokset osoittavat, että lähestymistavalla on potentiaalia tukea sekä julkisen sektorin että yritysten päätöksentekoa tilanteissa, joissa epävarmuus on suuri mutta päätöksiä on silti tehtävä.

Lähteet

Belton, V. & Stewart, T.J. 2002. Multiple Criteria Decision Analysis: An Integrated Approach. Springer/Kluwer.

Haasnoot, M., Kwakkel, J.H., Walker, W.E. & ter Maat, J. 2013. Dynamic Adaptive Policy Pathways: A Method for Crafting Robust Decisions for a Deeply Uncertain World. Global Environmental Change 23(2), 485–498.

Heikkinen Anne 2025. Vastuullista vaikuttavuutta näkyväksi – näin Savonia arvioi vaikuttavuuttaan. Savonia Pro artikkeli 2025. https://www.savonia.fi/vaikuttavuus/vastuullista-vaikuttavuutta-nakyvaksi-nain-savonia-arvioi-vaikuttavuuttaan/

Kajanus, M., Iire, A., Eskelinen, T., Heinonen, M. & Hansen, E. 2014: Business model design: new tools for business systems innovation, Scandinavian Journal of Forest Research

Kuntaliitto. 2022. Ilmasto-ohjelman rakennemalli. Julkaisu. Viitattu 15.3.2026.

Kurttila, M., Pesonen, M., Kangas, J., Kajanus, M. 2000. Utilizing the analytic hierarchy process (AHP) in SWOT analysis—a hybrid method and its application to a forest-certification case. Forest policy and economics 1 (1), 41-52

Lempert, R., Popper, S. & Bankes, S. 2003. Shaping the Next One Hundred Years: New Methods for Quantitative, Long-Term Policy Analysis. RAND Corporation.

Leskinen, L., Leskinen, P., Kurttila, M., Kangas, J., Kajanus, M. 2006. Adapting modern strategic decision support tools in the participatory strategy process—a case study of a forest research station. Forest Policy and Economics 8 (2006) 267– 278

Liesiö, J., Mild, P. & Salo, A. 2007. Robust portfolio modeling with incomplete cost and benefit information. European Journal of Operational Research, 180(1), 358–372.

Lukmine, D., Mizaras, S., Gulbinas, A., Kajanus, M. 2025. Testing the Prospective Rapid Impact Assessment Approach for Stakeholders Engagement in Municipality Action Planning: The Case of Tauragė. Sustainability. 2025-03-18. DOI: 10.3390/su17062684

Mustajoki, J., Liesiö, J., Kajanus, M., Eskelinen, T., Karkulahti, S., Kee, T., Kesänen, A., Kettunen, T., Wuorisalo, J., Marttunen, M. 2024. A portfolio decision analysis approach for selecting a subset of interdependent actions: The case of a regional climate roadmap in Finland. Science of The Total Environment. Volume 912, 20 February 2024.

Paldanius, K. ja Kajanus, M. 2021. Future divercities-project (e)valuation report. Savonia University of Applied Sciences Serie 2/2021

Puurunen, A., Ikäheimo, T-M., Nissen, M., Huotarinen, A., Jyrkkänen H-K., Huttunen, J., Koivisto, T., Kajanus, M., von und zu Fraunberg, M. 2020. Neuromodulation nurses, teamwork, and the establishment of a multi-disciplinary pain center are key success factors in neuromodulation: a hybrid SWOT analysis of the neuromodulation process for chronic pain. British Journal of Neuroscience Nursing. Vol. 16, No. 2.

Rittel, H.W.J. & Webber, M.M. 1973. Dilemmas in a General Theory of Planning. Policy Sciences 4(2), 155–169. (avoimesti saatava PDF-arkisto).

Sitra. 2021a. Viheliäinen ongelma (tulevaisuussanasto) sekä Kohti viheliäisten ongelmien ratkaisemista – ongelman monipuolinen ymmärrys ja yhteinen suunta monialaisissa tiimeissä. Verkkosivu ja selvitys.

Sitra. 2021b. Marttila, P. Taksonomia tulee: Kestävyyden luokittelu vaikuttaa rahoituksen hintaan. Blogi.

Unruh, G.C. 2000. Understanding carbon lock-in. Energy Policy 28(12), 817–830

Linkit

Linkki työkaluun: https://impact-pathway-web-pilot.onrender.com

Linkki käyttäjä- ja kehittäjäyhteisöön: https://teams.microsoft.com/l/team/19%3Akl7gJrgfO4eoFwi3IwXU8l6ek1vpHq8nIMbD01uz4201%40thread.tacv2/conversations?groupId=480dacea-3c81-4ee0-82ac-469cdb884f74&tenantId=b6d5681b-4a40-4d3a-8e7b-03a70d3991b6

---

Kirjoittajat

Miika Kajanus

Antti Kotimaa, TKI Asiantuntija, Savonia-ammattikorkeakoulu

Minna Luoto, TKI Asiantuntija, Savonia-ammattikorkeakoulu

Lauri Kerman, Erityisasiantuntija, Savonia-ammattikorkeakoulu

Hannu Autti, Lehtori, Savonia-ammattikorkeakoulu

Seppo Koponen, Lehtori, Savonia-ammattikorkeakoulu

Timo Dunkel, Tietojärjestelmäsuunnittelija, Savonia-ammattikorkeakoulu

Kaija Villman, Tutkimus- ja kehityspäällikkö, Savonia-ammattikorkeakoulu

Jukka Kähkönen, TKI Asiantuntija, Savonia-ammattikorkeakoulu

Tuomo Eskelinen, Tutkimuspäällikkö, Savonia-ammattikorkeakoulu

Jyri Wuorisalo, TKI Asiantuntija, Savonia-ammattikorkeakoulu

Anni Kesänen, Lehtori, Savonia-ammattikorkeakoulu

Artikkelin työstämisessä on hyödynnetty tekoälyä.