Ihminen, tekoäly ja päätöksenteko – konteksti ratkaisee enemmän kuin kielimalli

Kirjoittaja: Lauri Eskelinen

Kuvat: Lauri Eskelinen ja Saara-Sisko Jäämies

 

Tekoälyn käyttö yleistyy vauhdilla, mutta silti moni tekoälyhanke ei saavuta sille asetettuja tavoitteita. Teknologia itsessään ei takaa onnistumista, vaan ratkaisevaa on se, miten ihmiset, organisaatiot ja toimintamallit kytkeytyvät osaksi tekoälyn hyödyntämistä. Tekoälystä puhutaan usein työn korvaajana ja keskustelu pyörii helposti työkalujen, kielimallien ja algoritmien ympärillä.

Asiantuntijapaneelissa, jonka aiheena oli ”Ihmisen rooli tekoälyaikana ja mikä merkitys sillä on onnistuneissa tekoälyhankkeissa”, joka järjestettiin 28.4.2026 Helsingin Ekonomien, Service Design Network Finlandin ja Goforen “Ihminen, tekoäly ja päätöksenteko – mistä syntyy onnistuminen” yhteistapahtumassa, keskustelu palasi kuitenkin toistuvasti siihen, että suurimmat haasteet eivät ole teknisiä. Ne liittyvät ihmiseen, kontekstiin ja siihen, miten tekeminen organisoidaan. Mukana paneelissa olivat Marcus Mattila, Krista Jäntti ja Joni Juup.

 

Ihminen ja organisaatiot jatkuvassa muutoksessa

Ihmisten roolit ovat muuttumassa aiempaa vaikeammin määriteltäviksi. Paneelissa todettiin, että tehtävänkuvat eivät enää näyttäydy pysyvinä rakenteina, vaan tekeminen on yhä tilanteesta riippuvaisempaa.

Samalla organisaatiot elävät jatkuvassa muutoksessa ja rakenteita sekä toimintatapoja joudutaan muotoilemaan uudelleen. Muutoksen nopeutta kuvattiin havainnolla, että konteksti vanhenee siinä kohtaa, kun painat enteriä.

Tehokkuuden näkökulmasta keskeiseksi nousi tarve päästä pois siiloista ja parantaa tekemisen määrittelyä, minkä nähtiin vaativan paljon kouluttautumista. Vaikka siiloissa tapahtuva tekeminen hieman nopeutuu tekoälyn avulla, end-to-end-tekemisessä nähtiin kuitenkin paljon kehitettävää.

 

Kuvassa: Helsingin Ekonomien, Service Design Network Finlandin ja Goforen “Ihminen, tekoäly ja päätöksenteko – mistä syntyy onnistuminen” yhteistapahtuman paneeli

 

Konteksti ratkaisee enemmän kuin kielimalli

Kontekstin merkitystä korostettiin koko keskustelun ajan. Paneelissa todettiin, että tekoälyn hyödyntäminen vaatii entistä enemmän kontekstia, määrittelyä ja ymmärrystä siitä, miten kielimallit toimivat. Ilman tätä on vaikea erottaa luotettavaa sisältöä hallusinaatioista.

Keskustelussa nousi esiin myös ajatus siitä, että tekoälylähtöisyyteen ei päästä, jos konteksti ei ole kunnossa, ja monilla organisaatioilla nähtiin olevan vielä paljon tehtävää tämän suhteen. Joni Juup kuvasi tilannetta esimerkillä, jossa ratkaisun speksaus voi käytännössä olla vain otsikko Jirassa.

Keskustelussa käsiteltiin myös context engineeringia sekä sitä, ettei kielimalleilla ole omaa kulttuurikontekstia, vaan ne menevät enemmän keskiarvon mukaan, kun koulutusmateriaalissa korostuvat suuremmat markkinat, kuten kiinalainen ja amerikkalainen sisältö.

 

Vastuu säilyy ihmisellä

Vaikka tekoäly automatisoi monia työvaiheita, keskustelussa korostui ajatus siitä, että ihminen ei poistu prosessista vaan siirtyy sen keskeiseen ytimeen. Ihminen määrittelee, mitä ollaan tekemässä, arvioi, onko lopputulos oikea ja kantaa lopullisen vastuun silloin, kun lopputulos ei vastaa odotuksia. Lisäksi todettiin, että ihmiset toimivat edelleen järjestelmän kriittisinä arvioijina ja laadunvarmistajina, vaikka itse tuotanto nopeutuu merkittävästi tekoälyn avulla.

Generatiivista tekoälyä kuvattiin ”erittäin kehittyneeksi sanojen arvauskoneeksi”, minkä vuoksi ihmisellä on edelleen todella paljon annettavaa ja arviointikyky eli judgement säilyy tärkeänä. Jos ratkaisuja ei suunnitella ihmisille, menetetään aika paljon ja mahdollisesti jotain olennaista.

