1. Johdanto

Tämä julkaisu keskittyy tekoälyn hyödyntämiseen asiantuntijatyössä. Sen tarkoitus ei ole ottaa laajasti kantaa ennustemalleihin tai automaattiseen päätöksentekoon vaan pohtia, miten tekoäly vaikuttaa julkishallinnon asiantuntijatyöhön ja miten sen vaikutuksia voisi ja tulisi arvioida.   

Julkaisun tavoitteena on vahvistaa julkishallinnon yhteistyötä tekoälyn hyödyntämisessä ja käyttötapausten löytämisessä. Lisäksi haluamme herättää keskustelua siitä, mihin ja miten tekoälyä tulisi julkishallinnossa tulevaisuudessa hyödyntää. Julkaisu on tarkoitettu kaikille julkishallinnon asiantuntijoille, jotka pohtivat tekoälyn käyttöä ja sen vaikutuksia omaan työhön ja organisaatioon.   

Lopussa tarjoamme konkreettisia toimenpide-ehdotuksia ja kokeiluideoita, jotka auttavat organisaatioita hyödyntämään tekoälyä hallitusti ja hyvän hallinnon periaatteita kunnioittaen.  

Idea julkaisusta syntyi, kun huomasimme pohtivamme sekä Kelassa että Digi- ja väestötietovirastossa (DVV) asiantuntijatyön muutosta tekoälyn aikana. Päätimme auttaa toisiamme ja jaoimme ymmärrystä, materiaaleja ja haastatteluaineistoja toisillemme. Julkaisun tausta-aineistoina toimivat asiantuntijahaastattelut sekä työpajat asiantuntijatyön muutoksesta ja toivotuista tulevaisuuksista.  

Mikä tekoäly?  

Tekoälyn määritelmiä on useita (mm. EU:n tekoälyasetuksen määritelmäLinkki toiselle sivustolle, Avautuu uudessa välilehdessäyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab). Asiantuntijoille tärkeintä on kuitenkin ymmärtää, että tekoäly on kehittynyt tietokoneohjelma. Se osaa oppia saamastaan tiedosta ja pystyy ratkaisemaan tehtäviä, joihin ennen tarvittiin ihmistä. Se voi tunnistaa säännönmukaisuuksia ja tehdä niiden pohjalta päätelmiä. Tekoäly toimii kuin yksinkertaistettu jäljitelmä ihmisen ajattelusta.  

Arjessa tekoälyllä viitataan useimmiten laajoihin kielimalleihin, kuten ChatGPT, joita ohjataan luonnollisella kielellä eli puhuen tai kirjoittaen. On olemassa myös muunlaisia malleja, jotka ovat hyödyllisiä eri käyttötarkoituksissa. 

Yksityisellä ja julkisella sektorilla on erilaisia haasteita ja lähestymistapoja tekoälyteknologian hyödyntämiseen. Julkishallinnossa tekoälyn rooli nähdään usein ensisijaisesti asiantuntijatyötä tukevana ja tehostavana, mutta ei sen korvaajana. Julkisella sektorilla tekoälykeskustelu on muodostunut tukiäly-keskusteluksi. Sillä halutaan painottaa, ettei tekoälyn tarkoitus ole korvata ihmisten vastuuta eikä poistaa ihmisten työtä, vaan tekoälyä halutaan käyttää asiantuntijan työn tukena.  

Erilaiset arjen jaottelut ovat yksi tapa saada ymmärrystä siitä, mitä tekoälykeskusteluissa halutaan painottaa ja millaisesta käyttötapauksesta kulloinkin puhutaan. Toisinaan keskusteluissa eri asiat sekoittuvat keskenään – kun yksi puhuja viittaa tekoälyllä automaattiseen päätöksentekoon ja toinen mieltää tekoälyn yksittäisen asiantuntijan Copilot-käytöksi, ei ole ihme, jos yhteisymmärrystä on vaikea löytää. Erilaiset käyttötapaukset eroavat toisistaan paljon niin hyötyjen kuin riskien osalta. 

Ohessa on yksi tapa erotella asiantuntijan käytössä olevia tekoälyratkaisuja.  Jäsennyksen tarkoituksena on pyrkiä selventämään keskustelua ja ei-teknisen asiantuntijan tekoälytyökaluja.  

Tekoäly herättää tunteita ja odotuksia, mutta on usein melko arkista

Tekoälystä saattaa tulla mieleen täysin automaattinen päätöksenteko, jossa kone korvaa ihmisen. Tämän julkaisun taustahaastatteluissa asiantuntijatyön muutos näkyi kuitenkin pääosin arjen rutiininomaisissa tehtävissä: tekoälyä hyödynnettiin tiedon etsimisessä, dokumenttien läpikäynnissä ja toistuvien vastausten laatimisessa. Se ei siis korvannut asiantuntijaa, vaan tehosti työntekoa. Tästä voi lukea lisää osiossa 4. 

Tekoälyyn liittyy paljon tunteita – innostusta, turhautumista, toivoa ja huolta – mutta tästä puolesta puhutaan yleisesti vähemmän. Kokemukset vaikuttavat siihen, miten suhtaudumme tekoälyyn, millaisia merkityksiä sille annamme ja millaisena näemme toivottavan tulevaisuuden siihen liittyen.Linkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab Asenteet ja odotukset tekoälyä kohtaan vaikuttavat arjen valintoihin. Toisaalta huomasimme, että nämä kokemukset ja tunteet myös saattavat muuttua nopeasti kehittyvän teknologian ja omien kokemusten myötä. Tästä voi lukea lisää osiossa 5. 

Seuraava osio:

• 2. Julkisen sektorin tulee selvittää tekoälyn hyötyjä yhdessä

2. Julkisen sektorin tulee selvittää tekoälyn hyötyjä yhdessä 

Tekoälyn, kuten ChatGPT:n kaltaisten työkalujen, nopea kehitys muokkaa voimakkaasti asiantuntijatyötä seuraavien vuosien aikana.Linkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab Tekoälyn hyödyntäminen lupaa kognitiivisen kuorman keventymistä, sujuvampaa asiakaskokemusta ja tehokkaampia järjestelmiä. 

Julkisella sektorilla on paineita löytää tehokkaita ratkaisuja, koska väestö ikääntyy, palvelutarpeet kasvavat ja merkittävä määrä virkamiehiä jää lähivuosina eläkkeelle. Seuraavan 10 vuoden aikana valtiolta eläköityy arviolta 27 % työntekijöistä. Samalla kansalaiset ovat tottuneet yhä yksilöllisempiin ja elämäntilanteisiin sujuvasti sopiviin palveluihin.   

