���ʵ���

julkaistiin TechRadar Pro:ssa 16.9.2025. Toimittaja: Managing Editor Desire Athow

***

Tekoälyn lisääntynyt käyttö muuttaa työpaikkoja monin tavoin. Yritysten automatisoidessa yhä enemmän tietotyötä tutkijat varoittavat huolestuttavasta uhkasta: automaation aiheuttama riski ihmisten osaamisen heikkenemiseen.

Tämä ”taitojen rapautuminen” voi johtaa siihen, että työntekijät eivät pysty suorittamaan olennaisia tehtäviä sellaisessa tilanteessa, jossa automaatio pettää tai ei ole jostain muusta syystä saatavilla.

Harvat tutkimukset kuvaavat tätä yhtä selvästi kuin vuonna 2023 julkaistu The Vicious Circles of Skill Erosion -julkaisu. Tutkimuksessa tarkasteltiin tilitoimistoa, jossa automatisointiin nojautuminen johti itsetyytyväisyyteen (engl. complacency), joka puolestaan heikensi henkilöstön kykyä arvioida automaation tuottamia tuloksia.

Kun automaatiotyökalu poistettiin yrityksen järjestelmäarkkitehtuurista, yrityksen johto huomasi, että sen työntekijät eivät enää kyenneet suorittamaan kirjanpitotehtävää, jonka automaatio oli aiemmin suorittanut.

Tutkimuksen tulokset antavat varoittavia signaaleja, etenkin nyt kun tekoälytyökalut yleistyvät organisaatioissa.

Tietojärjestelmätieteen professori Esko Penttinen ja tutkijatohtori Joona Ruissalo, molemmat Aalto-yliopiston kauppakorkeakoulun tieto- ja palvelujohtamisen laitokselta, kertovat taitojen rapautumisen riskeistä, miksi ongelma on akuutti tekoälyn aikakaudella ja mitä yritykset voivat tehdä sen estämiseksi.

Tutkimuksessanne käsitellään tekoälyn vaikutusta työelämän taitoihin. Mikä motivoi teitä tutkimaan tätä aihetta?

Esko Penttinen (EP): Tutkimusryhmässämme noudatamme niin sanottua ilmiöpohjaista tai ongelmapohjaista lähestymistapaa tutkimukseen. Tämä tarkoittaa, että aloitamme tutkimusprojektimme aina käytännön ongelmasta, johon törmäämme ”todellisessa elämässä”.

Tässä tapauksessa kyse oli keskustelusta erään tilitoimiston työntekijän kanssa. Hän mainitsi sivulauseessaan, että heidän toimistonsa IT-arkkitehtuurista oli poistettu automaatiojärjestelmä, minkä seurauksena tilitoimiston työntekijöiden taidot, jotka liittyivät taustalla olevaan liiketoimintaprosessiin, olivat heikentyneet.

Kirjanpitäjän havainto herätti mielenkiintomme. Teimme case-tutkimuksen selvittääksemme, miten tämä osaamisen heikkeneminen ilmeni organisaatiossa ja miten se oli päässyt tapahtumaan. Tutkimusprojekti oli mielenkiintoinen siinä mielessä, että tällaisiin epäonnistumistapauksiin on tutkijoiden yleensä erittäin vaikea päästä käsiksi. Organisaatiothan ovat yleensä suhteellisen haluttomia kertomaan epäonnistumisistaan. Olimmekin erittäin onnekkaita ja olemme edelleen kiitollisia siitä, että organisaatio antoi meidän tutkia tätä ilmiötä.

Mitä merkitystä tällä on kaikille yrityksille ja muillekin?

EP: Tärkein havaintomme on, että tehtävien siirtämisen teknologialle ja manuaalisen työn on hyvä olla tasapainossa liiketoimintaprosessissa. Tutkimuspaperissamme väitämme, että useimpien yritysten on otettava kantaa tähän tasapainotteluun automaation ja manuaalisen työn välillä. Nämä eivät ole toisiaan poissulkevia asioita, mutta väitämme, että on erittäin helppoa mennä äärimmäisyyksiin: joko automatisoida jokin prosessi kokonaan tai suorittaa se täysin manuaalisesti.

Ihanteellinen ratkaisu löytyy jostakin näiden ääripäiden väliltä. Mutta tämä on helpommin sanottu kuin tehty, kuten tapauksemme osoittaa.

Jotkut saattavat sanoa, että tämä on vain evoluutiota ja että asioiden on muututtava. Miten tämä eroaa siitä?

EP: Tämä on hyvä kysymys, ja me kamppailemme sen kanssa. Vuosikymmenten (ja itse asiassa vuosisatojen) ajan teknologian kehityksen tavoitteena on ollut vapauttaa ihmisten työvoima tuottavampaan työhön.

On olemassa automaatiota puoltava argumentti, jonka mukaan meidän pitäisi automatisoida kaikki, mikä voidaan automatisoida, jotta ihmisten työvoima voidaan kohdistaa ”korkeatasoisempiin pohdintoihin” (engl. higher thoughts).

