Miksi tekoäly puhututtaa juuri nyt?

Vaikka generatiivinen tekoäly on noussut näkyvästi esiin erityisesti ohjelmistokehityksen ja IT-alojen yhteydessä, tutkimus- ja selvitysaineistoissa sen arjen hyöty työelämässä näyttäytyy alasta riippumatta monesti käytännöllisemmin: esim. tekstin ja tiedon käsittelyn nopeutumisena. Tyypillisiä käyttötapoja ovat viestien ja dokumenttien luonnostelu, tiivistäminen, selkeyttäminen ja kääntäminen sekä asiakastyötä tukevat vastausluonnokset ja tiedonhaun jäsentäminen. Näihin “perustyön” tehtäviin kohdistuva kokeellinen tutkimus viittaa siihen, että oikein rajattuna generatiivinen tekoäly voi nopeuttaa suoriutumista ja parantaa tuotosten laatua erityisesti kirjoitus- ja viestintäpainotteisissa tehtävissä (Noy & Zhang, 2023). Käytössä korostuu kuitenkin ihmisen vastuu ja tarkistus: generatiiviseen tekoälyyn liittyviä luotettavuus- ja hallusinaatioriskejä tulee hallita käyttötapakohtaisesti ja erityisesti silloin, kun tuotoksia hyödynnetään päätöksenteon tukena (Autio et al., 2024; Organisation for Economic Co-operation and Development, 2024). Markkinoinnissa tekoäly voi tukea esimerkiksi tekstivaihtoehtojen ja ideoiden tuottamista, mutta strateginen suunnittelu ja kohderyhmäymmärrys edellyttävät edelleen käyttäjän omaa ymmärrystä, tulkintaa ja päätöksentekoa.

DigiOsaava 55+ – ”Tekoäly kaveriksi” -kurssi pähkinänkuoressa

DigiOsaava 55+ -kokonaisuuden tekoälykurssi (“Tekoäly kaveriksi – helpota työtä ja arkea”, 1 op) oli osa JOTPA-rahoitteista kuuden opintopisteen kokonaisuutta. Tekoäly – kurssi rakennettiin tukemaan työssäkäyviä aikuisia alasta riippumatta, joille tekoälyn hyödyntäminen on kiinnostavaa, mutta käytännön aloitus ja turvallinen käyttötapa kaipaavat selkeää polkua. Toteutus tehtiin Edunia verkko-oppimisympäristöön, jossa jokainen osio sisältää selkeät tavoitteet, käytännön esimerkit ja matalan kynnyksen harjoitukset.

Kurssin sisällöllinen ydin rakentui neljän toisiaan täydentävän teeman varaan. Ensin osallistujat loivat perusymmärryksen siitä, mitä tekoäly ja erityisesti generatiivinen tekoäly käytännössä tekee ja mitä se ei tee: miksi se voi tuottaa sujuvaa tekstiä ilman “inhimillistä ymmärrystä”, ja miksi sen vastaukset on aina suhteutettava käyttökontekstiin. Lisäksi osallistujat perehtyivät koneoppimisen ideologiaan yleismaailmallisin esimerkein. Tämän jälkeen keskityttiin mm. ChatGPT:n, Copilot ja Gemini-tyyppisten työkalujen käyttöön, jossa osallistujat lähtivät harjoittelemaan tekoälyä arjen ja työelämän tyypillisissä tekstitehtävissä, kuten ideoinnissa, luonnostelussa, tiivistämisessä, selkeyttämisessä ja kääntämisessä. Monelle osallistujalle Copilot oli valmiiksi tuttu työväline, sillä heidän organisaationsa oli jo ottanut sen käyttöön. Kolmannessa kokonaisuudessa avattiin kuvien ja sisällön tuottamisen periaatteita havainnollisesti “tekstistä kuvaan” -ajattelun kautta ja harjoiteltiin yksinkertaisia kuvanmuokkauksen tapoja kohderyhmälle sopivilla, helposti lähestyttävillä työkaluilla. Läpi kurssin kulki myös turvallisuuden, tietosuojan ja kriittisen tekoälylukutaidon näkökulma: osallistujia ohjattiin välttämään arkaluonteisen tiedon syöttämistä tekoälylle, tarkistamaan tekoälyn tuottamat väitteet ennen käyttöä sekä ymmärtämään deepfake-ilmiön peruslogiikkaa ja tunnistamisen periaatteita.

Miten työssäkäyvä voi hyötyä tekoälystä – ja mitä tutkimus kertoo?

Kun tekoälyä käytetään oikein, hyödyt voivat kohdistua esim. tekstipainotteisiin ja prosessia hidastaviin välitehtäviin: luonnokset ja tarvittaessa templaatit syntyvät nopeammin, vaihtoehtoja löytyy enemmän, ja tiivistämisen tai kääntämisen kitka pienenee. Tekoäly mahdollistaa myös näppärän tavan hakea tutkimustietoa, mutta tällöin on oltava erittäin kriittinen tekoälyn antamasta datasta ja perehtyä huolellisesti alkuperäisiin lähteisiin. Kokeellisissa ja työelämäaineistoihin perustuvissa tutkimuksissa on raportoitu, että generatiivinen avustaja voi nopeuttaa suoriutumista ja joissain tehtävissä myös parantaa tuotosten laatua, erityisesti kirjoitus- ja asiakastukityössä (Brynjolfsson et al., 2023; Noy & Zhang, 2023).

