Tekoälyn eri muodot
Tekoälyn hyödyntämistä työelämässä voidaan tutkia yrityksen tai työntekijän näkökulmasta. Kun tekoälyn mallit jaetaan kolmeen eri muotoon – koneoppiminen, syväoppiminen ja luonnollisen kielen prosessointi – voimme selvittää, mitkä näistä malleista vaikuttavat kumpaankin osapuoleen. Esimerkiksi koneoppivalla tekoälyllä on huomattavaa etua yritysten näkökulmasta. Koneoppivaa mallia voidaan käyttää tehokkaasti data-analytiikassa mahdollistaen suuremman datan analysoinnin kerrallaan. (CGI 2019) Suuremman datan analysointi edesauttaa yrityksiä tehostamaan omaa liiketoimintastrategioitaan. (WeAreBrain 2021) Syväoppivalla mallilla hyödynnetään koneoppivaa tekoälyä ja tehostetaan parempien tulosten saamista. Vaikka koneoppiva tekoäly käyttää huomattavan määrän dataa, niin syväoppiva tekoälyn malli saa datasta tarkempia ja puolueettomia tuloksia. (Techopedia 2024) Syväoppivaa mallia hyödyntämällä esimerkiksi lääketieteessä saavutetaan tarkempia tutkimustuloksia. (Oxford Training Centre 2025) Luonnollisen kielen prosessointi toimii nimensä mukaisesti ihmiskielen prosessorina. Tämän mallin avulla voidaan vähentää mielipidemittauksen analysoinnin ihmistyövoiman tarvetta. (Jerfy & Selden & Balkrishnan 2024) Luonnollisen kielen prosessointia voivat hyödyntää esimerkiksi henkilöstöhallinnon työntekijät. Mallilla saadaan tehokkaasti tiivistettyä työhakemukset ja ansioluettelot yksinkertaiseksi kokonaisuudeksi. (Gan, Zhang & Mori 2024)
Tutkimustuloksia
Työntekijöiden näkökulmasta tekoälyn kehitys on monelle pelottavaa, kun taas toisille odotettu tulevaisuus. Digitalisaation vauhdittaman tekoälyn kehityksen kautta automatisaatio menee harppauksilla eteenpäin. Tämä merkitsee useiden yleisten työtehtävien poistumista. Työtehtävien poistuminen ei kuitenkaan tarkoita suoraan negatiivista vaikutusta työmarkkinoille. Tekoälyn kehittyminen tulee vaikuttamaan monipuolisesti tulevaisuuden työtehtäviin ja uramahdollisuuksiin, ja tätä kautta ammattivaatimukset muotoutuvat digitalisaation vaatimalle tasolle. (OECD 2024) Eniten tekoäly uhkaa perinteisiä asiakaspalvelutehtäviä. Tekoälyllä pystytään luomaan yksinkertaisia ympärivuorokautisia chatbotteja, mitkä ohjaavat asiakkaan oikeaan paikkaan ilman asiakaspalvelua. Opinnäytetyössä toteutettu tutkimus osoitti, kuinka vaikutukset ovat laajasti alakohtaisia. Tutkimuksen perusteella tekniikan alan opiskelijoille tekoälyn kehitys luo eniten uhkaa, mutta vastapainona luo se heille myös eniten mahdollisuuksia. Tekoälyn integroimisen uhkat voidaan jaotella työn laadun mukaan. Jos kyseinen työ vaatii paljon fyysistä osaamista, kuten terveydenhuollon työroolit, niin tekoälystä ei ole suurempaa uhkaa oman roolin poistumiselle. Toteutettu tutkimus osoitti kuinka sosiaali- ja terveysalan opiskelijat eivät kokeneet tekoälyn käytöstä uhkaa ollenkaan omaan työhön. Kyseisen alan opiskelijat sen sijaan kokivat tekoälyn käyttöönotosta olevan heille hyötyä. Sosiaali- ja terveysalalla tekoälyä pystytään tehokkaasti hyödyntämään potilasdatan keräämisessä juuri luonnollisen kielen prosessoinnin tekoälyn mallilla. Tutkimus vahvisti tekoälyn vaikutuksen osuvan voimakkaimmin teknologia alalle. Kyseisen alan ammattivaatimukset ja työtehtävät tulevat muokkaantumaan tekoälyn käyttöönoton kautta. Erilaiset data-analyytikot ja data-arkkitehtien roolit tulevat vahvistumaan huomattavasti. Tutkimus osoitti, kuinka avoimesti vastaajat olivat ottamassa tekoälyä työelämään vastaan. Tekoälystä on nimittäin paljon hyötyä kaikille tutkimuksessa mukana oleville aloille. Tekniikan alan opiskelijoille tekoäly voi avustaa työtehtävään liittyvässä koodauksessa tai matemaattisissa laskelmissa. Sosiaali- ja terveysalalla tekoälyä pystytään hyödyntämään nopeampaan tiedonhakuun. Tiedonhaussa tulee kuitenkin aina pitää yllä huomattavan korkeaa lähdekriittisyyttä. Liiketalouden opiskelijoiden hyöty tekoälystä on moninaista. Tekoälystä voi olla hyötyä esimerkiksi tiedonhaussa ja data-analytiikassa.
Lopuksi
Tekoälyn vaikutukset ovat vielä avoimet, koska käyttöönotto on laajassa mittakaavassa vasta alkamassa. Yrityksissä muutos vaatii aina työntekijöiden halun olla mukana. Tehokkaampi käyttöönotto vaatii työntekijöiden näkökulmasta uudelleenkouluttautumisia, jotta tekoälyä käyttävät täyttävät tarvittavat taitovaatimukset lainsäädännön näkökulmista. Tekoälyn suurimpana esteenä nopeaan käyttöönottoon ovat eettiset ongelmat. Tutkimuskyselyyn vastaajien mukaan tekoälyllä arkisten työtehtävien korvaaminen ei olisi välttämättä oikein. Tekoälyn käyttöä kuitenkin ohjaa Suomessa ja Euroopassa siihen tehty lainsäädäntö.
