Tekoäly järjestöjen arjessa, osa 7: Tekoäly strategian tukena alkaa tiedon järjestämisestä  

Tekoälyä voidaan käyttää järjestössä moniin eri työtehtäviin, mutta mitä sen ottaminen käyttöön koko työyhteisössä merkitsee? Erilaisten oppijoiden liiton kokemukset SaavutaÄly-hankkeesta saivat pohtimaan tätä kysymystä. Erityisesti kiinnosti, voisiko tekoäly auttaa oman toiminnan ymmärtämisessä ja seuraamisessa: toteutuuko strategia aidosti arjen työssä? Vastauksen löytämiseksi oli kuitenkin ensin selvitettävä, millaista tietoa järjestöllä on käytössä. 

Kiinnostuksesta tekemiseen

Erilaisten oppijoiden liitossa lähdettiin SaavutaÄly-hankkeen kehittämiskumppanuuteen uteliaina. Henkilöstössä oli jo kiinnostusta tekoälyyn, ja sitä käytettiin esimerkiksi tekstien muokkaamiseen, tiivistämiseen ja ideointiin. Käyttö oli kuitenkin pääosin jokaisen omaa, eikä yhteisiä linjauksia asian suhteen ollut. Kehotteiden eli promptien kirjoittaminen oli jo tuttua, mutta kukaan ei ollut ennen hanketta rakentanut omaa tekoälyagenttia.

Tekoälyä oli kyllä hyödynnetty monipuolisesti esimerkiksi tiedon visualisoinnissa helpommin ymmärrettäväksi sekä asiakkaiden ohjauksissa oppimisen apuvälineenä. Toisaalta näitä kokemuksia ja osaamista ei ollut jaettu riittävästi työyhteisön sisällä. SaavutaÄly-hankkeen kevään 2026 kehittämiskumppanuusjakso tarjosi tähän mahdollisuuden.

Kehittämiskumppanuuden käytännönläheisissä kuukausittaisissa tapaamisissa keskusteltiin tekoälyn merkityksestä työyhteisölle, opeteltiin sen konkreettista hyödyntämistä ja kerrottiin avoimesti tekoälykokeilujen onnistumisista ja haasteista. Opitut taidot siirtyivät nopeasti asiakastyöhön, jossa agentteja alettiin kokeilla esimerkiksi oppimisen tukena. Näin hankkeesta hyötyivät työyhteisön lisäksi myös järjestön ohjausasiakkaat. Samalla huomattiin, kuinka tärkeää on jakaa toimivia kokeiluja ja niistä saatuja kokemuksia koko työyhteisössä.

Erilaisten oppijoiden liiton kokemus vastaa hyvin tekoälyn käyttöönottoa koskevan tutkimuksen havaintoja. Esimerkiksi Te’eni ym. (2026) korostavat, ettei generatiivisen tekoälyn mahdollisuuksia omalle organisaatiolle voida arvioida vain yleisen tiedon perusteella. Organisaation tulisikin tehdä toimintaansa kytkeytyviä kokeiluja. Niiden kautta ja niitä yhdessä reflektoiden syntyy organisaatiolle relevanttia yhteistä oppimista ja osaamista. Kokeilujen avulla voidaan vähitellen tunnistaa sekä tekoälyn konkreettisia hyötyjä että sen käyttöön liittyviä riskejä.

Käänteentekevä agenttikoulutus

Kehittämiskumppanuuden agenttien rakentamista käsitellyt koulutus oli tärkeä käänne järjestön tekoälypolulla. Useampi oli ajatellut, että omiin työtehtäviin liittyvästä agentista voisi olla hyötyä, mutta sen tekeminen oli lykkääntynyt. Työpajana toteutetussa agenttikoulutuksessa ja kevään 2026 kehittämiskumppanuuden sprinttitapaamisissa siihen sai ohjausta ja ennen kaikkea aikaa.

Erilaisten oppijoiden liitossa viestintävastaava Jenni Janakka rakensi agenttityöpajan aikana itselleen julkaisuagentin, jota hän on kehittänyt edelleen ja käyttänyt erityisesti liiton tapahtumista tiedottamiseen. Tapahtumasta pitää usein tehdä useita julkaisuja eri kanaviin. Agentti on auttanut tässä toistuvassa työssä ja tehostanut tiedottamista. Myös Dăniloaian & Turtureanin (2024) tekemä tutkimus generatiivisen tekoälyn hyödyntämisestä sisällöntuotannon sujuvoittamisessa tukee tätä näkökulmaa. Agenttikokeilu teki samalla näkyväksi, millaisessa tehtävässä tekoälystä on oikeasti hyötyä. ”Sen ei tarvitse tehdä kaikkea ollakseen hyödyllinen”, Jenni toteaa ytimekkäästi.

