Pysäköintialan murros

Pysäköintiala on murroksessa, mutta mihin suuntaan? Tähän kysymykseen lähdimme hakemaan vastausta Savonia-ammattikorkeakoulun YAMK-opinnäytetyössämme, joka toteutettiin Aimo Park Finland Oy:n toimeksiannosta. Tulokset yllättivät: kestävyysmurros ei näyttäydy pysäköintialan sidosryhmien näkemyksissä ensisijaisesti ekologisena vaan yhteiskunnallisena ja poliittisena kysymyksenä. Näiden havaintojen pohjalta rakensimme tekoälyavusteisesti neljä vaihtoehtoista skenaariota pysäköintialan tulevaisuudesta.

Strateginen ennakointi ja tekoäly tulevaisuustyön välineenä

Strateginen ennakointi ei ole ennustamista. Siinä missä ennustaminen pyrkii arvioimaan todennäköisimmän kehityskulun, ennakointi tarkastelee vaihtoehtoisia tulevaisuuksia ja kysyy: mihin pitää varautua, jos kehitys meneekin toisin? Malmelin ja Kantola (2022) kuvaavat strategisen ennakoinnin olevan yksi merkittävimmistä kilpailukykyyn vaikuttavista tekijöistä, sillä se auttaa tunnistamaan markkinoiden epäjatkuvuuskohtia ennen kuin ne realisoituvat. Rohrbeck ja Kum (2018) osoittivat laajassa pitkittäistutkimuksessaan, että systemaattisesti ennakointiin investoineet yritykset kasvoivat ja kannattivat selvästi paremmin kuin vertaisensa.

Skenaariomenetelmässä toimintaympäristön muuttujat jaetaan varmuuden ja epävarmuuden perusteella. Schoemaker (1995) esitti, että skenaariot rakennetaan juuri niiden tekijöiden varaan, joiden suunnasta ei ole varmuutta, sillä ne ovat strategisesti kaikkein merkityksellisimpiä. Kahden kriittisen epävarmuustekijän pohjalta muodostettu 2×2-matriisi tuottaa neljä laadullisesti erilaista tulevaisuuskuvaa, jotka yhdessä haastavat organisaation vakiintuneet oletukset.

Tekoälyn rooli tässä prosessissa on kasvamassa nopeasti. Ferrer i Picó, Catta-Preta, Trejo Omeñaca, Vidal & Monguet i Fierro (2025) ovat osoittaneet, että suuret kielimallit soveltuvat erityisesti skenaarionarratiivien tuottamiseen ja aineiston alkujalostukseen. Ripatti, Siltasalmi ja Hario (2025) korostavat kuitenkin, että tekoäly toimii parhaiten asiantuntijan kumppanina, ei korvaajana. Tätä kutsutaan human-in-the-loop-malliksi: ihminen vastaa tulkinnasta, validoinnista ja strategisen merkityksen luomisesta.

Mitä tutkimus paljasti

Haastattelimme kahdeksaa asiantuntijaa eri sidosryhmistä. Odotimme puhetta päästöistä. Saimme puhetta politiikasta, rahasta ja rakenteellisista esteistä. Käytännössä haastateltavat eivät kyseenalaistaneet kestävyyden tarpeellisuutta, vaan sen toteuttamisen edellytykset. Kuka maksaa? Kuka päättää? Ja milloin?

Paine muutokseen tulee monesta suunnasta yhtä aikaa: EU-sääntelystä, rahoituslaitoksilta, toimitusketjuista ja asiakkailta. Silti mikään näistä ei yksin riitä. Kunnat ovat tehneet helpoimmat kestävyyspäätökset jo. Mitä vaikeammiksi ja kalliimmiksi päätökset muuttuvat, sitä enemmän ne jumittavat poliittisiin kipupisteisiin. Lisäksi hallitusten vaihtuminen muuttaa aiempien päätösten suuntaa, mikä tekee toimintaympäristöstä yritysten kannalta vaikean ennustaa. Maksuhalukkuuskin on ehdollinen: asiakas valitsee kestävämmän vaihtoehdon, kun se on riittävän edullinen tai tarjoaa selkeän hyödyn, mutta ei maksa siitä lisähintaa ilman perustetta.

Kriittiset epävarmuudet ja neljä skenaariota

Tutkimusaineistosta abstrahoitiin muutosajurit, jotka luokiteltiin merkittävyyden ja epävarmuuden mukaan. Skenaariotyöskentelyn akseleiksi valikoituivat kaksi tekijää, joihin tilaajayritys ei voi itse suoraan vaikuttaa, mutta jotka määrittävät sen toimintaedellytyksiä eniten:

1. Kestävyysregulaation ennakoitavuus (epävarma ja sirpaleinen vastaan ennakoitava ja johdonmukainen)

2. Asiakkaiden maksuhalukkuus kestävistä liikkumispalveluista (matala vastaan korkea)

Näiden kahden epävarmuustekijän varaan rakennettiin 2×2-skenaariomatriisi, jonka neljä solua kuvaavat laadullisesti erilaisia tulevaisuuksia vuoteen 2035 (taulukko 1).

Paras tilanne syntyy skenaariossa Ennakoiva vihreä arki, jossa sekä sääntely on ennakoitavaa että asiakkaat ovat valmiita maksamaan kestävyydestä. Haastavin on Sirpaleinen säästöliikkuminen, jossa teknologia on kypsää mutta alihyödynnettyä: kestävyys etenee vain markkina- ja rahoituspaineen myötä, ei kysynnän vetämänä.

