Reflektio muuttaa tekoälyn käytön oppimiseksi

Tekoälyä hyödyntävässä oppimistehtävässä ratkaisevaa ei ole vain se, mitä opiskelija saa työkalun avulla aikaan. Vähintään yhtä tärkeää on se, miten opiskelija tekee tekoälyn käytön näkyväksi: miten hän arvioi tuotosta, tunnistaa oman vastuunsa, tarkistaa tietoa ja perustelee valintansa. Tämän vuoksi tekoälytehtävään tarvitaan reflektiivinen vaihe, joka ohjaa opiskelijaa pysähtymään oman ajattelunsa ja tekoälyn tuottaman sisällön äärelle. 

Tekoäly voi tukea tai ohittaa oppimisen 

Tekoäly on tullut korkeakouluopetukseen nopeasti. Sen avulla opiskelija voi ideoida, jäsentää tekstiä, hakea näkökulmia, vertailla vaihtoehtoja ja saada nopeasti palautetta omasta ajattelustaan. Samalla tekoäly voi houkutella oikaisemaan oppimisprosessia: opiskelija voi käyttää työkalua niin, että lopputulos syntyy, mutta oma ymmärrys ei välttämättä syvene. 

Kyse on tekoälyn opetuskäytön keskeisestä pedagogisesta jännitteestä. Tekoäly voi nopeuttaa tekemistä, mutta oppimisen näkökulmasta ratkaisevaa on, millaiseen ajatteluun tekoälyn käyttö opiskelijaa ohjaa. Generatiivisen tekoälyn opetuskäytössä keskeinen riski liittyykin siihen, käytetäänkö tekoälyä opiskelijan ajattelua tukevana välineenä vai ajattelun korvaajana (European Parliament 2026; Walter 2024). 

Jos opiskelija käyttää tekoälyä vain tekstin tuottamiseen, oppimisprosessi voi jäädä pinnalliseksi. Jos opiskelija sen sijaan joutuu tarkastelemaan, mitä tekoäly ehdotti, mitä hän itse muutti, miksi hän hyväksyi jotakin ja miksi hylkäsi jotakin muuta, tekoälyn käyttö alkaa muuttua oppimiseksi. 

AI-INTO!-piloteissa tämä kysymys nousi keskeiseksi. Opiskelijat eivät ainoastaan käyttäneet tekoälyä oppimistehtävissä, vaan heitä pyydettiin myös reflektoimaan omaa toimintaansa. Reflektio kohdistui muun muassa tekoälyn tuottamaan lisäarvoon, käytön helppouteen tai vaikeuteen, ohjeiden hyödyllisyyteen, oman oppimisen ja osaamisen kehittymiseen sekä siihen, miten tekoälyä hyödyntänyt tehtävä erosi tehtävästä, jossa tekoälyä ei käytetty. (Bergström 2026.)

Kyse on tekoälyn opetuskäytön keskeisestä pedagogisesta jännitteestä. Tekoäly voi nopeuttaa tekemistä, mutta oppimisen näkökulmasta ratkaisevaa on, millaiseen ajatteluun tekoälyn käyttö opiskelijaa ohjaa. Generatiivisen tekoälyn opetuskäytössä keskeinen riski liittyykin siihen, käytetäänkö tekoälyä opiskelijan ajattelua tukevana välineenä vai ajattelun korvaajana (European Parliament 2026; Walter 2024). 

Jos opiskelija käyttää tekoälyä vain tekstin tuottamiseen, oppimisprosessi voi jäädä pinnalliseksi. Jos opiskelija sen sijaan joutuu tarkastelemaan, mitä tekoäly ehdotti, mitä hän itse muutti, miksi hän hyväksyi jotakin ja miksi hylkäsi jotakin muuta, tekoälyn käyttö alkaa muuttua oppimiseksi. 

AI-INTO!-piloteissa tämä kysymys nousi keskeiseksi. Opiskelijat eivät ainoastaan käyttäneet tekoälyä oppimistehtävissä, vaan heitä pyydettiin myös reflektoimaan omaa toimintaansa. Reflektio kohdistui muun muassa tekoälyn tuottamaan lisäarvoon, käytön helppouteen tai vaikeuteen, ohjeiden hyödyllisyyteen, oman oppimisen ja osaamisen kehittymiseen sekä siihen, miten tekoälyä hyödyntänyt tehtävä erosi tehtävästä, jossa tekoälyä ei käytetty. (Bergström 2026.) 

