Lupausten ja todellisuuden välissä: tekoälyn potentiaali ja sudenkuopat tietotyössä

Tekoälyn käyttöönotto organisaatioissa kasvaa räjähdysmäisesti, mutta kiiltokuvan pintaa raaputtaessa paljastuu kiinnostava ristiriita. Microsoft raportoi (2024), että jopa 75 prosenttia tietotyöntekijöistä hyödyntää tekoälyä työssään, ja esimerkiksi Copilotin käyttö kasvoi vuoden 2024 alkupuoliskolla jopa 150 prosenttia. Luvut näyttävät vaikuttavilta, kunnes pysädymme kysymään, mitä tekoälyllä oikeastaan tehdään.

Upwork Researchin (2024) viime vuonna tekemän tutkimuksen mukaan 77 prosenttia työntekijöistä kokee tekoälyn itse asiassa lisänneen heidän työmääräänsä, ja 47 prosenttia ei tiedä, miten he voisivat saavuttaa tekoälyltä odotetut tuottavuushyödyt. Tekoälyn piti tehostaa työtämme, mutta sen sijaan työmäärämme on empiiristen kokemusteni perusteella vain kasvanut entisestään.

Kyseinen paradoksi on tunnistettu useilla eri aloilla. Tästä kertovat useat eri tutkimukset, kuten esimerkiksi edellä mainittu Upwork Researchin kyselytutkimus (2024). Amerikkalaisen ohjelmistoyritys Asanan tekemän ’State of AI at Work’ -kyselyn mukaan digitaalisen väsymyksen määrä on kasvussa, ja työntekijät ovat väsyneempiä kuin koskaan aikaisemmin (2025). Myös Microsoftin ’Work Trend Index’ -raportti (2024) kertoo ylitöiden ja työajan ulkopuolella tehtävän työn lisääntyneen merkittävästi.

Kultainen noutaja laavameressä ja kissa kuumatkalla

On varmasti monia syitä siihen, että päädymme tekemään enemmän töitä vaikka meillä on käytössämme työkaluja, joiden pitäisi helpottaa arkeamme ja tehostaa työtämme. Ensinnäkin tekoäly luo ja kasvattaa henkilöstön tuottavuusodotuksia. Sen sijaan, että organisaatiot pyrkisivät uudistamaan itseään, skaalautumaan ja korjaamaan sirpaleista työelämää, niin monet ovat päätyneet pikemmin automatisoimaan hallitun kaaoksen.

Toisekseen useassa tapauksessa aika, jonka säästämme käyttämällä tekoälyä, voi kulua tekoälyagenttien tai kollegoiden tekoälyllä tuottaman sisällön tarkastamiseen, muokkaamiseen ja virheellisten tietojen korjaamiseen (Asana 2025). Samainen kyselytutkimus paljasti myös merkittävän koulutusvajeen, kun jopa 82 prosenttia tietotyöntekijöistä totesi koulutuksen olevan välttämätöntä tekoälyagenttien tehokkaaseen käyttöön, mutta vain 38 prosenttia vastaajien organisaatiosta on tarjonnut sitä.

Tulos ei tullut minulle yllätyksenä. Tekoälyvalmentajana muun muassa ReiluAI-hankkeessa ja sen suurkuluttajana painotan itsekin useissa tutkimus-, kehittämis- ja innovaatiohankkeissamme, että jokaisen tulisi päästä kokeilemaan, vaikuttamaan ja opettelemaan tekoälysovelluksia, ja että organisaatioiden tulisi tarjota asianmukaista koulutusta. Jokaisella tulisi olla yhdenvertaiset mahdollisuudet kehittää itseään ja työtään.

Samaan aikaan en voi olla kysymättä itseltäni, miksi esimerkiksi HR-asiantuntijan tulisi osata luoda keskinkertaisia videoita tekoälyllä. Tai mihin me tarvitsemme kuvaa kultaisesta noutajasta istumassa kivellä keskellä laavavirtaa? Tai animaatiota kissan kuumatkasta? Luulen, että näihin kysymyksiin liittyy myös yksi tekoälyn ydinongelmista.

Sen sijaan, että tehostaisimme työtämme, teemme enemmän turhaa työtä, jonka joku muu tekisi huomattavasti nopeammin ja paljon paremmin. Teemme asioita siksi, koska voimme tehdä niitä, emmekä suinkaan siksi, että meidän kannattaisi tehdä niitä. Tästä kertoo osaltaan myös se, että tähän mennessä tekoälyn tuottavuushyödyt ovat jääneet maltillisiksi, vaikka sen käyttöönotto on ollut nopeaa lähes alaa katsomatta (Maslej ym. 2024; OECD 2025).

Tekoäly ja keskinkertaisuuden loukku

Tekoäly on kehittynyt nopesti, mutta sen sisältö on yhä parhaimmillaankin vain keskinkertaista. Se on sujuvaa, korrektia ja täynnä amerikkalaistyyppisiä superlatiiveja ja ajatusviivoja. Huomio on herättänyt myös kansallista huvittuneisuutta ja keskustelua tekoälyn käytöstä laajemmassa kontekstissa (Güven 2025). Eräs kollegani totesikin taannoin osuvasti, että tekoäly voi hämätä asiantuntijaa aiheissa, joita hän ei tunne, mutta omalla tontillaan asiantuntija havaitsee hetkessä sisällön pinnallisuuden.

