Mitä tarkoittaa Tekoälylukutaito?

Tekoälystä on nopeasti tullut arkipäivää monilla toimialoilla ja organisaatioissa. Samalla tekoälylukutaito – eli kyky ymmärtää ja hyödyntää tekoälyä tarkoituksenmukaisesti – on noussut keskeiseksi osaamisalueeksi. EU:n tuore tekoälyasetus edellyttää, että organisaatiot varmistavat henkilöstönsä riittävän tekoälyosaamisen. Ensimmäinen mieleen tukeva kysymys useille on: Mitä tarkoittaa tekoälylukutaito?

Tässä artikkelissa käsitellään, mitä tekoälylukutaito tarkoittaa, mistä osa-alueista se koostuu, miksi se on tärkeää työelämässä, miten EU:n AI Act vaikuttaa työnantajien vastuisiin ja kuinka organisaatiot voivat kehittää ja ylläpitää tekoälylukutaitoa. Lisäksi tarkastellaan, kenelle tämä osaaminen on erityisen tärkeää.

Artikkelin kohderyhmänä ovat erityisesti työnantajat ja päättäjät, jotka vastaavat henkilöstön osaamisen kehittämisestä ja organisaation sääntelyvelvoitteista.

1. Tekoälylukutaidon määritelmä

Tekoälylukutaito voidaan määritellä yksilön osaamiseksi ja ymmärrykseksi, jonka avulla hän kykenee käyttämään tekoälyä tarkoituksenmukaisesti, tehokkaasti ja vastuullisesti.

Tekoälylukutaito viittaa yleisesti niihin taitoihin, joita tarvitaan, jotta yksilö ymmärtää, hyödyntää ja arvioi kriittisesti tekoälyä hyödyntäviä teknologioita ja niiden vaikutuksia. Tähän kuuluu mm. perusymmärrys tekoälyn toimintaperiaatteista, kyky käyttää ja soveltaa tekoälytyökaluja, arvioida niiden tuottamia tuloksia sekä toimia eettisesti kestävällä tavalla.

Tekoälylukutaito on käsitteenä vielä uusi, eikä sillä ole yhtä vakiintunutta kansallista määritelmää.

Euroopan unionin tekoälyasetuksessa (AI Act) termi on kuitenkin määritelty: asetuksen mukaan tekoälylukutaito tarkoittaa sitä osaamista ja ymmärrystä, jonka avulla tekoälyjärjestelmien tarjoajat, käyttöönottajat sekä henkilöt, joihin järjestelmien vaikutukset kohdistuvat, voivat tietoon perustuen ottaa käyttöön tekoälyjärjestelmiä sekä ymmärtää tekoälyn mahdollisuudet, riskit ja mahdolliset haitat. Toisin sanoen tekoälylukutaitoinen henkilö osaa hyödyntää tekoälyä asiaankuuluvalla tavalla ottaen huomioon sekä hyödyt että riskit.

On tärkeää huomata, että tekoälylukutaitoon luetaan mukaan myös ymmärrys tekoälyn vastuullisesta käyttöönotosta sekä kyky hankkia tietoa tekoälyn vaikutuksista. EU:n AI Act -asetuksen nojalla, jos tekoälyjärjestelmää käytetään asetuksen soveltamisalalla, järjestelmän tarjoajan ja käyttöönottajan on pyrittävä varmistamaan henkilöstölleen riittävä tekoälylukutaito.

Seuraavissa luvuissa tarkastelemme tarkemmin, mitä osa-alueita tekoälylukutaito kattaa ja miksi se on organisaatioille olennainen.

2. Tekoälylukutaidon osa-alueet

Tekoälylukutaito koostuu useista toisiaan täydentävistä osa-alueista. Keskeisiä osa-alueita ovat tekninen ymmärrys tekoälystä, tekoälyn käytännön soveltamistaito, kriittinen ajattelu ja arviointikyky sekä eettinen ja vastuullinen toimintatapa tekoälyn parissa. Seuraavassa avataan nämä osa-alueet:

2.1 Tekninen ymmärrys tekoälystä

Tekoälylukutaidon pohjana on perustason tekninen ymmärrys tekoälyjärjestelmien toiminnasta. Tämä ei tarkoita, että jokaisen tulisi olla koodari tai syväteknologian asiantuntija, vaan että työntekijä tuntee tekoälyn peruskäsitteet ja toimintalogiikan.

Tekniseen ymmärrykseen kuuluu esimerkiksi tieto siitä, miten tekoäly (kuten koneoppimismallit) oppii datasta, millaisia algoritmeja ja malleja on olemassa ja mitä tarkoitetaan tekoälyn “päätöksenteolla”. Oleellista on hahmottaa, mihin tekoäly pystyy ja mihin ei – sekä millaista ihmisen antamaa ohjausta ja valvontaa se tarvitsee.

Tekninen perusymmärrys auttaa henkilöstöä suhtautumaan tekoälyyn realistisesti ja keskustelemaan tekoälyn kanssa analyyttisesti. Se luo perustan myös muille osa-alueille: kun tietää, mistä tekoäly “on tehty”, on helpompi oppia käyttämään sitä oikein.

2.2 Käytännön soveltamisosaaminen

Pelkkä teoriatieto ei riitä, vaan tekoälylukutaitoon kuuluu kyky soveltaa tekoälytyökaluja käytännössä omassa työssä. Tämä tarkoittaa, että työntekijä osaa käyttää organisaation tai alansa keskeisiä tekoälysovelluksia ja -työkaluja tuottavasti. Esimerkkejä ovat vaikkapa chatbotit asiakaspalvelussa, puheentunnistuksen hyödyntäminen, kuvantunnistusprosessit tai generatiiviset tekoälytyökalut kuten ChatGPT tekstin tuotannossa.

Käytännön osaaminen sisältää ymmärryksen siitä, miten työkalua käytetään tehokkaasti ja turvallisesti: esimerkiksi kuinka antaa hyviä syötteitä (”prompteja”) generatiiviselle tekoälylle ja miten tuloksia voidaan hyödyntää työnkulussa.

Se tarkoittaa myös perusasioiden hallintaa kuten kirjautumista, asetusten säätöä, tekoälyn antamien ehdotusten jatkojalostamista sekä ongelmatilanteissa vaihtoehtoisiin ratkaisuihin turvautumista.

Hyvä käytännön taito näkyy siinä, että työntekijä ymmärtää, milloin tekoälyä kannattaa hyödyntää ja milloin ei. Hän osaa tunnistaa työtehtävät, joihin tekoäly soveltuu, sekä arvioida tilanteet, joissa ihmisen oma harkinta on korvaamatonta.

Lisäksi työntekijä tuntee kyseisen tekoälysovelluksen rajoitukset: esimerkiksi generatiivinen malli voi tuottaa virheitä tai sepitteellistä tietoa, joten käyttäjän tukee varmistaa tärkeät faktat muualta tarvittaessa.

Organisaation näkökulmasta käytännön tekoälytaidot varmistavat, että uudet työkalut todella otetaan hyötykäyttöön arjessa eivätkä jää hyödyntämättä osaamattomuuden vuoksi.

2.3 Kriittinen ajattelu ja arviointikyky

Kriittinen lukutaito on perinteisesti tarkoittanut kykyä arvioida tietolähteitä ja sisältöjä objektiivisesti – tekoälylukutaito sisältää myös tekoälyn tuottamien sisältöjen ja päätösten kriittisen arvioinnin. Kriittinen tekoälyosaaja ei suhtaudu tekoälyn antamiin vastauksiin tai suosituksiin sinisilmäisesti, vaan osaa kysyä: Onko tulos järkevä? Mihin tietoihin ja oletuksiin se perustuu?

Tähän osa-alueeseen kuuluu ymmärrys tekoälyn mahdollisista virhelähteistä. Esimerkiksi tekoälymalli saattaa olla vinoutunut opetusdatan perusteella (bias) tai se voi keksiä olemattomia “faktoja” (hallusinaatiot). Tekoälylukutaitoinen työntekijä tunnistaa tällaiset tilanteet ja osaa tarvittaessa epäillä tai varmentaa tekoälyn tuottamaa tietoa muista lähteistä.