Julkishallinnossa viranomaisia sitovat hyvän hallinnon periaatteet. Hyvän hallinnon periaatteiden mukaan kansalaisia on kohdeltava yhdenvertaisesti ja päätösten on oltava läpinäkyviä. Tämä tietysti koskee myös tekoälyä, mutta keskustelu siitä, mitä tämä tarkoittaa käytännössä, on vasta alussa. Lisäksi EU:n tekoälysäädös on tuonut helmikuusta 2025 alkaen uusia vaatimuksia julkishallintoon. Moni virasto miettii toimintamalleja, joiden avulla varmistetaan lainmukaisten velvoitteiden lisäksi laajempien eettisten periaatteiden toteutuminen käytännössä. Tästä voi lukea lisää osiossa 3.  

Parhaimmillaan tekoälykeskustelu ja -kokeilut herättävät pohtimaan, mitkä ovat julkisen sektorin arvot ja periaatteet ja miten voimme yhdessä demokraattisesti arvioida näiden toteutumista tekoälyn osalta.

Useissa virastossa on varmasti jo pohdittu muun muassa näitä kysymyksiä tekoälyyn liittyen: 

• Kenellä on vastuu, jos tekoäly neuvoo asiantuntijaa tai asiakasta väärin?  
• Mitä vähäriskisiä tehtäviä voi tehdä tekoälyavusteisesti ja miten sillä saadaan työaikasäästöjä? 
• Missä asioissa tekoälyä voi ylipäänsä käyttää julkisella sektorilla?  
• Mitä tekoälyn käyttöönotto vaatii asiantuntijoilta? 

Tekoälyyn liittyvän keskustelun on turha olla vastakkainasettelu joko puolesta tai vastaan. Sen sijaan tarvitaan laadukasta ja rakentavaa keskustelua siitä, miten, miksi ja mihin tekoälyä hyödynnetään. Tekoäly ei tule ja pelasta, mutta voi oikein käytettynä auttaa palvelemaan kansalaisia entistä paremmin. 

Avoimuus ja oppien jakaminen tukee yhteisen hyvän rakentamista 

Julkishallinnon palvelut kytkeytyvät tiiviisti toisiinsa. Esimerkiksi työttömäksi jäävä asioi usein samaan aikaan kuntien työllisyyspalveluiden ja Kelan palveluissa, ja taustalla pyörivät kansalliset perusrekisterit ja digitalisaation tukipalvelut. Suomalaisen yhteiskunnan digitalisaatio on edennyt pitkälle. Jos jokainen virasto kuitenkin kehittää tekoälyratkaisuja yksin, voi lopputulos olla sekava ja kallis. Oppeja, epäonnistumisia ja kokemuksia jakamalla muut vastaavia tehtäviä kokeilevat toimijat säästyvät jo testatuilta ongelmilta ja kokeiluja voidaan suunnata hyödyllisiin asioihin. Yhteistyö on tehokkain tapa kehittää tekoälyn hyödyntämistä. 

Yhteistyöllä ja toimivien ratkaisuiden jakamisella voidaan välttää päällekkäistä työtä. Kun yksi virasto ratkoo tietoturvakysymyksiä tai kehittää tapoja tekoälyn laadunvarmistukseen, voivat muut hyötyä opeista. Yhteistyö auttaa myös varmistamaan, että tekoälyä käytetään johdonmukaisesti: kansalaisen pitäisi saada yhtä luotettavaa palvelua riippumatta siitä, missä virastossa asioi.  

Tekoälyä tulee kehittää julkishallinnossa avoimesti. Tekoälyratkaisut voivat auttaa asiantuntijatyön lisäksi asiakkaiden palveluita, esimerkiksi kielenkäännösten kautta, mutta vain, jos kehittäminen tehdään asiakkaiden kanssa yhteistyössä ja ihmisten todellista arkea ymmärtäen. Myös tutkijoilla on tärkeä rooli julkishallinnon vastuullisuuden haastajina ja kehittäjinä.Linkki toiselle sivustolle, Avautuu uudessa välilehdessäyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab

Tekoälyn hyödyntäminen nostaa esiin myös laajempia kysymyksiä:  

• Miten varmistamme, että palvelut ovat aidosti saavutettavia kaikille?  
• Kuinka säilytämme kansalaisten luottamuksen, kun tekoäly tulee osaksi viranomaistyötä? 
• Miten viestimme sekä käytössä että kokeilussa olevista tekoälyratkaisuista ymmärrettävästi? 

Tekoäly ei tule mullistamaan julkishallintoa yhdessä yössä, mutta oikein käytettynä se voi tehdä palveluista sujuvampia sekä kansalaisille että virkahenkilölle. Tekoäly voi mahdollistaa myös joistain palveluista ja prosesseista luopumisen ja uusien palveluinnovaatioiden syntymisen, mutta se ei tapahdu ylhäältä alaspäin pakottamalla. Tässä kehityksessä julkishallinnolla ei ole varaa jäädä sivustaseuraajaksi.  

Esimerkki: Liitteiden käsittely tekoälyn avulla  

Kelassa käsitellään OmaKelan kautta lähetettyjä liitteitä luettavuuden ja käsiteltävyyden parantamiseksi tekoälyn avulla.

Tekoälyä hyödynnetään asiakkaan lähettämien liitteiden uudelleen nimeämisessä perustoimeentulotuen käsittelyssä. Liitteitä tunnistetaan kuvantunnistuksella, sekä tekstitunnistuksella. Mikäli saapuva liite tunnistetaan tekoälymallin avulla joksikin muuksi, kuin miksi asiakas on sen nimennyt, liite nimetään uudelleen. Kuvamuotoisille liitteille tehdään myös kuvakoon pienennystä ja kuvankääntöä tekoälyn avulla.  

Vuoden 2023 aikana nimettiin uudelleen noin miljoona liitettä, mikä säästi noin 7 henkilötyövuoden verran työaikaa eli yli puoli miljoonaan euroa. Vuoden 2024 aikana toiminnallisuutta laajennettiin edelleen ja kevääseen 2025 mennessä on uudelleennimetty yhteensä jo lähes 8 milj. liitettä ja siten säästetty laskennallisesti yli 50 henkilötyövuoden verran työaikaa.   

Hyödyt:  

• Asiakirjojen uudelleennimeäminen parantaa ratkaisutyön laatua. 
• Käsittely nopeutuu, mikä vähentää käsittelijöiden kognitiivista kuormaa.   
• Rutiinitehtävien automatisoiminen vapauttaa käsittelijät vaativampiin työtehtäviin.   