Kestävyys, ennakointi ja tekoäly

Tutkimus vahvisti jotain, mitä teoriassa tiedetään mutta käytännössä helposti unohtuu: kestävyyden ekologinen, taloudellinen ja sosiaalinen ulottuvuus ovat usein keskenään ristiriidassa. Ekologinen tavoite on sidosryhmille selvä lähtökohta. Taloudellinen kestävyys asettaa sille reunaehdot: investoinnit edellyttävät kannattavuutta, eikä asiakas maksa lisähintaa ilman selkeää hyötyä. Sosiaalinen kestävyys tuo kolmannen ulottuvuuden: liikkumisen pitää olla kaikkien saavutettavissa, eikä siirtymä saa lisätä eriarvoisuutta. Näiden kolmen tasapainottaminen on kestävyyssiirtymän todellinen haaste.

Erityisen selvästi tämä näkyi MaaS-kehityksessä. Periaatteessa kaikki kannattavat saumattomia matkaketjuja ja yhden lipun järjestelmää. Käytännössä kehitys on hidastunut, koska markkinaehtoinen eteneminen ilman ulkoista ohjausta ei riitä. Sidosryhmät tarvitsevat toisiaan, mutta yhteistyön rakenteet puuttuvat. Jatkuminen edellyttää joko selkeämpää sääntelyä tai uusia kannustimia, jotka lisäävät eri osapuolten sitoutumista yhteisten palvelukokonaisuuksien rakentamiseen.

Laajempi havainto koskee muutoksen mekaniikkaa: kestävyyssiirtymä etenee ohjauksen kautta, ei pelkästään arvojen. Muutos tapahtuu, kun sääntely, rahoitus ja markkinat osoittavat samaan suuntaan yhtä aikaa. Arvot valmistavat maaperän, mutta rakenteet tekevät muutoksesta väistämättömän. Tämä ei ole synkkä havainto, vaan realistinen kuva siitä miten yhteiskunnallinen muutos tapahtuu.

Juuri tästä syystä strateginen ennakointi on välttämätöntä. Toimintaympäristö muuttuu tavalla, jota pelkällä historiadatan ekstrapoloinnilla ei enää pysty hahmottamaan. Tarvitaan kykyä tarkastella vaihtoehtoisia kehityskulkuja ja varautua useampaan tulevaisuuteen yhtä aikaa. Tässä tekoäly osoittautui arvokkaaksi: teemojen abstrahoinnissa muutosajureiksi, niiden priorisoinnissa ja skenaarionarratiivien rakentamisessa se nopeutti prosessia merkittävästi. Prosessia vietiin pidemmälle rakentamalla erillinen promptigeneraattori ja generoimalla kuvapromptit jokaiselle skenaariolle. Kriittinen havainto oli kuitenkin se, mitä tekoäly ei korvaa: kontekstuaalista asiantuntemusta siitä, mikä on strategisesti merkityksellistä juuri tälle yritykselle tässä toimintaympäristössä.

Perinteisesti skenaariotyöskentely on ollut suurten organisaatioiden etuoikeus. Tekoäly muuttaa tätä. Pysäköintiala ei katoa, mutta sen rooli osana laajempaa liikkumisen ekosysteemiä muuttuu tavalla, jonka suuntaa ulkopuoliset muuttujat määrittävät enemmän kuin yksittäisen yrityksen valinnat. Siksi kysymys ei ole reagoidaanko muutokseen, vaan osataanko siihen varautua etukäteen. Skenaariotyöskentely on siihen konkreettinen väline, nyt kaikkien saatavilla, tekoälyn avustamana.

---

Kirjoittajat

Juha Wiberg Kestävän tulevaisuuden asiantuntija yamk-tutkinto, Savonia-ammattikorkeakoulu

Janne Vuoristo, Kestävän tulevaisuuden asiantuntija yamk-tutkinto, Savonia-ammattikorkeakoulu

Maria Luojus, yliopettaja, Savonia-ammattikorkeakoulu

---

Lähteet

Claude 2025-2026. Anthropic. Claude Sonnet 4.6. Käytetty kielenhuoltoon ja ideointiin. https://claude.ai

Ferrer i Picó, J., Catta-Preta, M., Trejo Omeñaca, A., Vidal, M. & Monguet i Fierro, J. M. 2025. The Time Machine: Future Scenario Generation Through Generative AI Tools. Future Internet 17 (1), 48. https://doi.org/10.3390/fi17010048. Viitattu 24.11.2025.

Google Gemini 2025-2026. Google. Gemini 3.1 Pro. Käytetty kuvituksen generointiin. https://gemini.google.com

Kiviluoto, K., Tapio, P., Tuominen, A., Lyytimäki, J., Ahokas, I., Silonsaari, J. & Schwanen, T. 2022. Towards sustainable mobility: Transformative scenarios for 2034. https://www.researchgate.net/publication/364011557_Towards_sustainable_mobility_-_Transformative_scenarios_for_2034. Viitattu 8.2.2026.

Malmelin, N. & Kantola, K. 2022. Why invest in strategic foresight? The European Business Review, January/February 2022. https://www.europeanbusinessreview.com/why-invest-in-strategic-foresight/. Viitattu 15.3.2026.

Ripatti, A., Siltasalmi, J. & Hario, M. 2025. Ennakointi ja tekoäly: tiedon käsittelystä merkitysten luomiseen. Laurea-ammattikorkeakoulu. https://journal.laurea.fi/ennakointi-ja-tekoaly-tiedon-kasittelysta-merkitysten-luomiseen/. Viitattu 24.11.2025.

Rohrbeck, R. & Kum, M. E. 2018. Corporate foresight and its impact on firm performance: A longitudinal analysis. Technological Forecasting and Social Change 129, 105-116. https://doi.org/10.1016/j.techfore.2017.12.013. Viitattu 15.3.2026.

Schoemaker, P. J. H. 1995. Scenario Planning: A Tool for Strategic Thinking. Sloan Management Review 36 (2), 25–40.