Verkkosivusi ovat olemassa. Kerrot palveluistasi, yhteystiedot löytyvät ja sivuilla käy ihmisiä. Silti yhteydenotot puuttuvat?
Ennen kuin lisäät mainontaa tai rakennat koko sivuston uudelleen, pysähdy hetkeksi asiakkaan näkökulmaan.
Ymmärtääkö ensimmäistä kertaa saapuva kävijä, sopiiko palvelusi hänelle? Saako hän riittävästi tietoa päätöksensä tueksi? Tietääkö hän, miten edetä?
Verkkosivun tehtävä on auttaa asiakasta ottamaan hänen tilanteeseensa sopiva seuraava askel. Se voi olla yhteydenotto, ajanvaraus, ostaminen tai palveluun tutustuminen.
1. Tunnistaako asiakas, että palvelu on häntä varten?
Yrittäjä tuntee oman työnsä. Asiakas ei vielä tunne. Siksi omasta mielestä selkeä palvelukuvaus voi jättää ensikertalaiselle paljon kysymyksiä.
”Laadukkaita kokonaisratkaisuja” kuulostaa myönteiseltä, mutta mitä asiakas oikeastaan saa? Entä palveletko yksinyrittäjiä vai suuria organisaatioita, kotitalouksia vai yrityksiä?
Esimerkiksi ”Rakennamme verkkosivuja pienyrityksille ja yhdistyksille” kertoo jo konkreettisemmin sekä palvelun että kohderyhmän. Paikallisessa palvelussa myös toiminta-alue kannattaa kertoa.
Jos yritykselläsi on useita erilaisia palveluja, auta asiakasta löytämään oikea kokonaisuus. Kaikkea ei tarvitse selittää etusivun alussa, mutta reitin sopivaan palveluun pitäisi olla ymmärrettävä.
Tarkista: löytyvätkö palvelu, kohderyhmä ja mahdollinen toiminta-alue ilman, että kävijän täytyy päätellä niitä yrityksesi nimestä tai kuvista?
2. Kerrotko palvelusta vai siitä, miten se auttaa?
Palveluluettelo kertoo, mitä teet. Sen rinnalle tarvitaan kuvaus siitä, millaisessa tilanteessa työstäsi on hyötyä.
Ajatellaan yritystä, joka tarjoaa valokuvausta. Pelkkä ”tuotekuvaus” nimeää palvelun. ”Tuotekuvat verkkokauppaan, jotta asiakkaasi näkee tuotteen muodon, materiaalin ja yksityiskohdat” avaa sen käyttötarkoitusta.
Tai yhdistystä, jonka verkkosivuja ylläpitää vaihtuva vapaaehtoinen. Sille merkityksellinen hyöty voi olla selkeä sivusto, jonka tapahtumat ja yhteystiedot on helppo päivittää.
Hyödyn pitää vastata sitä, mitä voit oikeasti toteuttaa. Asiakasta auttaa konkreettinen kuvaus enemmän kuin lupaus, että palvelu ratkaisee kaiken.
Tarkista: kerrotko jokaisesta keskeisestä palvelusta, millaiseen tarpeeseen se vastaa ja mitä asiakas saa?
3. Saako asiakas riittävästi tietoa päätöksen tueksi?
Kiinnostunut kävijä voi silti pohtia, sopiiko työ hänen tarpeeseensa tai budjettiinsa. Hän saattaa haluta nähdä, miten olet ratkaissut vastaavan tilanteen aiemmin.
Nielsen Norman Groupin käytettävyystutkimuksessa sivuston luotettavuutta tukivat muun muassa avoimet tiedot yrityksestä, yhteystiedoista ja hinnoittelusta sekä sisältö, joka vastasi asiakkaan tarpeisiin.[1]
Omalla palvelusivullasi voit auttaa päätöstä esimerkiksi näillä tiedoilla:
Työn sisältö: mitä toteutukseen kuuluu ja mitä sovitaan erikseen?
Työnäyte: mitä tehtiin, millaiseen tarpeeseen ja millainen lopputulos syntyi?
Tekijä: kuka työstä vastaa ja millaista osaamista hänellä on?
Hinta: mikä on hinta tai mitkä asiat vaikuttavat tarjoukseen?
Jos työ hinnoitellaan tapauskohtaisesti, kerro mitä tarvitset hinnan arvioimiseen. Asiakas voi esimerkiksi lähettää nykyisen verkkosivunsa osoitteen tai kuvata lyhyesti suunnitellun työn laajuuden.
Uudella yrityksellä ei välttämättä vielä ole pitkää referenssilistaa. Silloin voi näyttää oman toteutuksen tai selvästi harjoitustyöksi nimetyn esimerkin. Näytä se rehellisesti sellaisena kuin se on.
Tarkista: saako asiakas perusteen luottaa osaamiseesi myös ilman, että hän tuntee sinut ennestään?
4. Onko yhteydenotto helppo löytää ja tehdä?
Lue palvelukuvaus loppuun. Onko siinä kohdassa helppo ottaa yhteyttä, vai täytyykö palata sivun alkuun etsimään yhteystietoja?
Valitse palvelusivulle selkeä seuraava askel. ”Kysy palvelusta”, ”Pyydä tarjous” ja ”Varaa aika” tarkoittavat eri asioita. Valitse se, mikä vastaa oikeasti asiakkaan tilannetta ja painikkeen kohdetta.
Myös lomake kannattaa käydä läpi. W3C:n saavutettavuusohje suosittelee lyhyitä, yksinkertaisia lomakkeita ja vain asian hoitamiseen tarvittavien tietojen pyytämistä. Kentillä pitäisi olla selkeät nimet ja täyttämiseen tarvittavat ohjeet.[2]
Ensimmäistä yhteydenottoa varten ei aina tarvita täydellistä projektisuunnitelmaa. Ohje ”Kerro lyhyesti, mitä haluaisit saada aikaan” voi auttaa asiakasta aloittamaan omin sanoin.
Tarkista: kokeile yhteydenottoa puhelimella. Löytyykö painike, pystytkö täyttämään kentät ja onko lähettämisen tulos selvä?
5. Tietääkö asiakas, mitä yhteydenoton jälkeen tapahtuu?
Yhteydenotto voi tuntua isolta askeleelta, jos asiakas ei tiedä, käynnistääkö se heti maksullisen työn vai ensin keskustelun.
