Tekoälyratkaisut tehostavat off-boarding -prosessia pk-yrityksissä

Suomalaisissa pk-yrityksissä ollaan lähivuosina tilanteessa, jossa osaamista katoaa joko eläköityvien osaajien mukana tai työpaikkaa yhä nopeammin vaihtavan henkilöstön mukana. Erityisesti pk-yrityksille tilanne on kriittinen, sillä yhden konkariosaajan mukana saatetaan menettää iso osa vuosien varrella kertynyttä kokemusta ja osaamista.

Millaiset tekoälyratkaisut voisivat auttaa säilyttämään tietoa ja kokemusta silloin, kun työntekijä vaihtaa työpaikkaa tai jää eläkkeelle?

Tämä teksti pohjautuu tekoälyasiantuntijoiden ja -tutkijoiden haastatteluihin (N=10) siitä, millaisia tekoälypohjaisia ratkaisuja pk-yrityksissä voitaisiin käyttää osaamisen säilyttämisessä ja tiedonsiirrossa. Artikkeli on tuotettu EU:n osarahoittamassa Knowledge Transfer 55+ -hankkeessa.

Haastattelujen perusteella tällä hetkellä merkittävimmät mahdollisuudet tekoälyn hyödyntämiseen off-boarding-prosessissa liittyvät osaamisen tunnistamiseen sekä tiedon tallentamiseen, jäsentämiseen ja siirtämiseen. Tekoälyn hyödyntämisen voi aloittaa pienin askelin yrityksen käytössä jo olevilla sovelluksilla tai ilmaisilla työkaluilla, kunhan tekoälyn turvalliseen käyttöön kiinnitetään huomiota.

Tekoäly osaamisen tunnistamisen tukena

Pk-yrityksissä yksi suurimpia haasteita on tunnistaa se osaaminen, jota pitäisi lähteä siirtämään (Rajamäki-Partanen & Suurnäkki 2026). Mikä on sitä kriittistä osaamista, joka halutaan siirtää eteenpäin ja mikä taas on sellaista tietoa, jonka halutaankin unohtuvan organisaation muistista?

Asiantuntijahaastatteluissa tuli esiin erityisesti henkilöstöhallinnon järjestelmiin integroidut tekoälyä hyödyntävät toiminnot. Kun työntekijöiden osaaminen on tallennettu henkilöstöjärjestelmään, voidaan järjestelmän avulla muodostaa kuva työntekijän osaamisesta, projektikokemuksesta ja asiantuntijuuden alueista. Näillä tiedoilla voidaan muodostaa osaamisprofiileja, joita vertailemalla voidaan tunnistaa organisaatiossa olevaa kriittistä osaamista.

Toisaalta henkilöstöjärjestelmät ovat muuttuneet sosiaalisen median kaltaisiksi siten, että ne voivat osaamis- ja kokemustietojen pohjalta suositella organisaation sisällä sopivia henkilöitä, joiden kanssa kannattaisi verkostoitua. Tietoa voidaan hyödyntää myös etsittäessä sopivaa seuraajaa tai sijaistajaa. Osaamisen tunnistamista voi tukea myös tekoälyavusteisilla haastatteluilla, joissa työntekijä kuvaa omaa työtään ja osaamistaan. Tallennetut kuvaukset voidaan antaa tekoälyn analysoitavaksi.

Pk-yritysten näkökulmasta henkilöstöjärjestelmät voivat olla kustannuksiltaan korkeita ja niiden käyttöönotto voi olla haastavaa.

Tekoäly mahdollistaa tiedon jatkuvan tallentamisen

Off-boarding on perinteisesti nähty hyvin suppeasti vain työsuhteen loppuvaiheessa tapahtuvana yksittäisenä prosessina. Kun off-boardingia katsotaan tiedonsiirron näkökulmasta, on selvää, että se alkaa jo työsuhteen alkuvaiheessa tiedon tallentamisena.

