Tässä artikkelissa tarkastelemme tekoälyn käyttöönottoprosessin eri vaiheita sekä kunkin vaiheen keskeisiä tehtäviä . Tekoälyn käyttöönotto liiketoimintaprosesseissa ja erilaisissa tehtävissä sisältää useita pieniä ja isompia vaiheita. Kun tekoälyn hyödyntäminen asiantuntijatyön tukena on opittu, myös manuaalisten tehtävien korvaaminen tekoälyllä ja erityisesti sen tekoälyagenteilla käy huomattavasti helpommin.
AI Skaalaajat-hankkeen matkailu- ja ravintola-alalle suunnatuissa työpajoissa olemme yhteiskehittäneet, mallintaneet ja suunnitelleet käytäntöjä, joissa generatiivisten tekoälytyökalujen avulla ravintolat, hotellit ja matkailualan yritykset voisivat helpottaa työtehtäviä. Työpajojen aikana käydyissä keskusteluissa on korostunut, että kun oivalletaan, miten generatiivista tekoälyä voidaan hyödyntää esimerkiksi asiakasviestinnässä, samoja periaatteita on helppo soveltaa myös laajemmin.
Samanlaista kehitystä edistävää ja uusia malleja jäsentelevää keskustelua on käyty myös muissakin tämän hankkeen yhteiskehittämisen työpajoissa. Tulokset ovat siten sovellettavissa myös laajemmin eri alojen yrityksiin ja julkisen sektorin organisaatioihin.
Vaikka tässä artikkelissa kuvattu prosessimalli sisältää yleisesti tiedossa olevia liiketoiminnan ja ohjelmistokehityksen työvaiheita, olemme täydentäneet niitä tekoälyn tuomilla erityispiirteillä. Perinteiseen kehittämiseen verrattuna tekoälyn prosessimallissa korostuvat tietoturva ja tekoälyn käyttösäännöt.
Toisin kuin perinteiset ohjelmistot, tekoäly saattaa käsitellä, hyödyntää ja yhdistää tietoja laajemmin ja joskus yllättävälläkin tavalla. Lisäksi tekoälyn tarkkuutta, luotettavuutta ja soveltuvuutta joudutaan arvioimaan laajemmin kuin perinteisiä ohjelmistoja käyttöönotettaessa. Varsinkin tekoälyassistentteja ja -agentteja rakennettaessa niille syötetään toimintakehotteita (promteja) ja työnkulkuja, joilla on merkittävä vaikutus niiden toimintaan.
Perinteisiä ohjelmistoja voi harvoin esiopettaa ja ohjeistaa yhtä paljon kuin tekoälypohjaisia assistentteja ja agentteja. Niiden toiminta saattaa myös muuttua samaan aikaan kun sen käyttämä data laajenee tai muuttuu. Siksi konseptointi, kehotteiden luominen, tietoturva, käyttösäännöt ja tulosten arviointi suhteessa tavoitteisiin nousee suurempaan rooliin tässä artikkelissa kuvatussa prosessimallissa. Olemme myös tuoneet mukaan vaiheisiin 1 ja 2 hankkeessa luodut työpohjat, joiden avulla prosessimallin suunnittelua voidaan helpottaa ja nopeuttaa.
Tutkimuskirjallisuudesta tiedämme, että tekoälyn käyttöönotossa ja skaalaamisessa keskeistä on luoda organisaatioon uusia työnkulkuja, työtapoja ja käytäntöjä (Maragno ym. 2023; Alamäki 2025). Pk-yrityksissä menestyksekäs tekoälyn soveltaminen edellyttää teknologian ja osaamisen lisäksi uusia resursseja, positiivista oppimiskulttuuria, viestintää, johtajuutta ja esimerkiksi regulaatioon liittyvien asioiden huomioimista (Schwaeke ym. 2025).
