Tekoälyn arvolupaus on merkittävä: skaalaamiseen liittyy vielä huolia

Agenttinen tekoäly on ollut kuuma puheenaihe jo toista vuotta. Siitä huolimatta tekoälyagenttien laajamittainen hyödyntäminen on edelleen alkuvaiheessa. Itsenäiseen työtehtävien suorittamiseen kykenevälle tekoälylle annetaan vielä varsin vähän tehtäviä.

Mielestäni kyse ei ole tunnistettavan lisäarvon puutteesta, vaan niiden laajempaan soveltamiseen liittyy vielä paljon huolenaiheita. Lisäksi soveltamiseen tarvittavat organisaatiotason monialaiset kyvykkyydet ja osaamiset ovat vasta kehittymässä.

Perinteisesti isot IT-projektit ovat olleet kalliita ja riskialttiita. Onnistuneiden IT-projektien ohella huonot kokemukset tietojärjestelmistä ovat monien päätöksentekijöiden tuoreessa muistissa. Tätä taustaa vasten tekoälyn laajamittainen skaalaaminen ja integrointi osaksi liiketoimintaa kannattaakin suunnitella huolellisesti.

Isojen IT-projektien taloudelliset riskit ovat suuret

Isot toiminnanohjaukseen (ERP) liittyvät IT-projektit ovat tunnetusti riskialttiita, koska niiden aikataulut helposti venyvät, niihin tulee yllättäviä ongelmia ja budjetit paisuvat. Epäonnistuneet IT-projektit ovat jopa kaataneet kokonaisia firmoja (Flyvbjerg & Budzier 2011). Ne ovat voineet viedä jopa satoja miljoonia tai jopa miljardi dollaria, ilman että tuloksiin on oltu tyytyväisiä (esim. Burton 2012; Charette 2012; Virtanen 2024). Haaste epäonnistuneissa IT-projekteissa on se, että välilliset vaikutukset toimitusketjuihin ja asiakkaisiin ovat paljon suurempia kuin IT-toimittajille maksettu raha.

Tekoälypohjaisia sovelluksia käyttöönotettaessa ovat perinteisen IT-projektien riskit edelleen olemassa. Tekoälyn laajat kokeiluprojektit ovat myös voineet viedä valtavasti rahaa ilman konkreettisia hyötyjä. Eräs konkreettinen esimerkki on muutamien vuosien takaa IBM Watson, jonka käyttöönottoon investoitiin valtavia summia mutta tulokset eivät kuitenkaan vastanneet odotuksia (Adlluru 2024; Nelson Advisors 2026).

Tällä hetkellä suuret tekoälykehittäjät, kuten OpenAI, Anthropic, Google ja Meta investoivat miljardeja euroja generatiiviseen tekoälyyn ja suurten kielimallien kehittämiseen. Samaan aikaan esimerkiksi Kiinassa kehitetään avoimen lähdekoodin suuria kielimalleja.

Huolenaiheiden poistaminen on ollut IT-alalla keskeistä jo pitkään

Parin vuosikymmen takaa muistan hyvin erään tuttavani kertomuksen siitä, mitä amerikkalainen softamyynnin guru oli kertonut hänelle ohjelmistojen myynnistä. Hänen mukaansa ohjelmistojen myynnissä olennaisinta ei ole kertoa asiakkaille niiden hyödyistä, koska ne ovat usein asiakkaalle ilmeisiä – jos kaikki onnistuu. Olennaisinta oli poistaa huolenaiheet, koska ne nähtiin merkittävämpänä kuin hyötyjen realisoituminen.

Tietokoneohjelmistojen, kuten myös tekoälyn arvo realisoituu vasta kun ihmiset tekevät asioita tehokkaammin, liiketoimintaprosessit aidosti muuttuvat ja ohjelmistot koetaan helpoksi ja hyödyllisiksi käyttää. Muutenhan niiden arvo ja hyöty ovat käytännössä nolla.

Edellä kuvattu kommentti on tullut useasti mieleen tekoälykeskustelua seuratessa. Tekoälyn potentiaalia ja mahdollisuuksia harva kyseenalaistaa. Paljon suurempi kysymysmerkki on kuitenkin se, miten tuo arviolupaus saataisiin realisoitua juuri meidän organisaatiossamme tai yrityksessä. Hyödyt ovat siten ilmeisiä, jos tekoäly toimii kuten pitää, se ei aiheuta lisäkuluja, se on turvallista ja siihen voidaan luottaa sekä henkilöstö saa muutettua oman toimintansa uudistuneen työkulun mukaiseksi.

Tekoälyn kehitysprojekti on moniulotteisempi kuin perinteinen IT-projekti

AI Skaalaajat -hankkeen puitteissa pidetyissä työpajoissa olemme havainneet, että tekoälyn skaalaamiseen liittyvät asiat ovat paljon laajempia ja moniulotteisempia kuin perinteisen IT-projektin haasteet. Huolenaiheet hyötyjen realisoitumisesta, organisaation muutosvalmiuksista, osaamisen riittämisestä ja investointien kannattavuudesta ovat keskusteluissa usein taustalla. Samalla kehittäjillä on usein huoli säädöstenmukaisuudesta, tietoturvasta, kyberturvallisuudesta, tekijänoikeuksista, lisenssimaksuista ja monista muista asioista.