Seuraava osio:

• 3. Vastuullisuusperiaatteet toteutuvat arjen päätöksissä

3. Vastuullisuusperiaatteet toteutuvat arjen päätöksissä

Kun puhutaan tekoälyn hyödyntämisestä viranomaistehtävissä, esiin nousee huoli tietoturvasta ja virheiden mahdollisuudesta. Julkisella sektorilla erityisenä haasteena on oletus täysin virheettömästä palvelusta. Julkishallinnossa on vuosikymmenten kokemus tukijärjestelmien kehittämisestä. Myös tuleville tekoälyjärjestelmille tulee rakentaa tarvittavat tukimekanismit. Tällä matkalla olemme vasta alkumetreillä. 

Tekoälyn pitää ratkaista aitoja ongelmia

Julkishallinnon tekoälykeskustelu keskittyy usein teknologiaan ja tehokkuuteen, eikä siihen mitä sillä haluamme tehdä – mitä tulevaisuutta kohti menemme ja mitä haluamme muuttaa. Julkishallinnossa käydäänkin liian vähän keskustelua toivotuista tulevaisuuksista ja siitä, mitä teknologialla pitäisi tehdä. 

Ei ole vain IT-asia, missä ja miten tekoälyä ja muita teknologioita käytetään ja kuka niitä käyttää. Vaikka tekoälyn käyttö tarvitsee myös teknologista asiantuntijuutta ja ymmärrystä tekoälyn hyödyntämisen rajoitteista, erityisesti aineistojen käsittelyn osalta, pitäisi teknologian soveltamisen tapahtua järjestyksessä vasta sen jälkeen, kun tiedetään mitä tarpeita sillä ratkotaan. Huippulaatuinenkaan tekoäly ei auta, jos se ei pelaa yhteen ihmisten ja työkulttuurin kanssa. 

Ihmisen ymmärrystä ei kannata ulkoistaa tekoälylle – teknologia tulee vasta ihmislähtöisten valintojen jälkeen 

Tekoälyn soveltamisesta organisaatiossa päättävät aina ihmiset, jotka tekevät arvovalinnat ja kantavat vastuun. Meidän täytyy tehdä tarkkaan harkittuja valintoja siitä, missä tekoälyä olisi tarpeellista käyttää, missä se voisi olla työn tukena tai kuinka sen ei ainakaan tulisi toimia. Tekoälyyn tai algoritmeihin liittyviä arvovalintoja tai vastuukysymyksiä ei voi ulkoistaa esimerkiksi tekoälylle itselleen. Näin tekoälyn käyttöön liittyviä valintoja ei myöskään tehdä teknologialähtöisesti vaan ihmislähtöisesti. Tällaiset keskustelut ja valinnat auttavat myös vahvistamaan ihmisen roolia (ns. human in the loop) osana vahvastikin teknologiaan perustuvia prosesseja.

Kysymykset tekoälyyn liittyvistä vastuista ja valinnoista eivät ole helppoja. Ne myös muistuttavat, että digitalisaatio tai jokin tietty teknologia ei ole taikasauvan kaltainen ratkaisu jokaiseen ongelmaan. Vaikka käytännön ratkaisuista on helpompi puhua, pitää pystyä keskustelemaan siitä, mitä tekoälyllä tehdään ja mitä ei. Jos keskustelu tekoälyn käytöstä jää vain teknologiatasolle, voivat etiikkaan ja vastuullisuuteen liittyvät kysymykset jäädä pistemäisiksi tai unohtua kokonaan. Tämä voi aiheuttaa suuria ongelmia myöhemmin, jos huomataan, ettei tekoäly palvele oikeanlaisia tavoitteita tai edistä haluttuja arvoja tai että se aiheuttaa vääriä tuloksia. Esimerkiksi Alankomaissa, Ruotsissa ja Tanskassa syrjivät algoritmit ovat aiheuttaneet suuria yhteiskunnallisia ongelmiaLinkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab.

Uutisissa käsiteltyjä tekoälyjärjestelmiin liittyviä syrjintätapauksia julkishallinnossa. Artikkelit kertovat mm. Ruotsin ja Alankomaiden tapauksista, joissa viranomaiset ovat käyttäneet syrjiviä algoritmeja sosiaaliturvan ja lastenhoidon tukien hallinnassa. Amnesty International on raportoinut molemmista tapauksista. 

Keskustelut vastuullisesta toiminnasta ovat tärkeitä ja jokainen voi osallistua niihin. Siksi ne tulisikin rakentaa sisään prosesseihin ja organisaation tekoälyn hallintamalliin. Näin muillakin kuin asiaan vihkiytyneillä on mahdollisuus ottaa kantaa, ja keskustelua voidaan käydä yhdessä eri taustoista tulevien kanssa.

Vastuullisuuskysymysten parissa ei tarvitse eikä pidä yrittää pärjätä yksin. Keskustelua voi rikastuttaa pyytämällä apua vaikeiden kysymysten pohdintaan esimerkiksi ihmis- tai yhteiskuntatieteilijöiltä, jotka osaavat avata keskustelua tekoälyn vaikutuksista yksilöihin, organisaatioihin ja muihin yhteisöihin. Suomi.fi-opas tekoälyn vastuullisesta hyödyntämisestäLinkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab avaa kattavasti, miten ja millaisia vastuullisuuskysymyksiä tekoälykehityksessä tulisi huomioida.

Työkalut keskustelun tueksi

Eettisten kysymysten ja vastuullisuuteen liittyvien valintojen pohtimiseksi ja dokumentoinniksi on olemassa erilaisia työkaluja. Data Ethics Decision Aid (DEDALinkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab) on alankomaalaisen Utrecht Data Schoolin suunnittelema keskustelupohjainen työkalu, jonka Repair-tutkimushanke ja DVV käänsivät Suomen kontekstiin vuonna 2023. Sen avulla voidaan käydä itsenäisesti tai ohjatusti läpi data- ja algoritmipohjaisten projektien vastuullisuuskysymyksiä. 

DEDA on tarkoitettu tällaisissa projekteissa nimenomaan suunnittelu- ja käynnistysvaiheisiin, jolloin kehitettävän järjestelmän tai palvelun vastuullisuuden tarkastelu ja varmistaminen on kriittisen tärkeää. Vastuullisuutta ja eettisyyttä ei voi liimata valmiin tuotteen päälle jälkikäteen.

