Tekoälyaika haastaa asiantuntijan: epävarmuus luovuuden lähteenä

Keskustelu tekoälystä kiihtyy ja koulutukset tihentyvät. Työ tehostuu ja asiantuntija ahdistuu. Nyt on hyvä mahdollisuus erottua muilla kuin tekoälytaidoilla, esimerkiksi luovuudella.    

Tekoälyn odotetaan lisäävän suomalaisyritysten liikevaihdon volyymia 30 prosenttia ja tästä 28 prosenttia ilman lisäkustannuksia vuoteen 2029 mennessä. Tällä hetkellä vain kolme prosenttia suomalaisyrityksistä kertoo oikeasti kasvattaneensa tuottavuutta tekoälyllä. (Raeste 2026.) 

Samaan aikaan tuoreen työolobarometrin (Lyly-Yrjänäinen 2026) mukaan epävarmuus työelämässä on lisääntynyt. Yhä useampi työllinen on epävarma oman työpaikkansa puolesta ja yhä useampi työtön on menettänyt toivonsa työpaikan löytymisestä. Työntekijöiden mukaan tekoäly on muuttanut työtehtäviä, ja he ovat kokeneet sen pääosin positiivisena ja tehokkaana. Kuitenkin koulutusta kaivattaisiin lisää. Koulutustarvetta voi lisätä esimerkiksi se, että Suomessa tekoälyinvestoinnit painottuvat erityisesti ohjelmistoihin eikä niinkään niiden mahdollistamiin toimintatavan muutoksiin (Raeste 2026).  

Uudet toimintatavat saattavat olla juuri se muutos, joka vaaditaan ennen kuin tekoälyn tehokkuushyödyt realisoituvat. Jos tekoälyllä vain tehostetaan nykyisen kaltaista työelämää, työelämästä voi tulla liian tehokasta työntekijän kannalta. Vaikka rutiininomaisen työn määrää ja nopeutta voidaan tekoälyn avulla kasvattaa rajattomasti, asiantuntija ei kuitenkaan voi tehdä arvioivaa ja soveltavaa työtä samassa tahdissa. Sen sijaan asiantuntijan kognitiivinen kuorma kasvaa liian suureksi, kun tekoäly korvaa toisteiset ja loogiset työtehtävät. Työntekijältä odotetaan jatkuvaa päätöksentekokykyä, ainutlaatuisuutta ja keskittymistä. (Rövekamp 2025.) Tekoäly ikään kuin tuottaa raaka-ainetta, jota asiantuntija jalostaa osaamisellaan, mutta ensimmäisen rajaton tehostaminen ei muuta koko pakettia tehokkaammaksi.  

Tällä perusteella tekoälyn tuottavuuden lisäys olisi vaikeampaa ennustaa kuin lupaukset antavat ymmärtää. Tehtävän osien suorittaminen nopeammin ei tarkoita sitä, että koko prosessi nopeutuu samassa suhteessa. Lisäksi jos tekoälyllä automatisoidaan toistumatonta, mutta monotonista työtä, työssä oppiminen jää pois. Oppimiseen pitää erikseen varata aikaa, ja se voi kuormittaa enemmän kuin alkuperäisen työn tekeminen. Jos tuotos, projektiraportti tai sähköposti syntyy nopeasti ja pienellä vaivalla, asiantuntijan rooli supistuu lähteiden ja sisällön tarkistamiseen ja muokkaamiseen. Asiantuntijatyön tuottavuus kasvaa tekoälyllä, mutta ennen kehittävä työaika vapautuu ehkä vähemmän kehittävään ja tuottavaan työhön. 

