Tekoäly esseessä: oikopolusta oppimiseen

AI-INTO!-pilottien keskeinen havainto oli, että ratkaisevaa ei ole tekoälyn käyttö sinänsä vaan tehtävän pedagoginen rakenne (Bergström 2026).

Esseetehtävä tarvitsee uuden rakenteen 

Korkeakoulutuksen arviointia koskevassa keskustelussa on viime vuosina korostettu, että tekoälyn aikakaudella arvioinnin painopistettä on siirrettävä pelkästä lopputuotoksesta oppimisprosessiin, opiskelijan omaan ajatteluun, vastuulliseen työskentelyyn ja tekoälyn käytön läpinäkyvyyteen. Xia ym. (2024) toteavat korkeakoulutuksen arviointia käsittelevässä katsauksessaan, että generatiivinen tekoäly haastaa arviointia mutta samalla pakottaa kehittämään tehtäviä, jotka vahvistavat opiskelijan itsesäätelyä, vastuullista oppimista ja akateemista rehellisyyttä. 

Sama ajatus näkyy AI Assessment Scale -mallissa. Siinä tekoälyn käyttöä ei käsitellä vain kiellettynä tai sallittuna toimintana, vaan arviointitehtävään määritellään tekoälyn käytön taso ja tarkoitus. Perkinsin ym. (2024) kehittämä AIAS-malli antaa opettajille välineen tehdä tekoälyn käytöstä läpinäkyvää suhteessa oppimistavoitteisiin. 

Tämä on olennainen muutos. Tekoälyn käyttö ei saa olla tehtävässä piilossa oleva riski, vaan sen on oltava pedagogisesti suunniteltu osa oppimisprosessia. Jos esseetehtävässä arvioidaan vain lopullista tekstiä, tekoäly voi toimia oikopolkuna. Jos tehtävässä arvioidaan myös prosessia, vertailua, perusteltuja valintoja ja reflektiota, tekoälystä voi tulla oppimisen väline. 

Kolme vaihetta teki erot näkyviksi 

AI-INTO!-piloteissa opiskelijat tekivät oppimistehtävän, jossa he vertasivat omaa vastaustaan ChatGPT:n tuottamaan vastaukseen. Molemmissa piloteissa tehtävämallin perusidea oli sama: ensin opiskelija muodosti oman vastauksensa, sen jälkeen hän tarkasteli tekoälyn tuottamaa vastausta ja lopuksi hän reflektoi näiden eroja. Tämän artikkelin havainnot perustuvat erityisesti loppukyselyihin ja opiskelijoiden reflektointeihin, joissa opiskelijat kuvasivat ChatGPT:n käyttöä oman työnsä vertailukohtana. (Bergström 2026.) 

Tehtävämallin pedagoginen vahvuus oli siinä, että opiskelija ei aloittanut tekoälystä. Ensin hänen täytyi rakentaa oma ymmärryksensä aiheesta. Vasta sen jälkeen tekoälystä tuli vertailukumppani: se tuotti toisenlaisen version, jonka vahvuuksia ja puutteita opiskelija pystyi tarkastelemaan suhteessa omaan ajatteluunsa. 

Tässä on olennainen ero. Jos opiskelija pyytää tekoälyltä esseen ennen omaa työskentelyä, tekoäly voi ohjata koko ajattelua alusta asti. Jos opiskelija kirjoittaa ensin itse, hänellä on jo jonkinlainen käsitys aiheesta, sisällön painotuksista, argumenteista ja omista epävarmuuksistaan. Tällöin tekoälyn tuottamaa tekstiä on helpompi arvioida kriittisesti. 

Oma vastaus antoi vertailupinnan 

Opiskelijoiden reflektoinneissa korostui, että oman vastauksen ja ChatGPT:n tuottaman vastauksen vertailu teki tekoälyn vahvuudet ja rajat näkyviksi. Opiskelijat huomasivat, että ChatGPT pystyi tuottamaan nopeasti selkeää, jäsenneltyä ja kielellisesti sujuvaa tekstiä. Se auttoi hahmottamaan rakennetta, avaamaan käsitteitä, löytämään uusia näkökulmia ja muotoilemaan asioita ymmärrettävämmin. (Bergström 2026.) 