Tekoäly mahdollistaa tuotteiden nopean rakentamisen ja jopa vibecodingin avulla syntyvien ratkaisujen tuottamisen. Vaikka vibecoding kehittyy vauhdilla ja nopeuttaa tekemistä, vastuuta ei voi ulkoistaa kielimallille.

Joku vastaa ratkaisun tuottamisesta, ja lopputuloksesta on aina joku vastuussa. Jos jokin menee pieleen, vastuu ei katoa mihinkään. Jos ratkaisu hajoaa tai aiheuttaa ongelmia, jonkun täytyy edelleen vastata siitä. Vastuu nähtiin keskustelussa aika isona ja merkittävänä osana ihmiskeskeisyyttä.

 

Tekoäly lisää mahdollisuuksia ja kuormitusta

Tekoäly nähtiin sekä mahdollisuuksien että kuormituksen lähteenä. Krista Jäntti nosti esiin brain fry -ilmiön, jossa kasvava informaation määrä ja jatkuva päätöksenteko kuormittavat ihmisen kognitiivista kapasiteettia. Samalla todettiin, että tekoälyn kanssa työskentely voi tarkoittaa myös lisääntynyttä vahtimista, koska ei voida luottaa siihen, että tekoäly tekee kaiken oikein.

Keskustelussa nousi esiin ajatus siitä, että tekoäly ei automaattisesti kevennä työtä, vaan voi jopa lisätä kuormitusta, koska asioita voidaan tehdä enemmän, nopeammin ja useammassa rinnakkaisessa prosessissa. Kun käsiteltävien asioiden määrä kasvaa ja ongelmia voidaan ratkoa jatkuvasti, työ ei välttämättä enää rajoitu työpäivään, vaan jatkuu iltaisin tekoälyn kanssa tapahtuvana ongelmanratkaisuna ja iterointina. Tätä kuvattiin humoristisella esimerkillä, että jokaisessa yrityksen johtoryhmässä on yksi ihminen, jolla on ”Claudemania”, joka käyttää illat ongelmien ratkaisemiseen tekoälyn kanssa ja jolla on samalla brain fry.

Keskustelussa käytettiin tekoälykisaa kuvaavaa havainnollistavaa vertausta ”piirakansyöntikilpailusta, jonka voittaja saa lisää piirakkaa”. Tällä viitattiin tilanteeseen, jossa tekemisen määrä lisääntyy jatkuvasti. Samalla nostettiin esiin ajatus siitä, että palautumiseen pitäisi kiinnittää aiempaa enemmän huomiota.

 

Design, luovuus ja kulttuurikonteksti

Keskustelussa todettiin, että hyvä design perustuu sääntöihin ja säännönmukaisuuksiin, joita voidaan myös opettaa algoritmeille. Tekoäly pystyy jäljittelemään hyvin esimerkiksi valmiita design-systeemejä, mutta sillä ei nähty olevan omaa kulttuurikontekstia siitä, mikä toimii eri ympäristöissä, esimerkiksi siinä, mikä toimii Suomessa ja mikä Japanissa.

Samalla korostettiin, että hyvä designer osaa myös rikkoa sääntöjä silloin, kun siihen on tarvetta. Krista Jäntti kuvasi tätä havaintona siitä, että joskus jokin tuntuu erityisen raikkaalta, kun huomaa, ettei sen tekemisessä ole käytetty tekoälyä.

Joni Juup kertoi tekoälyn muuttaneen käytännön design-työtä siten, että asiakkaille voidaan toimittaa nopeasti toimivia prototyyppejä ja keskittyä enemmän kommunikoimaan toiminnallisilla asioilla, eikä aikaa tarvitse käyttää samalla tavalla ”neliöiden piirtämiseen” suunnittelutyökaluissa, minkä hän kertoi olleen typerin osa työssään.

 

Autenttisuus säilyttää arvonsa

Autenttisuus, kriittinen ajattelu ja vastuu omista tuotoksista nousivat keskustelussa vahvasti esiin. Marcus Mattila kertoi arvostavansa viestinnässä henkilökohtaista jälkeä ja rosoisuutta valmiin tekoälytuotoksen sijaan. Hän nosti esiin myös havainnon, että monet suurten yritysten johtajat palaavat hands on -työhön, vaikka olisivat rakentaneet tekoälyagentteja tekemisen tueksi, koska itse tekeminen koetaan edelleen mielekkääksi.