Kriittinen ajattelu näkyy myös kykynä tulkita tekoälyn antamia tuloksia oikein.

Moni tekoälysovellus tuottaa todennäköisyyksiä, luokituksia tai muita outputteja, joiden merkitys ei ole maallikolle itsestään selvä. Lukutaitoinen henkilö ymmärtää esimerkiksi, ettei 90% todennäköisyys diagnoosissa ole varma totuus, tai että tekoälymallin antama suositus perustuu menneisyyden dataan, joka​ ei välttämättä täysin ennusta tulevaa. Hän osaa esittää jatkokysymyksiä ja arvioida tekoälyn luotettavuutta tapauskohtaisesti.

Käytä​jien kriittinen arviointikyky on välttämätöntä varmistettaessa, että tekoäly tukee päätöksentekoa laadukkaasti eikä johda harhaan.

Organisaatiolle tämä tarkoittaa parempaa päätöksenteon laatua: ihmiset ja tekoäly toimivat yhdessä niin, että tekoälyn heikkoudet tunnistetaan ja vahvuudet hyödynnetään.

2.4 Eettiset ja vastuulliset näkökulmat

Viimeisenä, mutta kenties tärkeimpänä, tekoälylukutaito sisältää tekoälyn eettisen ja vastuullisen käyttöosaamisen**. Tekoälyn hyödyntämiseen liittyy aina kysymyksiä vaikutuksista ihmisiin, yhteiskuntaan ja oikeuksiin. Tekoälylukutaitoinen he​nkilö kunnioittaa tekoälyn käytön eettisiä periaatteita ja noudattaa niitä työssään.

Tämä tarkoittaa esimerkiksi tietoisuutta siitä, ettei tekoälyä tule käyttää tavalla, joka syrjii ihmisiä (esim. algoritminen bias rekrytoinnissa), loukkaa yksityisyydensuojaa (esim. arkaluonteisten tietojen syöttäminen huomaamatta ulkopuoliseen AI-palveluun) tai manipuloi käyttäjiä epäeettisesti.

Vastuullisuus tarkoittaa myös läpinäkyvyyttä: tekoälylukutaitoinen työnt​ekijä tunnistaa tilanteet, milloin tulee kertoa asiakkaille tai kollegoille tekoälyn mukanaolosta (EU-sääntely edellyttääkin mm. että käyttäjälle on kerrottava asioidessaan chatbotin kanssa.

Eettiseen osa-alueeseen kuuluu tekoälyyn liittyvien sääntöjen ja lakien perusymmärrys. Työntekijän on tunnettava organisaationsa ohjeistukset tekoälyn käytöstä sekä esimerkiksi EU:n tekoälyasetuksen relevantit velvoitteet omassa roolissaan (näistä lisää luvussa 4).

Hän tiedostaa vastuunjakonsa: ihminen on viime kädessä vastuussa tekoälyn käytöstä aiheutuvista päätöksistä, joten ihmisen on pidettävä “kädet ohjauspyörällä” etenkin kriittisissä prosesseissa. Eettisesti toimiva tekoälyn käyttäjä varmistaa, että tekoälyn tuottamat päätökset voidaan perustella ja että niitä valvotaan asianmukaisesti.

Tekoälylukutaidon avulla ymmärretään esimerkiksi, miten tekoäly kehitetään vastuullisesti, miten sitä käytetään turvallisesti, miten tuloksia tulkitaan oikein ja miten tekoäly vaikuttaa ihmisiin, joita se koskee.

Nämä tekijät varmistavat, että organisaatio saa tekoälystä suurimman hyödyn samalla kun ihmisten oikeudet, turvallisuus ja hyvinvointi tulevat suojelluiksi​

3. Miksi tekoälylukutaito on tärkeä nykypäivän työelämässä?

Tekoälylukutaidosta on nopeasti tulossa välttämätön yleissivistyksen osa-alue työelämässä, useasta syystä.

Ensinnäkin tekoäly yleistyy työpaikoilla kovaa vauhtia.

Tekoälyyn perustuvaa teknologiaa (kuten chatbotteja, virtuaaliavustajia, puheentunnistusta, konenäköä, konekääntämistä tai koneoppimiseen perustuvaa data-analyysia) hyödyntäviä järjestelmiä on kiihtyvää tahtia tulossa käyttöön yhä useammille työpaikoille. Tekoälyä hyödynnetään yleisimmin asiantuntija- ja tietotyössä. Tällä hetkellä Informaation ja viestinnän alalla, tieteellisessä ja teknisessä toiminnassa sekä rahoitus- ja vakuutusalalla tekoälyteknologian käyttö on selvästi keskimääräistä yleisempää. Useilla työpaikoilla on jo tapahtunut tai pian tulossa muutoksia tekoälyn (esim. ChatGPT:n) tai robotiikan myötä.

Tekoäly on jo osa monen työntekijän arkea ja sen merkitys kasvaa koko ajan – minkä vuoksi myös henkilöstön osaamisen täytyy pysyä kehityksen tahdissa.

Toiseksi, tekoälyn tuomat hyödyt ja riskit kulkevat käsi kädessä osaamisen kanssa.

Organisaatio saa tekoälyjärjestelmistä suurimman hyödyn irti vain, jos käyttäjillä on riittävä ymmärrys niiden toimintatavoista ja rajoituksista. Tekoäly voi tehostaa prosesseja, parantaa päätöksenteon laatua ja vapauttaa ihmisten aikaa arvokkaampiin tehtäviin – mutta vain jos ihmiset osaavat käyttää sitä oikein. Esimerkiksi asiakaspalveluchatbot voi palvella tehokkaasti tuhansia asiakkaita, mutta jos henkilöstö ei osaa kouluttaa bottia oikeilla tiedoilla tai puuttua sen virheisiin, seurauksena voi olla tyytymättömiä asiakkaita ja mainehaittoja. Samoin data-analytiikkaa hyödyntävä tekoäly voi löytää uusia liiketoimintamahdollisuuksia, mutta ilman kriittistä lukutaitoa johto saattaa tehdä vääriä johtopäätöksiä virheellisen datan pohjalta.

Kolmanneksi, tekoälyn riskien hallinta ja eettisyys edellyttävät henkilöstön osaamista.

Monet tekoälyyn liittyvät ongelmat – kuten vääristymät, syrjivät algoritmit, tietovuodot tai virheelliset päätökset – voidaan ehkäistä tai ainakin tunnistaa ajoissa, jos käyttäjillä on riittävä lukutaito. Työelämässä tämä on tärkeää esimerkiksi HR-tehtävissä: jos rekrytointitiimi käyttää tekoälyä CV:iden seulontaan, työntekijöiden on ymmärrettävä, voiko malli mahdollisesti suosia tai syrjiä hakijoita tietyin perustein. Ilman tällaista osaamista organisaatio saattaa tietämättään rikkoa tasa-arvo- tai tietosuojasäädöksiä.

Tekoälylukutaito onkin osa organisaation riskienhallintaa ja lakien noudattamista. EU:n tekoälyasetus alleviivaa tätä tarvetta tekemällä tekoälyosaamisesta lakisääteisen vaatimuksen (ks. luku 4) – asia ei ole enää pelkästään vapaaehtoinen kilpailuetu, vaan oikeudellinen velvollisuus.

Neljäs keskeinen syy on kilpailu- ja innovaatiokyky.

Organisaatiot, joiden työntekijät ymmärtävät uuden teknologian mahdollisuudet, pystyvät uudistumaan ja pysymään kilpailijoiden edellä. Tekoälylukutaito auttaa henkilöstöä löytämään luovia tapoja hyödyntää tekoälyä liiketoiminnassa. Esimerkiksi markkinoinnissa tiimi, joka tuntee generatiiviset tekoälytyökalut, voi kokeilla personoitua sisällöntuotantoa paljon nopeammin kuin tiimi, joka vierastaa teknologiaa. Vastaavasti tuotantoyrityksessä työntekijät, joilla on perustiedot tekoälystä, voivat aktiivisemmin tuoda esiin ideoita siitä, miten koneoppimista voisi käyttää vaikkapa kunnossapitoon (ennakoiva huolto) tai laadunvalvontaan.