Kerro etenemisestä oman toimintatapasi mukaisesti. Esimerkiksi:
Kerro lyhyesti tarpeestasi. Käymme sen läpi ja kysymme tarvittaessa lisätietoja. Sovimme työn sisällöstä, hinnasta ja aikataulusta ennen aloittamista.
Jos ensimmäinen keskustelu on maksuton tai yhteydenotto ei sido tilaamaan, voit kertoa sen, kun se todella pitää paikkansa. Vastausajan kannattaa olla lupaus, jonka pystyt pitämään myös kiireessä.
Lomakkeen lähettämisen jälkeen asiakkaan pitäisi saada ymmärrettävä vahvistus onnistumisesta. Jos lähettäminen epäonnistuu, virheen pitää auttaa korjaamaan tilanne.[2]
Tarkista: tietääkö asiakas, mitä hänen viestilleen tapahtuu ja milloin mahdollisesta työstä sovitaan?
Tee viiden minuutin verkkosivutesti
Avaa tärkein palvelusivusi puhelimella ja vastaa näihin kysymyksiin:
Mitä täällä tarjotaan ja kenelle?
Millaisessa tilanteessa palvelusta on hyötyä?
Mitä tietoa tarvitsen ennen yhteydenottoa, ja löytyykö se?
Miten otan yhteyttä?
Mitä yhteydenoton jälkeen tapahtuu?
Pyydä sama testi myös ihmiseltä, joka ei tunne yrityksesi palveluja hyvin. Älä selitä sivua hänelle etukäteen. Kuuntele, mitkä asiat aukeavat ja missä hän tarvitsee lisätietoa.
Viisi minuuttia on tässä kevyt aloitustesti. Se ei korvaa lomakkeen toimivuuden tarkistamista tai perusteellisempaa käytettävyysarviointia.
Entä jos sivu on selkeä, kävijöitäkin on, mutta yhteydenottoja ei silti tule?
Yhteydenottojen vähyys ei yksin kerro, että verkkosivu olisi huono. Kävijöitä voi olla vähän, he voivat etsiä eri asiaa tai palvelulle ei juuri nyt ole tarvetta. Myös hinta, ajankohta ja tarjonnan sopivuus vaikuttavat päätökseen.
Siksi tarkastele verkkosivua yhdessä markkinoinnin kanssa: millainen viesti toi kävijän sivulle, ja vastaako sivun sisältö sitä? Kävijämäärä kertoo eri asian kuin saapuneet yhteydenotot. Jos lomake näyttää toimivalta, varmista myös, että lähetetty testiviesti saapuu perille.
Valitse ensimmäiseksi yksi selkeä parannus. Lisää puuttuva tieto, täsmennä palvelukuvausta tai tuo yhteydenottopainike sopivaan kohtaan. Seuraa sen jälkeen palautetta ja yhteydenottoja. Yksittäinen muutos ei takaa lisää asiakkaita, mutta voit arvioida, tekikö se asioinnista ymmärrettävämpää.
Hyvä verkkosivu auttaa asiakasta ymmärtämään, päättämään ja etenemään.
Haluatko selvittää, missä oman sivustosi asiakaspolku kaipaa selkeyttämistä? Tutustu Loila Digitalin palveluihin ja ota yhteyttä. Kerro sivustosi osoite ja mitä haluaisit sen auttavan asiakkaitasi tekemään.
Sosiaalisen median tekemisessä aikaa ei välttämättä vie eniten itse julkaiseminen. Usein vaikeinta on keksiä jatkuvasti, mitä seuraavaksi pitäisi julkaista.
Kun jokainen julkaisu aloitetaan tyhjästä, sisällöntuotannosta tulee helposti yksi niistä tehtävistä, jotka siirtyvät päivästä toiseen. Pitäisi keksiä aihe, kirjoittaa teksti, etsiä kuva, tehdä julkaisu Canvassa – ja ensi viikolla aloittaa kaikki uudelleen.
Tekoälyn ja Canvan avulla työskentelyä voi kuitenkin muuttaa huomattavasti suunnitelmallisemmaksi.
Ideana ei ole antaa tekoälyn hoitaa yrityksen markkinointia puolestasi. Sen sijaan tekoälyä kannattaa käyttää ideoinnin ja suunnittelun apuna ja Canvaa visuaalisen toteutuksen työkaluna.
Näin voit rakentaa vaikka kokonaisen kuukauden somejulkaisut huomattavasti tehokkaammin.
1. Aloita sisältöteemoista
Ennen kuin pyydät tekoälyltä 30 julkaisuideaa, kannattaa miettiä, mistä yrityksesi ylipäätään haluaa puhua.
Hyvä lähtökohta on valita esimerkiksi neljä sisältöteemaa.
Kampaamolla ne voisivat olla esimerkiksi:
Palvelut – mitä tarjoamme ja kenelle? Asiantuntijuus – mitä asiakkaan olisi hyvä tietää hiusten hoidosta? Inspiraatio – lopputulokset, trendit ja ideat. Yrityksen arki – ihmiset, työpäivä ja kulissien takainen elämä.
Sisältöteemat helpottavat tekemistä, koska jokaisen julkaisun aihetta ei tarvitse keksiä tyhjästä. Samalla yrityksen some pysyy monipuolisena eikä muutu pelkäksi palveluiden mainostamiseksi.
2. Käytä tekoälyä ideointikumppanina
Kun sisältöteemat ovat selvillä, tekoälystä saa huomattavasti enemmän irti.
Sen sijaan, että kysyisit:
“Keksi minulle somejulkaisuja.”
anna tekoälylle riittävästi taustatietoa yrityksestäsi.
Kerro esimerkiksi:
mitä yrityksesi tekee
kenelle myyt
mitä asiakkaasi tavoittelevat
millaisia ongelmia heillä on
mitkä sisältöteemasi ovat
millaista tyyliä haluat käyttää.
Sen jälkeen voit pyytää tekoälyä tuottamaan esimerkiksi 30 julkaisuideaa sisältöteemojesi ympärille.
Tässä kohtaa tekoälyn tehtävä ei ole kirjoittaa kuukauden markkinointia valmiiksi. Sen tehtävä on auttaa sinua pääsemään eroon tyhjän ruudun ongelmasta.
3. Älä käytä kaikkia tekoälyn ehdotuksia
Tämä vaihe unohtuu helposti.