Automaattinen tiedon tallentaminen muuttaa organisaation tiedonsiirron prosesseja vähentämällä tai poistamalla yhden manuaalisen työvaiheen. Aiemmin tiedon tallentaminen oli oma työvaiheensa henkilön työsuhteen päättämisessä. Sen sijaan, että osaamista pyrittäisiin kiireellä keräämään vasta työntekijän lähtiessä, kokemusta ja tietoa voidaan tallentaa jatkuvasti osana normaalia työtä.

Asiakaskohtaamisista esimerkiksi myyntihenkilöstö voi sanella kunkin tapaamisen jälkeen tekoälylle kuvauksen tapaamisesta. Tekoäly muuttaa puheen tekstimuotoon ja tiivistää muistiinpanoksi. Näin kohtaamisista saadaan talteen myös laadullista tietoa, jota on mahdollista hyödyntää uusien työntekijöiden perehdytyksessä, koulutuksessa tai myöhemmin tapahtuvassa asiakastyössä.  

Myös kokousten automaattinen litterointi, keskustelujen tallentaminen ja muistiinpanojen tuottaminen ovat tekoälyn avulla mahdollisia ilman erillistä dokumentaatiovaihetta. 

Edistyneempinä ratkaisuina haastatteluissa nousivat esiin videointi, puettava teknologia ja laajennetun todellisuuden eli XR-ratkaisut. Näiden avulla voidaan reaaliaikaisesti tallentaa käytännön työssä tarvittavaa osaamista. Nämä ovat pk-yritysten näkökulmasta kiinnostavia tulevaisuuden mahdollisuuksia, mutta niiden käyttöönotto on kallista ja vaatii erikoistunutta osaamista, mitä yrityksessä ei välttämättä ole ennestään saatavilla.

Tekoälyllä nähtiin olevan mahdollisuuksia esimerkiksi kokeneiden työntekijöiden haastatteluun, keskustelujen analysointiin sekä kokemusten muuttamiseen koulutusmateriaaliksi, oppaiksi tai muuhun helposti hyödynnettävään muotoon. Esimerkiksi kokeneita osaajia ja heidän työskentelyään voidaan seurata ja tallentaa kameroin, kunhan tallenteiden käyttötarkoitus on kuvattu.

Tekoäly jäsentää ja hakee tallennettua tietoa

Off-boarding-prosessissa tiedon kerääminen ei riitä, vaan tiedon on oltava sellaisessa muodossa, että se löydetään ja sitä voidaan siirtää. Monessa organisaatiossa tietoa kyllä on paljon, mutta se on hajanaisissa paikoissa ja siksi vaikeasti löydettävissä (Rajamäki-Partanen & Suurnäkki 2026). Tietoa sijaitsee sähköposteissa, virallisissa ja epävirallisissa viestintäkanavissa (esim. WhatsApp) ja dokumenteissa, joista osa voi olla pilvessä ja osa ihmisten omilla koneilla. Kun osaaja lähtee organisaatiosta, on tästä hajanaisesta tiedosta vaikeaa muodostaa yhtenäistä kuvaa.

Tekoäly voi auttaa erityisesti hajallaan olevan tiedon jäsentämisessä, mikä olisi käsin tehtynä hyvin työlästä. Jäsentäminen kuitenkin edellyttää, että tieto on dokumentoitu ja tallennettu siten, että tekoäly pystyy sitä indeksoimaan. Tietojen luokittelua tarvitaan tietoturvallisuuden varmistamiseksi. Jos tieto on organisoitu huonosti tai sitä ei ole dokumentoitu lainkaan, tekoälyn hyödyntämismahdollisuudet jäävät rajallisiksi. Teknologia ei auta, jos tietoa ei dokumentoida eikä sille ole yhteisiä tapoja tallentaa ja jakaa sitä (Argote 2024).

Jäsentäminen voi olla esimerkiksi dokumenttien luokittelua, keskeisten teemojen tunnistamista tai tiivistelmien tuottamista. Kehittyneemmissä ratkaisuissa voidaan tekoälyn avulla tunnistaa tiedon välisiä yhteyksiä ja kuvata henkilöstön osaamista visuaalisessa muodossa. Tällöin on mahdollista huomata ne osaamisalueet, jotka ovat riippuvaisia yhdestä henkilöstä, tai ne alueet, joilla kriittistä osaamista on lähivuosina katoamassa vaikkapa eläköitymisen seurauksena.