Työntekijöiden tekoälylukutaito luo pohjaa jatkuvalle oppimiselle: teknologiakehitys ei pysähdy, joten organisaation on helpompi omaksua uusia työvälineitä jatkossa, jos perustaidot ovat hallussa.

Lopuksi on hyvä todeta, ettei tekoälylukutaito tarkoita, että kone korvaisi ihmisen – päinvastoin.

Tekolukutaito on taito, joka auttaa ihmisiä tekemään työnsä paremmin yhdessä koneiden kanssa. Muuttuvassa työelämässä ne henkilöt ja organisaatiot, jotka oppivat hyödyntämään tekoälyä tarkoituksenmukaisesti, menestyvät todennäköisesti paremmin kuin ne, jotka välttelevät sitä. Uudet toimintatavat vaativat investointeja osaamiseen.

Yritysten kyvykkyydessä hyödyntää tekoälyä on suurta vaihtelua: Osa yrityksistä on jo pitkällä ja hyödyntää tekoälyä strategisesti, toisaalla taas ollaan vasta kokeiluvaiheessa eikä tekoälyn vaikutuksia liiketoimintaan ole syystä tai toisesta vielä täysin hahmotettu.

Tekoälylukutaito on strateginen menestystekijä, jonka kehittämiseen jokaisen organisaation kannattaa panostaa.

4. EU:n tekoälyasetus (AI Act) ja työnantajien vastuut

EU:n tekoälyasetus (AI Act) on maailman ensimmäinen laaja tekoälyn sääntelykehys, joka astui voimaan elokuussa 2024. Asetus lähestyy tekoälyn käyttöä neliportaisen riskiluokittelun kautta: mitä suurempia riskejä tekoälyn käyttöön liittyy, sitä tiukemmat velvoitteet sitä koskevat.

Asetuksessa tekoälysovellukset jaetaan karkeasti seuraaviin luokkiin:

• Kielletty riskitaso: Tietyt tekoälyn käyttötavat on kokonaan kielletty EU:ssa, kuten ihmisten käyttäytymisen manipulointi heikossa asemassa olevia kohtaan (esim. vaaralliseen toimintaan yllyttävät lelut) tai laajamittainen reaaliaikainen kasvojentunnistus julkisilla paikoilla. Nämä ovat sovelluksia, joiden katsotaan olevan vastoin EU:n perusarvoja tai oikeuksia, joten niitä ei saa käyttää (pienin poikkeuksin, esim. vakavien rikosten tutkinnassa oikeuden luvalla biometrinen tunnistus on sallittu).
• Korkea riski: Tähän luokkaan kuuluvat tekoälyjärjestelmät, jotka vaikuttavat merkittävästi ihmisten turvallisuuteen tai perusoikeuksiin. Esimerkkejä ovat tekoälyn käyttö terveydenhuollossa (esim. diagnoosiavusteet), opetuksessa (opintosuoritusten arviointi), lainvalvonnassa (rikosten ennakointi) tai henkilöstöarvioinneissa ja rekrytoinneissa. Korkean riskin järjestelmiltä edellytetään monia vaatimuksia: mm. tarkkaa dokumentointia, läpinäkyvyyttä, laadukasta dataa, riskienhallintaa sekä ihmisen suorittamaa valvontaa. Tällaiset järjestelmät on arvioitava ennen markkinoille tuloa ja niiden valvontaa jatketaan koko elinkaaren ajan.
• Rajoitettu riskitaso (”läpinäkyvyysriski”): Tähän kuuluvat sovellukset, joiden käyttöön liittyy vähäisempiä riskejä, mutta joilta vaaditaan tiettyä läpinäkyvyyttä. Esimerkkinä ovat chatbotit ja virtuaaliagentit – käyttäjälle on kerrottava, että hän on tekemisissä tekoälyn kanssa, ei ihmisen. Samoin generatiivisen tekoälyn tuottama sisältö on merkittävä tekoälyn tekemäksi, jottei synny väärinkäsityksiä alkuperästä. Rajoitetun riskin sovelluksille asetetaan siis joitain informointivelvollisuuksia, mutta ei yhtä tiukkoja vaatimuksia kuin korkealle riskille.
• Vähäinen tai olematon riski: Suurin osa arkisista tekoälysovelluksista kuuluu tähän alimpaan kategoriaan. Tähän ryhmään lasketaan esimerkiksi roskapostisuodattimet, pelien tekoäly tai muut vastaavat, joiden ei katsota aiheuttavan merkittävää riskiä käyttäjille. Näihin järjestelmiin asetus ei kohdista erityisiä uusia velvoitteita, vaan niitä saa käyttää vapaasti yleisten lakien puitteissa.

Tekoälylukutaitovaatimus on eräs AI Act -asetuksen tuomista velvoitteista, ja se koskee käytännössä kaikkia organisaatioita, jotka hyödyntävät tekoälyä toiminnassaan. Asetus velvoittaa organisaatioita varmistamaan, että niiden henkilöstöllä on riittävä tekoälyosaaminen eli tekoälylukutaito.

Tämä vaatimus astui voimaan ensimmäisten joukossa: helmikuusta 2025 alkaen organisaatioiden on kyettävä osoittamaan, että henkilöstön osaaminen on riittävällä tasolla, erityisesti jos ne käyttävät korkean riskin tekoälyjärjestelmiä.

Velvoite koskee kaikkia tekoälyä hyödyntäviä organisaatioita – myös niitä, joiden käyttämät tekoälysovellukset kuuluvat matalimpiin riskiluokkiin. Toisin sanoen niin pienet startupit kuin suuret konsernitkin, jotka joko tarjoavat tekoälyratkaisuja markkinoille tai käyttävät tekoälyä omassa toiminnassaan, ovat tämän vaatimuksen piirissä. Poikkeuksia ovat ainoastaan tilanteet, jotka jäävät koko asetuksen soveltamisalan ulkopuolelle, kuten tekoäly puhtaasti tutkimuskäytössä tai avoimen lähdekoodin mallit, joita ei oteta käyttöön korkean riskin sovelluksissa.

Asetus ei kuitenkaan määritä yksityiskohtaisesti, miten tekoälylukutaito on varmistettava, vaan jättää toteutustavan organisaatioiden päätettäväksi. Tärkeää on, että tarvittaessa organisaatio pystyy osoittamaan viranomaisille henkilöstön hallitsevan tekoälyn käytön keskeiset periaatteet ja tekevän tekoälyjärjestelmien kanssa tietoon perustuvia päätöksiä.

Käytännössä tämä voi tarkoittaa dokumentaatiota suoritetuista koulutuksista, testejä tai sertifikaatteja henkilöstön osaamisesta taikka muuta näyttöä osaamistasosta. ”Yritysten on pystyttävä osoittamaan, että henkilöstö hallitsee AI:n keskeiset periaatteet ja osaa tehdä tietoon perustuvia päätöksiä sen kanssa”.

Organisaatiot voivat itse päättää, miten työntekijöiden perehdytys toteutetaan – esimerkiksi järjestämällä koulutuksia, laatimalla sisäisiä ohjeistuksia ja linjauksia sekä huolehtimalla tietosuojaan ja etiikkaan liittyvistä varotoimista.

Työnantajille asetettu vastuu on siis varmistaa “riittävä” tekoälyosaaminen kulloisessakin käyttökontekstissa.

Riittävyyden taso voi vaihdella: asetuksen mukaan se riippuu vahvasti siitä, missä roolissa ja kontekstissa tekoälyä käytetään. Esimerkiksi organisaation asiantuntijatehtävissä (kuten tekoälykehittäjät tai data-analyytikot) riittävä osaaminen on huomattavasti syvällisempää kuin yleisellä tasolla kaikille työntekijöille vaadittava perusosaaminen. Erityisesti niiden työntekijöiden, jotka kehittävät tai hyödyntävät tekoälyä, tulee ymmärtää tekoälyn hyödyt ja riskit perinpohjaisesti. Tämä varmistaa, että tekoälyä käytetään ja kehitetään vastuullisesti niin yksilö-, organisaatio- kuin yhteiskuntatasollakin.

Asetuksen noudattamista tullaan valvomaan viranomaisten toimesta.