Samalla opiskelijat tunnistivat tekoälyn rajoja. ChatGPT:n tuottama teksti saattoi olla yleisluontoista, kaavamaista tai liian varman kuuloista. Osa opiskelijoista huomasi, että faktat piti tarkistaa muista lähteistä. Osa taas havaitsi, että tekoälyn teksti ei tavoittanut samalla tavalla henkilökohtaista pohdintaa, kokemuksellisuutta tai aiheeseen liittyviä vivahteita kuin opiskelijan itse tuottama vastaus. (Bergström 2026.) 

Tämä havainto on ammatillisesti tärkeä. Tekoälyn käyttö ei ole vain tekninen taito. Se on kykyä arvioida, milloin tekoäly auttaa, milloin se yksinkertaistaa liikaa, milloin se voi tuottaa virheellistä tai puutteellista tietoa ja milloin ihmisen oma kokemus, harkinta ja asiayhteyden ymmärtäminen ovat ratkaisevia. 

Kizilcec ym. (2024) havaitsivat kansainvälisessä korkeakoulukontekstissa, että opiskelijat ja opettajat pitävät esseitä ja koodaustehtäviä erityisen vahvasti generatiivisen tekoälyn vaikutukselle altistuvina arviointimuotoina. Tämä ei kuitenkaan tarkoita, että esseet olisivat käyttökelvottomia. Se tarkoittaa, että niiden suunnittelussa on otettava huomioon tekoälyn vaikutus arvioinnin luotettavuuteen ja tarkoitukseen. 

AI-INTO!-piloteissa ei kielletty tekoälyn käyttöä eikä sen käyttöä tarvinnut piilottaa, vaan tekoäly tuotiin ohjatusti osaksi oppimisprosessia. Opiskelija ei käyttänyt ChatGPT:tä korvatakseen omaa vastaustaan, vaan tarkastellakseen, miten tekoäly jäsentää samaa tehtävää, mitä se lisää, mitä se jättää huomiotta ja missä sen tuottama tieto vaatii tarkistamista. Näin tehtävä siirsi huomion lopputekstistä opiskelijan arviointikykyyn, lähdekritiikkiin ja omaan vastuuseen. 

Eettisyys syntyi näkyvästä käytöstä 

Tekoälyn käyttöön liittyvä eettinen huoli on perusteltu. Jos opiskelija palauttaa tekoälyn tuottaman tekstin omanaan, kyse ei ole oppimisen tukemisesta vaan akateemisen rehellisyyden vaarantumisesta. Sama ongelma syntyy, jos opiskelija ei ymmärrä, missä määrin tekoälyä saa käyttää, pitääkö käyttö ilmoittaa tai voiko tekoälyn tuottamaan sisältöön luottaa. 

Pilottien tehtävärakenne vastasi tähän huoleen tekemällä tekoälyn käytöstä näkyvää. Opiskelijoiden ei tarvinnut salata tekoälyn käyttöä, vaan heidän tuli käyttää sitä tehtävänannon mukaisesti ja arvioida sen vaikutusta omaan oppimiseensa. Tämä muutti asetelman. Tekoälyn käyttö ei ollut piilotettu apuväline, vaan arvioitava osa työskentelyä. (Bergström 2026.) 

UNESCOn (2023) generatiivista tekoälyä koskeva ohjeistus korostaa ihmiskeskeistä lähestymistapaa, jossa tekoälyn käyttöä koulutuksessa arvioidaan pedagogisen tarkoituksenmukaisuuden, eettisyyden ja oppijoiden toimijuuden näkökulmista. Ohjeistuksen mukaan generatiivisen tekoälyn tulee tukea opiskelijoita, opettajia ja tutkijoita, ei korvata oppimista tai heikentää ihmisen omaa ajattelua. 

Sama periaate näkyi AI-INTO!-piloteissa. Tekoälyn käyttö voi olla eettistä, kun sen käyttötapa, rajat ja tarkoitus on määritelty. Eettisyys syntyy tehtävän rakenteesta, ei vain tehtävän ohjeesta. Opiskelijan pitää ymmärtää, mitä hän tekee itse, missä tekoäly auttaa ja mistä hän on edelleen vastuussa. 