Generatiivisen tekoälyn käyttöönoton ja skaalaamisen prosessimalli
Seuraavana kuvataan generatiivisen tekoälyn käyttöönoton ja skaalaamisen prosessimallin kahdeksan keskeistä vaihetta. Mallia voi soveltaa esimerkiksi tekoälyavusteisen markkinointistrategian laadintaan, markkinointimateriaalin ideointiin ja tuotantoon, asiakaspalautteiden sisältöjen yhtenäistämiseen, sisältömarkkinoinnin tehostamiseen tai vaikkapa hallinnollisten rutiinien helpottamiseen tai jopa koodaukseen. Generatiivinen tekoäly taipuu moniin erilaisiin tarkoituksiin, joissa tulee tuottaa, tiivistää tai muokata erilaisia sisältöjä tai asioita.
Organisaatiolla tulee olla aina perusteltu syy investoida tekoälypohjaisen ratkaisun kehittämiseen ja käyttämiseen. Aloite voi tulla esimerkiksi yksittäiseltä työntekijältä tai ryhmältä, jossa jokin työntekijäryhmä tietohallinnosta, markkinoinnista tai vaikkapa henkilöstöhallinnosta haluaa tehostaa tai automatisoida työtehtävien hoitamista tekoälyratkaisun avulla. Toisinaan aloite tulee ulkoa, josta tarjotaan sopivaa tekoälyratkaisua kokeiltavaksi ja käytettäväksi.
Kuvio 1. Generatiivisen tekoälyn käyttöönoton ja skaalaamisen prosessimalli.
1. Kehitystavoitteen määrittely
Kehitystavoitteen määrittely on projektin ensimmäinen vaihe. Se on kehitysprojektin lähtöpiste, jossa generatiivinen tekoäly suunnitellaan ja toteutetaan tiettyihin organisaation tehtäviin tai prosesseihin. Tässä vaiheessa tunnistetaan ja dokumentoidaan, mitä loppukäyttäjät odottavat ja tarvitsevat tekoälysovellukselta. Keskiössä on käyttäjien tarpeiden ja odotusten ymmärtäminen.
AI Skaalaajat-hankkeen työpohjat Tekoälyn liiketoiminnallinen perusta ja Tekoälyn käyttötapausten mallintaminen auttavat jäsentämään liiketoiminnan tavoitteita ja tekoälyn mahdollisuuksia toisiin. Sitä kannattaa hyödyntää tässä vaiheessa tekoälyprojektia.
Toteuta seuraavat tehtävät osana vaihetta 1:
- Tekoälyn liiketoiminnallinen perusta ja Tekoälyn käyttötapausten mallintaminen – työpohjien avulla jäsennetään yrityksen tavoitteiden ja resurssien näkökulmasta tekoälyn potentiaalia ja mahdollisuuksia.
- Kehitysideoiden kerääminen käyttäjiltä (esim. uutiskirjeen laatiminen, viestipohjien laatiminen, markkinointimateriaalin tuottaminen, markkinointistrategia)
- Tekoälyn avulla tehostettavan työtehtävän tai työnkulun ”pullonkaulojen” tunnistaminen
- Valittujen kehityskohteiden dokumentointi ja priorisointi
2. Käyttötapausten ja työvaiheiden mallintaminen
Tässä vaiheessa tunnistetut tarpeet muutetaan käyttötapauksiksi. Käyttötapaus kuvaa, miten käyttäjät ovat vuorovaikutuksessa tekoälysovelluksen kanssa tavoitteidensa saavuttamiseksi. Käytännössä se tarkoittaa asioita kuten ”mitä tulee tehdä ja saavuttaa, miten se tehdään, kuka tekee, mitä voidaan ulkoistaa tekoälylle, jne”.
Kun nämä asiat on saatu sovittua, voidaan määritellä tekoälyn tuottama toiminnallisuus, kuten ”sovelluksen tulee lukea dokumentti ja tehdä siitä yhteenveto” tai ”sovelluksen tulee kirjoittaa uutiskirje yrityksen vahvuuksia korostaen pääasialliselle asiakasryhmällemme”.
AI Skaalaajat-hankkeen Tekoälyn käyttötapausten mallintaminen-työpohja on tehty tämän vaiheen määrittelyn työpohjaksi ().
