Tekoäly nousee esiin yhtenä työelämän mullistavimpia ilmiöitä internetin, www:n ja pilvipalveluiden jälkeen. Erityisesti viime vuosina keskeiseen rooliin ovat nousseet generatiivinen tekoäly ja suuret kielimallit, joiden kyky tuottaa, muokata ja tulkita luonnollista kieltä on laajentanut tekoälyn sovellusalaa merkittävästi. Uusimpia uutisia tekoälyn käytöstä ja sen vaikutuksista työelämään voi lukea uutisvirrasta lähes viikoittain. ChatGPT (OpenAI), Copilot (Microsoft), Claude (Anthropic) ja Gemini (Google) toimivat hyvinä ja usein käytettyinä esimerkkeinä generatiivisen tekoälyn palveluista. TyhyTeko-hankkeessa olemme tehneet useiden matkailu- ja ravintola-alan (mara) yritysten kanssa erilaisia tekoäly- ja robotiikkapalveluiden kokeiluita kuluneen kahden vuoden aikana.
Tekoälypalveluiden osalta ei ole selkää eikä yhtenäisesti sovittua virallista luokittelua, ja osa tekoälytoimijoista on nimennyt harhaanjohtavasti tekoälyominaisuuksia agenteiksi. Yksi jaottelutapa tunnistaa keskustelevan tekoälyn, räätälöidyn tekoälyn sekä tekoälyagentit toisistaan erillisinä tasoina hyödyntää tekoälyä (kuvio 1). TyhyTeko-hankkeessa tekoälyn hyödyntämistä näillä tasoilla kokeiltiin mara-alan pk-yritysten kanssa.
Keskusteleva tekoäly – tekstipohjainen, reaktiivinen suureen kielimalliin (LLM:n) perustuva tekoäly
Keskusteleva tekoäly (Conversational AI) lienee tutuin ja lähestyttävin esimerkki tekoälystä. ChatGPT, Copilot, Gemini ja Claude ovat näistä hyviä esimerkkejä. Toiminta tekoälyn kanssa tapahtuu joko tekstipohjaisesti tai äänellä, promptien eli kehotteiden avulla. TyhyTeko-hankkeessa syntyi monipuolisia kokemuksia keskustelevan tekoälyn hyödyntämisestä. Kokeilimme muun muassa työturvallisuusraportoinnin kehittämistä, sillä halusimme selvittää, miten tekoälyä voisi hyödyntää työturvallisuuden osalta. Tekoäly voi tehostaa raportoinnin osalta työturvallisuuteen liittyvien raporttien ja yhteenvetojen laatimista, sekä nostaa esiin havaintoja kerätystä datasta ja tehdä mahdollisia ehdotuksia työturvallisuuden parantamiseen yrityksessä. Lisäksi laadimme perehdytysvideoita, -ohjeistuksia ja muita perehdytystä tehostavia työkaluja tekoälypalveluiden avulla. (Koivisto, ym., 2025.)
Räätälöity tekoäly – suuri kielimalli ja yrityksen omalla datalla opetettu kontekstisidonnainen tekoälyavustaja
Räätälöity tekoäly (AI Assistant / Custom AI Assistant) eroaa keskustelevasta tekoälystä siten, että sitä on opetettu esimerkiksi yrityksen sisäisellä datalla, ja se voi olla varustettu muistilla aiempien keskusteluiden osalta. Räätälöityä tekoälyä, jolle on syötetty yrityksen omaa dataa, voidaan kutsua tekoälyavustajaksi. Avustajat ovat keskustelusovelluksia, jotka vaativat kehotteita toimiakseen. (Liikenne- ja viestintävirasto Traficom, 2026.) Niitä käytetään generatiivisen tekoälyn sovelluksissa (esimerkiksi ChatGPT, Copilot ja Gemini), jotka pohjautuvat suureen kielimalliin (LLM), minkä lisäksi niiden tietopohjaa laajennetaan organisaation dokumentaatiolla. Räätälöinnistä on yritykselle hyötyä esimerkiksi silloin, kun tekoälyn halutaan käyttävän organisaation sisäistä materiaalia. Tätä tietopohjan laajentamista voidaan rakentaa RAG-ratkaisulla, jonka tarkoituksena on yhdistää organisaation dokumentaatio kielimallin luovaan ajatteluun. (Merilehto, 2024.)
Tekoälyn muistiominaisuudet muistuttavat monilta osin ihmismuistin toimintaa. Lyhytaikainen muisti, eli työmuistio on konteksti-ikkuna, jossa on käsiteltävänä oleva tieto. Se on rajallinen, säilyttäen ”mielessään” asioita hetkellisesti, mutta mahdollistaa tehokkaasti asioiden jäsentelyn ja päättelyn. Pitkäaikainen muisti voidaan jakaa kahteen osaan, episodiseen muistiin ja semanttiseen muistiin. (Ikola, 2025; Weng, 2023.)