Reflektio kääntää käytön oppimiseksi 

AI-INTO!-piloteissa opiskelijoiden tekoälyn käyttö ei jäänyt pelkäksi työkalun kokeiluksi, vaan siihen liitettiin ohjattu reflektio. Reflektio pakotti opiskelijan sanoittamaan, mitä hän teki itse, miten hän hyödynsi ChatGPT:tä, mitä hän piti tekoälyn vastauksessa käyttökelpoisena ja mitä hän joutui korjaamaan tai hylkäämään. 

Samankaltaista reflektiivistä asetelmaa on tarkasteltu myös generatiivisen tekoälyn opetuskäytön tutkimuksessa. Al-Fattal (2025) osoittaa, että opiskelijan omaa työtä, tekoälyn tuotosta ja reflektiota yhdistävä tehtävärakenne voi tukea oppimista silloin, kun opiskelija joutuu arvioimaan tekoälyn tuotosta suhteessa omaan ajatteluunsa. 

Pedagogisesti olennaista on se, että opiskelija joutuu tekemään oman harkintansa näkyväksi: mitä hän hyväksyi, mitä hän hylkäsi, mitä hän tarkisti ja mitä hän oppi. 

Opiskelijoiden reflektiot osoittivat, että oppimista tapahtui erityisesti silloin, kun opiskelija pysähtyi tekoälyn tuottaman vastauksen äärelle, vertasi sitä omaan työhönsä, tarkisti tiedon oikeellisuutta, pohti kehotteiden vaikutusta, tunnisti oman vastauksensa puutteita ja suhteutti tekoälyn tuottaman sisällön tehtävän tavoitteisiin (Bergström 2026). 

Havainto on tärkeä. Se osoittaa, että tekoälyn opetuskäytön pedagoginen arvo ei synny ensisijaisesti siitä, että tekoäly tuottaa vastauksia nopeasti. Arvo syntyy siitä, että opiskelija joutuu ajattelemaan, miksi jokin vastaus on hyvä, puutteellinen, virheellinen tai käyttökelpoinen. 

Reflektio tekee ajattelun näkyväksi 

Opettajan näkökulmasta yksi tekoälyn käytön haasteista on oppimisprosessin näkymättömyys. Jos opiskelija palauttaa vain lopullisen esseen tai muun tuotoksen, opettajan on vaikea arvioida, miten opiskelija on käyttänyt tekoälyä ja mitä hän on todella oppinut. Lopputulos voi näyttää sujuvalta, vaikka opiskelijan oma ymmärrys olisi jäänyt ohueksi. 

Reflektio muuttaa tätä asetelmaa. Kun opiskelija kuvaa omaa työskentelyään, opettaja saa näkyviin prosessin, joka muuten jäisi piiloon. AI-INTO!-pilottien reflektioaineistossa tämä näkyi erityisesti siinä, että opiskelijat kuvasivat käyttämiään kehotteita, tekoälyn vastausten vahvuuksia ja puutteita, omia korjauksiaan sekä sitä, mitä he tarkistivat muista lähteistä (Bergström 2026). 

Arvioinnin ja ohjauksen kohteeksi tulee paitsi valmis tuotos myös opiskelijan kyky toimia tekoälyn kanssa vastuullisesti ja oppimista edistävästi. Muutos on tärkeä. Tekoälyä hyödyntävässä tehtävässä pelkkä lopputuotos ei välttämättä kerro riittävästi opiskelijan osaamisesta. Sen rinnalle tarvitaan näyttöä prosessista, harkinnasta ja perusteluista. 

Reflektio voi myös vahvistaa opiskelijan toimijuutta. Kun opiskelija joutuu sanallistamaan, mitä hän oppi ja miten tekoäly vaikutti oppimiseen, hän ei voi jäädä passiiviseksi työkalun käyttäjäksi. Hänen on otettava kantaa omaan toimintaansa. Opiskelijan tehtäväksi tulee arvioida, valita, muokata ja perustella. 