Jos tekoäly antaa 30 ideaa, sinun ei tarvitse käyttää niitä kaikkia.
Käy ehdotukset läpi ja kysy jokaisen kohdalla:
Onko tämä hyödyllinen asiakkaalleni? Sopiiko tämä yritykselleni? Onko tässä jotain kiinnostavaa tai uutta? Tukeeko tämä sitä, mitä haluan yrityksestäni viestiä?
Tekoäly nopeuttaa ideointia, mutta ihminen tekee edelleen tärkeimmät valinnat.
Juuri tässä syntyy ero geneerisen tekoälysisällön ja yrityksen oman sisällön välillä.
4. Tee ideoista sisältökalenteri
Kun parhaat ideat on valittu, sijoita ne kalenteriin.
Kaikkien 30 päivän ei tarvitse tarkoittaa 30 julkaisua.
Jos julkaiset esimerkiksi kolme kertaa viikossa, tarvitset kuukaudessa noin 12–14 varsinaista julkaisua. Loput ideat voivat jäädä seuraavaa kuukautta varten tai toimia esimerkiksi Stories-sisältöinä.
Kalenterissa kannattaa vaihdella myös sisältöteemoja.
Jos maanantaina kerrot palvelusta, keskiviikkona voit jakaa hyödyllisen vinkin ja perjantaina näyttää jotain yrityksen arjesta.
Näin kokonaisuus ei tunnu seuraajasta jatkuvalta myynniltä.
5. Rakenna Canvassa muutama toistettava pohja
Seuraavaksi kuvaan astuu Canva.
Jokaiselle julkaisulle ei tarvitse suunnitella kokonaan uutta ulkoasua. Itse asiassa yrityksen tunnistettavuuden kannalta on usein parempi, ettei niin tehdä.
Voit rakentaa esimerkiksi muutaman pohjatyypin:
vinkkijulkaisu
palvelunosto
asiakaspalaute
tarjous tai toimintakehotus
kuva + lyhyt teksti.
Pidä samoina esimerkiksi yrityksen värit, fontit ja tietyt graafiset elementit.
Kun pohjat ovat valmiina, seuraavan julkaisun tekeminen ei enää ala tyhjältä Canva-sivulta.
Vaihdat sisällön, kuvan ja tarvittaessa otsikon – mutta visuaalinen perusta on jo olemassa.
Sen sijaan, että käyttäisit joka tiistai puoli tuntia miettimällä, mitä tänään pitäisi julkaista, voit tehdä useamman julkaisun yhdellä kertaa.
Tekoäly voi auttaa ensimmäisten tekstiversioiden tekemisessä, otsikoiden vaihtoehdoissa ja toimintakehotuksissa. Sinä puolestaan tarkistat faktat, muokkaat tekstin yrityksesi äänensävyyn ja päätät, mitä oikeasti julkaistaan.
Canvassa sama sisältö voidaan viimeistellä yrityksen oman näköiseksi.
Tekoäly ei korvaa omaa näkemystäsi
Tekoälyn ja Canvan yhdistämisen suurin hyöty ei ole siinä, että niiden avulla voisi automatisoida kaiken.
Parempi tavoite on vähentää niitä työvaiheita, joissa teet jatkuvasti saman työn uudelleen.
Tekoäly auttaa pääsemään nopeammin ensimmäiseen luonnokseen. Canva auttaa rakentamaan visuaalisen järjestelmän, jota ei tarvitse suunnitella joka kerta uudelleen.
Sinulle jää se osa, jossa yrityksesi todella tarvitsee ihmistä: asiakkaidesi ymmärtäminen, omien kokemustesi tuominen sisältöihin ja päätös siitä, mitä yrityksesi haluaa sanoa.
Haluatko rakentaa tämän käytännössä vaihe vaiheelta?
Jos ajatus suunnitelmallisemmasta somesta kuulostaa hyvältä, mutta et oikein tiedä, mistä aloittaisit, tekemiseen kannattaa rakentaa selkeämpi prosessi.
Opit muun muassa suunnittelemaan sisältöteemat, hyödyntämään tekoälyä ideoinnissa ja tekstien tekemisessä, rakentamaan sisältökalenterin sekä tekemään Canvassa yrityksellesi yhtenäisiä somejulkaisuja.
Tavoitteena ei ole tehdä sinusta graafikkoa tai tekoälyasiantuntijaa.
Tavoitteena on, että yrityksesi somen tekeminen olisi jatkossa helpompaa, nopeampaa ja suunnitelmallisempaa.
Tutustu verkkokurssiin ja aloita oman sisältökokonaisuutesi rakentaminen.
Tekoälyn ympäristövaikutuksista puhutaan yhä enemmän. Yksi tekoälykysely kuluttaa sähköä. Datakeskukset tarvitsevat energiaa ja vettä, ja niiden määrä kasvaa nopeasti. Samalla tekoälymallit muuttuvat jatkuvasti energiatehokkaammiksi, datakeskusten hukkalämpöä voidaan hyödyntää ja tekoäly voi myös vähentää muualla tehtävää työtä.
Onko tekoälyn käyttäminen siis ympäristön kannalta vastuutonta?
Vastaus ei ole aivan niin yksinkertainen.
Ongelma alkaa jo siitä, että puhumme helposti tekoälyn energiankulutuksesta kuin kyse olisi yhdestä asiasta. Todellisuudessa yksinkertainen tekstikysymys, pitkä päättelytehtävä ja tekoälyllä tuotettu video voivat olla energiankulutukseltaan aivan eri mittaluokassa.
Siksi kiinnostavampi kysymys ei ehkä olekaan, kuluttaako tekoäly energiaa.
Totta kai kuluttaa.
Kiinnostavampaa on kysyä, kuinka paljon, mihin energiaa kuluu ja mitä sillä saadaan aikaan.
Mistä tekoälyn ympäristövaikutukset oikeastaan syntyvät?
Kun tekoälyn energiankulutuksesta puhutaan, huomio kiinnittyy helposti yksittäiseen ChatGPT-kysymykseen.
Todellisuudessa sen takana on paljon suurempi kokonaisuus.
Tekoälymallien kehittäminen vaatii laskentatehoa niiden kouluttamiseen. Kun valmista mallia käytetään, laskentaa tarvitaan jokaisen uuden tehtävän suorittamiseen. Tätä kutsutaan inferenssiksi.
