Teknologian nopea kehitys on tuonut generatiivisen tekoälyn mahdollisuudet kaikkien saataville, myös hoitotyössä. Sairaanhoitajat ovat keskeisessä roolissa potilaiden ja asiakkaiden laadukkaassa ja turvallisessa hoidossa, ja tekoäly haastaa myös heidän osaamistaan. Tämän artikkelin tavoitteena on nostaa esiin se, ettei sairaanhoitajien tekoälyn lukutaito ole kaukana tulevaisuudessa siintävä osaamistarve. Tekoälyn lukutaidolle on kriittinen tarve jo tänä päivänä.
Tekoälyn lukutaitoa tarvitaan heti
Generatiivisella tekoälyllä (Kuvio 1) tarkoitetaan tekoälyn muotoa, joka kykenee tuottamaan opetusdataansa pohjautuvaa, uutta sisältöä teksti, kuva-, ääni- tai vaikkapa videomuodossa (Feuerriegel ym., 2023). Generatiivista tekoälyä hyödyntäviä sovelluksia ovat esimerkiksi OpenAI:n ChatGPT, Microsoftin Copilot tai Googlen Gemini. Eri tarkoitukseen luotuja, generatiivista tekoälyä hyödyntäviä sovelluksia on olemassa runsaasti, ja uusia tulee tarjolle jatkuvasti. Terveydenhuollon tarpeisiin kohdennettujen tekoälysovellusten kehitys on niin ikään vilkasta.
Tekoälyn lukutaidon (AI literacy) osaamiselle ei ole vielä yhtä vakiintunutta määritelmää, mutta Opetushallitus (OPH) on ansiokkaasti koonnut yhteen tämän hetken parhaan saatavilla olevan tiedon osaamiskokonaisuuden sisällöstä. OPH:n (2025) mukaan tekoälyosaaminen ei rajoitu ainoastaan teknisiin taitoihin, vaan tekoälyn lukutaito käsittää paitsi osaamisen ymmärtää, käyttää, arvioida ja soveltaa tekoälyä, myös tekoälyyn liittyvät asenteet (kuvio 2). Sairaanhoitajien kohdalla näitä taitoja sovelletaan hoitotyön vaativissa toimintaympäristöissä, joten tekoälyn käytön tulee tapahtua eettisesti kestävällä tavalla ja vastuullisesti. Sairaanhoitajat tarvitsevat osaamista ja koulutusta tekoälyn lukutaidon kehittämiseksi (Rony ym., 2024; Sommer ym., 2024; Gazquez-Carcia ym., 2025).
Tutkimusta juuri suomalaisten sairaanhoitajien tekoälyn lukutaidon nykytilasta ei toistaiseksi ole sellaisenaan saatavilla. Sotedigi-kyselyn mukaan kuitenkin lähes jokainen sote-alalla toimiva vastaaja piti tärkeänä ymmärtää työssään tekoälyn hyödyt ja haitat. Siitä huolimatta huomattavasti pienempi osa sote-ammattilaisista koki omaavansa osaamista, jonka avulla voisi helpottaa työtään tekoälyn avulla tällä hetkellä. (Tepponen ym., 2025, 62.) Lahdenperä & Järvinen (2025) havaitsivat, että sote-ammattilaisten tekoälyä kohtaan koetuilla huolilla ja torjuvalla suhtautumisella on yhteys puutteelliseen tekoälyn lukutaitoon. Yhteinen konsensus joka tapauksessa on siitä, että tekoälyn lukutaidon kehittämiselle on sote-alalla todellinen, akuutti tarve. Tästä kertoo muun muassa Hyvinvointialueyhtiö Hyvil Oy:n helmikuussa 2025 julkaisema Tekoälyn lukutaito-opas. Lisäksi tekoälyn hyödyntämisen mahdollisuuksia hoitotyön tukena tutkitaan hankkeissa, joista esimerkkinä mainittakoon vuoteen 2027 saakka jatkuva PROFIT. Hankkeessa Suomen valtion omistama yhtiö Teknologian tutkimuskeskus VTT kumppaneineen tutkii sitä, miten tekoäly voi tukea hoitajien työtä (VTT, 2025). Näiden rinnalla toimii myös kansallinen, teeman ympärille kietoutunut ekosysteemitoiminta (DigiFinland, 2025), jota käsitellään seuraavassa luvussa. Hyvilin julkaiseman Tekoälyn lukutaito-oppaan kehittämisen taustalla on tarve ammattilaisten osaamisen kehittämiselle. Tekoälyn lukutaito on tärkeää paitsi sen potentiaalin saavuttamiseksi, myös asiakas- ja potilasturvallisuuden näkökulmasta. Ammattilaisten on ymmärrettävä, millaisen teknologian kanssa he ovat tekemisissä, jotta siihen liittyviä riskejä voidaan hallita ja hyödyt saada käyttöön. (Hyvil Oy, 2025.)