Tekoälyagenttikoulutus herätti oman työn tehostamiseen liittyvän oivalluksen lisäksi laajemman kysymyksen: miten yksittäisen työntekijän toimivaksi havaittu kokeilu saadaan muidenkin käyttöön? Työkaluja ja vinkkejä kannattaa jakaa jo silloin, kun niitä vielä kehitetään. Yhteinen kokeileminen edellyttää kannustavaa ilmapiiriä, mutta myös kalenteriin varattua työaikaa. Muuten kiinnostus jää helposti odottamaan sitä kuuluisaa ”rauhallisempaa viikkoa”.

Mitä tekoäly voisi kertoa strategiasta?

Hankkeen kehittämiskumppanuuden aikana Erilaisten oppijoiden liitossa pohdittiin, voisiko tekoälyä käyttää myös tiedolla johtamisen tukena. Esimerkiksi strategiaa, toimintasuunnitelmaa ja raportteja voisi tarkastella rinnakkain: näkyvätkö sovitut tavoitteet siinä, mitä tehdään ja mistä raportoidaan? Jääkö jokin tärkeä tavoite vähälle huomiolle? Onko järjestössä riittävästi tietoa, jotta näihin kysymyksiin voidaan vastata?

Ajatus liittyy tutkimuksessa laajempaan keskusteluun ihmisen ja tekoälyn yhdistämisestä strategisessa päätöksenteossa. Trunk, Birkel ja Hartmann (2020) korostavat, että tekoälyn vahvuus on erityisesti suurten ja keskenään erilaisten tietoaineistojen käsittelyssä sekä niistä löytyvien yhteyksien tunnistamisessa.

Tekoälyn hyödyntäminen strategiatyössä on Erilaisten oppijoiden liitolle vielä työn alla oleva kehittämiskohde. Tekoäly voi auttaa aineistojen läpikäynnissä ja ehdottaa strategista ajattelua virittäviä kysymyksiä, mutta se ei vielä ymmärrä riittävän syvällisellä tasolla, mikä järjestön työssä on arvokasta. Jos tekoäly kutsuu strategiseksi kumppaniksi, on syytä sanoa ääneen, millaisesta kumppanuudesta puhutaan: tekoäly voi tukea ajattelua, mutta vastuu ja harkinta pysyvät yhä ihmisillä.

Ihmisen ja tekoälyn yhteistyötä koskevassa tutkimuksessa tätä kutsutaan täydentävyydeksi. Tavoitteena ei ole siirtää ihmisen harkintaa tekoälylle vaan rakentaa työnjako, jossa molempien vahvuuksia hyödynnetään tarkoituksenmukaisesti. Täydentävyys edellyttää esimerkiksi selkeitä tavoitteita ja vastuita, harkittua työnjakoa, oikein mitoitettua luottamusta sekä jatkuvaa koulutusta ja arviointia. (Muniz & Santos, 2026.) Parhaimmillaan ihmisen ja tekoälyn yhteispeli mahdollistaa entistä vaikuttavampia ja tuottavampia toimintatapoja (Dookie, 2020).

Ensin pitää tietää, missä tieto on

SaavutaÄly-hankkeen keskeinen havainto oli, ettei tekoäly ratkaise hajanaisen tiedon ongelmaa. Jos tieto on eri kansioissa, tiedostot on nimetty epäselvästi tai käyttöoikeudet estävät aineistojen yhdistämisen, luotettavan kokonaiskuvan muodostaminen on vaikeaa. Tekoäly ei voi arvioida strategian toteutumista sellaisen tiedon perusteella, jota se ei löydä tai jonka ajantasaisuudesta ei ole varmuutta.

Siksi on kiinnitettävä huomiota kansiorakenteisiin, tiedostojen nimeämiseen ja siihen, miten päätöksiä ja havaintoja kirjataan. Myös aineiston laatu merkitsee. Kokousmuistiossa voi olla aukkoja ja automaattisessa litteroinnissa virheitä. Tekoäly tekee huonostakin aineistosta sujuvan yhteenvedon. Se ei tee aineistosta parempaa.

Aineiston laadun lisäksi on arvioitava kriittisesti myös tekoälytuotosta. Vakuuttavalta vaikuttava tekoälytuotos ei vielä itsessään takaa tiedon paikkansapitävyyttä tai luotettavuutta. Esimerkiksi Ou ym. (2024) ovat osoittaneet, että generatiivinen tekoäly kykenee luomaan pintapuolisesti erittäin vakuuttavaa tekstiä, joka saattaa silti sisältää huomattavia puutteita ja jopa suoranaisia virheitä.