Pk-yrityksille käytännöllisiä ratkaisuja ovat generatiiviseen tekoälyyn perustuvat ratkaisut, joiden avulla voidaan analysoida dokumentteja, haastatteluja ja kokousmuistiinpanoja sekä tuottaa niistä materiaalia esimerkiksi perehdytyksen tueksi.

Tiedon siirtäminen tekoälyn avulla

Off-boarding-prosessin viimeinen vaihe on varmistaa, että tunnistettu, tallennettu ja jäsennetty tieto siirtyy uuden työntekijän tai muun organisaation jäsenen hyödynnettäväksi. Asiantuntijahaastatteluissa kiinnostavimpina nähtiin tekoälyassistentit, joille on tietopohjaksi annettu aiemmissa vaiheissa tallennettu ja jäsennelty tieto, esimerkiksi kokousmuistiinpanot tai haastattelut. Tällä tavalla organisaatio voisi hyödyntää kokeneen asiantuntijan osaamista myös hänen eläköitymisensä jälkeen.

Uusi työntekijä voisi perehtyä työhönsä yksilöllisesti keskustelemalla tekoälyavustajan kanssa niistä aiheista, jotka liittyvät juuri hänen työnsä tekemiseen. Tämä muuttaisi ennen kaikille geneerisen perehdytysmateriaalin yksilölliseen tehtävään perehtymiseen.

Tekoälyn jäsentämän tiedon hyödyntäminen on tehtävä kriittisesti. Tallennettu tieto muodostaa tekoälylle kontekstin, jota hyödyntämällä se antaa esimerkiksi perehdytettävälle henkilölle dokumentaatioon perustuvia ohjeita ja suosituksia. Kontekstin huolellinen rakentaminen on tärkeää, sillä tekoäly ei kykene arvioimaan, mikä materiaali kontekstissa on merkityksellistä, mikä taas vähemmän tärkeää. Tekoälyn jäsennyksissä painottuvat ne asiat, joista on olemassa eniten dokumentaatiota. Näiden vinoumien havaitseminen ja korjaaminen on erittäin haastavaa.

Taulukko 1. Tekoälyratkaisut off-boarding-prosessissa

Off-boarding-prosessin vaihe	Soveltuvat teknologiat	Vahvuudet	Rajoitteet
Osaamisen tunnistaminen	HR-järjestelmät, tekoälyn tekemät haastattelut	Kriittisen osaamisen tunnistaminen ja näkyväksi tekeminen	Hiljaisen tiedon tunnistaminen voi olla vaikeaa.
Tiedon tallentaminen	Teams-litteroinnit, Copilot, ChatGPT, puheen tunnistus, videotallennus, puettava teknologia	Tiedon ja osaamisen dokumentointi osana normaalia työtä.	Kaikkea osaamista ei voida tallentaa.
Tiedon jäsentäminen	ChatGPT, Copilot, NotebookLM, knowledge graph -ratkaisut	Tiedon löydettävyys paranee.	Hyöty riippuu aineiston laadusta.
Tiedon siirtäminen	Tekoälyassistentit, chatbotit, RAG-ratkaisut	Tieto on käytettävissä henkilön eläköitymisen jälkeen.	Ei korvaa kokeneen asiantuntijan hiljaista tietoa.

Tekoälyn rajoitteet hiljaisen tiedon siirtämisessä

Haastatteluissa korostui realistinen käsitys siitä, että kaikkea osaamista ei voi muuttaa dataksi. Kielimallipohjaisten tekoälyassistenttien vastauksissa painottuu parhaiten dokumentoitu tieto, ja se voi helposti sivuuttaa epävirallisen oloisen, mutta kriittisen informaation. Tekoäly ei välttämättä tunnista esimerkiksi asiantuntijan verkostoja, organisaatiokulttuuria tai sitä, miten päätöksiä käytännössä tehdään erilaisissa tilanteissa. Tiedonsiirrossa olennaista ei ole vain tiedon tallentaminen, vaan ymmärrys siitä, miten tietoa tulisi eri tilanteissa hyödyntää.

