Ennen tekoälyä tulee rakenne. Mitä tulee sen jälkeen?
Helsingin Sanomien kolumnissa Alex af Heurlin kirjoittaa tekoälypotkuista. Hänen viestinsä on selkeä: kun palkat nousevat, paine automatisoida työtä kasvaa ja syntyy kannustin korvata kalliit työntekijät teknologialla. Tietenkin raha vaikuttaa, mutta se ei selitä kaikkea.
Automaatio ei synny pelkästään palkkapaineesta. Yhä useammin sitä vauhdittaa osaamisen saatavuus. Monilla aloilla keskeinen kysymys ei ole enää se, kuinka paljon työntekijä maksaa, vaan löytyykö työntekijää ylipäätään.
Teknologiset muutokset eivät kohtele kaikkia tasapuolisesti.
Ne, jotka jo nyt käyttävät teknologiaa luontevasti ja kokeilevat uusia työkaluja ennakkoluulottomasti, ottavat myös tekoälyn nopeasti omakseen. Kun työkalut paranevat, juuri heidän tuottavuutensa kasvaa ensimmäisenä.
Osaaminen kasautuu, tuottavuus kasvaa ja erot kasvavat entisestään.
Tekoälyn arvo syntyy datasta
Jo pitkään on sanottu: data on uusi öljy. Tämä väite ei ole kadonnut mihinkään, sillä ilman raaka-ainetta ei synny jalostettua tuotetta.
Kuitenkin tekoälyn lisäarvo on monessa organisaatiossa vielä lunastamatta. Jopa kaikkein pisimmälle ehtineet organisaatiot ovat vielä kokeiluvaiheessa, eikä kukaan osaa sanoa, missä tarkalleen olemme muutaman vuoden kuluttua.
Arjessa tekoälystä puhutaan usein yhtenä ilmiönä, vaikka todellisuudessa sen käyttö näkyy usealla tasolla. Ajattelen, että tekoälyn hyödyntämistä voi tarkastella ainakin kolmen näkökulman kautta: rakenteen, generoinnin ja vastausten.
- Rakenne on peruspalikoita: dataa, tietomalleja, järjestelmiä ja prosesseja. Se on infrastruktuuri, jonka päälle kaikki muu rakentuu. Rakenne on usein näkymätön osa teknologiaa, mutta ilman sitä mikään ei toimi. Tekoäly ei ratkaise huonosti järjestettyä tietoa, ja mitä monimutkaisemmaksi teknologia kehittyy, sitä tärkeämmäksi datan laatu ja rakenteet tulevat.
Yksinkertaisena esimerkkinä asiakkaan nimi voi olla eri järjestelmissä hieman eri muodossa. Ihmiselle tämä ei ole ongelma, mutta järjestelmille se voi olla. Siksi tiedon on oltava järjestetty niin, että järjestelmät ymmärtävät mitä se tarkoittaa.
- Generointi liittyy tuottavuuteen. Se on sisällön, analyysin ja suositusten tuottamista. Tässä nähdään todennäköisesti suurimmat tuottavuusloikat ja moni huomaa tämän jo omassa työssään.
Kun aiemmin aloitin analyysiprojektin R-ohjelmistolla, etsin käsiini teoksia kuten R for Data Science tai Data Visualization with R. Nyt tekoäly ehdottaa koodia jo luonnosteluvaiheessa. Riittää, että kuvailen, millaisen kuvaajan haluan, ja toimiva koodi syntyy hetkessä. Työ ei katoa, mutta osa siitä muuttuu erittäin nopeaksi.
- Vastaukset liittyvät tiedon saavutettavuuteen. Kielimallit pystyvät kokoamaan ja tiivistämään tietoa nopeasti. Kaikki vastaukset eivät ole täydellisiä, joskus ne ovat jopa virheellisiä, mutta tehokkuusero perinteiseen tiedonhakuun on jo arkipäivää.
Ihmiset eivät enää välttämättä siirry verkkosivuille, vaan kysyvät kielimallilta, joka tiivistää vastauksen. Olipa kysymys sitten siitä, miten haen työkyvyttömyyseläkettä tai miten Manchester Cityn viimeisin ottelu päättyi.
Osaajia on rajallisesti, mutta järjestelmän on toimittava vuosikymmenienkin päästä
Palataan kuitenkin alkuperäiseen kysymykseen: miksi automaatio sitten lisääntyy ja miten se liittyy tekoälyyn?