Sääntelyä, yhteistyötä ja käytännön kokeiluja
Elokuussa 2024 voimaan tullut EU:n tekoälysäädös (AI Act) on maailman ensimmäinen, kattava tekoälyä koskeva säädös (European Union, 2024c). Säädöksen tavoitteena on varmistaa, että EU:n alueella kehitetyt ja käytetyt tekoälyjärjestelmät ovat turvallisia, eettisesti kestäviä ja kunnioittavat perusoikeuksia. Säädös velvoittaa organisaatioita myös huolehtimaan henkilöstönsä tekoälyn lukutaidosta, jos henkilöstö on työssään tekoälyn kanssa tekemisissä. (European Union, 2024a; European Union, 2025a.) Vaikka säädös ottaa ensisijaisesti kantaa itse tekoälyteknologiaan ja organisaatioiden velvollisuuksiin, myös yksilöllä on velvollisuus kehittää omaa osaamistaan jatkuvasti muuttuvassa maailmassa. Sairaanhoitajan eettiset ohjeet (2021) ja Sairaanhoitajaliiton digitaalisten sosiaali- ja terveyspalveluiden strategia (2021) korostavat sairaanhoitajan velvollisuutta osaamisen päivittämiseen ja ylläpitämiseen muuttuvassa toimintaympäristössä.
Tekoälysäädös määrittelee tekoälyn lukutaidon kokoelmaksi tietoja ja taitoja, joita vaaditaan tekoälyn vastuulliseen käyttöön (European Union, 2025a). Tekoäly on nopeasti kehittyvä teknologia, joka tekee myös tekoälyyn liittyvästä osaamisesta dynaamisesti liikkeessä olevan prosessin. Koska sekä koulutus että terveydenhuolto luokitellaan tekoälysäädöksen mukaan korkealle riskitasolle (Kuvio 3; European Union, 2024b), näiden alojen toimijoilla on sekä vastuu että velvollisuus varmistaa, että henkilöstön osaamisen jatkuvalle uudistamiselle ja päivittämiselle on puitteet.
Tätä taustaa vasten Suomessa käytävä keskustelu ja toimenpiteet ovat EU:n yhteisen hengen mukaisia. Sosiaali- ja terveysministeriön johtaman, kesällä 2024 perustetun SOTE-tekoälyn ekosysteemin toiminta on käynnistynyt vilkkaasti. Ekosysteemi on sote-alan toimijoiden vapaamuotoinen verkosto, ja siihen kuuluu koulutusorganisaatioita, viranomaisia, tutkijoita ja yrityksiä. Ekosysteemin tavoitteena on mahdollistaa ja rahoittaa tekoälyn hyödyntämistä sote-alalla. Ekosysteemi rahoittaa muun muassa tekoälyn hyödyntämiseen tähtääviä kokeiluprojekteja hyvinvointialueilla (kuvio 4), jakaa tietoa ja kokemuksia tekoälyn käyttötapauksista sekä edistää kansainvälistä yhteistyötä. Kokeiluprojekteja on vuoden 2025 aikana käynnissä kymmenen, ja mukana on muun muassa hoitohenkilöstön työn tukemiseksi tarkoitettu AI-assistentti sekä AI-avusteiseen palvelutarpeen arviointiin, tausta- ja riskitietojen koostamiseen, reaaliaikaiseen tulkkaukseen ja kirjaukseen tähtääviä projekteja (DigiFinland, 2025). Kokeiluprojektien tekoälyratkaisuista useampi on tai tulee olemaan sairaanhoitajan työväline arjen hoitotyössä.