Jokaisen EU-maan täytyy nimetä kansallinen valvontaviranomainen huolehtimaan tekoälysäädöksen täytäntöönpanosta. Suomessa tätä tehtävää ei ole vielä lopullisesti määritelty tämän artikkelin kirjoitushetkellä, mutta se on kaavailtu työ- ja elinkeinoministeriön (TEM) vastuulle, mahdollisesti yhteistyössä muiden viranomaisten (kuten liikenne- ja viestintäministeriö, tietosuojavaltuutettu) kanssa.

Valvontaviranomainen voi tarvittaessa edellyttää organisaatiolta selvityksiä ja näyttöjä tekoälylukutaidon varmistamisesta, erityisesti jos organisaatio käyttää korkean riskin tekoälyjärjestelmiä tai jos tapahtuu jokin tekoälyyn liittyvä vakava poikkeama.

Asetuksessa on myös säädetty tuntuvista seuraamuksista: vakavimmista rikkomuksista (kuten kiellettyjen tekoälykäytäntöjen toteuttamisesta) voidaan määrätä jopa 30 miljoonan euron tai 6 %:n globaalin liikevaihdon suuruiset hallinnolliset sakot. Myös lievemmistä laiminlyönneistä, kuten korkeaan riskiluokkaan kuuluvan järjestelmän vaatimusten laiminlyönnistä, voi seurata useiden miljoonien eurojen sakkoja. Tämä rinnastaa tekoälyasetuksen painoarvoltaan EU:n tietosuoja-asetukseen (GDPR): laiminlyönnit voivat käydä kalliiksi, joten ennakoiva noudattaminen on työnantajille ehdottoman tärkeää.

Tekoälylukutaidon laiminlyönti olisi käytännössä asetuksen vastainen tila – jos henkilöstö ei osaa käyttää tekoälyä oikein, organisaatio rikkoo velvollisuuttaan, mikä voi ilmetä esimerkiksi viranomaistarkastuksessa tai ongelmatilanteen selvittelyssä.

Yhteenvetona AI Act tuo työnantajille sekä kannustimen että pakon kehittää henkilöstönsä tekoälytietämystä. Työnantajan vastuulla on huolehtia, että jokainen tekoälyä työssään käyttävä työntekijä tietää mitä tekee ja miksi – näin varmistetaan sekä liiketoimintahyödyt että lakien ja eettisten normien toteutuminen.

Seuraavaksi tarkastelemme, miten tällaista osaamista voidaan käytännössä rakentaa ja ylläpitää organisaatiossa.

5. Tekoälylukutaidon kehittäminen ja ylläpito organisaatiossa

Tekoälylukutaito ei kehity sattumalta, vaan sen systemaattinen kasvattaminen vaatii suunnitelmallisia toimenpiteitä.

Organisaation kannattaa lähestyä aihetta kokonaisvaltaisella ohjelmalla, joka kattaa eri henkilöstöryhmien tarpeet ja sisältää jatkuvan oppimisen elementin.

Seuraavassa on esitetty keskeisiä käytäntöjä tekoälylukutaidon kehittämiseen ja ylläpitämiseen:

Kartoitus ja suunnittelu: Ensimmäinen askel on nykytilan arviointi – selvitä, millä tasolla organisaatiosi tekoälyosaaminen on tällä hetkellä ja missä kriittisimmät osaamisaukot ovat. Monissa organisaatioissa osaamista on sirpaleisesti: esimerkiksi IT-tiimi voi olla erittäin perillä tekoälystä, mutta liiketoimintapuolella tai vaikkapa HR:ssä tietämys on vähäisempää. Järjestä tarvittaessa alkukartoitus (haastattelut, kyselyt tai testit), jotta tiedät lähtötason.

Tämän pohjalta laadi koulutussuunnitelma, joka priorisoi tärkeimmät osa-alueet ja kohderyhmät. EU-asetuksen aikataulu (ensisijaiset velvoitteet jo voimassa 2025, laajemmin 2026 mennessä) tarkoittaa, että suunnitelman toteutus on syytä aloittaa heti.

On suositeltavaa asettaa myös tavoitteet: esimerkiksi että tietty prosentti henkilöstöstä suorittaa tietyt peruskoulutukset vuoden kuluessa, tai että avainhenkilöt hankkivat syventävän osaamisen määräpäivään mennessä.

Perustason koulutus koko henkilöstölle: Koko organisaation laajuisella peruskoulutuksella luodaan yhtenäinen ymmärryspohja tekoälyn mahdollisuuksista ja riskeistä. Käytännössä tämä tarkoittaa pakollista AI-perusteiden koulutusta kaikille työntekijöille – vastaavaa kuin vaikkapa tietoturvan tai työturvallisuuden peruskoulutus.

Peruskoulutuksessa tulisi kattaa esimerkiksi seuraavia aiheita: miten tekoäly toimii ja oppii, mitä tekoäly (erityisesti generatiivinen AI) ilmiönä on, tekoälyn rajoitukset ja tyypilliset virheet, kuinka tietoturva ja yksityisyydensuoja varmistetaan tekoälyä käytettäessä, generatiivisen tekoälyn eettiset ja tekijänoikeudelliset pelisäännöt sekä miten kukin työntekijä voi aloittaa tekoälytyökalujen hyödyntämisen omassa työssään.

Tärkeää on korostaa käytännönläheisyyttä: koulutuksessa ei ole tarkoitus pelkästään luennoida teoriasta, vaan antaa jokaiselle työntekijälle valmiudet oikeasti kokeilla tekoälytyökaluja työssään. Tämä voi tarkoittaa käytännön harjoituksia, joissa esimerkiksi opetellaan antamaan tekoälylle tehtäviä (promptien muotoilu) ja arvioidaan saatuja vastauksia.

Perustason koulutus varmistaa, että henkilöstö ymmärtää tekoälyn perusperiaatteet, osaa käyttää perusvälineitä ja tiedostaa vastuullisen käytön merkityksen. Koska kaikkien ei tarvitse eikä kuulukaan olla syväasiantuntijoita, perustaso riittää valtaosalle työntekijöistä – ja perustason koulutuksen käytyään heillä on jatkossa valmiudet syventää osaamistaan tarpeen mukaan, mikäli työtehtävät, toimenkuva tai työn luonne muuttuvat.

Syventävät ja roolikohtaiset koulutukset: Perusosaamisen päälle on hyvä rakentaa syvemmälle meneviä koulutuksia niille henkilöille ja tiimeille, jotka työssään hyödyntävät tekoälyä paljon tai tekevät sen avulla päätöksiä. Esimerkkejä tällaisista ovat analytiikka- ja datatiimit, liiketoiminnan kehittäjät, tuotepäälliköt, HR-asiantuntijat (jos käyttävät tekoälyä rekrytoinnissa tai henkilöstödata-analytiikassa) sekä esimiehet, jotka vastaavat tekoälyä hyödyntävistä prosesseista. Syventävä koulutus voidaan kohdistaa organisaatio- tai tiimikohtaisesti: sen sisältö räätälöidään roolien mukaan.

Syventävissä koulutuksissa käsitellään esimerkiksi keinoja varmistaa tekoälyn tuottamien päätösten läpinäkyvyys ja perusteltavuus, menetelmiä arvioida ja vähentää tekoälyn aiheuttamia riskejä (kuten syrjintää tai virheellistä dataa) sekä tekoälyn käytön juridisia ja eettisiä velvoitteita.

Käytännössä osallistujat voivat oppia mm. mallien selitettävyystekniikoita (kuinka selittää ei-tekniselle henkilölle, miksi tekoäly teki tietyn ratkaisun), riskianalyysin tekemistä tekoälyratkaisuille sekä relevantin lainsäädännön (esim. AI Act, tietosuojalait, toimialakohtaiset säädökset) ydinkohdat.

Syventävä koulutus voi myös sisältää case-esimerkkejä: miten oma organisaatio tai muut toimijat ovat onnistuneesti (tai epäonnistuneesti) käyttäneet tekoälyä tietyssä prosessissa, ja mitä siitä opittiin. Tämä auttaa liittämään opit oman työn arkeen.

Usein syventävä vaihe voidaan toteuttaa heti perustason perään tai hieman myöhemmin, jotta perustiedot ovat tuoreessa muistissa.