Kyse on ennen kaikkea laaja-alaisesta osaamisesta ja sen kasvattamisesta kokeilujen, yhteistyön, oppimisen ja koulutuksen kautta.

Erityisen tärkeä huolenaiheiden poistamisen näkökulma on tekoälypalveluiden business-to-business – (B2B) liiketoiminnassa. Kuluttajatasolla tekoälymalleja on vapaasti saatavilla, joten niitä ei tarvitse edes ostaa. Yksityisen henkilön on paljon helpompi lopettaa käyttö tai vaihtaa tekoälyn palveluntarjoajaa kuin sadan tai tuhannen hengen organisaation.

Osto- tai käyttöpäätökseen liittyvä riski on merkittävästi pienempi yksilötasolla mutta paljon suurempi organisaatiotasolla.

Tekoälyn skaalaaminen vaatii monialaista osaamista ja muutosjohtamista

Rutiinimaisia tehtäviä on jo automatisoitu vuosia esimerkiksi ohjelmistoroboteilla ja perinteisellä automaatiolla. Tekoälypohjaiset kielimallit eivät toimi kuitenkaan deterministisesti eli tarkasti ennakolta määritellyllä ja ohjelmoidulla tavalla kuten toimivat perinteiset ohjelmistorobotit. Kielimallien nopea ja itsenäinen mukautuminen erilaisiin tilanteisiin on samalla niiden vahvuus ja heikkous.

Kymmenet tuhannet yritykset miettivät kuumeisesti, miten tekoälyn kelkkaan tulisi hypätä isoilla saappailla. Tekoälyn suhteen hyödyt ovat kuitenkin ilmeisiä, jos kaikki sujuu kuin mainospuheissa. Kyse ei ole teknologian keskeneräisyydestä, vaan siitä uskaltavatko yritykset luovuttaa tehtäviä laaja-alaisemmin tekoälyagenttien tai -systeemien ratkaistaviksi.

Kuulin jo kauan sitten ohjelmistoalalla hieman kärjistetyn sanonnan, että ’kukaan ei ole saanut potkuja, kun osti IBM:ltä, mutta monet ovat saaneet potkut, koska ostivat tuntemattomalta, joka epäonnistui’. Se kertoo siitä, että tunnettuun, vakiintuneeseen ja suureen toimittajaan luotetaan paremmin, koska tietojärjestelmiä ei voi kovin helposti vaihtaa toiseen. Se on siten sitoutumista tiettyyn toimittajaan pitemmäksi aikaa, varsinkin kriittisissä prosesseissa.

Toisaalta pienet startupit voivat tuoda täysin uudenlaisia innovaatioita johonkin rajattuun liiketoiminnan haasteeseen tai pullonkaulaan. Kyse onkin ennen kaikkea siitä, kuinka laajan ja kriittisen tehtävän yritykset uskaltavat antaa tekoälyn hoidettavaksi sekä miten sitä voidaan valvoa ja kontrolloida hallitusti.

AI Skaalaajat-hankkeessa on noussut esille keskeisenä vaatimuksena tekoälyn luotettavuus ja sen käyttöönottoon liittyvä hyvä projektin ja muutoksen johtaminen. Huolenaiheiden poistamisessa, kuten kaikessa ostamisessa, myymisessä ja muutoksessa, keskeistä on luottamus, uskottavuus ja konkreettiset esimerkit sekä prosessimallit tekoälyn hallittuun skaalaamiseen organisaatioissa. AI Skaalaajat-hankkeen puitteissa olemmekin syksyn 2026 aikana keskittyneet tekoälyn johtamiseen ja siihen liittyvien hallinnointimallien kehittämiseen.

Tekoälyjärjestelmien läpinäkyvyyteen tulee lisää ratkaisuja ja malleja

Tekoälyyn liittyvät huolenaiheet ovat saaneet viime aikoina varsin suuria mittasuhteita. Jotkut jopa pelkäävät tekoälyn tuhoavan ihmiskunnan (Kolari 2026). Jos se olisi uhka ihmiskunnalle, mitä se voisi olla yrityksen arvokkaille tiedoille ja omaisuudelle?

Itse uskon kuitenkin optimistisesti, että tekoälysektorin laaja-alainen, monipuolinen ja erittäin nopea tekninen kehitys, lisääntyvä erikoistuminen sekä kasvava yritysten välinen yhteistyö ja yhteiskunnan sääntely ratkaisevat näitäkin uhkakuvia. Itsenäisten mutta samalla monimutkaisten massiivisten tekoälyjärjestelmien hallintaan, valvontaan, turvallisuuteen ja läpinäkyvyyteen tulee koko ajan uusia ratkaisuja ja malleja.

Tulemme näkemään tekoälymurroksessa vielä paljon uusia asioita. Kaikki nämä vaikuttavat siihen, miten ja milloin organisaatiot investoivat isosti tekoälyyn.

Kuva: Shutterstock