Toteuta seuraavat tehtävät osana vaihetta 2:
- Käyttötapauskaavioiden tai työvaihekuvausten laatiminen
- Tekoälyavusteisten käyttötapausten validointi loppukäyttäjien kanssa
- Toiminnallisten vaatimusten listaaminen ja uuden työvaihekuvauksen laatiminen
3. Tietosuoja ja tekoälyn käyttösäännöt
Tässä vaiheessa on hyvä pysähtyä hetkeksi miettimään tietosuojaa, jotta tekoälylle ei kukaan vahingossa syötä henkilötietoja, liikesalaisuuksia tai asiakkaiden tietoja. Siksi on hyvä listata tekoälyn käyttösäännöt, joissa listataan ”kielletyt” sisällöt.
Lisäksi tulee laatia vinkkejä, miten tekoälyn tuottama sisältö tarkistetaan. Tekoäly saattaa keksiä itse asioita ja tuottaa kuvia ja videoita, jotka eivät sovi yrityksen todelliseen ympäristöön tai kontekstiin. Esimerkiksi hotellin ulkoasu voi olla erilainen tai vieressä olevat puut, mainokset tai katulamput eivät vastaa todellisuutta.
Myös muut säädökset, kuten tekoälyasetus (AI Act) ja tietosuoja-asetus (GDPR) voivat tuoda huomioitavia asioita, jotka tulee tunnistaa suhteessa käyttötapaukseen (ks. esim. Alamäki ym. 2025). Samalla käyttötapauksen riskiluokka tulee selvittää, koska osa voi olla esimerkiksi tekoälyn soveltamisen korkean riskin alueella.
Toteuta seuraavat tehtävät osana vaihetta 3:
- Listataan asiat, joita tekoälylle ei saa syöttää tai jota ei saa olla sinne ladattavissa dokumenteissa
- Selvitetään käyttötapauksen suhde mm. tekoälysäädökseen ja tietosuoja-asetukseen
- Laaditaan esim. A4 kokoa olevat tekoälyn käyttösäännöt huoneentauluksi
4. Työkalujen arviointi ja valinta
Tässä vaiheessa arvioidaan erilaisia teknologisia vaihtoehtoja tai valmiita ratkaisuja. Tavoitteena on valita tarpeisiin ja tilanteeseen parhaiten sopiva generatiivisen tekoälyn sovellus. Tässä vaiheessa kannattaa myös suunnitella hieman pitemmälle, koska työkalusta seuraava vaihe on tekoälyagenttien rakentaminen. Kun on opittu soveltamaan tekoälyä osana työprosesseja, voidaan seuraavassa vaiheessa rakentaa automaatiota tekoälyagenttien avulla.
Toteuta seuraavat tehtävät osana vaihetta 4:
- Ominaisuuksien ja valmiiden toiminnallisuuksien suhde käytön asettamiin vaatimuksiin
- Tekoälyratkaisujen tai alustojen vertailu (ominaisuudet, oma osaaminen ja kokemus, hinnoittelu, saatavilla oleva tuki, integroitavuus, suhde muuhun IT-infrastruktuuriin ja IT-politiikkaan, laajentamismahdollisuudet tekoälyagenteiksi, jne.)
5. Proof of Concept (POC) kokeiluvaihe ja promptien laatiminen
POC on pienimuotoinen toteutus valitun ratkaisun soveltuvuuden testaamiseksi. Sen avulla nähdään, toimiiko konsepti käytännössä ennen laajempaa sitoutumista. Sisällytä promptiin (ohje tai kehote tekoälylle) esimerkiksi seuraavat asiat; ”mitä tavoittelen tai tarvitsen, kenelle se tuotetaan, missä muodossa, kuinka laaja tai syvällinen ja millä tyylillä tuotetaan”.
Promptit ovat siten valmiita ohjeita tai kehotteita tekoälylle mitä eri työvaiheissa tarvitaan. Ne säästävät aikaa, parantavat tuloksia ja auttavat tarkentamaan toimeksiantoja tekoälylle, jotta saadaan mahdollisimman tarkkoja ja laadukkaita tuloksia. Ne ovat myös AI-assistenttien tai agenttien toimintaohjeita.