DEDA-työpajat ovat yksi tapa varmistaa, että projektista keskustellaan moniäänisesti ja moniammatillisesti niin, että esimerkiksi IT-asiantuntijat, juristit, muotoilijat ja asiakaspalvelijat eivät keskustele vain omissa siiloissaan. Vain yhdessä keskustelemalla voidaan varmistaa yhteisymmärrystä tavoitteista, tarpeellisuudesta ja toimenpiteistä. 

Jos oltaisiin rakentamassa esimerkiksi ennustemallia jonkin työvaiheen tukemiseksi, DEDAn avulla voitaisiin käydä läpi sekä dataan että yleisesti projektiin liittyviä kysymyksiä ja perusteluja: 

• Kuinka datan käytöstä huolehditaan? 
• Kuka osaa selittää algoritmin toiminnan? Kuinka asiasta viestitään? 
• Osallistetaanko projektiin kansalaisia? Keitä ja miten? Missä vaiheessa? 

Mitä varhaisemmassa vaiheessa projektia näitä kysymyksiä käsitellään, sitä helpompi niihin on vaikuttaa. Siksi eettisten kysymysten pohdinta on osa ongelmien ratkaisua. Kelassa ja DVV:ssä DEDA-työkalua on hyödynnetty osana teknologiakehitystä varmistamaan, että eettinen keskustelu eri tekoälykokeiluissa on monialaista.

DEDA koostuu työpaja arvoihin, dataan ja yleisesti projektiin liittyvistä kysymyksistä.

”Työpaja oli tosi hyvä ja kattava! Tuli mietittyä kehitettävää palvelua sellaisistakin näkökulmista, jotka olisi muuten saattaneet unohtua. Oli myös hyvä, että osallistujia oli monesta eri näkökulmasta esim. asiakaspalvelusta mukana." – DEDA-työpajan osallistuja

Seuraava osio:

• 4. Tekoäly avustaa asiantuntijaa

 4. Tekoäly avustaa asiantuntijaa

Moni asiantuntija toivoo tekoälyn vähentävän kognitiivista kuormitusta eli jatkuvaa tietotulvaa ja keskeytysten määrää, joka leimaa nykypäivän työelämää. Odotuksena on, että tekoäly hoitaa rutiinitehtäviä ja asiantuntijoille jää enemmän aikaa esimerkiksi monimutkaisten päätösten valmisteluun tai kansalaisten henkilökohtaiseen neuvontaan. 

Enemmän aikaa yhteiskunnallisesti merkitykselliseen työhön on iso lupaus, varsinkin kun moni julkishallinnon työntekijä näkee työn merkityksellisyyden suurena syynä työskennellä juuri julkishallinnossa.Linkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab

Miten tekoäly vaikuttaa asiantuntijatyöhön?

Tekoälyn käyttöönotto vaatii resursseja ja sopeutumista, mutta investoinnin arvo näkyy usealla tasolla. Asiantuntijoiden työkuorma on kasvanut merkittävästi viime vuosina samalla kun budjetit pienentyvät ja tehokkuuspaineet kasvavat. Automatisointi helpottaa asiantuntijoiden työkuormaa. Älykäs automaatio voi olla myös tekoälypohjaista, vaikka usein se onkin sääntöpohjaista tietojenkäsittelyä tai robotiikkaa. Lisäksi tekoäly voi toimia asiantuntijan tukena ja sparraajana. Se auttaa jäsentämään monimutkaisia kokonaisuuksia, vertailemaan vaihtoehtoja ja tuomaan esiin uusia näkökulmia. Tekoäly vaikuttaa siis ainakin kahdella tavalla asiantuntijatyöhön:

1. Tekoälyä hyödyntämällä poistetaan rutiininomaisia asioita eli työtä tehostetaan. Kun rutiinitehtävät poistuvat, on asiantuntijoilla enemmän mahdollisuuksia syvällisempään asiantuntijatyöhön. Se voi toisaalta lisätä kognitiivista kuormitusta, mutta ei muuta itse asiantuntijuutta.
2. Tekoälyä hyödyntämällä kehitetään itse asiantuntijaosaamista. Tekoälyn avulla kehitetään omaa tietotaitoa tai kerrytetään näkemyksiä ja oivalluksia tekoälyavusteisesti. Tällöin tekoäly muuttaa myös itse asiantuntijuutta. 

Kontekstin ymmärtäminen on ydin tekoälyratkaisuiden hyödyntämiselle

Tekoälyteknologian hyödyntäminen vaatii syvällistä ymmärrystä sen tulevista käyttäjistä ja organisaation toiminnasta. Pintapuolinen prosessikuvaus ei vielä riitä tekoälyn hyödyntämisen lähtökohdaksi. Ongelmiin syventymällä ja kysymällä riittävästi miksi jotakin tehdään, kyetään arvioimaan, perustuuko tarvittava ja tavoitteita palveleva teknologia esimerkiksi koneoppimiseen, robotiikkaan vai muunlaiseen automaatioon. Tarvitaan myös ymmärrystä työn kontekstista, jotta teknologiaa osataan soveltaa oikeassa kohdassa. Teknologiakeskeinen tekoälyn käyttöönotto epäonnistuu, koska se sivuuttaa työn inhimillisen ja sosiaalisen ulottuvuuden.

Työ syntyy työntekijän, prosessien ja teknologian vuorovaikutuksessa

Ilman tehtävässä hyödynnettävää teknologiaa työ on manuaalista. Jos tehtävä taas on voitu kuvata niin tarkkaan, että sen voi suorittaa pelkällä teknologialla, on kyseessä automaatio, joka toimii prosessien taustalla, konepellin alla. Asiantuntijan käyttämä tekoälyteknologia voi tuoda todellista arvoa, mutta ilman selkeää yhteyttä varsinaisiin työtehtäviin se jää pelkäksi itsenäiseksi kokeiluksi. 

Tällä hetkellä julkishallinnossa keskitytään lähinnä itsenäisiin kokeiluihin esimerkiksi Copilot-tekoälytyökalulla. Tekoälyn onnistunut käyttöönotto työympäristössä vaatii tasapainoa teknologian mahdollisuuksien, inhimillisen osaamisen ja työtehtävien vaatimusten välillä. Tekoälyn käyttöönotossa on keskeistä myös monialaisten tiimien hyödyntäminen. Yhdistelemällä niin dataan, prosesseihin, lakiin kuin asiakkaisiin liittyvää ymmärrystä voidaan tunnistaa sellaisia tiedon käsittelyn ja analysoinnin pullonkauloja, joiden poistamisessa tekoälystä on hyötyä.

Venn-diagrammi kuvaa työn, tekoälyteknologian ja työtehtävien välisiä suhteita. Vaikuttavinta on tekoälyn hyödyntäminen kaikkien kolmen leikkauspisteessä.  