Reflektio ei siis ole vain opiskelijan jälkikäteinen selostus tehtävän tekemisestä. Se tuottaa opettajalle aineistoa siitä, miten opiskelija on käyttänyt tekoälyä, millaista kriittistä harkintaa hän on osoittanut ja missä kohdin hän tarvitsee vielä ohjausta. 

Kriittinen tekoälylukutaito syntyy käytössä 

Tekoälylukutaitoa ei opita vain lukemalla tekoälystä. Sitä opitaan käyttämällä tekoälyä ohjatusti, tarkastelemalla käyttöä kriittisesti ja keskustelemalla kokemuksista. 

AI-INTO!-piloteissa opiskelijoilta kysyttiin käyttökokemusten lisäksi tekoälyn luotettavuudesta, eettisyydestä ja omasta tekoälyosaamisesta. Loppukyselyjen perusteella opiskelijat eivät oppineet vain ChatGPT:n teknistä käyttöä. He oppivat myös kehotteiden muotoilua, lähteiden tarkistamista, tekoälyn tuottaman tiedon kriittistä arviointia ja sitä, ettei tekoälyn tuottamaa sisältöä voi käyttää sellaisenaan. (Bergström 2026.) 

Havainto on linjassa laajemman tekoälylukutaitoa koskevan keskustelun kanssa. Euroopan komission eettisissä ohjeissa korostetaan, että tekoälyn opetuskäyttö edellyttää opettajilta ja oppijoilta kykyä toimia tekoälyn kanssa kriittisesti, vastuullisesti ja eettisesti (European Commission 2022). UNESCO puolestaan painottaa ihmiskeskeistä lähestymistapaa, jossa generatiivisen tekoälyn käyttö suunnitellaan pedagogisesti tarkoituksenmukaiseksi, turvalliseksi ja vastuulliseksi (UNESCO 2023). 

Myös tuore korkeakoulukeskustelu korostaa samaa suuntaa. Lee ym. (2024) osoittavat, että generatiivinen tekoäly herättää korkeakouluopetuksessa samanaikaisesti innostusta, epävarmuutta ja huolta erityisesti arvioinnin, akateemisen rehellisyyden ja opettajien tuen näkökulmista. Walter (2024) korostaa tekoälylukutaidon, kehotesuunnittelun ja kriittisen ajattelun merkitystä nykyisessä koulutuksessa. Hazari (2024) esittää, että korkeakouluissa tarvitaan tekoälylukutaitoa, jossa yhdistyvät tietoisuus, taitojen kehittäminen, käytännön soveltaminen, eettinen arviointi ja kriittinen analyysi. 

AI-INTO!-pilottien aineisto tekee käytännöllisen havainnon: opiskelija ei tarvitse pelkästään ohjetta siitä, saako tekoälyä käyttää. Hän tarvitsee tehtävärakenteen, joka pakottaa arvioimaan tekoälyn käyttöä. 

Reflektio paljastaa ajattelun laadun 

Opiskelijoiden reflektoinneissa näkyi, että tekoälyn käyttö teki oman ajattelun laadun aiempaa näkyvämmäksi. Reflektio auttoi opiskelijoita huomaamaan, missä oma vastaus oli oikeansuuntainen, missä se jäi liian suppeaksi tai epäselväksi ja missä tekoälyn tuottama vastaus näytti sujuvalta, mutta jäi sisällöllisesti liian yleiseksi tai epätarkaksi. (Bergström 2026.) 

Pedagogisesti tärkeää on juuri näkyväksi tuleminen. Reflektio auttaa opiskelijaa tunnistamaan, milloin hän ymmärtää asian itse, milloin hän tarvitsee lisätietoa ja milloin tekoälyn tuottama sisältö edellyttää tarkistamista. Näin tekoäly ei poista opiskelijan vastuuta, vaan tekee vastuun näkyvämmäksi. 

