Outi Lundahl, KTT & VTM, lehtori, Kajaanin ammattikorkeakoulu
Virpi Kalakoski, PsT, dos., tutkimuspäällikkö, Työterveyslaitos.
Sanna Antola, FM, MBA, palvelumuotoilija, Laurea-ammattikorkeakoulu
Annukka Jussila, KTM, lehtori, Laurea-ammattikorkeakoulu
Tekoälyn käyttöönotto organisaatioissa ymmärretään usein teknologisena ratkaisuna tai yksittäisten työtehtävien tehostamisen välineenä. Käyttöönoton onnistuminen edellyttää kuitenkin sen tarkastelua systeemisenä muutoksena, koska vaikutukset ulottuvat yksittäisiä työkaluja laajemmalle työn tekemiseen, osaamistarpeisiin, yhteistyöhön ja organisaation oppimiseen[MA1] .
Tarkastelemme tässä artikkelissa tekoälyn käyttöönottoa organisaatioiden arjessa systeemiälykkyyden ja muutoksen näkökulmasta. Tavoitteenamme on määrittää perusta toimintamallille, joka auttaa organisaatioita kohti kestävää tekoälyn hyödyntämistä. Kirjoituksessa hyödynnetään syksyllä 2025 käynnistyneen Kestäviä tekoälytekoja työpaikoilla -kehittämishankkeen havaintoja.
Sovellamme tekoälyn käyttöönottoon sosioteknistä viitekehystä, joka tarkastelee terveystietoteknologian käyttöä ja vaikutuksia kahdeksan keskenään vuorovaikutteisen ulottuvuuden avulla (Sittig & Singh, 2010). Tekoälyn käyttöönoton tuoma systeeminen muutos on myös dynaaminen, sillä sosioteknisen järjestelmän näkökulmasta teknologia, ihmiset, organisatoriset käytännöt sekä toimintaympäristön vaatimukset ovat keskinäisessä vuorovaikutuksessa. Käyttöönoton onnistuminen edellyttää näiden tekijöiden jatkuvaa yhteensovittamista muuttuvassa toimintaympäristössä. (Amanollahnejad, Fosso-Wamba, Shabbir & Pakseresht 2026.)
Kuvio [LO2] [SA3] [AJ4] 1. Amanollahnejad ym. (2026) sekä Sittigin ja Singhin (2010) mallien soveltaminen työpaikkatasolla. Sisällön sovellus: Lundahl, Kalakoski, Antola ja Jussila. Toteutus: Jussila 2026, Copilot
Tarkastelemme tekoälyn käyttöönottoa neljän poikkileikkaavan havainnon kautta. Ensinnäkin tekoäly tekee näkyväksi työn ja tiedon piileviä riippuvuuksia. Toiseksi käyttöönotto edellyttää yhteistä oppimista, ei vain yksilöiden teknistä osaamista. Kolmanneksi pelisäännöt, data ja vastuut ovat osa käyttöönottoa, eivät sen jälkityötä. Neljänneksi työhyvinvointi kertoo siitä, miten hyvin organisaatio pystyy kannattelemaan muutosta.
Tekoäly tekee työn ja tiedon piilevät riippuvuudet näkyviksi
Tekoälyn hyöty konkretisoituu vasta, kun se kytkeytyy tunnistettavaan työtehtävään, työnkulkuun tai päätöksenteon kohtaan. Kehittämishankkeessamme tekoälyä kokeiltiin muun muassa tekstien luonnosteluun ja muokkaamiseen, aineistojen tiivistämiseen, sisäiseen tiedonhakuun, datan analysointiin, osallistujalistojen kokoamiseen, sähköpostien jäsentämiseen, ohjeiden käsittelyyn ja asiakasviestinnän tukeen. Kyse oli tyypillisistä generatiivisen tekoälyn käyttötavoista.