Joni Juup kertoi, ettei halua ulkoistaa kommunikointia ihmisten kanssa tekoälylle, vaan haluaa vastata itse, koska kyse on hänelle periaatteellisesta asiasta. Hän kertoi, että tuntuisi pahalta, jos kollega olisi viestitellyt tunnin tekoälyassistentin kanssa eikä olisi edes huomannut sitä.

Krista puolestaan kertoi käyttävänsä tekoälyä esimerkiksi kritiikin saamiseen ja käännöksiin, mutta myös tekevänsä itse pieniä tekoälyelokuvia, koska haluaa tehdä sitä itse, kun se on niin kivaa.

 

AI-lukutaito nousee keskeiseksi taidoksi

Keskustelussa korostettiin tarvetta ymmärtää tässä maailmanajassa, mitä konteksti on ja miten se toimii. Tätä kuvattiin myös AI-lukutaitona. Lisäksi keskustelussa korostettiin, etteivät tekoälyn mielipiteet ole koskaan objektiivisia. Tekoäly on hyvä analysoimaan suuria tekstimassoja, mutta se on samalla koulutettu miellyttämään käyttäjää.

AI-lukutaito tarkoittaa ymmärrystä siitä, etteivät kielimallit ole neutraaleja tiedonlähteitä, vaan ne tuottavat todennäköisiä ja uskottavia vastauksia, jotka voivat olla myös virheellisiä. Samalla nostettiin esiin havainto siitä, että tekoälymallit on opetettu miellyttämään.

Joni Juup kertoi esimerkin värinarvauskisasta, jossa tekoäly vastasi vasta neljännellä kerralla, että arvaukset olivat oikein. Kun Joni kysyi tarkentavasti, olivatko ne alkuperäiset värit, vastaus olikin, etteivät ne olleetkaan alkuperäisiä värejä.

Krista Jäntti puolestaan kertoi, että opiskelijoita täytyy muistuttaa tutkimustyössä laadukkaiden lähteiden käyttämisestä ja lähteiden tarkistamisesta myös silloin, kun tekoälyä hyödynnetään osana työskentelyä.

 

Tulevaisuuden osaaminen painottuu kokonaisuuksiin

Keskustelussa käsiteltiin myös tulevaisuuden työelämää ja muuttuvia osaamistarpeita. Paneelissa todettiin, ettei välttämättä lähtisi enää koodariksi samalla tavalla kuin aiemmin olisi voinut ajatella, koska työn painopiste siirtyy yhä enemmän speksaamiseen, ymmärtämiseen ja kokonaisuuksien hallintaan.

Samalla arvioitiin, että yksittäisiä lokerotöitä voi olla tulevaisuudessa vähemmän. Esiin nousivat erityisesti projektinhallintataidot, kyky viedä asioita loppuun sekä oppimaan oppiminen nopeasti muuttuvassa toimintaympäristössä. Keskeiseksi nähtiin myös kyky yhdistää eri alojen osaamista ja toimia tehokkaasti tekoälyn tukemana.

 

Energiatehokkuus ja riippuvuus kielimalleista

Paneelin lopussa keskusteltiin myös energiankulutuksesta, energiatehokkuudesta ja riippuvuudesta kielimalleista. Tekoälyä kuvattiin tällä hetkellä merkittäväksi energian kuluttajaksi, mutta samalla uskottiin energiatehokkuuden paranevan teknologian kehittyessä.

Keskustelussa nostettiin esiin myös pienet kielimallit, jotka voivat toimia omalla läppärillä ja joiden nähtiin vähentävän riippuvuutta ulkopuolisista palveluista. Lisäksi keskustelussa nousi esiin ajatus siitä, että jos “joku vetää johdon seinästä”, niin aletaan herätä siihen, ettei koko toimintaa kannata rakentaa yhden kielimallin varaan.

Jos riippuvuus yhdestä toimijasta kasvaa liian suureksi, koko toimintamalli voi muodostua haavoittuvaksi. Keskustelussa todettiin myös, että oman kielimallin osittainen omistaminen nähtiin energiatehokkaana vaihtoehtona.

 

Yhteenveto

Keskustelun lopputiivistyksessä ei korostunut tekoälyn korvaava rooli, vaan ihmisen roolin muutos kohti laajempaa, vastuullisempaa ja vaikeammin määriteltävää kokonaisuutta. Vaikka keskustelussa käsiteltiin merkittävää muutosta, epävarmuutta ja jatkuvaa mukautumista, sen läpi kulki ajatus siitä, että ihmisellä on edelleen paljon annettavaa erityisesti siksi, että tekoäly ei ymmärrä vastuuta, merkitystä tai kontekstia samalla tavalla kuin ihminen.

Ehkä juuri siksi Jonin loppukommentti jäi niin hyvin mieleen.

“Kaikki menee ihan hyvin.”