SOTE-tekoälyn ekosysteemi lanseerasi 13.6.2025 sote-tekoälyn vision vuoteen 2035. Visiossa korostuvat sote-ammattilaisten roolin muutos tekoälyn myötä ja ammattilaisten tekoälyyn liittyvän osaamisen kehittämisen tarve. (SOTE-tekoälyn ekosysteemi, 2025.) Ekosysteemissä on tällä hetkellä mukana 244 jäsenorganisaatiota. Terveydenhuollon organisaatiot ovat siis lähteneet tekoälytalkoisiin mukaan hanakasti, lupaahan tekoälyn hyödyntäminen tulevaisuudessa terveydenhuoltoon monia hyötyjä (DigiFinland, 2025; Sanmark & Sanmark, 2024; STM, 2025). Tekoälyn integrointi terveydenhuoltoon voi parhaimmillaan parantaa esimerkiksi diagnostiikan, hoitopäätösten ja laboratoriotutkimusten laatua ja tehokkuutta hyödyntämällä laajoja tietomassoja ja tunnistamalla ilmiöitä, joita ihminen ei helposti havaitse (Alowais ym., 2023). Tekoälyllä nähdään jo nyt myös olevan potentiaalia tehdä rutiinitehtäviä terveydenhuollossa luotettavasti. Tästä esimerkkinä voidaan mainita Päijät-Hämeen Hyvinvointialue, joka irtisanoi kaikki tekstinkäsittelijänsä, sillä tekoäly hoitaa jo heidän tehtävänsä (Koskinen, 2025). Maaliskuussa 2024 julkaistun ”Tekoäly hyvinvointialueilla: sosiaali- ja terveydenhuollon käyttötapaukset ja kansallinen edistäminen”-julkaisun mukaan tekoälyn potentiaalisia käyttötapauksia terveydenhuollossa tunnistettiin useita. Monet käyttötapauksista liittyivät suoraan hoitotyöhön, kuten kirjaamisen automatisointiin tai potilasohjaukseen. (DigiFinland, 2024.) Sairaanhoitajamme siis joko jo käyttävät tai varmuudella tulevat käyttämään tekoälyä hyödyntäviä työkaluja työssään hoitotyön arjessa.
Tekoälyn vastuullinen käyttö vaatii koulutusta
Tekoäly on tullut hoitotyöhön jäädäkseen. Tekoälyn lukutaitonsa kehittämistä ei siis voi kukaan terveysalalla toimiva tai sinne ammattilaisia kouluttava henkilö yksinkertaisesti enää ohittaa. Tekoälyn on todettu luovan monia mahdollisuuksia parantaa terveydenhuollon laatua ja tehokkuutta (mm. Alowais ym., 2023), mutta sen potentiaalin hyödyntäminen vaatii organisaatioissa läpileikkaavaa osaamista etenkin terveydenhuollon monimutkaisiin tarpeisiin (Sriharan ym., 2024; Rony ym., 2024). Tekoälyn haasteiksi voidaan luetella muun muassa tietosuoja- ja tietoturvaongelmat, vinoumat ja hallusinointi sekä sen tuottaman sisällön rajoittuneisuus tai jopa väärä tieto (Maddox ym., 2025, 11–14; Sanmark & Sanmark, 2024). Näiden haasteiden vaikutukset ovat ainakin osittain ratkaistavissa tekoälyä hyödyntävän henkilön valppaudella ja osaamisella (Asiksoy, 2025). On siis selvää, että hoitohenkilöstön tekoälyn lukutaidon kehittämiseen tulee kiireellisesti panostaa (Nashwan ym., 2025; Gazquez-Carcia ym., 2025). Toimia vaaditaan jokaisella tasolla. Työnantajien, sairaanhoitajia kouluttavien tahojen, poliittisten päättäjien ja ammattiliittojen tulisi yhdessä huolehtia siitä, että sairaanhoitajillemme tarjotaan mahdollisuus kehittää tekoälyn lukutaitoaan toimiakseen vastuullisesti ja potilasturvallisesti työssään (Simms, 2025, s. 4; Sommer ym., 2024; Rony ym., 2024; Gazquez-Carcia ym., 2025).