Yksi haastateltavista mainitsi esimerkkinä ”agentti-Pentin”, jolle kokenut työntekijä voisi opettaa vuosikymmenten aikana kertynyttä kokemustaan ja käytännön havaintojaan. Ajatus on kiinnostava, mutta samalla se havainnollistaa tiedonsiirron rajaa: kaikkea kokemukseen liittyvää ymmärrystä ei voida täysin mallintaa.

Mallintamisen vaikeus johtuu siitä, että ihmisten välisessä vuorovaikutuksessa syntyvä tieto on luonteeltaan kontekstisidonnaista eli sitä ei voi sellaisenaan siirtää toiseen tilanteeseen (Polanyi 1966). Siirrettyä tietoa tulkitaan uudessa tilanteessa ja sovelletaan siihen, ja pk-yrityksissä suuri osa tiedosta siirtyy tällä tavalla vuorovaikutuksessa (Rajamäki-Partanen & Suurnäkki 2026). Teknologia voi dokumentoida suuren osan tiedosta, mutta käytännön kokemuksiin ja yhteisiin käytäntöihin sitoutunut hiljainen tieto siirtyy ihmisten välisessä vuorovaikutuksessa rakentuvan yhteisen ymmärryksen avulla (Burmeister & Deller 2016).

Asiantuntijahaastatteluissa tekoälyn nähtiin voivan tukea vuorovaikutusta monella tavalla. Se voi esimerkiksi vapauttaa aikaa ihmisten väliselle kohtaamiselle automatisoimalla rutiinitehtäviä ja dokumentointia. Tekoälyä voidaan käyttää myös vuorovaikutustilanteisiin valmistautumisessa vaikkapa hankalien keskustelujen harjoitteluun tai työhaastatteluun valmistautumiseen.

Haastatteluissa nousi esiin myös kiinnostava havainto siitä, että siinä missä aiemmin kysyttiin neuvoa kollegalta, saatetaan nyt ensimmäisenä kysyä tekoälyltä. Tämä voi pitkällä aikavälillä muuttaa tapaa, jolla ihmiset jakavat osaamista ja ratkaisevat ongelmia yhdessä.

Suositukset tekoälyn käyttöön tiedonsiirron tukena

Haastattelujen perusteella pk-yrityksille sopivin ratkaisu on aloittaa jo käytössä olevien ympäristöjen integroiduista tekoälyratkaisuista, kuten Microsof Copilotista tai Googlen tekoälyominaisuuksista. Niiden avulla on mahdollista aloittaa tiedon systemaattinen tallentaminen hyvin matalalla kynnyksellä.

Myös yrityksessä oleva dokumentaatio on hyvä lähtökohta tekoälyn käytön aloittamiselle. Dokumentaatio voidaan antaa generatiivisen tekoälyn analysoitavaksi ja yhdessä muistiinpanojen kanssa niistä voidaan tuottaa perehdytysmateriaalia. Tulevaisuudessa myös puettava teknologia ja XR-ratkaisut voivat mahdollistaa tiedon tallentamisen osana työn tekemistä, mutta niiden käyttöönotto pk-yrityksissä voi vielä tässä vaiheessa olla haastavaa.

Suurimpia tekoälyn tuomia muutoksia tiedonsiirtoon on mahdollisuus tallentaa tietoa ja osaamista jatkuvasti eikä vain erillisenä työsuhteen loppuun kuuluvana vaiheena.

Tekoälyn hyödyntämiseen liittyy myös merkittäviä kysymyksiä tietosuojasta, tietoturvasta ja vastuista. Haastatteluissa korostettiin, että erityisesti HR-järjestelmät kuuluvat EU:n tekoälyasetuksen (EU 2024/1689) mukaan korkean riskin alueisiin ja että organisaatioiden on ymmärrettävä tarkasti, mitä järjestelmiä otetaan käyttöön ja millaista tietoa niihin tallennetaan. Tämä edellyttää riittävää koulutusta ja tekoälylukutaitoa. Tekoälyä hyödynnettäessä on huomioitava myös henkilötietojen käsittelyä koskeva GDPR-sääntely (EU 2016/679).