Jos keskustelu keskittyy pelkästään palkkatasoon, jää yksi tärkeä tekijä helposti huomaamatta. Kyse ei ole vain siitä, mitä työntekijä maksaa. Ratkaisevaa on usein se, onko osaajia ylipäätään saatavilla.
Suuret ikäluokat eläköityvät, ja samalla vuosikymmenten aikana kertynyt osaaminen siirtyy vähitellen pois työelämästä. Hiljainen tieto on arvokasta, eikä sitä rakenneta hetkessä. Uuden asiantuntijuuden syntyminen voi kestää vuosia, joskus vuosikymmeniä. Ongelma korostuu tilanteissa, joissa aloitustason työt katoavat, liiketoiminta on monimutkaista eikä sitä viimeistä cobol-kielen osaajaa enää saada näppäimistön ääreen.
Samalla järjestelmien on toimittava luotettavasti myös tulevaisuudessa. Prosessien on toimittava vuosikymmenien päästä, vaikka toimintaympäristö muuttuu ja nopeutuu.
Tässä kohtaa datan laatu, rakenteet ja automaatio nousevat keskeiseen rooliin, jotta tekoälyä voidaan edes hyödyntää.
Ilman laadukasta dataa ei synny luotettavaa automaatiota eikä toimivia tekoälyratkaisuja
Työeläkejärjestelmä on yksi esimerkki pitkäikäisestä järjestelmästä. Sen tehtävänä on käsitellä valtava määrä tietoa työurista, palvelussuhteista, ansioista ja elämäntilanteista. Vuosittain tehdään suuri määrä päätöksiä, joista monet perustuvat selkeisiin sääntöihin ja vakiintuneisiin prosesseihin.
Kevan strategiassa puhutaan tavoitteesta: kohti täysin automaattista eläkejärjestelmää.
Tämä ei tarkoita maailmaa, jossa ihmiset katoavat prosessista. Päinvastoin. Se tarkoittaa järjestelmää, jossa hyvin määritellyt ja toistuvat asiat voidaan hoitaa automaattisesti luotettavan datan ja toimivien teknologioiden avulla.
Kun rutiinit automatisoidaan, asiantuntijoiden aikaa vapautuu sinne, missä automaatio ei vielä pärjää: monimutkaisiin tilanteisiin, tulkintaan ja ihmisten kohtaamiseen.
Tarkoitus ei ole tarkastella palkkasummia, vaan varmistaa, että järjestelmä toimii luotettavasti myös silloin, kun osaamista on vähemmän saatavilla.
Tekoäly on tässä kokonaisuudessa yksi työkalu muiden joukossa. Data on sen raaka-aine. Ilman laadukasta dataa ei synny luotettavaa automaatiota eikä toimivia tekoälyratkaisuja.
Siksi monissa organisaatioissa tärkein työ ei tapahdu tekoälytasolla, vaan sen alla: tietorakenteissa, prosesseissa ja datan laadussa. Jos näistä ei pidetä huolta, jää tekoäly helposti yksittäisiksi kokeiluiksi.
No tuleeko tekoälypotkut?
Uudet teknologiset läpimurrot eivät välittömästi hävitä edellistä, vaan rakentuvat niiden päälle pienin askelin. Näin on myös tekoälymaailmassa. Suuret teknologiayritykset eivät kadonneet internetin tai pilvipalveluiden myötä, ne mukautuivat.
Sama pätee organisaatioihin ja työntekijöihin. Tekoäly ei korvaa tai poista, vaan muuttaa ja oikein käytettynä auttaa rakentamaan järjestelmiä, jotka toimivat luotettavasti myös tulevaisuudessa.
Lopulta kyse ei ole vain teknologiasta. Kyse on luottamuksesta siihen, että tärkeät yhteiskunnalliset järjestelmät toimivat myös silloin, kun maailma ympärillä muuttuu.
Lähdeviite: Alex af Heurlin, HS kolumni 7.3.2026 Tekoälypotkut uhkaavat kovapalkkaisia ensin | HS.fi
Lisää aiheesta
Tekoälyn käyttö Kevassa: Tekoälyn käytön eettiset periaatteet
Blogikirjoitus, Lauri Kitunen, kehittämispäällikkö: Tekoäly ei korvaa ajattelua
Blogikirjoitus, Sissi Nurhonen, tietoturva-asiantuntija: Voiko tietoturva-asiantuntija nukkua yönsä rauhassa?