Erilaiset tekoälyratkaisut edellyttävät oppimista ja uusia taitoja

Moninaisten tekoälytyökalujen hyödyntäminen vaatii työntekijöiltä uudenlaista osaamista. Tekninen ymmärrys tekoälytyökalujen luonteesta on oleellista. Tärkeää on osata kirjoittaa toimivia prompteja eli ohjaavia kysymyksiä ja kehotteita, joilla tekoäly saadaan toimimaan halutulla tavalla. Tulevaisuudessa osa asiantuntijan työtä voi olla tekoälyn kouluttaminen. Julkishallinnossa tarvitaan myös laajempaa tekoälylukutaitoa ja humanistista sivistystä. Se tarkoittaa niin abstraktimpaa kykyä arvioida tekoälytyökalujen vaikutusta omaan työhön ja arvoketjuihin kuin konkreettisemmin taitoja arvioida esimerkiksi kielimallin antaman vastauksen oikeellisuutta tai relevanssia omassa tehtävässä. 

Koska koulutus ja osaamisen kehittäminen ovat avainasemassa tekoälymurroksessa, tulisi julkishallinnon työntekijöille tarjota mahdollisuuksia kehittää ymmärrystään tekoälystä, sen käytön perusteista ja siitä, miten sitä voi kokeilla omassa työssä.

Kohti toivottuja tulevaisuuksia, ei teknologioita

Kela järjesti kevään 2024 aikana 4 työpajaa julkishallinnon asiantuntijoille toivotuista asiantuntijatyön tulevaisuuksista. Työpajoissa toistui kolme keskeistä elementtiä, jotka korostavat erityisesti pehmeämpien taitojen merkitystä teknisen osaamisen rinnalla. Vaikka monet tulevaisuudessa tarvittavista taidoista ovat jo nyt arkipäivää, tuo muutos mukanaan myös täysin uusia rooleja. Lisäksi tulevaisuudessa tarvitaan yhä enemmän kykyä yhdistää ihmislähtöinen ajattelu ja teknologinen ymmärrys.

Tulevaisuudessa työssä korostuu

• tekoälyn ja ihmisen sujuva yhteistyö 
• jatkuva oppiminen ja osaamisen jakaminen
• tekoälyn turvallisuus ja eettisyys.

Yksilön osaamisen kehittämisen lisäksi tarvitaan organisaatiorajat ylittävää tekoälyratkaisujen hyödyntämistä johdonmukaisesti palveluekosysteemeissä. Tämä vaatii uudenlaisia rakenteita ja kykyjä jakaa tietoja ja ratkaisuja myös toisten toimijoiden käyttöön. 

 Seuraava osio:

• 5. Asenteet ja odotukset tekoälyä kohtaan vaikuttavat arjen valintoihin

5. Asenteet ja odotukset tekoälyä kohtaan vaikuttavat arjen valintoihin

Me ihmiset annamme moninaisia merkityksiä teknologialle, jota käytämme. Myös tekoälyyn liittyy monenlaisia tunteita ja odotuksia ja sille annetaan erilaisia merkityksiä. Kaikenlaisilla asenteilla on paikkansa, ja ne viitoittavat erilaisia mahdollisuuksia hyödyntää tekoälyä.

Haastatteluissa huomasimme, että organisaatioille muodostuu tietynlainen kulttuuri, joka luo odotuksia ja asenteita tekoälyä kohtaan. Eräs finanssialan asiantuntija totesi johtajan roolin merkityksestä: ”Johtaja on poikkeuksellisen innostunut ja kertoo toistuvasti, kuinka hän käyttää tekoälytyökaluja arjessa ja miten arki tehostuu. Siitä kasvaa narratiivi organisaatiossa laajemminkin." 

Ihmisten ja organisaatioiden erilaiset asenteet tekoälyä kohtaan voidaan jäsentää nelikentän avulla. Ohessa oleva jäsennys perustuu tehtyjen haastatteluiden yksinkertaistukseen ja sen avulla voit tarkastella omaa aktiivisuuttasi, asenteitasi ja odotuksiasi tekoälyn suhteen.

Matriisi kuvaa erilaisia suhtautumistapoja ja odotuksia teknologiseen muutokseen. 

Rohkea edelläkävijä rakentaa koko toimintansa tekoälyn ympärille. Tekoäly on strateginen väline ja sen käyttöönottoon panostetaan merkittävästi. Edelläkävijä toimii aktiivisena esimerkkinä ja kannustaa tekoälyn laajaan hyödyntämiseen organisaatiossaan.

Harkitseva uudistaja näkee tekoälyn tärkeänä osana tulevaisuutta, mutta etenee varovaisesti ja harkiten. Hän pohtii tarkkaan tekoälyn vaikutuksia ja pyrkii hallittuun muutokseen. 

Aktiivinen tehostaja etsii innokkaasti tapoja hyödyntää tekoälyä tukitoiminnoissa. Hän kokeilee rohkeasti uusia työkaluja, mutta keskittyy uudistamisen sijaan nykyisen toiminnan tehostamiseen.

Perinteinen toimija suhtautuu tekoälyyn varovaisesti ja näkee sen lähinnä tukitoimintona. Hän ei mielellään perehdy uusiin toimintatapoihin tai teknologioihin, ennen kuin muut ovat osoittaneet tien.

Seuraava osio:

• 6. Tekoälyhypestä vaikuttaviin käyttötapauksiin kokeilujen avulla

6. Tekoälyhypestä vaikuttaviin käyttötapauksiin kokeilujen avulla

Isojen lupausten ja hypen sijaan pitää keskittyä siihen, että löydetään todelliset vaikuttavat käyttötapaukset. Näitä ei löydetä pelkkien teknisten asiantuntijoiden tai ylätason linjausten kautta. Joitain vinkkejä voi saada oppimalla muiden organisaatioiden kokeiluista. Lopulta hyödyn ymmärtäminen vaatii myös asiantuntijoilta itseltään mahdollisuutta ja rohkeutta kokeilla tekoälyteknologiaa omassa työssään. 

Julkishallinnossa ei ole kuitenkaan varaa lähteä kokeilemaan vain kokeilemisen tai uuden teknologian vuoksi. Sen sijaan tulee olla erityisen tarkkana tietoturvaan, yksityisyydensuojaan ja päätöksenteon läpinäkyvyyteen liittyen. Tekoälyratkaisujen käyttöönotossa on varmistettava, että ne täyttävät kaikki lainsäädännölliset vaatimukset ja eettiset periaatteet. 