Eräs hyvä käytäntö on toteuttaa syventävää oppimista mentoroinnin ja pilotointien kautta. Esimerkiksi data-asiantuntija voi toimia mentorina liiketoimintayksikössä, kun siellä otetaan käyttöön uutta tekoälytyökalua – näin teoria ja käytäntö yhdistyvät. Tärkeintä on, että syventäväkin koulutus viedään käytännön tasolle: osallistujat pääsevät harjoittelemaan ja kehittämään konkreettisia tekoälyyn liittyviä tehtäviä omassa työympäristössään, eikä oppi jää vain kalvosulkeisiksi.

Asiantuntijatason koulutus ja rekrytointi: Niille organisaation jäsenille, jotka kehittävät, hallinnoivat tai tarjoavat tekoälyjärjestelmiä, tarvitaan kaikkein syvällisintä osaamista. Tämä koskee erityisesti tekoälyasiantuntijoita, data scientists -rooleja, ohjelmistokehittäjiä jotka integroivat tekoälyä tuotteisiin, sekä esimerkiksi tuoteomistajia tai projektipäälliköitä tekoälyhankkeissa. Heille voidaan tarjota asiantuntijatason koulutusta, joka pureutuu hyvin syvälle tekoälyn teknisiin perusteisiin, riskienhallintaan ja vaatimustenmukaisuuden hallintaan.

Koulutuksessa voidaan käsitellä esimerkiksi edistyneitä koneoppimismenetelmiä, tekoälymallien optimointia ja arviointia, mallien reiluutta ja biasin korjaamista, tietosuojan huomioimista kehitystyössä (sisältäen mm. Privacy by Design -periaatteet) sekä laajaa dokumentointia ja laadunvarmistusta, jota AI Act edellyttää tuotekehityksessä.

Usein organisaatio hankkii tätä syvätason osaamista myös rekrytoimalla uusia asiantuntijoita tai käyttämällä ulkopuolisia konsultteja ja kouluttajia. Esimerkiksi pienelle yritykselle voi olla tehokkaampaa teettää tekoälykomponentti alihankintana tai ostaa valmis ratkaisu kuin kouluttaa omia työntekijöitä aivan huipputason tekoälykehittäjiksi – mutta silloinkin organisaation sisällä tulisi olla henkilöitä, joilla on riittävä asiantuntijatason ymmärrys valvomaan hankintaa ja integraatiota.

Tekoälylukutaito organisaatiotasolla ei siis tarkoita, että jokaisen pitää osata kaikkea, vaan että organisaatiolla kokonaisuutena on hallussaan vaadittavat tiedot ja taidot.

Asiantuntijatason koulutus ja osaaminen varmistavat, että talosta löytyy niitä, jotka ymmärtävät tekoälyn syvällisetkin kysymykset. Tämä on edellytys esimerkiksi sille, että pystytään noudattamaan asetuksen vaatimuksia vaikkapa ihmisen suorittamasta valvonnasta: jos kenelläkään ei ole tarpeeksi tietoa valvoa tekoälyä, vaatimusten täyttäminen olisi lähes mahdotonta.

Koulutusmuodot ja resurssit: Organisaatioilla on useita vaihtoehtoja toteuttaa edellä mainittuja koulutustasoja. Koulutus ei välttämättä vaadi massiivisia perinteisiä luokkahuonekursseja, vaan sen voi toteuttaa joustavasti ja monimuotoisesti yrityksen tarpeisiin sopivalla tavalla.

Yrityksen sisäiset verkkokurssit ja webinaarit ovat matalan kynnyksen keinoja tavoittaa koko henkilöstö laajasti. Ne voidaan aikatauluttaa joustavasti ja mahdollistaa omaehtoisen oppimisen.

Toisaalta käytännön työpajat ja simulaatiot ovat erinomaisia, kun halutaan harjoitella tekoälytyökalujen käyttöä oikeissa tilanteissa. Esimerkiksi workshop, jossa työntekijät yhdessä ratkaisevat tehtävän tekoälyn avulla (vaikkapa laativat pienen raportin generatiivisella mallilla ja analysoivat tulokset), voi lisätä sekä osaamista että luottamusta omiin kykyihin tekoälyn käyttäjinä.

Yrityskohtaiset ohjeistukset ja toimintamallit täydentävät koulutusta antamalla jatkuvan tuen arkeen. Tekoälyn vastuullisesta käytöstä on hyvä laatia selkeät ohjeet: mitä sovelluksia saa käyttää ja mihin tarkoituksiin, miten dataa syötetään turvallisesti (esimerkiksi ettei luottamuksellista asiakastietoa syötetä netin avoimiin tekoälypalveluihin), keneltä saa kysyä apua ongelmatilanteissa jne. Tällaiset ohjeistukset linjaavat organisaation yhteiset pelisäännöt ja auttavat ylläpitämään tekoälylukutaitoa jokapäiväisessä toiminnassa. Ne kannattaa pitää helposti saatavilla (intranetissä tms.) ja niihin voidaan viitata koulutuksissa.

Tarvittaessa organisaatio voi hyödyntää ulkopuolisia asiantuntijoita koulutuksen tukena tuomaan syvempää osaamista ja näkemystä. Esimerkiksi sertifioidut kouluttajat, konsulttiyritysten tarjoamat AI-kurssit tai vaikkapa yliopistoyhteistyö voivat tuoda uusia näkökulmia ja varmistaa, että sisältö on ajan tasalla. Moni organisaatio onkin alkanut tekemään yhteistyötä koulutuslaitosten kanssa kehittääkseen räätälöityjä tekoälyvalmennuksia henkilöstölleen.

Jatkuva oppiminen ja päivitys: Tekoälyteknologia kehittyy niin nopeasti, että kertaluontoinen koulutus ei riitä ylläpitämään lukutaitoa pysyvästi. Organisaation tuleekin nähdä tekoälylukutaito jatkuvan oppimisen prosessina. On hyvä määritellä, kuinka usein ja millä tavoin osaamista päivitetään. Esimerkiksi vuosittaiset tai puolivuosittaiset täydennyskoulutukset voivat pitää henkilöstön ajan tasalla uusimmista tekoälytyökaluista ja -säädöksistä. Voi olla hyödyllistä integroida tekoälyaiheita mukaan organisaation muihin säännöllisiin koulutusohjelmiin (kuten johtamiskoulutukseen, tietoturvakoulutukseen, tms.), jotta ne eivät jää erillisiksi.

Erityisesti generatiivisen tekoälyn nopea yleistyminen on esimerkki ilmiöstä, joka edellytti monessa organisaatiossa äkillistä osaamispäivitystä: vielä vuonna 2022 harva oli käyttänyt laajasti tekoälyn luomia tekstejä tai kuvia työssään, mutta vuoden 2023 aikana ChatGPT ja vastaavat työkalut tulivat “kaikkien ulottuville”, mikä lisäsi tekoälylukutaidon tarvetta entisestään.

Organisaation on varauduttava vastaaviin harppauksiin myös tulevaisuudessa. Käytännössä tämä voi tarkoittaa esimerkiksi sitä, että nimetään vastuuhenkilö tai tiimi seuraamaan tekoälyn kehitystrendejä ja arvioimaan, pitäisikö jokin uusi teknologia tai säädösmuutos ottaa huomioon koulutuksissa.

Jatkuva oppiminen voidaan sisällyttää myös kehityskeskustelujen ja osaamiskartoitusten osaksi: työntekijöiden kanssa voidaan säännöllisesti käydä läpi, kokevatko he tarvitsevansa lisää taitoja tekoälyyn liittyen ja mitä kiinnostavia käyttökohteita he ovat huomanneet. “Tärkeintä on, että koulutus vastaa aidosti organisaation tarpeisiin – eikä jää vain teoriatasolle”. Tekoälylukutaidon kehittämisessä laatu ja relevanssi ovat määrää tärkeämpiä. Mieluummin vähemmän, mutta paremmin käytännössä sovellettavaa oppia, kuin valtavasti teoreettista tietoa, joka ei palvele käytännön tekemistä.