Sairaanhoitajia kouluttavat tahot ovat kriittisessä asemassa sairaanhoitajien tekoälyn lukutaidon kehittämisen osalta (Glauberman ym., 2023). Opiskeluaika tarjoaa tulevalle sairaanhoitajalle parhaimmillaan turvallisen foorumin kehittää omaa tekoälyn lukutaitoaan opiskelun lomassa. Tekoäly voi lisäksi tukea hoitotyön koulutusta (Shin ym., 2024; Lifshits ym., 2024), mutta sen integroiminen koulutukseen vaatii samanaikaisesti kriittisen ajattelun vahvistamiseen tähtääviä toimia, jotta sen käyttö voisi olla eettisesti kestävää (Shin ym., 2024). Koulutusorganisaatioiden tulee siis tarjota sairaanhoitajaopiskelijoille perehdytystä ja tukea sekä luoda ympäristöjä, jotka tukevat opiskelijoita ja valmistavat heitä tekoälyn vastuulliseen käyttöön käytännön työssä (Han ym., 2025; Glauberman ym. 2023). Hoitotyössä tarvitaan inhimillisyyttä ja siksi onkin äärimmäisen tärkeää huolehtia suunnitelmallisesta tekoälyn käyttöönotosta, jossa inhimillisyys ja teknologia voivat olla tasapainossa. Tekoälyn ei ole tarkoitus korvata hoitotyötä, vaan täydentää sitä (Shen ym., 2025). Esimerkiksi Ghimere & Qiu (2025) tuovat esiin, että sairaanhoitajaopiskelijat hyödyntävät tekoälyä yksilöllisen oppimisen tukena, teorian ja käytännön yhdistämisessä sekä ajanhallinnassa. Tämä korostaa opiskelijalähtöistä tarvetta tekoälyn integroimiselle sairaanhoitajien koulutukseen. Sairaanhoitajaopiskelijat käyttävät tekoälyä joka tapauksessa riippumatta siitä, onko siihen tarjolla tukea ja ohjausta. Tämä on ilmiönä huolestuttava, ja nostaa esiin tarpeen tekoälyn käytön systemaattiselle ja laadukkaalle ohjaukselle, joka tukee sekä oppimista että hoitotyön arvoja. (Ghimere & Qiu, 2025.)
Tekoälyn lukutaito kehittyy pienin askelin yhdessä oppien
Sekä sairaanhoitajat että sairaanhoitajaksi opiskelevat ovat usein tekoälyn lukutaidon suhteen samassa lähtötilanteessa, kuin heidän esihenkilönsä tai kouluttajansa. Kaikki opettelevat uusia taitoja. Siksi oppiminen kannattaa aloittaa pienin askelin, rohkeasti ja luovasti kokeillen. Esimerkki hyvästä lähtökohdasta harjoittelulle voi olla esimerkiksi potilaan yksilöllinen ohjaaminen (taulukko 1).
| Kohderyhmä | Auta minua selittämään #kohderyhmälle# selkeästi ja ymmärrettävästi, mitä tarkoittaa diabetes. |
|---|---|
| Aikuinen, työelämässä | Diabetes on krooninen aineenvaihduntasairaus, jossa kehon kyky säädellä verensokeria on heikentynyt. Tämä johtuu joko insuliinin puutteesta (tyyppi 1) tai insuliinin tehottomuudesta (tyyppi 2). Hoitoon kuuluu mm. ruokavalio, liikunta, lääkehoito ja omahoidon seuranta. |
| Lapsi | Kun me syömme, meidän vereemme tulee sokeria, joka antaa meille energiaa – vähän niin kuin bensa autolle. Mutta jotta sokeri pääsee sinne, missä sitä tarvitaan, meidän kehomme tarvitsee apua. Meillä on sisällä pieni avain, jonka nimi on insuliini. Kun on diabetes, tuo avain menee koko ajan hukkaan, ja siksi meidän pitää laittaa sitä lääkkeenä. Se avaa solujen ovet ja päästää sokerin sisään, niin että keho jaksaa liikkua, leikkiä ja ajatella. |
| Aikuinen, kehitysvammainen | Diabetes tarkoittaa, että kun syöt, vereen jää liikaa sokeria. Kehon pitää saada apua, jotta sokeri menee oikeisiin paikkoihin ja saat siitä puhtia. Tämä tapahtuu lääkkeellä, terveellisellä ruoalla ja liikkumalla. Silloin olo pysyy hyvänä. |
| 17-vuotias nuori | Diabetes on sairaus, jossa keho ei osaa käyttää sokeria oikein. Silloin verensokeri voi nousta liian korkealle. Insuliini päästää sokerin sisään soluihin. Tyypin 1 diabeteksessa keho ei tee insuliinia, ja sitä pitää saada lääkkeenä. Kun hoidat itseäsi, voit elää ihan tavallista elämää. |