Tutkimukset osoittavat, että tekoälyn tuottamassa tekstissä (ja miksei muissakin sisällöissä) on havaittavissa toistuvia kaavoja ja tyypillisiä piirteitä, ja että suuret kielimallit tuottavat virheellistä ja jopa keksittyä tietoa. Ilmiö tunnetaan yleisesti termillä ’hallusinointi’. (esim. Ji ym. 2023.) Niin kulunut kuin sanonta onkin, tekoäly on vain niin hyvä kuin sen koulutuksessa käytetty data. Lisäksi, kun kaikki käyttävät samoja työkaluja samalla tavalla, lopputuloksena on sisällön yksipuolistuminen.

Tuolloin se, mikä erottaa meidän kilpailijoistamme, ei ole enää kyky tuottaa paljon geneeristä sisältöä, vaan kyky ajatella kriittisesti ja tuottaa jotain aitoa ja inhimillistä tekoälyn avustamana. Taidokkaalla promptauksella, eli kehotteiden antamisella tekoälylle, voi erottua massasta jonkin aikaa, mutta tämä ei estä vääjäämätöntä sisällön yhdenmukaistumista.

Milloin tekoälystä on todella hyötyä

Microsoftin varhaiskäyttäjätutkimus (2023) raportoi Copilotin käyttäjien olevan 29 prosenttia nopeampia tietyissä tehtävissä, mutta tämä ei kerro koko totuutta. Tutkimus koski vain rajattua joukkoa varhaiskäyttäjiä, eikä nopeus vielä tarkoita parempaa lopputulosta. Lähes puolet tietotyöntekijöistä ei vieläkään tiedä, miten käyttää näitä työkaluja tehokkaasti (Upwork 2024).

Monet hyödyntävät tekoälyä vain pintapuolisesti sähköpostien tiivistämiseen tai yksinkertaisten tekstien tuottamiseen ja kääntämiseen. Jos ainoa käyttötapamme on pyytää tekoälyä kirjoittamaan versio tekstistä, jonka voisimme kirjoittaa itse viidessä minuutissa, niin emme hyödynnä sen koko potentiaalia. Tekoälystä on apua parhaiten silloin, kun se vapauttaa meidät rutiinitehtävistä, jotka vievät aikaa, mutta eivät vaadi luovuutta tai syvällistä asiantuntemusta.

Tällaisia tehtäviä ovat esimerkiksi kokousmuistioiden kirjoittaminen, nopeat käännöstehtävät sekä trendien, tilastojen, uutisten ja tutkimusten hakeminen tausta-aineistoksi. Työssäni hankkeiden ja viestinnän parissa tekoäly voi analysoida suuren määrän palautetta ja tunnistaa siitä toistuvia teemoja, joita voi hyödyntää strategisessa suunnittelussa. Lisäksi se voi tehdä ensimmäisen luonnoksen tekstistäni, kun poden itse valkoisen paperin kammoa.

Tekoäly osana laajempaa työelämän muutosta

Tekoälyn käyttö vaatii kriittistä ajattelua sen suhteen, mihin se soveltuu ja mihin ei. Se vaatii ymmärrystä työkalujen monimuotoisuudesta, niiden soveltuvuuksista, rajoituksista, tietokannasta, ja kulttuurisista vinoumista. Toisaalta samaan aikaan lienee sanomattakin selvää, että vain asiantuntija itse tietää, mitkä työkalut soveltuvat hänen tehtäviinsä parhaiten. Tästä syystä organisaatioiden tulisi panostaa entistä enemmän kokeilemiseen ja kouluttamiseen.

Lisäksi todellisen arvon synnyttäminen edellyttää kykyä ja mahdollisuuksia muotoilla työtä uudelleen, dataperustan ja arkkitehtuurin, muutoksenhallintaa ja tekoälynlukutaitoa henkilöstöltä (McKinsey & Company 2025; Wade ym. 2025; Stanford Human-Centered AI Institute 2025). Pelkkä lisenssien jakaminen ei riitä.

Työpaikoilla tarvitaan selkeät periaatteet siitä, mihin ja milloin tekoälyä kannattaa käyttää, ja milloin inhimillinen työpanos on tärkeämpää ja jopa vaadittua. Tarvitaan työpajoja, joissa opetellaan yhdessä tunnistamaan tai luomaan ne työtehtävät, joissa tekoäly todella tehostaa työtä – ja ne, joissa se vie vain aikaa tai aiheuttaa lisää työtä ja kustannuksia. Ennen kaikkea tarvitaan rohkeutta sanoa, ettei kaikkea tarvitse tehdä tekoälyllä, vaikka se olisikin mahdollista. Kyse on siis lopulta myös asenteista, jossa uteliaisuus nostetaan keskeiseksi arvoksi, ja jossa epäonnistumisista voidaan puhua avoimesti ja niistä opitaan.

Samalla meidän on ymmärrettävä, että tekoälyn integroiminen työnkulkuihin ei tapahdu hetkessä. Se vaatii jatkuvaa dialogia organisaation eri tasoilla: johdon ja työntekijöiden välillä, eri osastojen kesken, sekä teknologiatoimittajien ja organisaatioiden välillä. Tavoitteena tulee olla tekoälyn nykyistä älykkäämpi käyttö. Sen sijaan, että jatkaisimme työpaikoilla hallitun kaaoksen automatisointia, meidän tulisi pysähtyä kysymään, mitä työtä meidän todella kannattaa tehdä.

Kuva: Shutterstock