Tämä pätee monilla aloilla: kirjanpitäjien ei pitäisi syöttää laskutietoja manuaalisesti järjestelmiin, vaan analysoida laskutietoja, tehdä niistä johtopäätöksiä ja tarjota niiden pohjalta näkemyksellisiä havaintoja johtajille.

Tämän kääntöpuoli on, että ”korkeampia ajatuksia” ei useinkaan voi syntyä ilman yksityiskohtiin perehtymistä ja tämä usein vaatii manuaalista työtä.

Tehtyään joskus tylsiksi kokemiaan manuaalisia töitä työntekijät uppoutuvat usein liiketoimintaprosessin yksityiskohtiin. Tämän uppoutumisen ansiosta he voivat saada parempia oivalluksia.

Kun otetaan huomioon nykyisen tekoälyekosysteemin lähes ”evankelistisen” luonteen, voidaanko tämän negatiivisia vaikutuksia lieventää millään tavoin?

EP: Organisaatiot voivat varmasti ryhtyä tiettyihin toimenpiteisiin. Olemme kirjoittamassa aiheesta tieteellistä artikkelia, joka toivottavasti julkaistaan ensi vuonna.

Artikkelissa korostamme teknisten ja organisatoristen valvontapisteiden merkitystä. Tarkoituksena on valvoa, että työntekijät ovat mukana prosessissa eli että he ymmärtävät automatisoitujen agenttien tai tekoälytyökalujen toimet.

Joona Ruissalo (JR): Muita keinoja ovat työpajojen järjestäminen säännöllisesti, joissa työntekijät ratkaisevat yhdessä monimutkaisia tai epätavallisia tapauksia, tai jopa automaatiovapaiden koulutusympäristöjen rakentaminen, jotta voidaan lisätä tietoisuutta mahdollisista puutteista taidoissa ja alan tietämyksessä.

Kuten tutkimuksessa kävi ilmi, työntekijät voivat ”nukahtaa rattiin” nojautuessaan liikaa automaatioon. Organisaatiot voivat näin ollen myös suorittaa auditointeja, joissa työntekijöitä pyydetään perustelemaan lopputulemia, esim. automaattisesti tuotettuja kirjanpidon tiliöintejä, tai mahdollisuuksien mukaan ottaa käyttöön nudging-ominaisuuden, joka pyytää ihmistyöntekijää aika ajoin vahvistamaan ja perustelemaan lopputulemia.

Lisäksi selitystoimintojen lisääminen päivittäisessä työssä käytettäviin keskeisimpiin järjestelmiin mahdollistaa sekä nopean kertaamisen sen osalta, miten järjestelmä muodosti lopputuleman, ja tarvittaessa järjestelmän toimintalogiikan oppimisen.

Nämä toimenpiteet tulisi ihannetapauksessa toteuttaa samanaikaisesti, jotta työntekijät haastetaan pohtimaan tekoälyä osana heidän työtään ja arvioimaan kriittisesti sen tuotoksia.

Tämänlainen organisaatioiden osaamis- ja tietopääoman aktiivinen ylläpitäminen muodostaa niille mahdollisuuden reagoida nopeasti ulkoisiin häiriöihin, joissa ydinjärjestelmät voivat olla yllättäen poissa käytöstä määrittelemättömän ajan. Lisäksi tämä mahdollistaa jatkuvan sopeutumisen muuttuviin teknologisiin olosuhteisiin, jotta niiden työntekijät voivat luotettavasti varmistaa lopputulemien oikeellisuuden samalla, kun he omaksuvat organisaatioissa käyttöönotettavia uusia tekoälypohjaisia teknologioita.

Voitko yhdistää ”prompt engineeringin” (kehotteiden kehittämisen) ja taitojen heikkenemisen?

JR: Tarkoituksenmukaisen promptin (kehotteen) laatiminen on yksi asia, mutta tekoälyn tuotosten arviointi on aivan toinen.

Nämä vaativat erilaisia taitoja, mutta molemmat edellyttävät kontekstisidonnaista osaamista, kuten kirjanpidossa tai ohjelmistosuunnittelussa, sekä kokemusta kontekstin erityispiirteistä, jotta osaa muodostaa asianmukaisia kysymyksiä tekoälylle ja varmistaa vastausten oikeellisuuden.

On tietenkin mahdollista käyttää valmiita prompteja ja tekoälyn tuottamia vastauksia ilman niiden perusteellisempaa arviointia, mutta tällöin sivuuttaa täysin tulosten kriittisen arvioinnin ja aktiivisen pohdinnan siitä, miksi ja miten tekee tiettyjä tehtäviä.

Tässä tulee esiin taitojen rapautumisen dynamiikka: jos luotat itsesi tai jonkun muun tekemiin esivalidoituihin kehotteisiin ja teet näin toistuvasti, aktiivinen tehtävän pohdinta lakkaa, etkä enää hyödynnä taitojasi ja tietojasi täysimääräisesti.