Tekoäly korjaa hedelmät ja asiantuntijan pitää uudistua 

Tällä hetkellä tekoälyn tuottavuustavoitteita kohti kuljetaan optimoinnilla ja tehokkuudella, tilintarkastajan eetoksella (Lehti & Lappalainen 2026). Tämä lähestymistapa sopii asiantuntijan arkeen, sillä tekoälysovellusten tuomaa tehokkuutta voidaan havainnollistaa vertaamalla yksittäisten työtehtävien toteutusta ennen ja nyt. Asiantuntijatyöhön soveltuvat tekoälysovellukset maksavat useimmiten paljon, eikä niihin investoitaisi ilman lupauksia ja näyttöjä tehokkuudesta. Kääntöpuoli on kuitenkin, että tekoälysovellusten näytöt ja lupaukset tuottavuudesta eivät kannusta niiden ennakkoluulottomaan ja moniulotteisempaan arviointiin. Helposti päädytään tavoittelemaan vain tehokkuuden matalalla roikkuvia hedelmiä: opitaan tuottamaan valmista vähällä vaivalla, mutta ei harjoitella tilanteita, joissa pitäisi luoda jotakin tyhjästä. Kun tilanteet ja työelämä muuttuvat, ei työntekijä osaakaan hyödyntää kerroksellisuutta, joka asiantuntijuuteen liittyy. Kun kerroksellisuus puuttuu, asiantuntija ei pärjääkään yhä monipuolisemmissa ja haastavammissa tilanteissa, vaan ainoastaan tilanteissa, joihin löytyy jotain valmista.  

Esimerkiksi edellä kuvatulla tavalla tekoäly muuttaa hitaasti työelämän prosesseja. Tähän muutokseen pitää varautua asiantuntijana. Toisaalta siihen mahtuu enemmän asiantuntijan omaa ajattelua ja kokeilua ja suunnan muutoksia. Tämä kysymys koskee myös minua asiantuntijana. Tätäkin tekstiä saattaa joku lukea ajatuksella, kuinka paljon tästä on tekoälyn kirjoittamaa (0 %). Tulevaisuuden asiantuntijuus ja aitous voivat vaatia enemmän proaktiivista esiintuontia, koska itse tuotos ei enää ole tae siitä. Ehkä yritänkin jatkossa paitsi tuottaa laadukasta ja omaperäistä sisältöä, myös keksiä keinoja yhdistää ne nimenomaan minuun. Se voi olla välttämättömyys, että saan säilyttää asiantuntijastatukseni. Tässä muutoksessa kysytään rohkeutta kehittää muutakin kuin tehokkuutta, esimerkiksi esiintymistä ja yhteistyötaitoja.  

Hitaan muutoksen fokus antaisi nykyistä keskustelua enemmän tilaa myös niille ominaisuuksille, joita tekoälyllä ei ole, mutta asiantuntijalla on. Tällaisia ovat esimerkiksi mielikuvitus ja toiminnan sopeuttaminen kontekstiin. Tekoäly päätyy luovissa tehtävissä tehtävänannosta huolimatta samankaltaisiin aiheisiin, mistä seuraava esimerkki: Tutkimuksessa kuvia generoivalle tekoälysovellukselle annettiin kehotteena pieni pätkä satua ja pyydettiin kuvittamaan se. Sen jälkeen tämä kuva ladattiin tekstiä generoivalle tekoälysovellukseen ja pyydettiin sanoittamaan se. Sitten taas tämä tarina annettiin kehotteena kuvia generoivalle sovellukselle ja pyydettiin kuvittamaan se. Sovellukset tuottivat toistoissa yhä samanlaisempia kuvia ja tarinoita riippumatta siitä, mikä oli ensimmäisenä kerrottu tarina. (Deutsche Presse-Agentur 2025.) Jos on leikkinyt rikkinäistä puhelinta tietää, että alkuperäisestä tarinasta kyllä poiketaan, mutta ei aina samoihin aiheisiin. Sanotaan jopa, että tällaisen inhimillisen satunnaisuuden lisääminen on välttämätöntä, että taataan vastustuskykyinen ja monimuotoinen inhimillinen tulevaisuus (Crabtree-Ireland 2025).  

Kokemuksellisuus on mahdollisuus puolustaa inhimillisyyttä 

Mitä tällainen vastustuskykyinen ja monimuotoinen tulevaisuus sitten voisi olla? Minkä pitäisi muuttua? Suomalaiset ovat historiallisesti keskittyneet siihen, että teknologia on kunnossa. Länsinaapurissa ja Yhdysvalloissa huomioidaan paremmin käyttäjän kokemus ja yksityiskohdat. (Storås 2026.) Teknologian avulla voidaan nykyään järjestellä ystävyyssuhteita, liikkumista paikasta toiseen, rahan käyttöä ja jopa tunteita. Esimerkiksi asiakaspalvelutilanteessa pettymyksen voi ilmaista painamalla ruttunaamaa sitä kysyvässä laitteessa. Vaikka sovelluksille jaetaan tunteita ja muita henkilökohtaisia asioita, varsinainen kokemus syntyy yleensä jostain teknologian ulkopuolisesta asiasta. Tähän kokemukseen voitaisiin kiinnittää enemmän huomiota. Se voi olla merkitsevä asia, miksi yritys menestyy ja saa parhaat asiakkaat ja työntekijät. 