Toteuta seuraavat tehtävät osana vaihetta 5:
- Kokeiluversioiden käyttöönotto
- Promptien (tai AI assistentin/agentin) toteutus ja kokeilu
- Testaus valittujen käyttäjien kanssa
6. POC-kokemusten arviointi ja osaamisen syventäminen
POC:n tuloksia analysoidaan sen selvittämiseksi, täyttääkö luotu uusi toimintatapa ja sen tekoälyratkaisu vaiheessa 1 asetetut tavoitteet ja vaiheen 2 vaatimukset. Arvion perusteella päätetään se, miten jatketaan vai hylätäänkö ratkaisu.
Toteuta seuraavat tehtävät osana vaihetta 6:
- Koettu hyöty suhteessa kehitysvaatimuksiin ja tavoitteisiin
- Kokemusten, hyötyjen ja käyttäjäpalautteen analysointi
7. Uusien tekoälyavusteisten työvaiheiden jalkautus
Jos POC onnistuu, ratkaisu otetaan virallisemmin käyttöön tai kehitetään täyteen mittaansa.
Toteuta seuraavat tehtävät osana vaihetta 7:
- Koulutus uusiin työtapoihin ja tekoälytyökalujen käyttöön
- Opastusmateriaalin toteuttaminen ja dokumentointi
- Tekoälyagenttien toteuttaminen, testaus ja käyttöönotto
8. Tekoälyavusteisten työtapojen skaalaaminen
Tämä vaihe tulee kyseeseen, kun uusi toimintapa ja ratkaisu toimivat ja tuottavat lisäarvoa käytännön tilanteessa. Siinä aletaan skaalaamaan opittua tekoälyn soveltamisen käyttötapausta muillekin alueille tai osastoille. Esimerkiksi markkinoinnissa opittuja tapoja ja malleja voidaan soveltaa asiakaspalveluun ja viestintään tai jopa hallinnollisiin rutiineihin. Jatkuva kehittäminen ja muutoksenhallinta varmistavat sujuvan käyttöönoton ja pitkän aikavälin hyödyt.
Toteuta seuraavat tehtävät osana vaihetta 8:
- Käyttäjien koulutus ja osaamisen jatkuva kehittäminen
- Työnkulkujen ja käyttöohjeiden päivittäminen
- Suorituskyvyn ja vaikuttavuuden analyysi ja seuranta
AI skaalaajat-hanke
AI Skaalaajat-hankkeessa olemme järjestäneet yhteiskehittämisen työpajoja, joissa alustuspuheenvuoron jälkeen yritykset jakavat kokemuksiaan, näkemyksiään ja jalostavat käytäntöjä tekoälyn tehokkaammasta käyttöönotosta ja skaalaamisesta.
Tähän artikkeliin on mallinnettu generatiivisen tekoälyn käyttöönotosta ja osaamisen skaalaamisesta havaintoja ja kokemuksia, joiden pohjalta jäsentelimme kahdeksanosaisen prosessin. Se on tuotos, joka auttaa erityisesti pk-yrityksiä ja julkisen sektorin toimijoita toteuttamaan tekoälyprojekteja, joissa osa työvaiheista siirretään generatiivisen tekoälyn tehtäväksi. Tätä samaa prosessimallia voidaan soveltaa myös eri aloille ja siitä voi saada vinkkiä myös suuremmatkin yritykset.

Lähteet
Alamäki, A. 2025. Expanding AI adoption in public sector organizations: perspectives on management practices. Transforming Government: People, Process and Policy.
Alamäki, A., Hiekkanen, K. & Laintila, O. 2025. Tekoälyn sääntely on täällä, oletko valmis? Sytyke-lehti 1, s. 4-7.
Maragno, G., Tangi, L., Gastaldi, L. & Benedetti, M. 2023. Exploring the factors, affordances and constraints outlining the implementation of artificial intelligence in public sector organizations. International Journal of Information Management, 73, s. 102686.
Schwaeke, J., Peters, A., Kanbach, D. K., Kraus, S., & Jones, P. 2025. The new normal: The status quo of AI adoption in SMEs. Journal of small business management, 63, 3, s. 1297-1331.