Yhteenvetona, organisaation kannattaa rakentaa kerroksellinen koulutusohjelma, jossa:

• Kaikille tarjotaan perustiedot tekoälystä ja sen käytön pelisäännöistä.
• Tietyille ryhmille tarjotaan syventävää oppia roolin mukaan.
• Asiantuntijoille varmistetaan huippuosaaminen joko koulutuksella tai rekrytoinneilla.
• Oppimista tuetaan monipuolisilla menetelmillä (verkkokurssit, työpajat, ohjeet).
• Osaamista päivitetään säännöllisesti ja reagoidaan teknologian kehitykseen.

Näin tekoälylukutaidosta tulee osa organisaation jatkuvaa oppimiskulttuuria ja kyvykkyyspalettia.

6. Kenelle tekoälylukutaito on erityisen tärkeä?

Tekoälylukutaito on laaja-alainen taitokokonaisuus, joka koskettaa lähes kaikkia organisaation jäseniä jollain tasolla. On kuitenkin joitakin rooleja ja toimialoja, joissa tekoälylukutaidon merkitys korostuu erityisesti. Työnantajien on hyvä tunnistaa nämä, jotta osaamisen kehittämisessä voidaan kohdistaa huomiota oikeisiin henkilöihin ja tiimeihin.

6.1 Johto ja organisaation päättäjät

Johtajat, ylimmän tason päättäjät ja esihenkilöt tarvitsevat tekoälylukutaitoa strategisessa mielessä. He eivät välttämättä käytä tekoälytyökaluja päivittäin yksityiskohtiin menevästi, mutta heidän vastuullaan on tehdä päätöksiä tekoälyn hyödyntämisestä, investoinneista ja riskienhallinnasta.

Johto, jolla on riittävä ymmärrys tekoälyn toiminnasta, mahdollisuuksista ja rajoitteista, pystyy paremmin integroimaan tekoälyn organisaation strategiaan. He osaavat kysyä oikeita kysymyksiä asiantuntijoilta: “Mitä hyötyä tästä tekoälyratkaisusta odotamme? Mitä riskejä siihen liittyy? Miten varmistamme ihmiskontrollin?”

Johto myös määrittää organisaatiokulttuurin – jos ylimmällä johdolla on vahva tekoälylukutaito, se viestii koko organisaatiolle, että tekoälyn vastuullinen käyttö on prioriteetti.

Johdon rooli korostuu myös EU-sääntelyn näkökulmasta: viime kädessä organisaation lakisääteisestä noudattamisesta (compliance) vastaavat päättäjät. Heidän tulee ymmärtää, mitä velvollisuuksia esimerkiksi AI Act heille asettaa ja mitä se käytännössä tarkoittaa (kuten tarvittavat resurssit koulutukseen, dokumentointiin ja valvontaan).

Tekoälylukutaitoinen johtaja osaa allokoida resursseja henkilöstön kouluttamiseen ja vaatii organisaatioltaan näyttöä siitä, että vaatimuksiin vastataan.

Lisäksi johto on usein se taho, joka kommunikoi tekoälyn käytöstä ulkoisesti – esimerkiksi sidosryhmille, medialle tai asiakkaille. On vakuuttavampaa ja luotettavampaa, kun organisaation johto pystyy perustellen kertomaan, miten tekoälyä käytetään vastuullisesti ja mitä hyötyjä sillä saavutetaan.

Yhteenvetona: johdolle tekoälylukutaito on tärkeää, jotta he voivat tehdä informoituja strategisia päätöksiä, johtaa organisaation muutosta tekoälyn aikakaudella ja täyttää vastuunsa sekä liiketoiminnan tuloksellisuudesta että sääntelyn noudattamisesta.

6.2 Tietotekniikka- ja kehitystiimit

IT-ammattilaiset, data-asiantuntijat ja tekoälyn kehittäjät muodostavat ryhmän, jolle syvällinen tekoälyosaaminen on itsestään selvästi tärkeää. He suunnittelevat, toteuttavat ja ylläpitävät organisaation tekoälyjärjestelmiä tai integroituvat ulkoisiin AI-palveluihin. Näissä rooleissa vaaditaan syvää teknistä tekoälylukutaitoa: tuntemusta algoritmeista, mallien koulutuksesta, data-arkkitehtuureista, pilvipalveluista, käyttöliittymistä ja niin edelleen. Heidän tulee ymmärtää, kuinka valita oikeat tekoälytyökalut organisaation tarpeisiin ja miten varmistaa niiden toimivuus tuotantoympäristössä.

Teknologia- ja kehitystiimien jäsenet tarvitsevat myös eettistä ja lainsäädännöllistä osaamista: esimerkiksi tekoälykehittäjän on tunnettava AI Act:n asettamat vaatimukset suunnitellessaan uutta järjestelmää (dokumentoinnit, testaukset, läpinäkyvyysominaisuudet).

Syvällinen tekoälylukutaito näissä rooleissa on organisaation “selkäranka” tekoälyn hyödyntämiselle. Jos kehitystiimi ei hallitse tekoälyä, organisaatio ei todennäköisesti kykene rakentamaan kilpailukykyisiä ratkaisuja tai hallitsemaan ostettujakaan tekoälytuotteita tehokkaasti.

Monissa organisaatioissa IT- ja data-asiantuntijat toimivat usein sisäisinä kouluttajina tai tukihenkilöinä muulle organisaatiolle. Heiltä kysytään apua ja neuvoja, kun uutta teknologiaa otetaan käyttöön.

Tekoälylukutaitoiset asiantuntijat pystyvät selkokielellä viestimään muille, miten jokin järjestelmä toimii ja miten sitä kannattaa käyttää. Tällainen yhtiön sisäinen tukitoimi vähentää muutosvastarintaa ja lisää käyttäjien luottamusta järjestelmiin.

Erityisesti organisaatiot, jotka kehittävät tai myyvät tekoälypohjaisia ratkaisuja (esim. tekoälyä tuotteissaan hyödyntävät yritykset), ovat täysin riippuvaisia omien asiantuntijoidensa kyvykkyydestä. Näissä yrityksissä henkilöstön on tunnettava perin pohjin tekoälyn toimintaperiaatteet, riskienhallinta ja compliance-vaatimukset menestyäkseen.

Yleisesti voidaan todeta, että mitä lähempänä henkilön työ on itse tekoälyteknologian ydintä, sitä korkeampi on hänelle asetettava tekoälylukutaidon vaatimustaso.

6.3 Henkilöstöhallinto ja osaamisen kehittäjät

HR-ammattilaiset ja koulutusvastuulliset ovat hieman yllättävä, mutta erittäin tärkeä kohderyhmä tekoälylukutaidolle. Heillä on kaksoisrooli: toisaalta heidän tulee itse ymmärtää tekoälyn vaikutukset työvoimaan ja osaamistarpeisiin, ja toisaalta he saattavat hyödyntää tekoälyä omissa prosesseissaan.

Henkilöstöhallinnossa tekoäly on yleistymässä esimerkiksi rekrytoinnissa (hakemusten esikarsinta tekoälyn avulla), henkilöstöanalytiikassa (työtyytyväisyyskyselyiden avointen vastausten analysointi, henkilöstön vaihtuvuuden ennustaminen) ja osaamisen kartoituksessa.

Mikäli HR käyttää tekoälyä päätöksenteossa, heidän on ehdottomasti ymmärrettävä tekoälyn toimintaa ja riskitekijöitä. Mikäli tällaista ymmärrystä ei ole, voi syntyä vakavia ongelmia, kuten syrjiviä rekrytointipäätöksiä (jos tekoäly suosii tietyntyyppisiä hakijoita datan perusteella) tai väärin tulkittuja analytiikkatuloksia. AI Act luokittelee mm. työntekijöiden arviointiin ja rekrytointiin käytettävät tekoälyjärjestelmät korkean riskin luokkaan juuri näiden riskien vuoksi. Siksi HR:lle suunnattu tekoälylukutaito – esimerkiksi ymmärrys siitä, miten algoritmi on valikoinut CV:itä tai mitä se ei ota huomioon valintaa tehdessään – on ratkaisevaa lakisääteisten velvoitteidenkin kannalta.