Huomasimme tekoälykokeilujen aikana työn ja tiedon taustarakenteita: ennen tekoälyn luotettavaa hyödyntämistä organisaation on ymmärrettävä, missä muodossa tieto on, mistä se löytyy, miten sitä on nimetty ja kuinka käyttökelpoista se on. Tämä vastaa Sittigin ja Singhin (2010) mallin tieto, data ja sisältö -ulottuvuutta: teknologian arvo riippuu olennaisesti siitä, millaista sisältöä ja dataa se käsittelee. Kehittämishankkeessamme nousee esiin, ettei käyttöönotto rajaudu työkalut ja tekninen infrastruktuuri -ulottuvuuteen: tekoälyn hyöty rakentuu suhteessa työnkulkuihin, ihmisen arviointityöhön ja organisaation käytäntöihin. Tekoäly ei siis automaattisesti korjaa hajallaan olevaa tietoa tai epäselviä prosesseja, vaan tekee niiden kunnon näkyväksi.
Käyttöönotto onnistuu yhteisenä oppimisena, ei yksilöiden omana kokeiluna
Huomasimme, että tekoälyn käyttöönotto voi näyttäytyä työpaikalla yksilön osaamiskysymyksenä: kuka osaa käyttää työkalua, kuka osaa muotoilla kehotteita tekoälylle, kuka uskaltaa kokeilla ja kuka löytää hyödyllisiä käyttötapauksia. Yksilöllinen osaaminen on monessa organisaatiossa tärkeä lähtökohta, mutta se ei vielä muodosta organisaation tekoälykyvykkyyttä.
Tekoälyosaaminen muuttuu yhteiseksi kyvykkyydeksi vasta, kun kokemuksia jaetaan, käyttötapoja arvioidaan yhdessä ja kokeiluista syntyy yhteisiä käytäntöjä. Tekoälyn käyttökokeiluissa yhteinen oppiminen voi toteutua esimerkiksi sparrailutiimeissä, joissa jaetaan kokemuksia ja vinkkejä. Tekoälyn käyttöönotto edellyttää oppimisen rakenteita, mutta nämä rakenteet voivat näyttää eri kokoisissa organisaatioissa hyvin erilaisilta.
Tekoälyn kohdalla pintatason oppimista on esimerkiksi se, että yksittäinen työntekijä oppii tiivistämään dokumentin nopeammin. Syvempi oppiminen alkaa, kun organisaatio kysyy, miten dokumentit pitäisi ylipäätään tallentaa, jotta tekoäly voi niitä hyödyntää tehokkaasti, kuka vastaa tekoälyn tuotosten tarkistamisesta, miten opit jaetaan, millaiset käyttötavat hyväksytään ja miten työnkulkuja tulisi muuttaa. Tällöin tekoälyosaaminen ei ole vain yksilön tekoälyn hyödyntämisen taitoa, vaan yhteistä merkityksellistämistä siitä, mitä tekoäly tarkoittaa juuri tämän organisaation työssä, vastuissa ja reunaehdoissa (Weick, Sutcliffe & Obstfeld, 2005). Sittigin ja Singhin (2010) mallin näkökulmasta kyse on erityisesti ihmisten, osaamisten, roolien sekä työnkulkujen ja viestinnän yhteensovittamisesta.
Pelisäännöt, data ja vastuut ovat osa käyttöönottoa, eivät sen jälkityötä
Kehittämishankkeemme perusteella pelisäännöt, data, käyttöoikeudet, lisenssit, hyväksytyt työkalut ja vastuunjako eivät ole tekoälyn käyttöönotossa hallinnollinen lisäkerros, jolla on merkitystä vasta kokeiluiden käynnistyttyä. Nämä tekoälyn käytön reunaehdot määrittävät alusta lähtien, mitä voidaan kokeilla ja milloin käyttö koetaan turvalliseksi.