Kaiken tämän mahdollistavat datakeskukset palvelimineen, verkkolaitteineen, jäähdytysjärjestelmineen ja muine infrastruktuureineen. Lisäksi palvelimien ja erityisesti tekoälylaskentaan käytettävien tehokkaiden piirien valmistamisella on oma materiaalien ja energian kulutuksensa.
Siksi tekoälyn ympäristövaikutusta ei voi tiivistää vain siihen, paljonko yksi kysymys kuluttaa sähköä.
Taustalla on kokonainen fyysinen infrastruktuuri.
Datakeskusten sähkönkulutus kasvaa nopeasti
Tekoälyn kasvulla on jo näkyvä vaikutus datakeskusten energiankulutukseen.
Kansainvälisen energiajärjestö IEA:n mukaan maailman datakeskukset käyttivät vuonna 2025 noin 485 terawattituntia sähköä. Vuoteen 2030 mennessä kulutuksen arvioidaan lähes kaksinkertaistuvan noin 950 terawattituntiin.
Se vastaisi noin kolmea prosenttia maailman sähkönkulutuksesta.
Tekoälyyn painottuvien datakeskusten sähkönkulutus kasvaa vielä tätä nopeammin. IEA:n mukaan niiden sähkönkulutus kasvoi vuonna 2025 noin 50 prosenttia.
Luvut ovat suuria.
Mutta niitäkin kannattaa tarkastella mittakaavassa.
Datakeskukset vastasivat vuonna 2025 noin 1,5 prosentista maailman sähkönkulutuksesta. IEA:n ennusteen mukaan osuus olisi vuonna 2030 noin kolme prosenttia.
Tekoäly ei siis ole syömässä kaikkea maailman sähköä.
Sen tarvitseman sähkön määrä kuitenkin kasvaa niin nopeasti, että vaikutuksella on merkitystä erityisesti alueilla, joille paljon datakeskuksia keskittyy.
Mutta kuinka paljon yksi tekoälykysymys kuluttaa?
Tähän olisi mukava saada yksinkertainen vastaus.
Yksi ChatGPT-kysymys kuluttaa X kertaa Google-haun verran sähköä.
Tällaisia vertailuja näkee verkossa paljon.
Ongelma on, ettei ole olemassa yhtä tyypillistä tekoälykysymystä.
Jos pyydät tekoälyltä kahden lauseen vastauksen yksinkertaiseen kysymykseen, laskentaa tarvitaan aivan eri tavalla kuin silloin, kun annat sille kymmenien sivujen aineiston analysoitavaksi, pyydät monivaiheista päättelyä tai tuotat videota.
Myös käytettävä malli, palvelinlaitteisto, vastauksen pituus ja datakeskuksen tehokkuus vaikuttavat kulutukseen.
Ja tässä tapahtuu tällä hetkellä jotain kiinnostavaa.
IEA:n vuoden 2026 raportin mukaan yksittäisten tekoälytehtävien energiatehokkuus on parantunut viime vuosina poikkeuksellisen nopeasti. Yksinkertaisten tekstikyselyiden energiankulutus on pienentynyt merkittävästi.
Samaan aikaan käyttöön tulee kuitenkin yhä raskaampia sovelluksia.
Videon tuottaminen, pitkälle viety päättely ja tekoälyagenttien tekemät monivaiheiset tehtävät voivat IEA:n mukaan kuluttaa satoja tai jopa tuhansia kertoja enemmän energiaa kuin yksinkertainen tekstin tuottaminen.
Tässä on yksi koko tekoälyn ympäristökeskustelun paradokseista:
yksittäinen tehtävä voi muuttua jatkuvasti energiatehokkaammaksi samalla, kun tekoälyn kokonaisenergiankulutus kasvaa.
Kun tekoälyä käyttää yhä useampi ihminen yhä useampaan ja raskaampaan tehtävään, tehokkuuden paraneminen ei välttämättä tarkoita kokonaiskulutuksen pienenemistä.
Myös tutkimuksissa on yritetty arvioida yksittäisten kyselyiden energiankulutusta.
Vuonna 2025 julkaistussa tutkimusennakossa tuotantotilannetta jäljittelevän suuren kielimallin tavallisen kyselyn mediaanikulutukseksi arvioitiin noin 0,34 wattituntia. Kun tehtävässä käytettiin huomattavasti enemmän laskentaa päättelyyn, arvio nousi noin 4,32 wattituntiin.
Jo yhden tutkimuksen sisällä ero oli siis yli kymmenkertainen.
Lukuja ei kuitenkaan pidä tulkita yleispäteväksi vastaukseksi siihen, paljonko “ChatGPT kuluttaa”. Kyseessä on tiettyihin oletuksiin ja laskentaympäristöön perustuva tutkimusennakko, ei kaikkien tekoälypalvelujen todellinen kulutusmittari.
Ehkä hyödyllisempi johtopäätös onkin tämä:
kaikki tekoälyn käyttö ei ole energiankulutukseltaan samanarvoista.
Entä tekoälyn vedenkulutus?
Sähkö ei ole ainoa datakeskusten tarvitsema resurssi.
Palvelimet tuottavat lämpöä, joka täytyy saada pois. Datakeskusten jäähdytys voi siksi kuluttaa myös vettä. Lisäksi vettä voidaan käyttää sähköntuotannossa, joten datakeskuksen vesijalanjälkeen voi liittyä sekä suoraa että epäsuoraa vedenkulutusta.
Tässäkin yksinkertaiset väitteet ovat ongelmallisia.
Datakeskusten jäähdytysratkaisut, sijainnit, ilmasto ja sähköntuotantotavat vaihtelevat. Yhdessä paikassa tehtyä arviota ei siksi voi suoraan muuttaa yleiseksi luvuksi siitä, kuinka paljon yksi tekoälykysymys kaikkialla maailmassa kuluttaa vettä.
Läpinäkyvyydessäkin on vielä parannettavaa.
EU:ssa datakeskusten ympäristövaikutuksia pyritään nykyään seuraamaan järjestelmällisemmin. Euroopan komission ylläpitämään tietokantaan kerätään merkittäviltä datakeskuksilta tietoja muun muassa niiden energiatehokkuudesta ja vesijalanjäljestä.
Datakeskus Suomessa ei ole sama asia kuin datakeskus kaikkialla muualla
Myös datakeskuksen sijainnilla on merkitystä.
