Tekoälyn käyttö vaatii muutakin kuin työkalujen tuntemusta

Tekoälyn mahdollisuudet liikunta-alalla laajenevat, mutta sen käyttöönotto olisi hyvä aloittaa omien työtehtävien ja kehittämistarpeiden tunnistamisesta. Haaga-Helian LIIKUNTA-A! – Tekoälyä liikunta-alalle -hankkeessa yhdistämme liikunta-alan toiminnan ymmärtämisen ja tekoälyn käytännön soveltamiseen. Tuemme Päijät-Hämeen liikunta-alan yrityksiä ja kuntien liikuntapalveluita tekoälyn käyttöönotossa sekä kehitämme ja pilotoimme tekoälyyn pohjautuvia ratkaisuja.

Olennaista hankkeessa on osata määritellä, mitä työelämän haastetta halutaan ratkaista ja miksi.

Kaikki alkaa tekoälyn mahdollisuuksien tunnistamisesta

Toukokuussa 2026 järjestetyn Milano AI WEEK – tekoälytapahtuman puheenvuorot antoivat aihetta tarkastella myös hankkeessa tehtävää koulutustyötä. Tapahtuman esityksissä korostui ajatus siitä, että teknologian kehittyessä ongelmanmäärittelyn, oikeanlaisen datan ja käyttäjäymmärryksen merkitys kasvaa.

Tämä liittyy suoraan hankkeemme asiakaslähtöisen tekoälykoulutuksen tavoitteeseen: liikunta-alan ammattilaisen on osattava määritellä, millaisia työtehtäviä hän tekee ja millainen ratkaisu auttaisi häntä työssä tai palvelisi hänen asiakkaitaan.

Hankkeen kouluttajina olemme huomanneet, että jos liikunta-alan ammattilaisen tekoälyosaaminen on vielä vähäistä, on hyvä aloittaa tekoälyn mahdollisuuksiin tutustumisesta. Konkreettiset esimerkit auttavat tunnistamaan, miten tekoäly voisi helpottaa omia työtehtäviä tai vähentää aikaa vieviä työvaiheita.

Hankkeen aikana liikunta-alan ammattilaiset ovat tunnistaneet työtehtäviä, joihin he kaipaavat helpotusta tekoälyltä. Näitä ovat esimerkiksi viestinnän ja markkinoinnin suunnittelu ja materiaalien tuottaminen, liikunnanohjauksen tunti- ja kausisuunnitelmien ideointi ja laatiminen sekä liikuntaneuvonnassa käytettävän tiedon välittäminen muille ammattilaisille.

Agenttien rakentaminen edellyttää käyttökelpoista tietoa

Ongelmien määrittelyn lisäksi tekoälyn hyödyntämisessä tarvitaan käyttökelpoista tietoa. Organisaatioiden tehtävänä on huolehtia tiedon tallentamisesta ja saatavuudesta ja selkeistä ohjeista, joiden mukaan tietoa tallennetaan.

AI WEEK -tapahtuman puheenvuoroissa korostuivat agenttien käyttämän tiedon laatu ja löydettävyys. Hajallaan oleva aineisto, dokumentoimaton tieto ja epäjohdonmukaiset tietorakenteet vaikeuttavat hyödyllisten ratkaisujen rakentamista. Agentin toimintaa suunniteltaessa on siksi määriteltävä, mihin tietoon sen vastausten halutaan perustuvan.

Yhtenä käytännön esimerkkinä on LIIKUNTA-A!-hankkeen kohdeorganisaatiossa rakennettu Toivo-agentti. Sen tehtävänä on antaa opettajille ja kouluhenkilöstölle ohjeita oppituntien liikunnallistamiseen ja toiminnallistamiseen. Agenttia rakensivat hankkeen asiantuntija, koulu-PT sekä it-vastaava. Copilot-pohjaisen agentin rakentaminen on osoittanut, kuinka tärkeä ja aikaa vievä vaihe sopivan aineiston kokoaminen ja jäsentäminen on. Agentin testaaminen on parhaillaan käynnissä.

Hanketyössä on tullut esiin tilanteita, joissa liikunnanohjauksessa ja -neuvonnassa käytettävä tieto on hajallaan tai yksittäisten ammattilaisten osaamisen varassa. Tietoa ei aina myöskään löydy digitaalisessa muodossa. Agentin rakentaminen edellyttää tämän tiedon tekemistä näkyväksi ja käyttökelpoiseksi.

Luottamuksellisen tuntuinen keskustelu ei takaa tiedon yksityisyyttä

AI WEEK -tapahtuman mieleenpainuvimpia kokemuksia oli ripittäytymiskoppia muistuttava tekoälytaideteos. Osallistuja sai kertoa henkilökohtaisen mieltä painavan asian tekoälypapille, joka vastasi rauhoittavasti. Keskustelun jälkeen QR-koodin kautta pääsikin yllättäen tarkastelemaan myös muiden osallistujien kertomuksia ja niihin annettuja vastauksia.

Teos sai pohtimaan, kuinka helposti tekoälyn kanssa keskustellessa voi syntyä kokemus luottamuksellisuudesta. Keskustelun sävy ei kuitenkaan kerro, miten järjestelmään syötettyä tietoa käytetään tai kenelle se näkyy.

Hankkeemme koulutustyössä keskeistä on vahvistaa liikunta-alan ammattilaisen kykyä tunnistaa tekoälyn hyödylliset ja turvalliset käyttökohteet omassa työssään. Systemaattinen käyttöönotto edellyttää selkeästi määriteltyä tehtävää, jossa tekoälyn käyttöä harjoitellaan, sekä tarkoitukseen sopivaa, ammattilaisten tarkistamaa tietoa. Lisäksi tarvitaan osaamista ja aikaa ratkaisun testaamiseen ja toimivuuden arviointiin.

Kuva: Shutterstock