Palataan alussa esitettyyn työolobarometriin, jonka mukaan tekoälyyn kaivataan lisää koulutusta. Tämä toive vastaa tarpeeseen, että teknologia on kunnossa ja hallussa. Samasta työelämäbarometrista voisi kuitenkin nostaa muitakin tarpeita, joita siinä ei ääneen sanota: Mikä saisi työnhaussa toivonsa menettäneet ihmiset innostumaan? Mikä saisi työnsä puolesta pelkäävät ihmiset luottamaan itseensä?  

Ihmistä innostaa työssään, että hän voi käyttää ja kehittää omia vahvuuksiaan. Se auttaa innostumaan työstä, saavuttamaan tavoitteita ja pitämään energiatason korkealla. Luonteenvahvuuksia ovat esimerkiksi sinnikkyys, huumorintaju, oppimisen ilo, arviointikyky ja kauneuden ja erinomaisuuden arvostus. (Trogen 2018, 2–3.) Teknologian sijaan vahvuudet ja innostuksen kokemus auttavat saavuttamaan jotain merkityksellistä ja kokemuksellista. 

Yksi kokemuksellisuutta hyödyntävistä yrityksistä on kahvinvalmistaja Nespresso, joka teetti Itävallassa kyselyn, mitä työntekijät arvostavat työssään. Kysymykset olivat: Hyvää kahvia vai hyvää maisemaa? Hyvää kahvia vai sosiaalisia tapahtumia? Hyvää kahvia vai rentoa pukukoodia? Ja niin edelleen. Hyvä kahvi voitti kaikki vertailut. (Nestlé Nespresso S.A. 2026.) Kyselyssä ei ole ”teknologia kunnossa”, mutta se paljastaa, että kahvin juonnissa on jotain kokemuksellista. Tällainen luovuus, rajojen rikkominen ja yllättäminen on inhimillistä. Asiantuntija voi sen tiedostaen luoda samastumista ja herättää tunteita, panostaa kokemuksellisuuteen. Tekoäly ei. (Kontextor 2024.)  

Kolme esimerkkiä asiantuntijasta, jolle tekoäly ei pärjää 

Mitä asiantuntijat voisivat sitten tehdä vahvistaakseen kykyään tuottaa kokemuksellisuutta, yllättää ja herättää tunteita? Sattuman ja kaaoksen salliminen on yksi keino. Hiljaisuudessa opittu syventyy ja oivaltaminen mahdollistuu. Toisaalta myös pieni kaaos on edellytys luovuudelle. (Kontextor 2024.) Hiljaisuudessa voi arvioida, kehittyä ja ideoida. Kaaoksessa taas on usein pakko seurata intuitiota seuraavaan hiljaiseen hetkeen asti. Tauolla sitten opitaan, mitä tehtiin kiireessä oikein ja mitä väärin, missä on potentiaalia ja missä ei. 

Asiantuntijatyössä edellä kuvattu hiljaisuuden ja kaaoksen optimaalinen tasapaino voi olla vaikea saavuttaa. Aikaa on rajallisesti, työelämä on tulostavoitteellista ja tekoälytaitojen opiskelua ei voi sivuuttaa. Tämän ei kuitenkaan tarvitsisi lamaannuttaa eikä ylivirittää ihmisiä. Ei ole tarkoitus, että kaikki maksimoivat mahdollisuuksiaan kilpailussa samoista työpaikoista, jotka tekoälyltä jäävät jäljelle. Kukin voisi löytää vaihtoehdon B, josta innostuu, jota pitää kauniina ja jonka ääressä jaksaa tehdä työtä sinnikkäästi. Tällä rohkeudella ja energialla voisi avautua ja levitä kaivattua kaaosta ja sattumanvaraisia mahdollisuuksia. Niiden avulla voisi rohkaista myös muita kehittämään niitä omaksi hyödykseen. 