Toisaalta HR vastaa organisaation osaamisen kehittämisestä. Jotta HR pystyy rakentamaan tehokkaita tekoälykoulutusohjelmia (kuten edellä luvussa 5 kuvattiin), heidän itsensä on tunnettava aihealue riittävän hyvin. Henkilöstönkehittäjän tulee pystyä arvioimaan, mikä koulutus on laadukasta ja relevanttia, millaisia oppimistavoitteita asetetaan ja miten osaamista voidaan mitata. Tämä edellyttää, että HR:ssä on henkilöitä, joilla on itsellään hyvä tekoälylukutaito tai jotka ovat erikoistuneet ainakin ymmärtämään tekoälyä opetussisältönä. Heidän pitää myös pysyä ajan tasalla, jotta koulutusohjelmia päivitetään tarpeen mukaan (esim. uudet säädökset, uudet työkalut).

Lisäksi HR:llä on rooli muutosjohtamisessa: tekoälyn käyttöönotto voi herättää henkilöstössä huolta (pelkoa työpaikan menettämisestä, eettisiä kysymyksiä tms.). HR-osasto, joka tuntee tekoälyn perusteet, voi paremmin viestiä henkilöstölle muutoksen tarkoituksesta, vastata kysymyksiin ja hälventää perusteettomia pelkoja korostaen koulutuksen ja uudelleenkouluttautumisen mahdollisuuksia.

Siksi voidaan sanoa, että henkilöstöhallinnon ammattilaisille tekoälylukutaito on erityisen tärkeää sekä oman työn näkökulmasta että koko organisaation osaamiskulttuurin näkökulmasta. He toimivat ikään kuin ”valmentajina” muille – ja valmentajan on tunnettava pelikenttä.

6.4 Riskienhallinta- ja compliance-asiantuntijat

Organisaatioissa, joissa on erilliset riskienhallinnan, lakiasiain tai compliance-tehtävät, myös näiden asiantuntijoiden on oltava perillä tekoälylukutaidosta. Heidän tehtävänsä on varmistaa, että organisaation toiminta noudattaa sääntöjä ja että riskit pidetään hallinnassa. Tekoälyn tulo liiketoimintaan tuo mukanaan uudenlaisia riskejä (maine, vastuu, tietoturva, juridinen) ja uusia sääntelyvaatimuksia (kuten AI Act), joten riskienhallintatiimin on kasvatettava kompetenssiaan vastaavasti.

Riskienhallinnan näkökulmasta asiantuntijoiden on ymmärrettävä tekoälyjärjestelmän elinkaari: missä vaiheissa voi tapahtua virheitä tai väärinkäytöksiä, miten ne voidaan tunnistaa ajoissa ja mitä kontrolleja tarvitaan. Esimerkiksi sisäisen valvonnan (internal control) kannalta riskienhallintapäällikön tulisi tietää, onko organisaatiossa käytössä tekoälysovelluksia, jotka automaattisesti tekevät päätöksiä, ja onko niille määritetty asianmukainen ihmisen valvonta. Samoin lakiasiantuntijoiden on osattava tulkita, koskeeko jokin tekoälyn käyttötapa organisaatiota ja miten siihen tulee varautua.

AI Act asettaa monia raportointi- ja seurantavaatimuksia korkealle riskille; compliance-vastaavan on osattava varmistaa, että nämä täyttyvät (esim. vaaditaanko ilmoitus viranomaiselle jostain käytöstä, täytyykö loppukäyttäjälle viestiä tietyt asiat, jne.).

Tekoälylukutaitoinen compliance-asiantuntija osaa kysyä IT-tiimiltä tai liiketoiminnalta oikeita asioita: “Mitä dataa malli oppii ja onhan GDPR huomioitu? Onko tähän päätökseen sisäänrakennettu syrjintävaara? Onko meillä lokitietoja mallin toiminnasta auditointia varten?” Jos compliance-asiantuntija ei ymmärrä tekoälyn toimintaa lainkaan, hän ei osaa kyseenalaistaa tekoälyn toimintaa, eikä kysyä oikeita kysymyksiä, jolloin riskit voivat jäädä huomaamatta. Compliance-asiantuntijan ei tarvitse osata itse rakentaa tekoälyä – yhteistyössä teknisten asiantuntijoiden kanssa he tuovat näkökulman eettisistä ja oikeudellisista velvoitteista, mikä käytännön tasolla asettaa compliance-asiantuntijan sekä teknisen asiantuntijan tekolukutaidolle erityisiä vaatimuksia -kuten vaatimuksena ovat myös hyvät kommunikaatiotaidot, jotta asiantuntijoiden välinen keskustelu on mahdollinen.

Tekoälylukutaito auttaa myös viestinnässä viranomaisiin. Jos organisaation pitää raportoida jotakin valvovalle viranomaiselle (esim. tietosuojaloukkauksesta tekoälyä käyttäen tai AI Act -auditointiin liittyen), on eduksi, että juridinen asiantuntija osaa avata teknistä asiaa ymmärrettävästi ja täsmällisesti. Se rakentaa luottamusta viranomaisiin päin ja helpottaa mahdollisten selvitysten läpivientiä.

Siksi riskienhallinta- ja compliance-rooleissa toimivien kannattaa ehdottomasti perehtyä tekoälylukutaitoon. Kun lakiosasto ja riskienhallinta “puhuvat samaa kieltä” AI-tiimin kanssa, organisaatio välttää monia sudenkuoppia.

6.5 Kriittiset toimialat

Tietyillä toimialoilla tekoälyn vaikutukset ovat niin merkittäviä, että tekoälylukutaito korostuu koko alan ammattilaisilla. Erityisesti säännellyillä aloilla, joilla tekoälyn käyttö liittyy suoraan ihmisten oikeuksiin, terveyteen tai turvallisuuteen, vahva tekoälyosaaminen on välttämätöntä. Näitä aloja ovat esimerkiksi:

• Terveys- ja sosiaaliala: Lääkärit, hoitajat, terveydenhuollon johtajat, terveydenhuollon asiantuntijat ja sosiaalityöntekijät kohtaavat yhä enemmän tekoälyä diagnostiikan, hoidon suunnittelun ja asiakaspalvelun tukena. Päätökset voivat olla kirjaimellisesti elintärkeitä, joten ammattilaisten on ymmärrettävä tekoälyn antamien suositusten perusteet ja rajat. Virheellisen tulkinnan riski on suuri, ellei tekoälyn toimintalogiikka ole käyttäjilleen selvä. Korkean riskin tekoälysovellukset – kuten potilaan terveydentilaa arvioivat järjestelmät – edellyttävät, että terveydenhuollon henkilöstö pystyy kriittisesti arvioimaan tekoälyn tekemiä johtopäätöksiä ja tarvittaessa sivuuttamaan ne.
• Koulutusala: Opettajat, rehtorit ja koulutussuunnittelijat hyödyntävät tekoälyä esimerkiksi oppimisanalytiikassa, henkilökohtaisten oppimispolkujen luomisessa tai vaikka esseiden automaattisessa arvioinnissa. Heidän on tunnistettava tekoälyn mahdollisuudet oppimisen tukena, mutta myös varjeltava oppilaita tekoälyn mahdollisilta virheiltä tai vinoumilta. Tekoälyn tekemät arviot oppilaan osaamisesta on osattava asettaa kontekstiin – ne eivät saa korvata inhimillistä harkintaa, ellei luotettavuudesta ole varmuutta. EU-lainsäätäjä onkin nostanut opetuksessa käytettävät tekoälyt korkeaan riskiluokkaan juuri siksi, että ne vaikuttavat ihmisten tulevaisuuteen merkittävästi.
• Julkinen hallinto ja turvallisuus: Viranomaisilla kuten poliisilla, tuomioistuimilla ja rajavalvonnalla on kasvava kiinnostus hyödyntää tekoälyä (esim. rikosten ennustaminen, valvontakamerakuvien automaattinen analysointi, asiakirjojen käsittely). Näissä tehtävissä tekoälylukutaito on kriittistä, koska viranomaistoiminnassa virheet tai vääristymät voivat johtaa vakaviin oikeudenloukkauksiin. Esimerkiksi jos tekoälyä käytetään rikosepäilyjen seulontaan, on ymmärrettävä, millä perusteella se suosittelee jotain henkilöä tutkittavaksi – ja on varmistettava, ettei algoritmi syrji taustatekijöiden perusteella. Julkisella sektorilla myös avoimuusvaatimus korostuu: viranomaisen pitää pystyä selittämään kansalaiselle, miten tekoäly on vaikuttanut hänen asiaansa. Tämä onnistuu vain, jos henkilöstö ymmärtää tekoälyn toimintaperiaatteet ja osaa viestiä niistä selkeästi.
• Rahoitus- ja vakuutusala: Pankkien, vakuutusyhtiöiden ja fintech-yritysten toiminnassa tekoäly on jo pitkään näytellyt roolia esimerkiksi luottoluokituksissa, petosten havaitsemisessa ja sijoitusneuvonnassa. Nämä alat ovat tiukasti säänneltyjä muutenkin, ja tekoälyn tuominen osaksi päätöksiä lisää vaatimuksia henkilöstön osaamiselle. Pankkivirkailijan tai luottopäällikön, joka käyttää tekoälyä luottopäätösten tukena, on ymmärrettävä päätöksenteon perusteet sen verran hyvin, että hän pystyy perustelemaan ne asiakkaalle ja toimintaa valvoville tahoille. Finanssialalla viranomaiset odottavat myös, että yritykset hallitsevat malliriskin – toisin sanoen tietävät, missä tilanteissa tekoälymalli voi pettää. Vahva tekoälylukutaito auttaa finanssialan organisaatioita täyttämään nämä odotukset ja ehkäisemään esimerkiksi syrjiviä luottopäätöksiä tai harhaanjohtavia sijoitussuosituksia.