Keskeistä on, että teknologiamurros ei automaattisesti muutu osaamiseksi: tarvitaan käytännönläheistä koulutusta, joka vahvistaa digitaalisia ja tekoälylukutaitoja sekä varmuutta tulkita ja arvioida tekoälyn tuotoksia omassa työssä. Tuore katsaus korostaa, että ikääntyvien työntekijöiden tukemiseksi “AI-aikakaudella” tarvitaan sekä koulutuksen järjestäjien että työnantajien konkreettisia toimia, mutta samalla työelämässä kaivataan tarkempaa ymmärrystä siitä, mitä tekoälyyn liittyviä taitoja eri tehtävissä ja toimialoilla todella tarvitaan ja millaisella valmiuskoulutuksella niitä kannattaa kehittää (Briggs et al., 2026). Tutkimuksessa todettiin, että tämä on skaalattavissa myös kaikenikäisiin. Tämä näkökulma haastaa rakentamaan tekoälykoulutusta niin, että yleiset perustaidot ovat kaikille yhtenäisiä, mutta jatkokehitys voidaan kytkeä työtehtäväkohtaisiin käyttötapauksiin, joissa myös tarpeet, riskit ja vastuukysymykset vaihtelevat.

Tekoäly – hyvä renki, mutta huono isäntä

Tekoälyn suurin arjen riski ei useimmiten ole “paha tekoäly”, vaan huolimaton käyttö. Jos tekoälylle annetaan syöte ja tuotettu teksti kopioidaan suoraan eteenpäin lukematta, kontekstia arvioimatta ja lähteitä tarkistamatta, syntyy helposti virheellisiä väitteitä ja jopa misinformaatiota. Tämä riski kasvaa sitä mukaa, mitä “korkeamman panoksen” tilanteisiin tekoälyä viedään: asiakkaan palvelupäätökset, terveyteen, talouteen, oikeuteen, henkilöstöön tai turvallisuuteen liittyvät asiat edellyttävät tiukempaa tarkastus- ja hyväksyntäprosessia kuin vaikkapa ideointi tekoälyn avulla arkisiin asioihin. Kriittisissä käyttötapauksissa tarkistus tarkoittaa käytännössä sitä, että väitteet ja viittaukset validoidaan luotettavista lähteistä ennen kuin niitä hyödynnetään päätöksenteossa tai viestinnässä (Autio et al., 2024).

Homma toimii kun periaatteet ovat selkeät:

– Tekoäly luonnostelee – käyttäjä päättää mitä käytetään.

– Käyttäjän tulee tarkastaa väitteet, etenkin faktat ja viittaukset.

– Käyttäjän ei tule jakaa tekoälylle luottamuksellista/sensitiivistä informaatiota ja työorganisaation laatimia linjauksia tulee noudattaa tekoälyn käytössä.

– Tekoälyä käyttäessä tulee pyytää promptauksessa perusteluja, vaihtoehtoja ja lähteitä.

– Ei kannata tyytyä ensimmäiseen vastaukseen.

NISTin generatiivisen tekoälyn riskiprofiili korostaa erityisesti hallusinaatioihin, informaation eheyteen (information integrity), tietosuojaan (data privacy) sekä yliluottamuksen ja käyttöasetelman riskeihin (human–AI configuration) liittyviä teemoja. Näitä ei tule olettaa tekoälyn automaattisiksi ominaisuuksiksi, vaan ne ovat käyttäjän vastuulla arvioida. Työpaikoilla toimintatavat vaihtelevat. Olennaista on, että työntekijä löytää omaan työhönsä sopivan tekoälymallin ja käyttötavan työtehtävän luonteen ja riskitason mukaan – ja että peruspelisäännöt (tarkistus, tietosuoja, harkinta) ovat otettu huomioon. (Autio et al., 2024).

Jatkopolku jatkuvassa oppimisessa: kohti portaittaista tekoälyosaamista

DigiOsaava 55+ -kurssin yhteydessä nousi esiin toive tekoälyn oppimisesta portaittain: perusymmärryksestä kohti kehittyneempää ja systemaattisempaa hyödyntämistä. Jatkuvan oppimisen näkökulmasta tämä on luonteva suunta. Tekoälyosaaminen ei ole “yksi temppu”, vaan joukko siirrettäviä eri tason taitoja, jotka voidaan rakentaa vaiheittain ja ammattialaneutraalisti: ensin tekoälyn peruslogiikka, turvallinen käyttö ja käyttötarkoituksen selvitys, sitten ammattialakohtaiset työprosessien tehostamiset sekä konkreettiset toimenpiteet, ja sen jälkeen esimerkiksi laadunvarmistus, tiedonhaku ja kehittyneemmän tason tekoälyn hyödyntäminen.

---

Kirjoittajat

Sami Partanen, TKI-asiantuntija (InnoGS, NEXT-VET, Hyvinvointialan Metaversumipalvelut), Savonia-ammattikorkeakoulu