Kokeilut saattavat tuoda esiin puutteet tai epäselvyydet tekoälylinjauksissa, tiedon suojaluokitteluissa tai sallittujen työkalujen listoissa. Myös varjo-AI:n käyttö organisaation työkalujen rinnalla, erot kuluttajatunnusten ja organisaatiotunnusten välillä sekä datakäytäntöjen epäselvyydet voivat hankaloittaa tekoälyn käyttöönottoa. Tällaisissa tapauksissa sosioteknisen mallin ulkoiset reunaehdot sekä organisaation sisäiset rakenteet ja kulttuuri -ulottuvuudet ovat suoraan yhteydessä arjen käyttökokemuksiin (Sittig & Singh, 2010). On myös tärkeä huomata, että jos tekoälyn käytössä luotetaan työntekijöiden “maalaisjärkeen”, vastuu siirretäänkin organisaation toimintatapojen selkiyttämisestä yksittäiselle työntekijälle: mitä saan syöttää, millä työkalulla, milloin tuotos on tarkistettava ja kuka vastaa virheestä.
Tekoälyn käyttöönotossa yksittäisen prosessin tai teknisen ratkaisun suunnittelu ei riitä. Muotoiltavana on laajempi systeeminen kokonaisuus: mitä tietoa käytetään, kuka pääsee siihen käsiksi, kuka tarkistaa tekoälyn tuotokset, millaisissa tilanteissa tekoälyä ei käytetä ja miten kokeiluista syntyvät opit palautuvat organisaation yhteiseen toimintaan. Sittigin ja Singhin (2010) malliin peilaten kyse on organisaation sisäisten käytäntöjen, ulkoisten reunaehtojen, työnkulkujen, ihmisten roolien ja seurannan yhteensovittamisesta.
Työhyvinvointi kertoo, kannatteleeko organisaatio muutosta
Tekoälyratkaisujen käyttöönotto voi tuoda esiin myös työn voimavaroja ja kuormittajia (Bakker ym., 2023; Demerouti ym., 2001). Tekoälyn hyödyntäminen voi tukea ajanhallintaa, helpottaa tehtävien tärkeysjärjestykseen asettamista ja ideointia sekä vähentää keskittymisen hajoamista tai työtehtävän aloittamista. Vaikka tekoälyn avulla voidaan pitkällä aikavälillä keventää työtä, käyttöönoton alkuvaiheessa kuormitus voi lisääntyä, jos työkalut, lisenssit, osaaminen ja käyttökohteet eivät ole selkeitä, ja jos aikaa uuden opetteluun ei ole riittävästi.
Tekoälykokeilut voivat paljastaa, että työtapojen muutos ja työhyvinvointi eivät ole selviöitä. Sosioteknisestä näkökulmasta (Sittig & Singh, 2010) tekoälyn käyttöönoton arvioinnin ja tarkastelun tulisi olla osa systeemistä muutosta, jotta organisaatio tunnistaa ja oppii, miten tekoälyllä saadaan sujuvoitettua arjen työtä ja lisättyä työhön voimavaroja sen sijaan että työntekijöihin kohdistuvat vaatimukset ylikorostuvat. Tekoälyn hyödyntäminen edellyttää aikaa oppia ja keskittyä, psykologista turvallisuutta, selkeitä pelisääntöjä, vertaistukea ja lupaa kokeilla keskeneräisesti. Ilman näitä tekoälystä voi tulla työn päälle rakentuva lisätyö ja kuormittaja.