Edellä mainittujen alojen lisäksi teknologia- ja tietointensiiviset toimialat erottuvat. Informaation ja viestinnän alalla sekä tieteellisessä ja teknisessä toiminnassa tekoäly on jo nyt keskimääräistä yleisemmin käytössä, joten näillä aloilla työntekijöiden laaja tekoälylukutaito on edellytys sille, että teknologiaa hyödynnetään parhaalla mahdollisella tavalla ja eettisesti kestävällä pohjalla. Myös valmistavassa teollisuudessa, logistiikassa ja muilla perinteisemmillä aloilla tekoäly on tulossa osaksi prosesseja (esim. tuotantolinjojen laadunvalvonta, kysynnän ennustaminen, automaattiset ajoneuvot). Näillä aloilla painottuu turvallisuusnäkökulma: esimerkiksi tehdastyöntekijän, joka toimii yhteistyössä tekoälyohjatun robotin kanssa, on ymmärrettävä robotin toimintalogiikkaa ja rajoja turvallisuuden varmistamiseksi.

Yhteenvetona voidaan todeta, että tekoälylukutaito on tärkeää kaikille toimialoille, mutta erityisen kriittistä se on niissä ympäristöissä, joissa tekoälyn päätöksillä on kauaskantoisia vaikutuksia ihmisiin tai joissa teknologia on jo syvällä arjen käytännöissä. Työnantajien näillä aloilla tulee kiinnittää erityistä huomiota henkilöstön koulutukseen ja varmistaa, että alan ammattilaisten ammattitaitoon sisältyy myös tekoälyn ymmärtämisen ja soveltamisen taidot.

7. Yhteenveto ja suositukset

Tekoälylukutaito on kokonaisuus, joka kattaa teknisen ymmärryksen, käytännön soveltamistaidot, kriittisen ajattelun sekä eettisen osaamisen tekoälyn käytössä. Se on nopeasti noussut tärkeäksi osa-alueeksi organisaatioiden osaamiskentässä.

Tekoälylukutaidon merkitys korostuu, koska tekoälyä hyödynnetään yhä laajemmin työelämässä ja sen avulla tehdään päätöksiä, jotka vaikuttavat niin liiketoiminnan tehokkuuteen kuin ihmisten oikeuksiin ja turvallisuuteen.

Artikkelissa käsiteltiin, miten EU:n tekoälyasetus tekee tekoälylukutaidosta lakisääteisen vaatimuksen kaikille tekoälyä käyttäville organisaatioille, asettaa työnantajille velvoitteen varmistaa henkilöstönsä riittävä osaaminen eli tekoälylukutaito.

Tekoälylukutaidon kehittäminen organisaatiossa vaatii suunnitelmallisuutta: perustietojen jalkauttamista koko henkilöstölle, syventävää koulutusta avainrooleille sekä jatkuvaa oppimista. Erityisesti johto, teknologia-asiantuntijat, HR sekä riskienhallinnan henkilöt ja kriittisten alojen ammattilaiset tarvitsevat vahvaa tekoälyosaamista.

Tiivistetysti tärkeimmät havainnot ja suositukset työnantajille ovat:

• Arvioi lähtötilanne ja sitoudu kehittämiseen: Selvitä organisaatiosi nykyinen tekoälylukutaidon taso ja tunnista, missä on eniten parannettavaa. Johdon sitoutuminen on ratkaisevaa. Varmista, että ylimmässä johdossa ymmärretään tekoälyn strateginen merkitys ja ollaan valmiita investoimaan osaamisen kehittämiseen.
• Varmista perustason osaaminen kaikille: Järjestä koko henkilöstölle koulutusta tekoälyn perusteista, mahdollisuuksista ja vastuullisen käytön periaatteista. Huolehdi, että jokainen työntekijä tietää perusasiat tekoälystä ja osaa käyttää työssään tarvittavia tekoälytyökaluja turvallisesti. Jokaisen ei tarvitse olla syväasiantuntija, mutta kaikkien on osattava hyödyntää tekoälyä vastuullisesti osana työtään.
• Kohdenna syventävää koulutusta roolin mukaan: Identifioi ne tiimit ja henkilöt, joiden työtehtävissä tekoälyllä on suuri rooli (esim. data-analyytikot, tekoälykehittäjät, päätöksentekijät, HR käyttämässä AI:ta rekrytoinnissa). Tarjoa heille syvällisempää koulutusta – esimerkiksi läpinäkyvyyden varmistamisesta, riskien hallinnasta ja tekoälyn eettisistä ja juridisista velvoitteista. Varmista myös, että organisaatiossasi on riittävästi asiantuntijatason osaajia joko oman henkilöstön tai kumppanien kautta huolehtimaan vaativimmista AI-tehtävistä.
• Laadi selkeät ohjeet ja prosessit tekoälyn käyttöön: Kehitä organisaatiollesi tekoälyn eettisen ja turvallisen käytön ohjeistukset. Määrittele pelisäännöt esimerkiksi datan syöttämiselle ulkoisiin palveluihin, tekoälyn tuottaman sisällön tarkistamiselle ja tilanteille, joissa ihminen aina tarkistaa tekoälyn päätöksen. Varmista, että henkilöstö tuntee nämä ohjeet ja että niitä päivitetään säännöllisesti säädösten tai teknologian muuttuessa.
• Huolehdi jatkuvasta oppimisesta ja seurannasta: Tekoälylukutaito ei ole kertaluontoinen projekti. Seuraa osaamisen kehittymistä (tarvittaessa testein tai sertifioinnein) ja kerää palautetta koulutuksista. Päivitä koulutusohjelmia ja ohjeistuksia säännöllisesti – esimerkiksi kerran vuodessa – huomioiden uudet tekoälysovellukset, parhaat käytännöt ja lainsäädännön muutokset. Järjestä täydennyskoulutusta tai tietoiskuja, kun organisaatioon tulee uusia tekoälytyökaluja (kuten vaikkapa uusia generatiivisen tekoälyn sovelluksia), jotta henkilöstö pysyy ajan tasalla.

Yhteenvetona työnantajille viesti on selvä: tekoälylukutaito on strateginen investointi, joka tukee sekä liiketoiminnan tavoitteita että varmistaa säädösten noudattamisen.

Panostamalla henkilöstön tekoälyosaamiseen organisaatio voi innovoida ja tehostaa toimintaansa turvallisesti.

Samalla organisaatio vähentää riskejä ja varmistaa, että tekoälyä käytetään tavalla, joka kestää niin asiakkaiden, viranomaisten kuin koko yhteiskunnankin tarkastelun.

Nyt on oikea aika varmistaa, että organisaatiosi on valmis tekoälyn aikakauteen – tekoälykoulutettu henkilöstö on paras turva ja voimavara tekoälyn hyödyntämisessä.

Tutustu myös seuraaviin artikkeleihimme: