Jari Isohanni
Generatiivinen tekoäly ja siihen liittyvä työn automaatio ovat käynnistäneet perustavanlaatuisen murroksen korkeakouluissa. Muutokset eivät ole enää horisontissa odottavia ilmiöitä; niiden tulisi näkyä jo konkreettisesti kaikilla korkeakouluyhteisön alueilla. Tämä muutos on pysyvä rakenneuudistus, joka muokkaa korkeakoulujen tehtäviä ja toimintatapoja syvällisesti. Korkeakoulujen kyky vastata tähän muutokseen on lähes suoraan verrannollinen niiden sidosryhmien (opiskelijat, yritykset, jne.) tulevaisuuskyvykkyyteen.
Tekoäly ei ole vain teknologinen lisäosa vaan nopeasti kehittyvä joukko uuden työn välineitä, prosesseja tai niiden osia – se muuttaa tapaa tuottaa tietoa, ohjata oppimista, tukea päätöksentekoa ja kehittää palveluita (Sandeep, Ahamad, Saxena, Srivastava, Jaiswal & Bora 2022). Työelämä ja yhteiskunta hyödyntävät tekoälyä jo nyt laajasti, ja tämä kehitys kiihtyy jatkuvasti. Korkeakouluilla ei ole varaa jäädä sivustaseuraajiksi – niiden on oltava aktiivisia suunnannäyttäjiä, erityisesti vastuullisia soveltajia (Mumtaz, Carmicael, Weiss & Nimon-Peters 2025).
Tekoälyn tulee olla osa niiden korkeakoulujen arkea, jotka haluavat vastata työelämän muutokseen. Korkeakoulun tekoälymaturiteetti vaikuttaa siihen, millaisia valmiuksia opiskelijoille rakennetaan, millä tavoin TKI-toimintaa tehdään ja miten korkeakoulut voivat tukea kestävää ja kilpailukykyistä yhteiskuntaa. Maturiteetin vahvistaminen edellyttää sekä teknologista että kulttuurista muutosta – mutta ennen kaikkea rohkeutta tarttua tekoälyn tarjoamiin mahdollisuuksiin vastuullisesti ja tavoitteellisesti. (Lokugea, Sederaa, Groverb & Xuc 2019).
Opetuksen ja oppimisen perinteinen roolijako on hämärtymässä. Opiskelijat eivät ainoastaan vastaanota tietoa, vaan käyttävät tekoälyä kumppanina ongelmanratkaisussa, sisällöntuotannossa ja oppimisen suunnittelussa (Khoso, Honggang & Darazi 2025). Tekoälynkin aikakaudella opettajan roolina on tukea opiskelijaa asiantuntijaksi kasvussa – varmistaa, että oppija ymmärtää teoriat, osaa perustella ratkaisujaan ja soveltaa osaamistaan muuttuvissa tilanteissa. Tekoälyn avulla opettaja voi kuitenkin kohdistaa resurssejaan viisaammin ja toteuttaa yksilöidympää oppimista (Manninen & Mäkelä, 2024). Jotta tämä on mahdollista, tehtävien annot, palautteenantamisen menetelmät ja osaamisen varmentaminen kaipaavat uudistamista, jotta ne ovat tekoäly-yhteensopivia.
Tekoäly nopeuttaa tutkimusprosessia – se voi analysoida laajoja datamassoja, havaita piileviä ilmiöitä ja ehdottaa uusia tutkimuskysymyksiä (Johnson, Laurell, Ots & Sandström 2022). Tekoäly tuo uutta nopeutta ja skaalautuvuutta, mutta samalla korostuvat eettinen pohdinta, toimijoiden vastuut ja jatkuva osaamisen päivitys. Syntyy myös kysymyksiä läpinäkyvyydestä, luotettavuudesta ja tutkimuseettisistä pelisäännöistä (UNESCO 2022.)
Prosessien ”tekoälysoituessa” aikaa tulisikin jäädä palveluiden kehittämiseen sekä sosiaalisiin kohtaamisiin. Tämä vaatii uudenlaista osaamista, yhteistyötä ja kykyä arvioida myös teknologian rajoja. Kulkiessaan kohti tulevaisuutta, jossa tekoäly on kiinteä osa korkeakoulujen toimintaa, on niiden navigoitava useiden rinnakkaisten haasteiden keskellä. Neumannin, Guirguisin ja Reton (2024) vertaileva tapaustutkimus kahdeksasta sveitsiläisestä julkisyhteisöstä nostaa esiin erityisesti seuraavat AI:n käyttöönottoon liittyvät tekijät:
• Osaamisvaje, muutosvastarinta ja epävarmuus rooleista: Tekoälyn käyttöönottoa vaikeuttavat organisaatioiden sisäiset osaamispuutteet, henkilöstön epävarmuus ja muutosvastarinta. Tekoälyhankkeiden onnistuminen edellyttää vahvaa ylimmän johdon tukea sekä aktiivista muutosjohtamista ja viestintää henkilöstön sitouttamiseksi. (Neumann ym. 2024, 127–128.)
• Lainsäädäntö ja etiikka: Vaikka tutkimus kohdistui Sveitsiin, se tuo esiin, että sääntely ja erityisesti tietosuojaan liittyvät tulkinnallisuudet hidastavat tekoälyhankkeiden etenemistä. Julkisorganisaatiot toimivat usein poliittisesti herkissä ympäristöissä, joissa riskien välttely on keskeinen toimintaperiaate. (Neumann ym. 2024, 127, 129.)
• Strateginen hajanaisuus: Tekoälyn käyttöönotto on usein projektiluontoista eikä kiinnity laajempaan organisaatiostrategiaan. Vasta kehittyneemmän kypsyystason organisaatioissa tekoäly liitetään systemaattisesti strategiaan ja resursointiin. (Neumann ym. 2024, 130–131.)
• Yhteentoimivuus ja skaalautuvuus: Monet hankkeet ovat riippuvaisia ulkoisista asiantuntijoista ja toteutuvat yksittäisten innovaattorien varassa. Yhteentoimivuuden ja vaikutusten laajentamisen esteiksi nousevat organisatoriset siilot, vaihteleva motivaatio ja rajoittuneet sisäiset resurssit. (Neumann ym. 2024, 128, 131–132.)
Korkeakoulut eivät kohtaa tekoälyn mukanaan tuomaa murrosta yksin. Myös yritykset eri toimialoilla ovat parhaillaan ottamassa tekoälyä käyttöön – usein suurin odotuksin, mutta vaihtelevin tuloksin. Kokeilut eivät aina ole onnistuneita: osa sovelluksista jää pintapuolisiksi, ei skaalaudu odotetusti tai aiheuttaa ennakoimattomia seurauksia (Hassnian, Mustafa & Aisan 2025). Tämä osoittaa, että tekoälyn hyödyntäminen ei ole pelkästään tekninen vaan myös strateginen, kulttuurillinen ja eettinen kysymys. Tekoälyn käyttöönotossa ei ole oikoteitä, ja juuri siksi korkeakoulujen on entistä tärkeämpää yhteiskunnallisesti tuottaa tekoälyyn liittyvää tutkimusta, kehittämistä sekä osaamista.
AITO-viitekehys: Neljä näkökulmaa tekoälymuutoksen ymmärtämiseen
AITO (AI in Innovation, Research and Education) -viitekehys on kehitetty vastaamaan juuri tähän muutostarpeeseen (CSC-Tieteen tietotekniikan keskus 2025). CSC:n koordinoima viitekehys auttaa korkeakouluja hahmottamaan tekoälyn vaikutuksia systemaattisesti. Se rakentuu neljästä toisiinsa linkittyvästä tasosta:
1. Teknologinen perusta – Mistä tekoälyratkaisut rakentuvat?
Tekoälyn hyödyntäminen edellyttää vahvaa ja luotettavaa teknologista pohjaa. Tämä tarkoittaa mm. tietojärjestelmien yhteentoimivuutta, laadukasta, suojattua ja turvallista dataa, skaalautuvia laskentaresursseja sekä teknistä osaamista, joka kattaa koneoppimisen, algoritmit ja data-analytiikan (Mäntymäki, Minkkinen, Birkstedt & Viljanen 2024).
Teknologinen perusta ei kuitenkaan ole vain IT-asiaa – se on strateginen kysymys: millaisia panostuksia organisaatio tekee infrastruktuuriin, tietohallintoon ja tietoturvaan? Ilman näitä pohjarakenteita tekoälysovellusten käyttöönotto jää hajanaiseksi, hitaaksi tai riskialttiiksi. Teknologinen pohja mahdollistaa, mutta ei yksin ratkaise tekoälyn vaikutuksia.
2. Sovellukset – Missä ja miten tekoälyä käytetään arjessa?
Sovellukset tekevät tekoälystä näkyvää. Korkeakouluissa niitä syntyy yhä enemmän esimerkiksi oppimisen ja opettamisen tueksi, oppimisanalytiikassa, opiskelijoiden ohjauksessa, tutkimusdatan käsittelyssä sekä hallinnon prosessien automatisoinnissa. Generatiivinen tekoäly tuo uusia mahdollisuuksia niin opetuksen tukemiseen kuin luovan työn avustamiseen. (Pang & Wei 2025.)
Kuitenkin sovellusten käyttöönotossa on tärkeää välttää pelkkää teknologiahypeä: mitä ongelmaa ratkaistaan, kenen näkökulmasta ja millaisin seurauksin? Arjen sovellusten suunnittelu vaatii vaikutusten arviointia, käyttäjälähtöisyyttä, kokeilukulttuuria ja jatkuvaa arviointia. Tekoälyn pitäisi tukea ihmistä – ei korvata häntä ajattelemattomasti.
3. Muutoskyky – Onko organisaatiolla kyky oppia ja uudistua?
Tekoälyn käyttöönotto ei ole pelkkä teknologiapäivitys, vaan muutosmatka, joka vaatii organisaatiolta oppimiskykyä, kokeilunhalua ja joustavuutta. Muutoskyky näkyy siinä, miten avoimesti henkilöstö suhtautuu uusiin työkaluihin, miten johtaminen tukee uudistumista ja millaisia rakenteita on rakennettu osaamisen kehittämiseen. (Lahtinen, Humala & Suonpää 2023.)
Korkeakouluissa tämä koskee kaikkia – opetushenkilöstöstä IT-asiantuntijoihin ja johdosta opiskelijoihin. Jos tekoälyä pelätään tai sen käyttö rajataan tiukasti, mahdollisuudet jäävät hyödyntämättä. Korkeakoulun tulisi nähdä tekoäly ei uhkana, vaan katalyyttina jatkuvalle oppimiselle sekä työn ja oppimisen uudelleenmuotoilulle.
4. Vaikuttavuus – Mitä pitkäaikaisia vaikutuksia tekoälyllä on?
Tekoälyn todellista arvoa ei mitata yksittäisinä sovelluksina, vaan sen kautta, miten se muuttaa toimintaa, päätöksentekoa ja osaamistarpeita pidemmällä aikavälillä. Korkeakouluissa vaikuttavuus näkyy esimerkiksi siinä, miten tekoäly tukee oppimistuloksia, tutkimuksen laatua tai hallinnon tehokkuutta. (Katsamakas, Pavlov & Saklad 2024.)
Mutta vaikuttavuus on myös yhteiskunnallista: millaista osaamista korkeakoulut tuottavat tekoälyajan työelämään? Millä tavoin tekoäly vahvistaa (tai heikentää) yhdenvertaisuutta, läpinäkyvyyttä ja akateemista vapautta? Vaikuttavuus vaatii strategista seurantaa ja rohkeutta arvioida myös kielteisiä vaikutuksia – tekoälyn hyöty ei synny automaattisesti, vaan vastuullisten valintojen kautta.
Edellä mainittujen tasojen lisäksi viitekehys ohjaa korkeakoulujen eri toimintoja jäsentämään tekoälyn tuomaa muutosta. Jäsentelyn kautta korkeakoulujen on mahdollista kohdentaa omia toimiaan tekoälyn käyttöönotossa.
Korkeakouluille kehitetty AITO-viitekehys ei tarjoa valmiita ratkaisuja, mutta auttaa esittämään oikeita kysymyksiä ja kokoamaan tekoälyn ympärille yhteisen ymmärryksen. Viitekehys tarjoaa kokonaisvaltaisen tavan hahmottaa tekoälyn käyttöönottoa ja sen vaikutuksia, vastaavanlaisista viitekehyksistä on apua myös muille toimijoille tekoälykyvykkyyden varmistamisessa. Toiminnan suunnittelu viitekehyksen kautta muistuttaa, että kyse ei ole vain teknologiasta, vaan myös ihmisistä, kulttuurista ja arvoista.
Tekoälyyn liittyvä muutos on väistämätön – mutta sen suunta ei ole ennalta määrätty. Juuri siksi korkeakouluilla on erityinen mahdollisuus – ja vastuu – rakentaa tekoälyn avulla osaavampaa, vastuullisempaa ja vaikuttavampaa tulevaisuutta. Tekoälyavusteinen tulevaisuus ei rakennu vain tekniikan varaan, vaan ennen kaikkea siihen, miten ihmiset oppivat, tutkivat, kehittävät ja toimivat yhdessä.
Lähteet
CSC – Tieteen tietotekniikan keskus Oy. 2025. AITO-viitekehys.
Saatavissa: https://wiki.eduuni.fi/spaces/csckorkeakoulut/pages/546022890/AITO-viitekehys. Viitattu 16.7.2025.
Hassnian, A., ul Mustafa, A. & Aysan, A. F. 2025. Global adoption of generative AI: what matters Most?. Journal of Economy and Technology, 3, 166-176. Saatavissa: https://doi.org/10.1016/j.ject.2024.10.002. Viitattu 17.7.2025.
Johnson, P. C., Laurell, C., Ots, M. & Sandström, C. 2022. Digital innovation and the effects of artificial intelligence on firms’ research and development – Automation or augmentation, exploration or exploitation?. Technological Forecasting and Social Change, 179, 121636. Saatavissa: https://doi.org/10.1016/j.techfore.2022.121636. Viitattu 19.7.2025
Katsamakas, E., Pavlov, O. V., & Saklad, R. 2024. Artificial intelligence and the transformation of higher education institutions: A systems approach. Sustainability, 16(14), 6118. Saatavissa: https://doi.org/10.3390/su16146118. Viitattu: 26.8.2025.
Khoso, A. K., Honggang, W. & Darazi, M. A. 2025. Empowering creativity and engagement: The impact of generative artificial intelligence usage on Chines EFL students’ language learning experience. Computers in Human Behavior Reports, 18 (1), 100627. Saatavissa: https://doi.org/10.1016/j.chbr.2025.100627. Viitattu 26.8.2025.
Lahtinen, A., Humala, I., & Suonpää, M. (2023). Ilosta draivia tekoälyn käyttöön pk-yrityksissä. Haaga-Helia ammattikorkeakoulu. Saatavissa: http://www.urn.fi/URN:NBN:fi-fe2024082065710. Viitattu 26.8.2025
Lokugea, S., Sederaa, S., Groverb, V. & Xuc, D., 2019. Organizational readiness for digital innovation: Development and empirical calibration of a construct. Information & management, 56(3), 445-461. Saatavissa: https://doi.org/10.1016/j.im.2018.09.001. Viitattu: 20.8.2025.
Manninen, A. & Mäkelä, M. 2024. Opettajaopiskelijoiden käsityksiä tekoälystä ja sen käytöstä opettajan työssä. Oulu: Oulun yliopisto. Kasvatustueteiden ja psykologian tiedekunta. Pro gradu -tutkielma. Saatavissa: https://urn.fi/URN:NBN:fi:oulu-202412127231. Viitattu 26.8.2025
Mumtaz, S., Carmichael, J., Weiss, M. & Nimon-Peters, A. 2025. Ethical use of artificial intelligence based tools in higher education: are future business leaders ready?. Education and Information Technologies, 30, 7293–7319. Saatavissa: https://doi.org/10.1007/s10639-024-13099-8. Viitattu 17.7.2025.
Mäntymäki, M., Minkkinen, M., Birkstedt, T., & Viljanen, M. (2022). Defining organizational AI governance. AI and Ethics, 2(4), 603-609. Saatavissa: https://doi.org/10.1007/s43681-022-00143-x Viitattu 26.8.2025.
Neumann, O., Guirguis, K. & Reto, S. 2024. Exploring artificial intelligence adoption in publicorganizations: a comparative case study. Public Management Review, 26(1), 114–141. Saatavissa: https://doi.org/10.1080/14719037.2022.2048685. Viitattu 17.7.2025.
Pang, W., & Wei, Z. 2025. Shaping the future of higher education: A technology usage study on generative AI innovations. Information, 16(2), 95. Saatavissa: https://doi.org/10.3390/info16020095. Viitattu 26.8.2025.
Sandeep, S. R. , Ahamad, S., Saxena, D., Srivastava, K., Jaiswal, S, & Bora, A, 2022. To understand the relationship between Machine learning and Artificial intelligence in large and diversified business organisations. Materials Today: Proceedings, 56 (4), 2082-2086. Saatavissa: https://doi.org/10.1016/j.matpr.2021.11.409. Viitattu 17.7.2025.UNESCO. 2022.
Recommendation on the Ethics of Artificial Intelligence. Saatavissa: https://www.unesco.org/en/articles/recommendation-ethics-artificial-intelligence. Viitattu 18.7.2025.
Jari Isohanni
Johtaja (opetus)
Centria-ammattikorkeakoulu
p. 040 669 0690