Jos sähkö tuotetaan pääosin fossiilisilla polttoaineilla, sähkön käytön ilmastovaikutus on erilainen kuin vähäpäästöisemmässä sähköjärjestelmässä.
Myös jäähdytysolosuhteet vaihtelevat.
Ja sitten on lämpö.
Datakeskuksen palvelimien käyttämä sähkö ei yksinkertaisesti katoa. Suuri osa siitä muuttuu lopulta lämmöksi, joka täytyy johtaa pois palvelimilta.
Jos lämpö voidaan ottaa talteen ja hyödyntää, datakeskuksen rooli paikallisessa energiajärjestelmässä muuttuu kiinnostavammaksi.
Suomesta löytyy tästä jo konkreettinen esimerkki.
Fortum käynnisti vuonna 2026 lämpöpumppulaitokset Espoon Hepokorvessa ja Kirkkonummen Kolabackenissa. Microsoftin alueille rakentamien datakeskusten hukkalämpöä on tarkoitus ottaa vaiheittain talteen ja syöttää kaukolämpöverkkoon.
Fortumin arvion mukaan täysimääräisesti toteutettuna datakeskusten hukkalämpö voisi kattaa noin 40 prosenttia Espoon, Kauniaisten ja Kirkkonummen alueen vuotuisesta kaukolämmön tarpeesta.
Tämä ei tietenkään tee datakeskuksen energiankulutuksesta olematonta.
Mutta se osoittaa hyvin, miksi pelkkä datakeskuksen käyttämän sähkön määrä ei aina kerro koko ympäristövaikutusta.
Voiko tekoäly myös vähentää energiankulutusta?
Tässä keskustelu muuttuu vielä monimutkaisemmaksi.
Tekoäly tarvitsee energiaa.
Mutta sitä voidaan samalla käyttää esimerkiksi energiajärjestelmien, teollisuuden, rakennusten ja liikenteen toiminnan optimointiin.
IEA on arvioinut tekoälyn mahdollisuuksia myös energiajärjestelmän tehokkuuden parantamisessa. Samalla se korostaa, etteivät hyödyt synny automaattisesti: niiden toteutuminen riippuu siitä, missä ja miten tekoälyä käytetään.
Sama kysymys voidaan tuoda paljon pienempään mittakaavaan.
Kuvitellaan, että yrityksessä tehdään joka viikko työtehtävä, johon kuluu kolme tuntia. Tekoälyn avulla sama työ saadaan tehtyä tunnissa.
Miten ympäristövaikutusta pitäisi silloin arvioida?
Pelkästään tekoälypalvelimen kuluttaman sähkön perusteella?
Vai pitäisikö mukaan laskea myös se, mitä kahden säästyneen tunnin aikana muuten olisi tapahtunut?
Tähän ei ole olemassa yksinkertaista yleispätevää laskukaavaa.
Eikä siksi voida automaattisesti sanoa, että tekoälyn säästämä työaika “kompensoi” sen energiankulutuksen.
Mutta kysymys osoittaa, miksi teknologian ympäristövaikutusta on vaikea arvioida irrallaan siitä, mitä teknologialla tehdään ja mitä sen käyttäminen korvaa.
Tehokkuus voi myös lisätä käyttöä
Tähän liittyy vielä yksi tuttu ilmiö.
Kun jonkin tekemisestä tulee halvempaa, nopeampaa ja helpompaa, sitä saatetaan alkaa tehdä enemmän.
Jos esimerkiksi yhden kuvan tuottaminen vaati aikaisemmin paljon aikaa ja työtä mutta tekoälyllä kuvia voidaan generoida sekunneissa, emme välttämättä tyydy tuottamaan samaa määrää kuvia tehokkaammin.
Saatamme tuottaa niitä sata kertaa enemmän.
Sama voi tapahtua tekstille, videolle, ohjelmakoodille, analyyseille ja kokonaisille automatisoiduille työprosesseille.
Siksi teknologian energiatehokkuuden paraneminen ei automaattisesti tarkoita kokonaisenergiankulutuksen pienenemistä.
Tekoälyn kohdalla juuri tämä on yksi suurista avoimista kysymyksistä: kuinka nopeasti tehokkuus paranee suhteessa siihen, kuinka nopeasti käyttö lisääntyy ja muuttuu raskaammaksi?
IEA pitää näitä tekijöitä keskeisinä syinä siihen, miksi tekoälyn tulevaa energiankulutusta on vaikea ennustaa tarkasti.
Pitääkö tekoälyn käyttöä siis vähentää?
Ei välttämättä.
Mutta ehkä meidän pitäisi alkaa ajatella tekoälyn käyttöä samalla tavalla kuin muitakin resursseja.
Kaikkea mahdollista ei tarvitse generoida vain siksi, että se on mahdollista.
Yksinkertaiseen tehtävään ei välttämättä tarvita kaikkein raskainta tekoälymallia. Kymmenien lähes samanlaisten kuvien generoiminen ei välttämättä tuo kymmenkertaista hyötyä. Eikä työprosessia kannata automatisoida tekoälyllä vain siksi, että se kuulostaa modernilta.
Toisaalta ei myöskään ole erityisen mielekästä tuntea huonoa omaatuntoa jokaisesta hyödyllisestä tekstikysymyksestä.
IEA:n tuore analyysi antaa tähän kiinnostavaa mittakaavaa: jos kaikki nykyiset perinteiset internet-haut korvattaisiin yksinkertaisilla tekoälyn tekstikyselyillä, niiden sähkönkulutus jäisi IEA:n arvion mukaan alle neljään terawattituntiin vuodessa. Se olisi alle prosentti datakeskusten nykyisestä kokonaiskulutuksesta.
Ongelma ei siis ole yksinkertaisesti se, että ihmiset kysyvät tekoälyltä tekstikysymyksiä.
Paljon suurempi kysymys on, kuinka laajaksi tekoälyn käyttö kasvaa ja millaisia tehtäviä sillä tulevaisuudessa tehdään.
Miltä vastuullinen tekoälyn käyttö yrityksessä voisi näyttää?
Vastuullisuutta ei tarvitse ajatella pelkästään kieltoina.
Yrityksessä hyvä lähtökohta voisi olla hyvin samanlainen kuin tekoälyn käyttöönotossa muutenkin: aloita tarpeesta, älä työkalusta.