Työhyvinvointia voidaankin tarkastella tekoälyn käyttöönoton systeemisenä indikaattorina. Jos tekoälyn hyödyntäminen lisää työn hallinnan tunnetta, vahvistaa osaamista, keventää rutiineja ja tukee yhteistä oppimista, organisaatio on todennäköisesti onnistunut kytkemään teknologian mielekkäästi omaan tapaansa toimia ja oppia. Jos taas tekoälyn käyttö lisää kiirettä, epäselvyyttä, vastuupainetta tai tunnetta siitä, että “pitäisi osata, mutta ei tiedä mistä aloittaa”, kyse ei ole vain yksilön osaamisvajeesta. Työhyvinvoinnin hajoaminen tekoälyn käyttöönoton myötä kertoo siitä, että organisaation sosiotekninen järjestelmä ei vielä kannattele muutosta
Tekoälyn käyttöönotto edellyttää systeemimuotoilua
Kehittämishankkeemme perusteella tekoälyn käyttöönottoa on tarkoituksenmukaista tarkastella systeemimuotoilun näkökulmasta. Systeemimuotoilu yhdistää systeemiajattelua ja muotoilun käytäntöjä tilanteissa, joissa ongelmat ovat monimutkaisia, keskinäisriippuvaisia ja osin vaikeasti rajattavia (Sevaldson, 2019), kuten tekoälyn käyttöönotossa työpaikoilla. Tällöin huomio ei kohdistu vain teknologiaan, vaan koko sosiotekniseen järjestelmään sekä sen teknisten, inhimillisten ja organisatoristen tekijöiden yhteensovittamiseen. Tarvitaan toimintamallia, joka auttaa organisaatioita kohti kestävää tekoälyn käyttöönottoa.
Systeemiälykkyyden näkökulmasta kyse on organisaation kyvystä havaita, miten muutos yhdessä työn osassa vaikuttaa muihin osiin ja millaisia riippuvuuksia arjen työssä jää helposti piiloon (Saarinen & Hämäläinen 2004). Tekoälyn käyttöönottoa tulee tarkastella systeemisenä tunnusteluna: kokeilevana prosessina, jossa organisaatio oppii tunnistamaan toimintansa riippuvuuksia, jännitteitä ja reunaehtoja.
Kuvio 2 kokoaa tämän näkökulman. Tämä sosiotekninen jäsennys auttaa osoittamaan, ettei tekoälyn hyöty tai kuormittavuus synny yksittäisestä työkalusta, vaan useiden toisiinsa kytkeytyvien osa-alueiden yhteisvaikutuksesta. Tekoälyyn liittyvät kokeilut ja käyttöönotto toimii tällöin peilinä, joka auttaa organisaatiota näkemään työn, tiedon, osaamisen, vastuiden ja työhyvinvoinnin keskinäisiä riippuvuuksia.
Kuvio 2: Tekoälykokeilu systeemisenä tunnusteluna. Sisältö: Lundahl, Kalakoski, Antola, Jussila. Toteutus: Antola 2026, Copilot
Kirjoittajat ovat mukana Kestäviä tekoälytekoja työpaikoilla-kehittämishankkeessa. Hanketta rahoittaa Euroopan sosiaalirahasto plus (ESR+), Rahoitus on myönnetty Pohjois-Suomen elinvoimakeskuksen kautta.
Tekoälyn hyödyntäminen artikkelin laatimisessa
Tämän artikkelin valmistelussa on hyödynnetty tekoälytyökaluja (Microsoft Copilot ja chatGPT) alustavassa jäsentämisessä, tekstin luonnostelun tukena sekä kuvioiden tuottamisessa. Lopulliset tulkinnat, teoreettiset kytkennät, rajaukset, muotoilut ja kuviot ovat kirjoittajien arvioimia, muokkaamia ja hyväksymiä.
The article argues that AI adoption should be understood as a systemic organizational change rather than a purely technological project. Using systems intelligence as a perspective and drawing on observations from the development project Human-Centric AI Actions at Workplaces, the article highlights the interdependencies between people, processes, technology, data, and organizational practices. Successful adoption depends on an organization’s ability to recognize and address these interdependencies through shared learning, clear responsibilities and agreed practices, and continuous adaptation. Employee well-being, in turn, can offer insight into how effectively the wider sociotechnical change is being managed.
Vastaa