Tekoäly murtaa tulevaisuustyön tottumuksia

Futures Finland AI-paneeli 5.5.2026

Paneelissa keskustelivat Anna Grabtchak (vas.), Johannes Koponen ja Marianna Mäki-Teeri. Keskustelua luotsasi Futures Finlandin Minna Koskelo.

Yksi Futures Finlandin kevään kiinnostavimmista keskusteluista käytiin toukokuun alussa verkostomme järjestämässä AI-paneelissa. Tekoäly muuttaa maailmaa, ja myös tulevaisuustyö on väistämättä murroksessa. Mutta miten syvällisesti tekoäly on muuttamassa ihmisammattilaisten roolia tai menetelmiä? Paneelissa kolme tekoälyavusteisen ennakoinnin kärkikehittäjää, Anna Grabtchak, Johannes Koponen ja Marianna Mäki-Teeri, kuvasivat, miten he käsittelevät muutosta omilla työpöydillään päivittäin. Viesti oli vahva: tekniset mahdollisuudet voivat olla huikeat, mutta vielä tekoäly tekee vain sen, mitä me ihmiset haluamme sen tekevän.

Mitä meidän tulisi siis haluta?

Ennakoinnin prosessissa on perinteisesti monia vaiheita kuten tiedon kerääminen, tiedon tulkinta, tiedon hyödyntäminen ja päätöksenteko sekä toiminta. Monella toimialalla ensimmäinen näkökulma tekoälyn hyödyntämiseen on tehokkuus. Mutta onko se olennaisin näkökulma ennakoinnissa? Ammattilaiset mallintavat tahoillaan parhaillaan, missä tarvitaan ihmistä ja missä tekoälyä, ja varmaa on ainakin se, että tekoälyllä tietoa saadaan enemmän ja tehokkaammin. Mäki-Teeri toivoi, että uskaltaisimme kuitenkin kysyä, miten voisimme räjäyttää koko ennakoinnin prosessin uudestaan niin, ettemme optimoisi vanhaa vaan kävisimme menetelmät alusta asti läpi kysyen, miten ne voisi rakentaa uudestaan.

Myös Koponen arvioi, että tekoäly tuo kaikkiin ennakoinnin vaiheisiin hyödyllisiä työkaluja, ja periaatteessa se myös voisi korvata ihmisen kaikessa. Kielimallit ovat jo nyt aika hyviä synteesikoneita. Tekoälyllä voidaan kerätä skenaarioaineisto, rikastaa spekulointituotoksia tai tunnistaa ja haastaa omia olettamuksia. Kehitysloikat eivät ole siltikään yhtä kiinnostava aihe kuin se, muuttuuko jokin perinpohjin ennakointiprosessissa. Olennaista olisi päästä kiinni ennakoinnin pullonkauloihin, kuten hyödyntämiseen päätöksenteossa.

Grabtchak korosti, että tekoäly ei tule ja muuta itse mitään, jollemme anna sen tehdä sitä. Onkin kysyttävä meidän, tekoälyn käyttäjien, tahtotilaa. Missä tekoäly voi auttaa, ja missä ihminen kokee itse olevansa parhaimmillaan? Mitä me itse haluamme murtaa tekoälyllä? Kysymys on tärkeä jo siksi, että ennakoinnin arvo ei synny lopputuotoksesta vaan siitä, että ihminen on itse prosessissa mukana ja ajattelussa tapahtuu muutoksia. Etabloitunutta olotilaa pitää horjuttaa. Päätöksentekovaihe on se, jossa pitäisi päästä epämukavuusalueelle ja käsittelemään tunteita. Siinä varsinkin voi olla ihmisen paikka: olla aistimassa toinen ihminen ja ottamassa myös tunteet huomioon osana ennakointiprosessia.

Kohti fiksumpaa tekoälyennakointia

Jos selvää on, että tekoäly ja ihminen tekevät tavalla tai toisella yhdessä uudistunutta ennakointia, tekoälysovellusten kyvykkyysnäkymät ovat sumeammat.

Tietoa voimme tuottaa nopeasti ja paljon, mutta miten luotettavaa ja relevanttia se on? Tulevaisuustyössä tarvitaan moniäänisyyttä, mutta sitä on haasteellista generoida. Tekoälyratkaisujen taustalla oleva koulutus, data, kehitystyön arvovalinnat tai diversiteettikysymykset ovat menneet menojaan, ja olemme jo syvällä tekoälyssä ja tekoäly rakenteissamme. Osa kielimalleista promptaa taustalla itse itseään. Mäki-Teeri nosti esimerkin kielimalleista, jotka tuppaavat tuottamaan temaattisesti samankaltaisia tulevaisuuksia silloinkin, kun pyytää radikaaleja ja yllättäviä tulevaisuuksia. Yllättävyydessäkin voi nähdä kaavoja.

Toisaalta Grabtchak lohdutti, että lienemme tällä hetkellä tekoälyn ensimmäisessä kokeiluaallossa, ja toisessa aallossa ehkä tiedostetaan ensimmäisen aallon vaikutukset ja ollaan fiksumpia.

Jos menemme kohti fiksumpaa tekoälyn käyttöä, voisimmeko myös ajatella tekoälyn mahdollisuuksia luovemmin ja yllättävämmin? Voisimmeko, kuten Koponen pohti, tukea systemaattisemmin päätöksentekoa laittamalla ihmiset lennossa kokeilemaan pelissä, miten tietty tulevaisuus toimisi? Entä laittaa tekoälyn simuloimaan Delfoin jatkovastauskierroksia tai tuottamaan ennusteita prediction-alustoja mallintaen? Tai hoksauttamaan päätösten yllättäviä vaikutuslinkkejä? Siltikin suuri kysymys jää taustalle: hyödynnämmekö lopulta ennakointia, kun päätöksiä tehdään.

Mäki-Teeri uskoo, että futuristeja tarvitaan paljon jatkossakin. Juuri nyt heitä tarvitaan luomaan vastuullista ennakointia, jottemme ainakaan päädy tuottamaan näennäisennakointia generativiisten tekoälytyökalujen kanssa.