| Juuri eläkkeelle jäänyt aikuinen | Diabetes on pitkäaikaissairaus, jossa verensokeri pysyy liian korkealla, jos sitä ei hoideta. Syy voi olla siinä, että keho ei tee tarpeeksi insuliinia tai ei käytä sitä tehokkaasti. Hoitoon kuuluvat ruokavalio, liikunta, lääkitys ja säännöllinen seuranta. |
Taulukko 1. Esimerkki tekoälyn käytöstä yksilöllisessä potilasohjauksessa (Lähde: Emilia Lahdenperä, Copilot)
Harjoituksessa tekoälyn käyttöä voidaan harjoitella siten, että se auttaa hoitajaa selittämään asioita asiakaslähtöisesti ja ymmärrettävästi erilaisille kohderyhmille heidän yksilöllisen tarpeensa mukaan. Oheisessa esimerkissä voidaan ajatella, että sairaanhoitaja tuntee diabeteksen hoidon periaatteet ja kykenee tunnistamaan, mikäli tekoäly antaa virheellistä tietoa. Hän voi myös harjoitella sitä, miten tekoälyltä pyydetään apua yleisemmällä tasolla ilman, että sille annetaan potilaasta arkaluontoista tietoa. Tällaiset harjoitukset voivat vahvistaa hoitajan tekoälyn lukutaitoa ja lisätä varmuutta tekoälyn käytössä. On hyödyllistä lähestyä tekoälyä tuttujen sisältöjen kautta, ja suhtautua sen käyttöön uteliaasti ja luovasti. Näin tekoälystä voi tulla luonteva työkalu hoitotyön arkeen. Tekoälyn ei ole tarkoitus korvata hoitajan tekemää työtä, vaan toimia täydentävänä ja kenties jopa laatua parantavana työkaluna.
Sairaanhoitajien tekoälyn lukutaito: Pitääkö olla huolissaan?
Tekoälyn lukutaitoa vahvistetaan koulutuksen (Sommer ym., 2024; Rony ym., 2024), myönteisen ja kriittisen asenteen sekä rohkean ja luovan harjoittelun avulla (Atalla, 2024). Perustietoa tekoälyn toimintaperiaatteista hankkimalla saa käsityksen siitä, millaisen teknologian kanssa ollaan tekemisissä. Tämä ymmärrys tukee paitsi soveltuvien käyttöaiheiden tunnistamista ja valintaa, myös kriittistä arviointia esimerkiksi tietoturvan tai tekoälyn tuottaman sisällön oikeellisuuden näkökulmasta. Perusymmärrys teknologian luonteesta, käytännön käyttökokemukset sekä perehtyminen tekoälyn mahdollisuuksiin ja rajoituksiin luovat pohjaa eettisesti kestävälle ja vastuulliselle tekoälyn käytölle. Hyvä aloitus oman tekoälyn lukutaidon kehittämiselle on Hyvilin Tekoälyn lukutaito-oppaaseen tutustuminen (Hyvil Oy, 2025).
Pitääkö sairaanhoitajien tekoälyn lukutaidon tilanteesta sitten olla huolissaan? Jokainen meistä on tekoälyteknologioiden kanssa uuden äärellä, oppimiselle on annettava aikaa, tilaa ja mahdollisuus. Tekoälyn lukutaidon vaatimus arjen hoitotyössä ei enää ole vapaaehtoista, vaan nähdäksemme osa sairaanhoitajalta vaadittavaa perusosaamista. Tekoälyn lukutaitoa ei ole toistaiseksi sellaisenaan kuvattu yleissairaanhoitajan osaamisvaatimuksissa (Sotetie, ei pvm), mutta tilanteen voisi olettaa muuttuvan seuraavan päivityksen yhteydessä. Voidaan ajatella, että tekoäly voi tulla vastuulliseksi ja eettisesti kestäväksi työkaluksi hoitotyöhön tekoälyn lukutaitoisten ja osaavien ammattilaisten käsissä. Suomalaisilla sairaanhoitajilla on valtava ammattitaito ja asiantuntijuus. Oikein valjastettuna tekoäly voi tukea tätä asiantuntijuutta – ei vähentää sitä.
Tekoälyyn liittyvien uhkien sijaan tulisi korostaa kriittisyyttä ja valppautta. Johtopäätöksenä voidaan siis todeta, että huolissaan pitää olla ainoastaan siinä tapauksessa, jos sote-alan esihenkilö, asiantuntija, johtaja, sairaanhoitajia kouluttava henkilö tai sairaanhoitaja itse suhtautuu tekoälyn lukutaitonsa kehittämiseen yhä vuonna 2025 torjuvasti.
Tekoälyn käyttö: Tekoälysovellusta on käytetty kuvioiden visuaalisessa muotoilussa (kuviot 1–4) sekä esimerkkiluonnosten generoinnissa (taulukko 1).