Vuoden 2026 oikeudellisessa tehtäväkontekstissa ilmiö korostui erityisen selvästi. Opiskelijat huomasivat, että ChatGPT pystyi tuottamaan yleiskuvan aiheesta ja avaamaan käsitteitä ymmärrettävästi, mutta sen vastauksista puuttui usein täsmällisiä lainviittauksia, kurssimateriaalin mukaisia painotuksia tai tapauskohtaista soveltamista (Bergström 2026). Havainto vahvistaa johtopäätöstä siitä, että reflektio on erityisen tärkeää tehtävissä, joissa tiedon ajantasaisuus, lähdeperustaisuus ja tapauskohtainen soveltaminen ovat keskeisiä. 

Reflektio torjuu oikopolkuja 

Tekoäly voi tukea opiskelijaa monin tavoin, mutta sillä on myös riskejä. Se voi tuottaa virheellisiä tietoja, keksittyjä lähteitä tai liian yleisluonteisia vastauksia. Se voi myös ohjata opiskelijaa kohti geneerisiä ratkaisuja, jos opiskelija hyväksyy ehdotukset sellaisenaan. 

Euroopan parlamentin vuoden 2026 katsauksessa korostetaan, että tekoälyn opetuskäytön täytyy tukea oppijan autonomiaa, kriittistä ajattelua ja pedagogisesti määriteltyjä tavoitteita. Teknologian mahdollisuudet eivät siis saa ohjata opetusta, vaan opetuksen tavoitteiden tulee ohjata tekoälyn käyttöä (European Parliament 2026). 

Reflektio ei ole vain mukava lisätehtävä, vaan pedagoginen riskienhallinnan väline. Se vastaa juuri niihin riskeihin, joita generatiivisen tekoälyn opetuskäytössä on tunnistettu: liialliseen tukeutumiseen, kriittisen ajattelun heikkenemiseen, virheelliseen tietoon ja opiskelijan oman työn rajan hämärtymiseen (European Parliament 2026; Lee ym. 2024; Walter 2024). Se pakottaa opiskelijan hidastamaan kohdissa, joissa tekoälyn käyttö muuten nopeuttaisi liikaa. Opiskelijan on kysyttävä itseltään esimerkiksi: mitä tekoäly teki hyvin, missä se oli epäluotettava, mitä piti tarkistaa, mitä opin aiheesta, mitä opin tekoälyn käytöstä ja mitä tekisin seuraavalla kerralla toisin. 

Kysymykset siirtävät huomion lopputuotoksesta oppimisprosessiin. Samalla ne tukevat opiskelijan ammatillista kehittymistä. Työelämässä tekoälyn käyttäjän on osattava perustella, miksi jokin ratkaisu valittiin. Samaa taitoa pitää harjoitella jo opintojen aikana. 

Vertaisreflektio kannattaa hyödyntää 

AI-INTO!-piloteissa nousi esiin myös vertaisoppimisen mahdollisuus. Vuoden 2024 pilotissa opiskelijoilta kysyttiin, miltä tuntui jakaa omia tekoälyn käyttöön liittyviä itsereflektioita muille opiskelijoille sekä lukea ja kommentoida muiden reflektioita. Vastaukset olivat pääosin myönteisiä tai neutraaleja. Monet opiskelijat kokivat muiden kokemusten lukemisen hyödylliseksi, kiinnostavaksi tai uusia näkökulmia avaavaksi. (Bergström 2026.) 

Kevään 2026 aineistossa opiskelijakollegojen hyödyntäminen tekoälyn käytön opettelussa jäi vähäisemmäksi. Useat opiskelijat kertoivat opetelleensa tekoälyn käyttöä itsenäisesti verkko-ohjeiden avulla tai kokeilemalla, mikä voi tarkoittaa, että osa opiskelijoista koki pärjäävänsä itsenäisesti. Samalla se viittaa siihen, että vertaisoppimisen mahdollisuutta ei vielä hyödynnetty täysimääräisesti. 

Jatkossa tekoälytehtäviin kannattaisi liittää myös ohjattua vertaisreflektiota. Opiskelijat voisivat esimerkiksi vertailla, millaisia kehotteita he käyttivät, millaisia virheitä tekoäly tuotti, mitä he hyväksyivät, mitä hylkäsivät ja miten heidän oma ajattelunsa muuttui. Näin yksittäisistä käyttökokemuksista voisi rakentua yhteistä tekoälylukutaitoa. 

Mitä opettaja voi tehdä? 