Episodinen muisti tallentaa yksittäisiä kokemuksia ja tapahtumia. Tämän avulla tekoälysovellus voi muistaa maininnan, jossa on käsitelty esimerkiksi perehdytysmateriaaliin liittyviä asioita. Tämän myötä keskustelun jatkuvuus on mahdollista ”muistatko, kun keskustelimme perehdytysaineistosta”, jolloin aiheesta voidaan jatkaa suoraan eteenpäin, ilman aiemmin keskusteltujen asioiden uudelleen käsittelyä. Semanttinen muisti puolestaan varastoi yleistä tietoa käyttäytymisestä. Tekoälysovellus voi muistaa, missä muodossa haluat perehdytysmateriaalien olevan koottu, ja mitä sovellusta yrityksessä käytetään sisäisessä viestinnässä. (Ikola, 2025.)
Muistiominaisuuksien avulla tekoälyavustajat eli räätälöity tekoäly eroaa oleellisesti perinteisistä generatiivisen tekoälyn ”keskustelupalveluista”. Se pystyy hyödyntämään eri järjestelmien tapahtumia osana muistia vaikkapa tapauksissa, joissa tarkastellaan, millä tuotteella on ollut menekkiä ja mihin vuodenaikaan. Muistin avulla tekoälyavustaja voi esimerkiksi muistuttaa tietyn asiakkaan mieltymyksestä gluteenittomiin vaihtoehtoihin ja ymmärtää aiheesta aiemmin käytyjä keskusteluita.
Räätälöityä tekoälyä voidaan hyödyntää myös perehdytyksessä. Paperiset perehdytyskansiot voidaan digitalisoida kuvaamalla ja syöttämällä tekstitiedot tekoälylle, jos alkuperäistä materiaalia ei ole digitaalisena käytettävissä. Kun tekoälyavustajalle on syötetty opetusmateriaalia, osaa se vastata kysymyksiin tuntien yrityksen toimintatavat ja perehdytykseen liittyvät yksityiskohdat. Tekoälypalvelut ovat ottaneet aimo harppauksia myös videopohjaisten tekoälypalveluiden osalta, ja myös näitä voidaan hyödyntää perehdytysmateriaalin luomisessa. Videomuotoinen perehdytysmateriaali voidaan laatia suomenkielisen lähdemateriaalin pohjalta, ja kääntää vaivattomasti laadukkaasti useammalle eri kielelle tekoälyn toimesta. Näin kansainvälisyyden näkökulmaa voidaan tehostaa, ja huomioida yrityksen perehdytysprosesseissa monikieliset osaajat. (Koivisto ym., 2025.)
Tekoavustajia ja niiden toimintaa voidaan myös tehostaa opettamalla omalla lähdemateriaalilla. Erinomainen esimerkki tästä on TyhyTeko-hankkeessa tehty perehdytysavustaja, joka perehdyttää henkilöstöä yrityksen tuotetietojen osalta. Avustaja voi järjestää uusille työntekijöille minitenttejä, jos tarkoitus on perehdyttää uusia työntekijöitä tuotteisiin, makupareihin tai raaka-aineisiin.
Tekoälyagentit – tavoite- ja itseohjautuvat toimivat järjestelmät
AI-agentit (AI Agent), eli tekoälyagentit eroavat generatiivisesta tekoälystä niin, että ne ovat suunniteltu tekemään autonomisesti yksittäisiä tai monivaiheisia tehtäviä. Laajan tietosisällön lisäksi niille voidaan antaa pääsy myös esimerkiksi tilaus-, kassa- ja varastojärjestelmiin.
Tekoälyagentille ei tarvitse vain antaa ohjeita, vaan sille voi antaa tehtäviä. Se ei pelkästään tuota tekstiä tai kuvaa, vaan tekee päätöksiä ja voi hoitaa monivaiheisia tehtäviä itsenäisesti ympärivuorokauden saavuttaakseen tiettyjä tavoitteita. Tekoälyagentit voivat myös toimia yhteistyössä toistensa kanssa, tekee niistä etenkin liiketoiminnan tehostamisen ja kehittämisen näkökulmasta erittäin mielenkiintoisia.
Jos ”perinteinen tekoäly” vastaa sille esitettyihin kysymyksiin kysymys-vastaus-muodossa, niin tekoälyagentti on seuraava kehitysvaihe, jonka ajatuksena ja tehtävänä on hoitaa itsenäisesti tiettyjä tehtäviä eri järjestelmissä tai järjestelmien välillä.
Millaisia haasteita ja riskejä tekoälyagenttien käyttöönottoon ja käyttöön saattaa liittyä?
Vaikka hallusinaatioiden mahdollisuutta on saatu pienennettyä tekoälypalveluissa ja -malleissa, esiintyy niitä ajoittain yhä eri palveluissa ja erilaisissa käyttötapauksissa. Tekoäly voi siis yhä tuottaa vakuuttavasti tekstiä, väittämiä tai tehdä johtopäätöksiä, jotka eivät välttämättä pidä paikkaansa. Entäpä sitten AI-agenttien osalta?
Jos niin sanottu perinteinen generatiivinen tekoäly tuottaa keskusteluun tekstiä ruudulle, ovat AI-agentin autonomisen käytön riskit mahdollisesti suurempia. Jos tekoälyagentille on järjestetty pääsy varastonhallintaan ja tilausjärjestelmiin tekemään tilauksia, kuka vastaa siitä, jos tilauksien osalta onkin tehty väärä ennuste ja tilataan 10 000 kappaletta tuotteita tarvitun sadan sijaan. Tekoälyagenttien käyttö nostaa esiin eettisyyteen ja vastuisiin liittyviä kysymyksiä. Kuka on vastuussa mahdollisista virheistä ravintolan reseptiikassa tai toimenpiteissä, jos ne ovat AI-agenttien suorittamia?
EU:n tekoälysäädöksen artikla 4 korostaa organisaatioiden vastuuta tekoälylukutaidon varmistamisessa. Tekoälyjärjestelmien tarjoajien ja käyttöönottajien on huolehdittava siitä, että henkilöstöllä ja muilla järjestelmien käyttöön osallistuvilla henkilöillä on riittävä osaaminen tekoälyn käyttöön. Arvioinnissa tulee ottaa huomioon käyttäjien tekninen osaaminen, kokemus, koulutus ja perehdytys sekä se, millaisessa kontekstissa tekoälyjärjestelmiä käytetään. Lisäksi on huomioitava ne henkilöt ja ryhmät, joihin järjestelmien käyttö vaikuttaa. (Euroopan parlamentin ja neuvoston asetus (EU) 2024/1689, 2024.)
Tekoälyagenttien tulevaisuus
Vuoden 2025 piti olla AI-agenttien vuosi. Näin ei kuitenkaan ihan käytännössä käynyt, vaan enenevissä määrin niitä otettaneen käyttöön yrityksissä vasta tulevina vuosina. Uskommekin vuosien 2026–2027 olevan todellinen ”läpimurtovuosi” tekoälyagenteille.
Google julkaisi syyskuussa 2025 Agent Payments protokollan (AP2), jonka seurauksena agentit voivat tehdä maksutoimenpiteitä turvallisesti ja luotettavasti. Agentit voivat jo nyt hoitaa niin tilauksien tekemisen, maksamisen ja kirjaukset järjestelmiin kuin tilauksista raportoimisenkin. Kun tähän kokonaisuuteen lisätään vielä niiden pääsy erilaisiin raportointijärjestelmiin historiallisen datan näkökulmasta, voidaankin jo alkaa pohtia, voiko agentti tulevaisuudessa myös päättää, mitä tilataan, kuinka paljon, keneltä ja milloin. Jos vielä palataan riskienhallintaan, voidaan edellä mainitussa tapauksessa määritellä agentille esimerkiksi euromääräiset rajat ja tuoteryhmäkohtaisia säätöjä. Tämän lisäksi voi olla tarpeellista harkita, että ihminen hoitaa lopullisen tilauksen hyväksymisen.
Tekoälyn käyttöosuus verkkoliikenteestä on kasvanut tammikuusta 2025 joulukuuhun 2025 187 prosenttia. Tekoälyagenttien osuus (esimerkiksi OpenClaw) on taas kasvanut huikeat 8 000 prosenttia vuoden 2025 aikana. (Murti, 2026.)
TyhyTeko
TyhyTeko – Työhyvinvointia ja tuottavuutta marata-alan ammattilaisille tekoälyn ja robotiikan avulla on Euroopan unionin osarahoittama hanke (1.9.2024–30.6.2027). Hankkeessa vahvistetaan marata‑alan mikro‑ ja pk‑yritysten ammattilaisten – henkilöstön, esihenkilöiden ja johdon – työhyvinvointia ja tuottavuutta hyödyntämällä tekoälyä ja robotiikkaa työn tehostamisessa. Pitkällä aikavälillä hanke vastaa alan muuttuviin työelämän vaatimuksiin, uudistaa toimialaa ja parantaa työvoimapulasta kärsivän alan houkuttelevuutta.