Kysy esimerkiksi, ratkaiseeko tekoäly jonkin todellisen ongelman. Säästääkö se turhaa työtä? Parantaako se lopputulosta? Voisiko saman asian tehdä yksinkertaisemmalla työkalulla? Tarvitaanko tehtävään raskasta päättelymallia tai kuvan- ja videontuotantoa, vai riittäisikö kevyt tekstimalli?
Ja ehkä kaikkein tärkeimpänä:
Tuotammeko tekoälyllä jotakin siksi, että tarvitsemme sitä – vai siksi, että voimme?
Vastuullinen tekoälyn käyttö voi tarkoittaa myös sitä, että yritys seuraa käyttämiensä palveluiden ympäristövastuuta, datakeskusten energiaratkaisuja ja teknologiayhtiöiden julkaisemaa tietoa niiden energiankulutuksesta.
Sillä, miten tekoälypalvelut tuotetaan, on merkitystä siinä missä silläkin, miten niitä käytetään.
Tekoäly ei ole aineeton
Ehkä yksi tekoälyn kiinnostavimmista ympäristökysymyksistä liittyy lopulta siihen, kuinka helposti digitaalinen maailma tuntuu aineettomalta.
Kirjoitamme kysymyksen ruudulle.
Muutaman sekunnin kuluttua saamme vastauksen.
Emme näe palvelinta, sähköverkkoa, jäähdytysjärjestelmää, datakeskusta tai niitä materiaaleja, joista laskentaan tarvittavat laitteet on valmistettu.
Mutta ne ovat olemassa.
Sama pätee tietysti muuhunkin digitaaliseen toimintaan. Hakukoneet, pilvipalvelut, suoratoisto, videopalaverit, verkkosivut ja sähköpostitkin toimivat fyysisen infrastruktuurin varassa.
Tekoälyn nopea kasvu tekee tämän infrastruktuurin vain aikaisempaa näkyvämmäksi.
Onko tekoälyn käyttö siis vastuullista?
Ehkä kysymys itsessään on liian yksinkertainen.
Tekoäly ei ole ympäristön kannalta automaattisesti hyvä tai paha.
Sen ympäristövaikutukseen vaikuttavat käytettävä teknologia, tehtävän vaatima laskentateho, sähkön tuotantotapa, datakeskuksen sijainti ja tehokkuus, jäähdytys, infrastruktuuri – sekä ennen kaikkea se, kuinka paljon ja mihin tekoälyä käytetään.
Siksi vastuullinen tekoälyn käyttö ei välttämättä tarkoita sitä, että tekoälyä pitäisi käyttää mahdollisimman vähän.
Se tarkoittaa, että sitä käytetään tarkoituksenmukaisesti.
Jos tekoäly poistaa turhaa työtä, auttaa käsittelemään olemassa olevaa tietoa, ratkaisee todellisen ongelman tai tekee prosessista aidosti paremman, sen käyttämiselle on peruste.
Jos generoimme loputtomasti sisältöä, jota kukaan ei tarvitse, tilanne on toinen.
Ehkä siis kysymyksen “kuluttaako tekoäly energiaa?” sijaan kannattaa kysyä:
Mitä tällä energiankulutuksella saadaan aikaan – ja olisiko saman asian voinut tehdä järkevämmin?
Jos olet seurannut digitaalista markkinointia yhtään pidempään, olet todennäköisesti kuullut tämän ennenkin.
SEO:n eli hakukoneoptimoinnin kuolemaa on ennustettu niin monta kertaa, että sillä alkaa olla enemmän elämiä kuin kissalla. Milloin kuolinsyyksi on nimetty Googlen algoritmimuutos, milloin sosiaalinen media, milloin mobiili, ääniohjaus tai muuttuvat hakutulokset.
Nyt hautajaisia järjestetään jälleen.
Tällä kertaa arkun äärellä seisoo tekoäly.
Kun ChatGPT:n kaltaisilta palveluilta voi kysyä suoraan vastausta ja Google tarjoaa hakutuloksissa AI Overview- ja AI Mode -vastauksia, on helppo ajatella, ettei verkkosivujen optimoinnilla hakukoneita varten ole enää samanlaista merkitystä.
Mutta ehkä SEO ei olekaan kuollut.
Ehkä se vain muuttui. Taas.
SEO:n kuolemaa on ennustettu lähes yhtä kauan kuin SEO on ollut olemassa
“SEO is dead” ei ole tekoälyaikakauden keksintö.
Hakukonealan pitkäaikainen vaikuttaja Danny Sullivan kirjoitti Search Engine Landissa jo vuonna 2009 kuulleensa SEO:n kuolemasta yhä uudelleen. Hän jäljitti yhden ensimmäisistä merkittävistä ennustuksista aina vuoteen 1997.
Siis aikaan, jolloin Googleakaan ei ollut vielä virallisesti perustettu.
Vuonna 2011 aiheesta järjestettiin jo kokonainen konferenssipaneeli otsikolla SEO is Dead. Long live SEO!
Vuonna 2013 The Guardian julisti:
SEO is dead. Long live social media optimisation.
Ajatus oli tuttu. Sosiaalinen media muuttaa tapaa, jolla ihmiset löytävät sisältöjä. Ehkä hakukoneoptimointia ei enää tarvita.
Tarvittiin.
Vuonna 2016 Search Engine Watch listasi väitteen “SEO on kuollut” SEO:n tunnetuimpien myyttien joukkoon.
Vuonna 2020 SEO:n kuolemaa julistettiin jälleen.
Ja 2020-luvun puolivälissä löytyi uusi epäilty.
Tekoäly.
Kuolinsyy vaihtuu.
Potilas näyttää pysyvän hengissä.
Miksi SEO sitten “kuolee” vähän väliä?
Koska tapa etsiä tietoa muuttuu.
Ja aina kun se muuttuu riittävän paljon, myös vanhat optimointikeinot menettävät merkitystään.
Aikoinaan hakukoneoptimointi saattoi tarkoittaa hyvin pitkälti oikeiden hakusanojen sijoittamista oikeisiin paikkoihin ja linkkien hankkimista verkkosivulle. Hakukoneiden kehittyessä myös optimointi muuttui.
