Tekoälyn kehitys on lisännyt merkittävästi tietotekniikan kykyä tuottaa ihmisille uutta lisäarvoa. IBM:n Deep Blue-tietokone voitti shakin maailmanmestarin jo vuonna 1996, ja saman firman rakentama tekoälypohjainen tietojärjestelmä voitti ihmiset tietovisassa vuonna 2011. Tietotekninen laite oli siten maailman paras näissä asioissa jo tuolloin. Enää tietotekniikka ei ole rutiineissa pelkästään ihmistä parempi, vaan se kykenee ihmistä parempiin kognitiivisiin suorituksiin vaativissa rajatuissa tehtävissä.

Teknisiä laitteita on helppo arvioida niiden suorituskyvyn, laadun tai vaikkapa kustannustehokkuuden mukaan. Lehdissä on paljon testejä, joissa haetaan testivoittajaa esimerkiksi autojen, puhelinten tai vaikkapa robotti-imurien joukosta. Edellä mainituille teknisille vertailuille yhteistä on se, että niiden paremmuutta mitataan ihmisten saaman lisäarvon kautta. Tekoälyä arvioitaessa usein viitataan muuttuvaan työelämään.

Osmo Soininvaara (2017) on pohtinut tekoälyn ja työelämän suhdetta. Hän toteaa, että ”[t]oistaiseksi automaatio on vähentänyt työn kysyntää yksipuolisesti ja johtanut kognitiivisen eliitin ylivaltaan. Ihmisen ominaisuuksista se, mitä ennen kutsuttiin älykkyydeksi, on muodostunut ylivoimaisen tärkeäksi.” Hänen mukaansa tekoäly antaa ihmisille lisää kognitiivisia kykyjä ja tästä hyötyvät erityisesti tietotyöläiset. Siksi asiantuntijoiden työn tuottavuus on noussut entisestään.

Tekoäly kykenee jo tänä päivänä esimerkiksi lääketieteessä ihmistä parempiin riksianalyyseihin rajatuissa asioissa. Alan asiantuntijat kuitenkin huomattavat (esim. Knight-Greenfield, 2019), että ihmisen tulee olla edelleen analyysiprosessissa mukana varmistamassa tulosten oikeellisuutta. Keskeinen luotettavuusongelma liittyy datan kautta mahdollisesti tuleviin vääristymiin, koska aikaisemmin käytetty data ei välttämättä edustakaan täysin uuden potilaan kohderyhmää.

Tekoäly on hyvä kognitiivinen assistentti huippuasiantuntijoille. Vaikka tekoäly kykenee tunnistamaan jo ihmisten tunnetiloja biometristen tietojen ja kasvojen ilmeiden perusteella, siltä puuttuu edelleen kyky tilannetajuun, tunneälyyn ja todelliseen empatiaan.

Aivan kuten ihmisiä, myös tekoälyä tulee opettaa ja kouluttaa. Keskeistä on se, millä datalla sitä koulutetaan ja ketkä sitä tekevät. Puhutaan interaktiivisesta koneoppimisesta, jossa ihminen ja tekoäly ovat vuorovaikutuksessa, jossa ihminen tarkkailee ja ohjaa tekoälyn algoritmien oppimista. Tämä on ikään kuin mestari-kisälli-oppimista. Tällaisia esimerkkejä (Holzinger, 2016) löytyy esimerkiksi terveydenhoidosta ja sairaaloista, joissa asiantuntijat kouluttavat ja valvovat tekoälyn tuottamia tuloksia.

Tekoäly voittaa siten ihmisen joissakin asioissa, kun sitä on koulutettu, testattu ja kehitetty tarpeeksi paljon ja kun käytössä on ollut riittävän suuri ja laadukas data. Samalla tavalla vuosia harjoittelut kilpahiihtäjä voittaa harrastehiihtäjät tai 50 vuotta töitä tehnyt ammattilainen aloittelijan. Huippuyksilö voi olla maailman paras vain kapealla alalla.

Paremmuutta arvioitaessa olennaista on ihmisen ja tekoälyn vuorovaikutuksen laatu. Viime vuosina tekoälyn erääksi kriteeriksi on noussut sen kyky tuottaa luetettavia ja eettisesti kestäviä tuloksia. Enää ei riitä, että tekoäly kykenee analysoimaan tai suosittelemaan, vaan ihmisten tulee kyetä arvioimaan ja jopa jäljittämään, miten tekoäly päätyy tiettyihin tuloksiin. Tämä on eräänlaista laadun tarkkailua, ikään kuin pistokokeita ja työnäytteitä. Samalla tavalla asiantuntijoilta edellytetään usein korkeakoulututkintoa ja näyttöä osaamisestaan, kuten työkokemusta, julkaisuja, suosittelijoita tai portfolioita. Heiltä myös edellytetään eettisesti, moraalisesti ja sosiaalisesti kestävää käytöstä.

Voiko tekoäly olla ihmistä parempi? Ehkä mielekkäämpi kysymys olisikin, miten työntekijöiden työn tuottavuutta, innovatiivisuutta ja laatua nostetaan tekoälyn avulla. Keskeistä onkin joukkue- tai kaksinpeli eikä yksilösuoritukset.

Eräs mielenkiintoinen tutkimussuuntaus on ”augmented human”, jossa tekniikka toimii ihmisen ”uutena aistina tai kykynä”. Esimerkiksi Minonne ja Lam (2021) kuvaavat artikkelissaan, miten tekoälyä voisi valjastaa ihmisen avuksi esimerkiksi puettavien älyvaatteiden avulla. Kun tekoäly on kiinteämmin osa ihmisen arkea ja kulkee mukana kaikkialla, ihmisten ei tarvitse kilpailla tekoälyä vastaan vaan he sulautuvat yhdeksi ”tekoälyavusteiseksi ihmiseksi”. Elävä esimerkki tällaisesta tekniikan ja ihmisen vuorovaikutuksesta on Neil Harbisson, jolle on kiinnitetty fyysisesti antenni pääkalloon (ks. esim. Wei & Flanagan, 2015). Hän syntyi värisokeana mutta kykenee nyt aistimaan värit antenninsa avulla.