Kokeiluissa turvallisuus on keskeistä, mutta se ei saa lamaannuttaa kehitystä. EU:n tekoälyasetus pyrkii osaltaan tukemaan tekoälykokeiluja ja innovaatioita, ei estämään niitä. Asiantuntijatyössä voidaan aloittaa turvallisesti käyttämällä synteettistä tai pseudonymisoitua dataa ja edetä vaiheittain kohti todellisia käyttöympäristöjä. Synteettinen data on keinotekoisesti luotua dataa, joka jäljittelee oikeaa dataa, kun taas pseudonymisoidussa datassa tunnistettavat tiedot korvataan tai muutetaan niin, että yksilöiden tunnistaminen on vaikeampaa, mutta dataa voidaan silti käyttää analyysissä. Tämä mahdollistaa nopean oppimisen ja kehittämisen hallituissa puitteissa. Kokeiluissa päästään myös pitkälle ilman dataa – voidaan esimerkiksi tarkastella millaiselta toivottu tulevaisuus näyttäisi. Vasta tämän jälkeen on datan ja teknologian vuoro. 

On tärkeää erotella yksittäisten asiantuntijoiden arjen kokeilut, kuten tekstin muokkaus ja kääntöapu, laajemmista tekoälyn käyttöönotoista. Molempiin tarvitaan selkeät ohjeistukset, mutta vaatimustasot eroavat.

Ihmisten arjen ja kontekstin tunteminen vaatii monialaisuutta kokeiluihin

Ennen tekoälyn laajempaa käyttöönottoa tulee selvittää, mitä todella olemme tekemässä ja kenen näkökulmasta. Keskeisiä kysymyksiä ovat: 

• Miten päätöksiä nyt tehdään ja mitä virallisia ja epävirallisia käytäntöjä niihin liittyy? 
• Mitä tukea asiantuntijat kaipaavat ja missä prosesseissa tekoälystä olisi hyötyä? 
• Mitä asiakkaat ja sidosryhmät näkevät arvokkaana työssä, johon tekoälyä suunnitellaan? 

Samalla on uskallettava analysoida nykytilannetta ja tavoitetilaa rohkeasti:

• Mitä työtehtäviä voitaisiin jättää kokonaan tekemättä?
• Mikä on se todellinen arkinen ongelma, johon kaipaisit ratkaisua? 

Käyttötapausten arviointiin tarvitaan selkeät kriteerit jo kokeiluvaiheessa. Tekoälyasetukset luovat pohjan, mutta organisaatiossa tulee käydä avointa keskustelua vaikutuksista teknisistä, eettisistä ja hallinnollisista näkökulmista. Vaikutusarvioinnit auttavat tunnistamaan riskit ja hyödyt varhaisessa vaiheessa. Tästä voit lukea lisää osiossa 3. 

Arviointi ja priorisointi vaativat monialaista osaamista. Teknisen ymmärryksen lisäksi tarvitaan näkemystä asiakaslähtöisyydestä, prosesseista ja lainsäädännöstä. Kaiken ytimessä on kuitenkin työn luonteen ymmärrys. Siihen tarvitaan "etnografista sukellusta" asiantuntijatyön arkeen. Työn tavoitteita ja toimintatapoja tulee ymmärtää virallisten dokumenttien lisäksi arjen epävirallisesta todellisuudesta käsin. Tästä voit lukea lisää osiossa 4. 

Lupa kokeilla, velvollisuus johtaa – kokeilukulttuuri vaatii selkeitä raameja

Kehittyvät työkalut mahdollistavat asiantuntijoille matalan kynnyksen kokeilut. Muutos ei kuitenkaan tapahdu tyhjiössä – työntekijöiden ennakkokäsitykset tekoälystä (ks. Kuva 4.) ja organisaation ohjeistukset vaikuttavat lähtökohtiin soveltaa uutta teknologiaa. Haastatteluiden perusteella julkishallinnon asiantuntijoilla onkin hyvin vaihtelevat mahdollisuudet tekoälysovellusten käyttöön: osalle ne ovat jo arkea, toisille rajattu vain kokeiluryhmille tai kokonaan kiellettyjä. Vaikka tekoälyn kokeilu käytännössä ei olisi tällä hetkellä mahdollista, omaa tekoälylukutaitoaan voi parantaa esimerkiksi eOppivassaLinkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab ja Elements of AI -kurssilla. Linkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab

Pelkkä kokeilu ei riitä, kokeiluiden oppeja pitää jakaa avoimesti

Kokeilujen kautta saadaan ymmärrystä riskeistä, kehitetään osaamista ja tehdään parempia strategisia päätöksiä tekoälyn hyödyntämisestä. Jo kokeiluvaiheessa tulee panostaa avoimuuteen ja läpinäkyvyyteen. Oppeja tulee kommunikoida selkeästi organisaatioiden sisällä ja välillä, mikä mahdollistaa yhteisen ymmärryksen ja rakentaa luottamusta kansalaisten suuntaan. Ilman strategista kytkentää kokeilut jäävät irrallisiksi, eikä tuloksia pystytä ottamaan laajempaan käyttöön. 

Johdolla on keskeinen rooli tekoälyn hyödyntämisessä. Johdon tulee ymmärtää tekoälyn mahdollisuudet, riskit ja realistiset hyödyt. Työntekijöitä ei tule jättää yksin pohtimaan teknologian soveltamista. Johdon tehtävä on luoda selkeät raamit ja tavoitteet sekä varmistaa riittävät resurssit muutoksen toteuttamiseen.

Seuraava osio:

• 7. Esimerkkejä Kelassa ja DVV:llä tehdyistä kokeiluista

7. Esimerkkejä Kelassa ja DVV:llä tehdyistä kokeiluista

Kelassa toteutettiin syksyllä 2024 nopeita kokeiluja, joissa tutkittiin tekoälyn hyödyntämistä eri näkökulmista. Kokeilujen tavoitteena ei ollut luoda valmiita ratkaisuja, vaan ymmärtää muutosta ja tunnistaa mahdollisuuksia jatkokehitykseen. 

Kokeiluideat syntyivät sisäisissä tekoälytyöpajoissa ja keskusteluissa johdon ja muiden asiantuntijoiden kanssa. Kokeilut valittiin käyttämällä Ideo:n three lenses of innovation menetelmää,Linkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab eli tarkastelemalla ideoiden haluttavuutta (desirability), elinkelpoisuutta (viability) ja toteutettavutta (feasibility).