Tekoälyn hyödyntäminen opetuksessa ei edellytä, että jokaisesta tehtävästä tehdään monimutkainen tekninen kokeilu. Sen sijaan opettajan kannattaa miettiä, mitä opiskelijan halutaan oppivan tekoälyn käytöstä ja miten tämä oppiminen tehdään näkyväksi. 

Yksi toimiva lähtökohta on liittää tekoälyä hyödyntävään tehtävään erillinen reflektiovaihe. Siinä opiskelija ei kuvaa vain sitä, käyttikö hän tekoälyä, vaan arvioi, miten tekoäly vaikutti hänen ajatteluunsa, ratkaisuunsa ja oppimiseensa. Reflektiossa opiskelijan tulisi tunnistaa ainakin, mihin hän käytti tekoälyä, mitä hän hyväksyi, mitä hän hylkäsi, mitä hän tarkisti ja mitä hän oppi prosessin aikana. 

Opettajan kannattaa antaa opiskelijoille valmiita reflektiokysymyksiä. Ilman ohjausta reflektio voi jäädä yleiselle tasolle: “tekoäly oli hyödyllinen” tai “tehtävä oli kiinnostava”. Hyvä reflektiokysymys ohjaa opiskelijaa konkreettiseen tarkasteluun. Esimerkiksi kysymys “Mitä tekoälyn ehdotusta et hyväksynyt ja miksi?” tuottaa todennäköisesti syvempää ajattelua kuin kysymys “Mitä mieltä olit tekoälyn käytöstä?” 

Lisäksi opettajan kannattaa tehdä selväksi, että tekoälyn kriittinen tarkastelu ei tarkoita tekoälyn vastustamista. Tavoitteena ei ole osoittaa, että tekoäly on huono työkalu, vaan oppia käyttämään sitä tarkoituksenmukaisesti. Tekoälyä saa käyttää, mutta sitä ei saa käyttää ajattelun korvikkeena. 

Ohjattu reflektio tukee myös tekoälylukutaidon kehittymistä, sillä se yhdistää käytännön soveltamisen, kriittisen arvioinnin ja eettisen harkinnan, joita tekoälylukutaidon opetuksessa pidetään keskeisinä osa-alueina (Hazari 2024; Walter 2024). 

Reflektio tuottaa oppimista 

AI-INTO!-pilottien keskeinen oivallus on, että tekoälyn opetuskäytön arvo ei synny pelkästä teknologian mukaan ottamisesta. Arvo syntyy pedagogisesta rakenteesta, joka ohjaa opiskelijan ajattelemaan aktiivisesti ja tekemään ajattelunsa näkyväksi. Reflektio on tässä rakenteessa ratkaiseva osa. 

Kun opiskelija reflektoi tekoälyn käyttöään, hän oppii enemmän kuin yksittäisen työkalun käyttöä. Hän oppii arvioimaan tiedon luotettavuutta, tunnistamaan oman osaamisensa rajoja, tekemään valintoja ja perustelemaan niitä. Hän oppii myös, että tekoälyn kanssa työskentely on vuorovaikutteinen prosessi, jossa ihmisen harkinta ratkaisee. 

Tekoälyä hyödyntävissä oppimistehtävissä ei pitäisi kysyä vain, mitä opiskelija sai aikaan. Yhtä tärkeää on kysyä, miten hän päätyi ratkaisuunsa, mitä hän oppi matkan aikana ja millainen rooli tekoälyllä oli oppimisprosessissa. Kun tämä tehdään näkyväksi, tekoäly ei jää irralliseksi työkaluksi eikä valmiiden vastausten lähteeksi, vaan siitä tulee osa opiskelijan oman ajattelun, tiedon arvioinnin ja ammatillisen harkinnan kehittymistä. 

Tekoälyn käyttö voi tuottaa tekstin, idean tai vastauksen. Reflektio ratkaisee, muuttuuko tämä käyttö oppimiseksi. 

Tämä artikkeli perustuu aineiston analysoinnin pohjalta laadittuun julkaisemattomaan raporttiin, joka toimitettiin opetuksen johtoryhmälle (Bergström 2026). Artikkeli on neljäs osa Tekoäly pedagogisena ratkaisuna -artikkelisarjassa.