Google Panda ravisteli heikkolaatuiseen sisältöön perustuvia strategioita. Penguin puuttui manipuloiviin linkkikäytäntöihin. Hummingbird auttoi Googlea ymmärtämään paremmin hakujen merkityksiä pelkkien yksittäisten sanojen sijaan.
Mobiili muutti hakemista.
Äänihaku muutti sitä.
Sosiaalinen media muutti tapaa löytää sisältöjä.
Ja nyt generatiivinen tekoäly muuttaa sitä jälleen.
SEO:n kuolemasta puhuttaessa kuoleekin usein jokin aivan muu:
vanha tapa tehdä SEO:a.
Nyt muutos on kuitenkin oikeasti suuri
Tekoälyä ei kannata vähätellä vain siksi, että SEO selvisi aikaisemmistakin mullistuksista.
Muutos on tällä kertaa merkittävä.
Perinteisessä Google-haussa käyttäjä kirjoittaa hakukenttään esimerkiksi:
paras kirjanpito-ohjelma pienyritykselle
ja selaa hakutuloksia.
Tekoälylle hän voi sanoa:
“Minulla on pieni suomalainen osakeyhtiö, teen itse kirjanpitoni ja haluan mahdollisimman yksinkertaisen ja edullisen ohjelman. Mitä vaihtoehtoja minun kannattaisi vertailla?”
Kysymys ei ole enää vain hakusanasta.
Se on keskustelu.
Google kertoo, että sen AI Mode -hauissa ihmiset tekevät pidempiä ja monimutkaisempia kyselyitä ja jatkavat niitä lisäkysymyksillä. Google ilmoitti toukokuussa 2026 AI Moden ylittäneen miljardin kuukausittaisen käyttäjän rajan maailmanlaajuisesti.
Hakeminen ei siis välttämättä ole katoamassa.
Se on muuttamassa muotoaan.
Entä jos käyttäjä ei enää klikkaakaan verkkosivulle?
Tässä tullaan yhteen tekoälyhaun kiinnostavimmista kysymyksistä.
Perinteisessä hakukoneoptimoinnissa tavoite oli usein melko suoraviivainen:
näy hakutuloksissa → saa klikkaus → tuo kävijä verkkosivulle.
Generatiivisessa haussa vastaus voidaan antaa jo ennen verkkosivulle siirtymistä.
Silloin yritykselle syntyy uudenlainen kysymys:
Onko yrityksesi mukana siinä vastauksessa?
Tekoälypalvelun käyttäjä voi kysyä esimerkiksi hyvää ravintolaa, sopivaa ohjelmistoa, palveluntarjoajaa tai ratkaisua johonkin ongelmaan.
Silloin näkyvyys ei välttämättä tarkoita enää vain ensimmäistä sijaa Googlessa.
Se voi tarkoittaa sitä, että yritys, tuote tai sen tuottama tieto päätyy osaksi tekoälyn muodostamaa vastausta.
Tässä kohtaa kuvaan astuvat AIO, AEO ja GEO
SEO:n rinnalle on syntynyt uusia termejä.
AEO:lla (Answer Engine Optimization) tarkoitetaan yleensä sisällön optimointia vastauskoneille.
GEO:lla (Generative Engine Optimization) puolestaan viitataan näkyvyyden kehittämiseen generatiivisten tekoälypalveluiden tuottamissa vastauksissa.
AIO-termiä käytetään puolestaan hieman vaihtelevasti tekoälyyn liittyvästä optimoinnista.
Termistö ei ole vielä täysin vakiintunutta.
Ja tässä kohtaa tulee kiinnostava yksityiskohta.
Google julkaisi toukokuussa 2026 uuden ohjeistuksen verkkosivujen optimoinnista generatiivista hakua varten. Googlen vastaus kysymykseen siitä, onko SEO edelleen relevanttia, on hyvin yksinkertainen:
On.
Google kertoo AI Overview- ja AI Mode -toimintojen hyödyntävän edelleen Googlen hakuhakemistoa sekä sen keskeisiä haku- ja laatujärjestelmiä.
Googlen näkökulmasta generatiiviseen hakuun optimointi on siis edelleen SEO:ta.
Vanha SEO ei kuitenkaan riitä, jos sillä tarkoitetaan temppuja
Tämä ei tarkoita, että vuonna 2026 kannattaisi tehdä SEO:a samalla tavalla kuin vuonna 2006.
Päinvastoin.
Google painottaa edelleen hyödyllistä, luotettavaa ja ihmisille tehtyä sisältöä. Sen ohjeissa korostuvat muun muassa selkeä tekninen rakenne, indeksoitavuus, sisäiset linkit, hyvä käyttäjäkokemus sekä alkuperäinen sisältö, joka tuo jotain lisää jo olemassa olevaan tietoon.
Tekoälyhaun kohdalla tämä muuttuu vielä kiinnostavammaksi.
Jos internet täyttyy tekoälyllä tuotetusta sisällöstä, joka kertoo samat asiat hieman eri sanoin, oman näkökulman, kokemuksen, asiantuntemuksen ja alkuperäisen tiedon arvo voi pikemminkin kasvaa kuin pienentyä.
Google käyttää tästä vuonna 2026 osuvaa ilmaisua: non-commodity content, jonka voisi tässä yhteydessä kääntää vaikka ei-geneeriseksi sisällöksi, omaleimaiseksi sisällöksi tai hieman vapaammin sisällöksi, jota kuka tahansa ei voisi tehdä. Sisältöä, joka ei ole vain samaa bulkkitavaraa kuin kaikkialla muualla.
Mitä Google sillä tarkoittaa?
Google tekee ohjeessaan aika kiinnostavan vastakkainasettelun.
Se antaa commodity content -esimerkiksi jutun tyyliin “7 vinkkiä ensiasunnon ostajalle”. Siinä ei sinänsä ole mitään väärää. Ongelma on se, että tällainen sisältö perustuu usein yleisesti saatavilla olevaan tietoon, jonka voisi kirjoittaa käytännössä kuka tahansa.
Tai nykyään: jonka tekoäly pystyy tuottamaan sekunneissa.
Vastakohdaksi Google nostaa sisällön, jossa on jotakin sellaista, mitä ei voi vain koostaa internetissä jo olevista teksteistä: omaa kokemusta, asiantuntijan havaintoja, alkuperäistä tietoa tai aidosti erottuva näkökulma. Google sanoo myös hyvin suoraan, ettei kannata vain kierrättää sitä, mitä muut internetissä ovat jo sanoneet tai mitä generatiivinen tekoäly voisi helposti tuottaa.