DVV:ssä on tehty kielimalleihin ja botteihin liittyviä kokeiluja vuodesta 2019 alkaen, osa jo ennen vuonna 2022 alkanutta generatiivisen tekoälyn suurta nousua. Vaikka vanhimmat tekniset toteutukset ovat auttamattomasti vanhentuneita, niistä opitaan edelleen ja kertynyttä kokemusta jaetaan myös muille organisaatioille. 

Kokeilut ja konseptitodistukset (proof of concept) tuovat virastoille uudenlaista osaamista aineistointensiivisten palveluiden kehittämisestä ja ymmärrystä aineiston merkityksestä tekoälypalveluiden taustalla. Konseptitodistuksella osoitetaan idea toteuttamiskelpoiseksi, tai havainnollistetaan, että sitä on mahdollista käyttää. Konseptitodistus on yleensä pieni, mutta voi joskus olla perusteellinen. Näin kokeilut ja tuotannossa olevat tukityökalut osoittavat, kuinka tekniset seikat ovat alisteisia tärkeiksi tunnistetuille tarpeille ja teemoille. Kokeilut myös osoittavat, missä asioissa voidaan kokeilla itsenäisesti, mutta missä tuotantoon menevissä vaiheissa on parempi esimerkiksi ostaa turvallisia ja organisaatiokohtaisia palveluita tuotetoimittajilta.

Tekoälyavusteinen tehtävään perehtyminen 

Kelassa jäsennettiin, mistä elementeistä tekoälyavusteinen perehdytys voisi rakentua ja miten olemassa olevia sovelluksia voitaisiin hyödyntää yksilöllisemmän perehdytyksen toteuttamisessa. 
Asiantuntijahaastatteluissa nousi erityisesti toive, että tekoäly voisi tukea personoitua oppimista ja tarjota apua juuri silloin, kun sitä tarvitaan. Keskeisistä elementeistä muodostettiin kuunnelma, joka auttoi rakentamaan sekä ajatuksia toivotusta tulevaisuudesta että konkretisoi ihmisnäkökulman tärkeyden. 

Työttömän asiakkaan tilannekuva 

Kela ja Helsingin kaupunki kokeilivat, miten tekoäly suoriutuu käyttöliittymäsuunnittelusta tilannekuva-näkymän rakentamisessa verrattuna ihmisasiantuntijoihin. Teimme rinnakkain samanlaista kehitystyötä tekoälyagenteilla, tekoälysovelluksella ja asiantuntijatiimillä. Lopputuloksena syntyi vertaileva analyysi sekä suositukset siitä, miten tekoälyä kannattaa hyödyntää tämänkaltaisissa tehtävissä. Kokeilussa ei hyödynnetty oikeaa dataa.

Asiakaspalvelupuhelujen tekstianalyysi

DVV:lle tulevat asiakaspuhelut, sähköpostit ja asiakaspalautteet anonymisoidaan ja niistä poistetaan henkilötunnisteet. Jäljelle jäävälle tekstille tehdään tekoälypohjainen tekstianalyysi, jonka avulla tunnistetaan, millaiset aiheet, kysymykset ja ongelmat ovat asiakkailla mielen päällä. Lisäksi aineisto luokitellaan koneellisesti ja näin voidaan parantaa luokittelun laatua sekä määrällisesti että laadullisesti. Luokittelu ja yhteydenottojen syiden kokoaminen auttavat tulkitsemaan kehitystarpeita ilman aikaa vievää manuaalista työtä ‘tukiälymäisesti’.

Tekstianonymisaattorikehitys 

DVV:ssä rakennettiin palvelu, jolla voidaan peittää henkilötietoja, kuten nimi- ja osoitetietoja, esimerkiksi asiakkaiden jättämistä teksteistä. Työkalua on sovellettu asiakaspuheluiden tekstianalyysiin liittyvässä integraatiossa ja sitä tullaan hyödyntämään vapaamuotoisten asiakaspalautteiden käsittelyssä.

Tekoälyagenttitiimin luomia prototyyppejä työttömän asiakkaan tilannekuvasta osana kokeilua

Kuinka tekoälyn käyttötapauksia voi tunnistaa?

Mistä lähteä liikkeelle, jos halutaan etsiä aidosti vaikuttavia käyttötapauksia asiantuntijatyön tueksi? Vuonna 2024 Kela järjesti useita työpajoja tekoälyn mahdollisten käyttötapausten tunnistamiseksi. Työpajoissa laajennettiin ymmärrystä tekoälyn hyödyistä ja pohdittiin esimerkkien avulla, miten tekoälyä voisi hyödyntää eri asiantuntijoiden työtehtävissä, kuten sisäisissä palveluissa tai Kanta-palveluissa. 

Työpajoissa tutustuttiin tekoälyyn sen suorittamien toimintojen kautta sekä demonstroitujen esimerkkien avulla.  Monialaiset tiimit ideoivat käyttötapauksia omassa työkontekstissaan. Parhaita ideoita jatkojalostettiin pohtimalla seuraavia kysymyksiä:

• Mistä on kyse? Mihin tekoälyä sovelletaan?
• Mikä ongelma halutaan ratkaista?
• Mitä hyötyä ratkaisusta on ja kenelle?
• Mitä tekoälyratkaisu käytännössä tekee?

Työpajassa käytettyjä esimerkkejä tekoälyn hyödyntämisestä olivat mm. 

• puheen litterointi: palvelu, joka kääntäisi tallennettujen asiakaspuheluiden äänen äänitiedostosta tai videosta tekstiksi yön aikana, ja käyttöliittymä, jolla tekstiä voi korjata helposti 
• sähköisesti lähetettyjen kuvamuotoisten lomakkeiden käsittely ja lomakkeiden tietojen tallennus tekoälyteknologioilla
• kielimallin hyödyntäminen asiakaspalautteiden analysoinnissa 
• työkyvyttömyysriskin ennustaminen koneoppimismallilla
• kielimallin hyödyntäminen mobiilisovelluksen käyttöliittymäprototyyppien suunnittelussa.

Tekoälyn käyttötapauksen ideointi -kanvas

 Seuraava osio:

• 8. Yhteenveto

8. Yhteenveto 

2020-luvun puolivälissä tekoälyn käyttö kehittyy nopeasti ja se alkaa tukea asiantuntijatyötä, mutta muuttaa myös asiantuntemusta. Digitalisaatiokehityksen osalta automaatio ja tekoäly vaikuttavat erityisesti prosesseihin ja asiantuntijoiden rooleihin. Teknologinen kehitys pakottaa kysymään millaisista prosesseista tai asioista pitäisi luopua, mutta ei pidä unohtaa koskaan kysyä millaista uutta asiantuntemusta tarvitaan. Jotta tekoälyteknologia tulee aidosti tueksi ja avuksi arkisiin asioihin, tarvitaan monipuolista ymmärrystä ja näkemystä siitä, millaista yhteiskunnallista kehitystä tekoälyn avulla tavoitellaan. 