Kun promptit tuottavat edelleen toivottuja tuloksia, kuten tarkkoja taloudellisia tietoja tai koodirivejä, vaarana on nojautua vielä enemmän tekoälyn automaattisesti tuottamiin tuloksiin, jolloin tulemme entistä riippuvaisemmiksi tekoälyn tuotoksista ja olemmekin huomaamatta siirtyneet kuskin paikalta matkustajiksi tai pahimmillaan "nukahtaneet rattiin".

Ja jos sama suunta jatkuu pitkän aikaa, tällöin taitojen rapautuminen saattaa iskeä meitä kasvoille: pitkään tarkkoja tuloksia tuottanut kehote ei välttämättä enää toimi odotetulla tavalla, kun taustalla oleva tekoälytyökalun malli muuttuu tai lakkautetaan (kuten OpenAI:n pakottama siirtyminen GPT4-malleista yhteen GPT5-malliin) tai GenAI-työkaluilla luotujen koodirivien pohjalta kehitetty ohjelmisto lakkaa toimimasta.

Jos olemme tulleet itsetyytyväisiksi emmekä tee työtä ajatuksella ja yksityiskohtiin syventyen, on todennäköistä, että taidot ovat rapautuneet ajan myötä.

Siksi yksilötasolla kriittisen ajattelu ja aktiivisen pohdinnan ylläpitäminen ovat välttämättömiä, koska GenAI-työkalujen vastaukset voivat ensisilmäyksellä näyttää vakuuttavilta, mutta kuten tiedämme, ulkonäkö voi pettää, sillä vastaukset voivat olla pinnallisia tai harhaanjohtavia.

Tämä ongelma on merkittävämpi etenkin nuoremmille työntekijöille, joilla on todennäköisesti vähemmän mahdollisuuksia uppoutua työkontekstin erityispiirteisiin ja jotka kohtaavat vähemmän ratkaistavia haasteita, jos he arvioivat pääasiassa tekoälyn tuotoksia – toisin sanoen, heillä on vähemmän mahdollisuuksia oppia työssä ja kerryttää kokemusta.

Kun otetaan huomioon taitojen heikkenemiseen liittyvät selkeät riskit, miksi tätä asiaa ei nosteta enemmän esille?

EP: Ilmiön hankaluus johtuu sen piilevästä luonteesta. Jos yritys automatisoi liiketoimintaprosessin kokonaan, ongelmia ei luonnollisesti ole niin kauan kuin järjestelmä toimii.

Näin oli myös meidän organisaatiossamme.

Järjestelmä oli tavallaan ”liian täydellinen” ja optimoi tehokkaasti asiakasyritysten kiinteän omaisuuden optimoinnin. Miksi siis alkaa keskustella mahdollisesti työntekijöiden tietotaidon rapautumisesta, jos ongelmia ei ole?

Ongelmia syntyy, kun jokin menee pieleen. Tässä tapauksessa ylimmän johdon päätös oli lopettaa automaatiojärjestelmän käyttö ja siirtyä keskitetympään IT-arkkitehtuuriin. Tuossa uudessa mallissa piti olla vastaavanlainen automaatiotyökalu, mutta kävi ilmi, että sellaista ei ollut.

Ympäristö muuttui, mikä johti työntekijöiden taitojen haitallisten piilevien vaikutusten havaitsemiseen. Joissakin muissa yhteyksissä automaatioon luottamisen pitkäaikaiset vaikutukset voivat paljastua jonkin muunlaisen tekijät ansiosta.

Jotain muuta vielä aiheesta?

EP: Voidaan kysyä, mitkä taidot tulisi säilyttää ja mitkä taidot voidaan unohtaa tai hylätä? Tämän rajan asettaminen näyttää olevan ongelmallista.

Osittain tämä johtuu muuttuvista ympäristöistä. Jotain, mitä nyt pidetään tarpeettomana, ei välttämättä pidetä tarpeettomana tulevaisuudessa.

Kannustamme yrityksiä tekemään skenaarioanalyyseja: mitkä ovat mahdolliset ja ennakoitavat vaihtoehtoiset skenaariot organisaation, teknologian ja ympäristön kannalta?

Kuinka todennäköistä on, että organisaation käyttöön ottama automaatioteknologia tai tekoälytyökalu yhtäkkiä lakkaa toimimasta?

Kuinka todennäköistä on, että ympäristömuutos vaikuttaa liiketoimintaprosessissa vaadittaviin taitoihin, joista olen henkilökohtaisesti vastuussa?

Entä jos organisaatiomme tekee strategisen päätöksen, joka vaikuttaa IT-infrastruktuuriimme tavalla, joka vaarantaa IT-toimintojamme?

Nämä ovat kysymyksiä, joita haluaisimme yritysten pohtivan.