Tällaisia esimerkkejä löytyy jo käytännöstä: Laukkuvalmistaja valitsi kotimaisuuden ja laadun ja sai oppilaatkin innostumaan käsityöläisammateista. Se panosti laatuun ja luottamukseen, joka syntyy toimitusketjun hallinnasta. Sille tehokkuus, suuri määrä ja pieni hinta, eivät määrittäneet valintoja. Sen sijaan se loi itselleen yllättävän markkinan laadulla ja halulla oppia. Näillä vahvuuksilla se pystyi toteuttamaan valmistusprosessin Suomessa. (Lehti & Lappalainen 2026.) 

Toisessa esimerkissä kirjailija rakensi itselleen tekoälyagenttitiimin, johon kuuluivat kirjoittaja, kriitikko, editoija, kääntäjä ja ideoija. Hän myy nyt jo kolmatta osaa tekoälyn kanssa kirjoittamastaan runokirjasta. (Aalho 2026.) Kirjailija ei tehostanut runotuotantoaan tekoälyllä. Hän voitti kokonaan uuden yleisön jakamalla inhimillisen ja samastuttavan kokemuksen siitä, että tekoälytaitoja voi kehittää, vaikkei siinä näkisi mitään järkeä.  

Kolmannessa esimerkissä tutkija generoi inhoamiaan ammattijargonlauseita (joita tekoälykin helposti tuottaa) ja osoitti, että niistä vakuuttuminen ennustaa heikompaa ongelmanratkaisukykyä työelämässä (Lehti 2026). Tutkija kyseenalaisti enemmän vähemmällä -ajattelun ja onnistui todistamaan harkinnan ja kriittisyyden arvon. Ihminen pysähtyy miettimään, onko sanotussa järkeä, tekoäly ei.  

Asiantuntija voi aloittaa itsestään 

Tällä hetkellä tekoäly haastaa asiantuntijan kahdesta suunnasta. Ensiksi minun pitää opetella tekoälytaitoja niin, ettei minua korvaa joku, joka hallitsee tekoälyn. Toiseksi minun pitää oppia hyödyntämään inhimillisiä ominaisuuksiani niin, ettei tekoäly korvaa minua. Samalla mietin, että määrittävätkö tekoälysovellukset, millainen asiantuntijan rooli minulle jää jäljelle. Pitääkö minun typistyä oikein tai väärin -tuomariksi ilman, että enää tuotan itse mitään alusta loppuun? Vai voisinko itse visioida tulevaisuuden asiantuntijan roolini? Voisin myös vaatia, että minun asiantuntemukseni ja ajatukseni ovat sidoksissa minun ikääni, kokemukseeni, kielitaitooni ja siihen, mistä milloinkin olen innoissani. Voisin vaatia, että haluan jakaa ne vain osana tätä kokonaisuutta. 

Ihmiset saattavat kaikki olla osin väärässä, kun he visioivat tulevaisuuden työelämää tekoälyn kanssa. Tässä kaaoksessa on kuitenkin myös potentiaalia. Nopea muutos luo uutta ja tuhoaa vanhaa itsekseen, ja siitä voi syntyä jotain innostavaa ja sympaattista. Asiantuntija olkoon tästä avoimen innostunut. Sitten organisaatio antakoon sille mahdollisuuden. Ja lopuksi kaikkien ajattelu kehittyköön muutoksessa.  

Epävarmuus ei tekoälyaikana ole vain kuormittava sivuvaikutus, vaan myös asiantuntijuuden koetinkivi. Juuri epävarmuus pakottaa kysymään, mikä omassa osaamisessa on aidosti inhimillistä, mikä on siirrettävissä koneelle ja mitä pitäisi kehittää seuraavaksi. Jos tähän vastaa vain tehokkuutta lisäämällä, asiantuntijuus kapenee helposti valmiin tarkistamiseksi. Jos taas epävarmuuden uskaltaa nähdä ajattelun, kokeilun ja uuden suunnan etsimisen tilana, siitä voi tulla myös luovuuden, uudistumisen ja oman asiantuntijaroolin vahvistumisen lähde.