Reflektio muutti käytön oppimiseksi 

Tekoälyä käyttävä tehtävä ei vielä itsessään takaa oppimista. Opiskelija voi käyttää työkalua mekaanisesti, saada siitä sujuvan tekstin ja jatkaa eteenpäin oppimatta juuri mitään tekoälyn toimintalogiikasta, rajoista tai vastuullisesta käytöstä. Siksi reflektiovaihe oli piloteissa keskeinen. 

Opiskelijoita pyydettiin pohtimaan muun muassa, mitä lisäarvoa ChatGPT toi, miten helppoa tai vaikeaa sitä oli käyttää, miten ohjeistus tuki työskentelyä, miten oma osaaminen kehittyi ja millaisia eroja oli oman vastauksen ja ChatGPT:n tuottaman vastauksen välillä. Reflektio ohjasi opiskelijoita sanallistamaan havaintojaan. (Bergström 2026.) 

Tämä on tärkeää, koska tekoälyn käyttö oppimisessa ei ole vain tekemistä. Se on myös oman toiminnan ymmärtämistä. Opiskelijan pitää pystyä tunnistamaan, miten hän käytti tekoälyä, miksi hän käytti sitä, mitä hän hyväksyi tekoälyn tuotoksesta ja mitä hän hylkäsi. 

Deep ja Chen (2025) nostavat esiin saman jännitteen tekoälyä ja akateemista kirjoittamista koskevassa katsauksessaan. Tekoäly voi tukea kirjoittamista esimerkiksi palautteen, rakenteen ja kielen tasolla, mutta se voi myös vähentää opiskelijan omaa kognitiivista ponnistelua, jos tehtävä ei edellytä aktiivista arviointia ja omaa ajattelua. 

AI-INTO!-pilottien kolmivaiheinen malli vastasi tähän jännitteeseen. Opiskelija joutui tekemään ajattelutyötä ennen tekoälyä ja sen jälkeen. Tekoäly ei päättänyt tehtävää, vaan avasi uuden vaiheen: vertailun, arvioinnin ja oman oppimisen sanoittamisen. 

Opettajan rooli muuttuu 

Pilottien keskeinen viesti opettajille on selkeä: tekoälyä hyödyntävä tehtävä ei synny lisäämällä tehtävänantoon mainintaa tekoälystä. Opettajan pitää suunnitella, missä vaiheessa tekoälyä käytetään, mihin sitä käytetään ja miten opiskelija osoittaa oman osaamisensa. Ratkaisevaa on tehtävän rakenne. 

Jos tehtävässä arvioidaan vain lopputuotosta, tekoäly voi murentaa arvioinnin luotettavuutta. Jos tehtävässä arvioidaan prosessia, omaa ajattelua, vertailua, lähdekriittisyyttä ja reflektiota, tekoäly voidaan kytkeä osaksi oppimista. Tämä edellyttää, että opettaja määrittelee tekoälyn roolin jo tehtävänannossa: mitä saa tehdä, mitä pitää tehdä, mitä pitää ilmoittaa ja mitä opiskelijan on itse pystyttävä osoittamaan. 

Corbin ym. (2025) korostavat, että tekoälyn aikakaudella pelkät ohjeet eivät riitä, jos itse arviointitehtävä pysyy ennallaan. Tarvitaan rakenteellisia muutoksia, joissa tehtävä ohjaa opiskelijaa toimimaan tavalla, joka tekee osaamisen, harkinnan ja oppimisprosessin näkyväksi. 

Tekoäly peilinä, ei tekijänä 

Tekoäly ei tee esseetehtävistä automaattisesti vanhentuneita. Se kuitenkin paljastaa, milloin esseetehtävä on ollut liian helposti pelkkä lopputekstin tuottamisen harjoitus. Jos tehtävän tarkoituksena on arvioida opiskelijan ajattelua, ymmärrystä, argumentointia ja kykyä käyttää lähteitä, näiden on näyttävä tehtävän rakenteessa. 

AI-INTO!-piloteissa kokeiltu malli osoittaa, että tekoälyn voi tuoda esseetehtävään tavalla, joka ei ohita opiskelijan omaa ajattelua vaan tekee sen näkyvämmäksi vertailun ja reflektion avulla. Tällöin tekoälystä ei tule esseetehtävän tekijä. Siitä tulee peili, jonka avulla opiskelija näkee selvemmin sekä oman osaamisensa että tekoälyn rajat.

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