Kolme oppia tekoälykehityksen tässä vaiheessa: 

1. Tunnistetaan oikeat tarpeet. Ennen kuin syöksytään kokeiluihin ja ratkaisuihin, pitää kysyä, mitä oikeasti pitää ja halutaan ratkaista ja miksi. Näiden kysymysten jälkeen voidaan kysyä, voisiko tekoäly tai muut teknologiat olla ratkaisussa avuksi. 

2. Kokeillaan ja jaetaan tietoa ja oppeja yhteistyössä. Vain yhdessä yhteisymmärrystä luomalla julkishallinnolla on mahdollisuus oppia tekoälyn ongelmista ja käyttää viisaammin resurssejaan.

3. Toimitaan vastuullisesti. Vastuu luottamuksesta, palveluista, työntekijöistä ja asiakkaista ei saa olla alisteista edelläkävijyydelle. Vastuullinen toiminta vaatii säännöllistä arviointia ja konkreettisia toimenpiteitä.  

Näin otat tekoälyn puheeksi organisaatiossasi 

• Vastuuttakaa johtoa! Johdolla on oma vastuunsa siitä, että asia on esillä ja siitä on lupa puhua avoimesti.

• Unohtakaa hypepöhinä ja teknologiajargon! Puhukaa tekoälysovelluksista työvälineinä ja hyödyt edellä.

• Tunnistakaa käyttötapauksia! …sekä ihan arkisia että innovatiivisia ja tuokaa niitä mukaan keskusteluun.

• Antakaa ääni! Osallistakaa keskusteluun heitä, jotka organisaatiossa käyttävät tekoälysovelluksia ja ymmärtävät niiden ominaisuuksia, ja heitä, jotka suhtautuvat tekoälyyn kriittisesti tai skeptisesti.

• Tiukat kysymykset ovat avain hyvään toimintatapaan! Hyödyntäkää organisaation sisäisiä kanavia tai järjestäkää paneelikeskusteluja yhteiselle keskustelulle.

• Kaikkea ei tarvitse keksiä itse! Opastakaa yleistajuisesti tekoälyn käyttöön – pelkillä riskeillä ei pidä pelotella. Kaikenlainen tukimateriaali kannattaa laittaa helposti saataville, esimerkiksi intranetiin.  Hyödyntäkää jo kerättyä osaamista ja tietoa!

 Seuraava osio:

• 9. Loppusanat ja lisälukemista

 9. Loppusanat ja lisälukemista

Kiitokset

Lämmin kiitos kaikille haastatelluille asiantuntijoille, julkishallinnon virkahenkilöille, esihenkilöille ja kollegoille panoksestanne tämän julkaisun toteutuksessa. Teidän asiantuntemuksenne, näkemyksenne ja palautteenne olivat korvaamattomia.

Tämän julkaisun ovat tuottaneet yhteistyössä Digi- ja väestötietovirasto ja Kela. 

Kirjoittajien omat nostot:

Anni Ojajärvi, Kela: "Tekoälyn vaikuttava hyödyntäminen vaatii tasapainoilua: uteliaisuutta nähdä mahdollisuudet, kriittisyyttä tunnistaa todelliset hyödyt ja viisautta ymmärtää, milloin teknologia ei ole ratkaisu. Vain tällä tavoin voimme rakentaa julkishallintoa, joka aidosti palvelee sekä asiantuntijoita että kansalaisia."

Veera Hyytiä, Kela: "Suomen julkishallinnossa on strategista suunnittelua yllin kyllin, mutta käytännön toteutus ontuu. Kansallisessa kehittämisyhteistyössä strategiset päättäjät, teknologiapiirit ja substanssiosaajat eivät aina kohtaa. Tekoälymurroksessa avainasemassa on substanssiosaajien aktiivinen osallistaminen kehittämistyöhön."

Marko Latvanen, DVV: "Tekoälyn eettiset periaatteet ovat jo olemassa, ne on "vain" integroitava toimintaan."

Joonas Aitonurmi, DVV: “Nykyiset tekoälyt vaativat merkittäviä laskentaresursseja ja energiaa ja ne kuluttavat myös muita luonnonvaroja. Vaikka tekoälykehitys olisi tulevaisuudessa resurssiviisaampaa, on julkishallinnon rakennettava yhteistä näkemystä siitä, miten tekoälyinvestoinneissa huomioidaan ilmasto- ja ympäristövaikutukset. Tekoälyn hyödyt tulee maksimoida samalla kun sen ympäristöjalanjälki minimoidaan – tämä onnistuu vain koordinoidulla yhteistyöllä.”

Eetu Jokela, DVV: “Julkishallinnon on välttämätöntä jakaa avoimesti keskenään kokemuksia tekoälykokeiluistaan ja muita materiaaleja. Resurssien viisas käyttö edellyttää, että hyödynnämme jo tehtyä työtä sen sijaan että jokainen organisaatio lähtisi kokeilemaan samoja asioita alusta. Näin voimme sekä välttää päällekkäistä työtä että nopeuttaa toimivien ratkaisujen käyttöönottoa koko julkishallinnossa.”

Kiinnostavaa luettavaa teemaan liittyen

• Elements of AI & Building AI –verkkokurssit. Linkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tabHelsingin yliopiston ja Reaktorin yhteistyössä kehittämät maksuttomat kurssit.
• Suomi.fi:n Tekoälyopas: Julkishallinnolle suunnattu opas tekoälyn vastuulliseen hyödyntämiseen: Tekoälyn vastuullinen hyödyntäminen - Suomi.fi kehittäjilleLinkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab
• DEDA-työkalu (Data Ethics Decision Aid). Suomenkielinen työkalu dataan liittyvien eettisten kysymysten käsittelyyn: Käsikirja | Data Ethics Decision Aid (DEDA) Linkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab
• KelaLab – Kelan innovaatio- ja kasvuyksikön blogi, jossa käsitellään mm. tekoälyn hyötyjä asiantuntijatyössä: AI’s Role in Reshaping Public Administration Professions | by Veera Vohveli | KelaLab | MediumLinkki toiselle sivustolleyja-external-link-opens-in-a-new-tabyja-external-link-opens-in-a-new-tab
• DVV:n ennakointi ja tutkimusyhteistyö. Materiaaleja ja julkaisuja digitalisaation tilasta ja tulevaisuudesta. Ennakointi ja tutkimusyhteistyö | Digi- ja väestötietovirasto