Jättidatasta pikkudataan

Myös Tietoyhteiskunnan kehittämiskeskus ry:n (TIEKE) asiantuntija Mikko Eloholma (2026) katsoo, että ymmärrys omasta datasta tukee tekoälyn hyödyntämistä. Kun tekoälyn laajan kielimallin kautta saatavilla olevan ”jättidatan” lisäksi kiinnitetään huomiota organisaation omaan ”pikkudataan”, voidaan saada aikaan lisäarvoa, jota muilla ei ole.

Jotta pikkudatasta olisi merkittävää hyötyä, sen täytyy kuitenkin olla laadukkaassa, tekoälyn helposti luettavassa muodossa. Organisaation hallussa olevan oman tiedon inventaarion yhteydessä olisi hyvä kysyä: Mitä dataa meillä on? Kuinka arkaluonteista se on? Kuka saa päästä käsiksi mihinkin dataan? Onko meillä vanhaa tai keskenään ristiriitaista dataa? (Eloholma, 2026.)

Järjestön oman tiedon järjestäminen ja ”ruotuun laittaminen” saattaa alkuun kuulostaa vaatimattomalta toimenpiteeltä verrattuna uusien agenttien rakentamiseen. Se on silti tiedolla johtamisen perusta. Kun tiedetään, mitä tietoa organisaatiossa on ja mistä se löytyy, voidaan toimintaa arvioida paremmin – myös ilman tekoälyä.

SaavutaÄly-hankkeessa saatiin myös tukea palautekyselyiden kehittämiseen. Aiemmin jokaista koulutusta varten kopioitiin erillinen kysely, jolloin palautepohjat saattoivat sekoittua ja tieto hajautui eri tiedostoihin. Nyt kullekin tavoitteelle on yksi yhteinen palautekysely, jonka vastaukset kertyvät samaan aineistoon. Tavoitteena on helpottaa ensi vuoden raportointia: tekoälyä voisi hyödyntää eri kohderyhmien tavoittamista koskevien lukujen analysoinnissa sekä tulosten ja vaikuttavuuden arvioinnin tukena.

SaavutaÄly-hankkeen kehittämiskumppanuudesta jäi Erilaisten oppijoiden liitto ry:lle kaksi toisiinsa liittyvää ”kotitehtävää”. Ensinnäkin henkilöstölle on annettava riittävästi aikaa tekoälyn kokeilemiseen. Kun työkalu tulee tutuksi tietää paremmin, milloin ja mihin sitä kannattaa käyttää. Oma pikkudata on myös työstettävä sellaiseen muotoon, että koneäly osaa sitä luotettavasti lukea. Vasta silloin tekoälyä voidaan hyödyntää turvallisin mielin myös strategisissa kysymyksissä.

Kirjoittajat:

Gyan Dookie

Lähteet

Eloholma, M. (19.3.2026). Dataymmärrys tukee tekoälyn hyödyntämistä [Webinaariesitys]. Yhteisillä pelisäännöillä liikkeelle tekoälyn kanssa, AI-askelia-hanke, TIEKE. https://tapahtumat.tieke.fi/event/5dlZ6

Dăniloaia, D.-F., & Turturean, E. (2024). Knowledge workers and the rise of artificial intelligence: Navigating new challenges. SEA – Practical Application of Science, 12(35), 111–121 

Dookie, G. (15.6.2020). Tekoäly räätälöi oppimispolkuja ja uudistaa valmentajan työtä. Työterveyslaitos. https://www.ttl.fi/ajankohtaista/blogi/tekoaly-raataloi-oppimispolkuja-ja-uudistaa-valmentajan-tyota

Muniz, V., & Santos, É. (2026). Between humans and algorithms: Framing machine communication as a socio-technical relation. AI & Society, 41, 5573–5587. https://doi.org/10.1007/s00146-026-03041-6

Ou, M., Zheng, H., Zeng, Y., & Hansen, P. (2024). Trust it or not: Understanding users’ motivations and strategies for assessing the credibility of AI-generated information. New Media & Society, 28(2), 507–529. https://doi.org/10.1177/14614448241293154 

Te’eni, D., Raymond, M., Rowe, F., Thénoz, E. & Trimborn, P. (2026). Organizational learning for exploring Generative AI: CORE-sandbox experiments. International Journal of Information Management, 87, 103029. https://doi.org/10.1016/j.ijinfomgt.2026.103029 

Trunk, A., Birkel, H. & Hartmann, E. (2020). On the current state of combining human and artificial intelligence for strategic organizational decision making. Business Research, 13, 875–919. https://doi.org/10.1007/s40685-020-00133-x

Lue lisää hankkeesta