Ja vielä kiinnostavampaa: Googlen mukaan tällaisen ainutlaatuisen, kiinnostavan ja hyödyllisen sisällön tekeminen vaikuttaa pitkällä aikavälillä näkyvyyteen generatiivisessa AI-haussa todennäköisesti enemmän kuin mikään muu sen kyseisessä ohjeessa antama neuvo.
Ehkä meidän pitäisi lopettaa SEO:n ajatteleminen Google-temppuna
SEO:n nimi on hieman petollinen.
Search Engine Optimization. Hakukoneoptimointi.
Siitä syntyy helposti mielikuva, että sisältöä tehdään hakukoneelle. Todellisuudessa hyvä SEO on jo pitkään ollut paljon enemmän. Se tarkoittaa, että hakukone pystyy löytämään sisällön. Ymmärtämään, mistä siinä puhutaan. Arvioimaan sen yhteyttä käyttäjän kysymykseen. Ja että ihminen saa sisällöstä jotain hyödyllistä löydettyään sen.
Google itse sanoo SEO:n olevan hyödyllistä silloin, kun sitä sovelletaan people-first-sisältöön – ei silloin, kun sisältöä tehdään ensisijaisesti hakukoneiden manipulointia varten.
Kun asiaa katsoo näin, tekoäly ei tee SEO:sta tarpeetonta. Se tekee löydettävyydestä monimutkaisempaa.
SEO muuttui. Ja muuttuu uudelleen.
Ehkä tulevaisuudessa emme edes puhu SEO:sta samalla tavalla kuin nyt.
Ehkä SEO, AIO, AEO ja GEO sulautuvat vähitellen yhdeksi laajemmaksi ajatukseksi digitaalisesta löydettävyydestä.
Tai ehkä keksimme sille taas uuden lyhenteen. Niistä digimaailma ei ainakaan ole koskaan kärsinyt pulaa.
Mutta yksi asia tuskin muuttuu: jos yrityksesi tietoa ei löydetä, sitä on vaikea käyttää vastauksen muodostamiseen.
Siksi verkkosivujen tekninen toimivuus, selkeä rakenne, laadukas sisältö, ymmärrettävä kieli, asiantuntemus ja luotettavat tiedot eivät ole muuttuneet tarpeettomiksi.
Päinvastoin.
Niiden täytyy nyt toimia ympäristössä, jossa tiedon löytäjänä ei välttämättä ole enää vain ihminen selaamassa Googlen hakutuloksia.
Välissä voi olla myös tekoäly.
SEO ei siis kuollut.
Se muuttui.
Taas.
Haluatko tietää, miten yrityksesi löytyy sekä perinteisissä hakukoneissa että tekoälyn muuttamassa hakumaailmassa? Tutustu Loila Digitalin SEO- ja AIO-palveluihin.
ChatGPT ei ole enää vain paikka, josta kysytään neuvoja, etsitään tietoa ja pyydetään apua ongelmien ratkaisemiseen. Nyt siellä voi myös mainostaa. Mitä siis tarkoittaa ChatGPT mainonta Suomessa?
ChatGPT Ads laajeni elokuussa 2026 Eurooppaan, ja elokuun lopusta lähtien myös suomalaiset yritykset ovat voineet ostaa mainontaa suoraan OpenAI Ads Managerin kautta. Mutta millaista ChatGPT-mainonta oikeastaan on? Miten mainos päätyy käyttäjän nähtäväksi – ja kuinka paljon mainostaminen maksaa?
ChatGPT-mainonta lyhyesti
Mikä se on? ChatGPT:ssä voi nyt ostaa mainontaa Suomessa. Yritys voi ostaa mainoksen, joka näytetään ChatGPT:ssä käyttäjälle sopivassa keskustelutilanteessa.
Tuleeko yritys maksamalla mukaan ChatGPT:n vastaukseen? Ei. Mainos näytetään erillään ChatGPT:n vastauksesta.
Kenelle mainoksia näytetään? Vain osalle ChatGPT:n käyttäjistä. Maksullisilla mainoksettomilla tilauksilla niitä ei näytetä.
Onko se sama kuin Google-mainonta? Ei aivan. ChatGPT-mainonnassa olennaista voi olla hakusanan sijaan se, mistä käyttäjä keskustelee ja mitä hän yrittää saada aikaan.
Kannattaako pienen yrityksen kokeilla? Mahdollisesti, jos asiakkaasi käyttävät ChatGPT:tä tuotteesi tai palvelusi kaltaisten ratkaisujen etsimiseen. Uutena kanavana sitä kannattaa ensin testata rajatulla budjetilla ja mitata tuloksia.
Google, Meta, LinkedIn – ja nyt ChatGPT.
ChatGPT ei ole enää vain paikka, jossa kysytään neuvoja, etsitään tietoa ja ratkotaan ongelmia. Siellä voi nyt myös mainostaa.
OpenAI laajensi ChatGPT Ads -mainonnan elokuussa 2026 yhteensä 31 Euroopan markkina-alueelle. Elokuun lopussa myös itsepalvelukäyttö Ads Managerin kautta avattiin näille markkinoille.
Mutta ChatGPT ei ole hakukone eikä perinteinen sosiaalisen median kanava. Mitä siellä mainostaminen sitten oikeastaan tarkoittaa? Millä perusteella mainos näytetään – ja kenelle?
Ja ehkä kaikkein kiinnostavin kysymys: muuttaako keskusteleva tekoäly samalla tapaa, jolla mainontaa kohdennetaan?
ChatGPT mainonta keskelle keskustelua – mutta ei osaksi vastausta
ChatGPT-mainoksen lähtökohta poikkeaa hieman siitä, mihin olemme digimainonnassa tottuneet.
Mainos voidaan näyttää ChatGPT:n tuottaman vastauksen alapuolella. Mainosyksikkö voi sisältää mainostajan nimen, logon eli faviconin, otsikon, kuvaustekstin, kuvan ja linkin mainostajan laskeutumissivulle.
Oleellinen ero on kuitenkin tämä:
mainostaja ei osta paikkaa ChatGPT:n vastauksesta.
OpenAI on ilmoittanut pitävänsä mainokset erillään ChatGPT:n vastauksista. Mainostaminen ei siis tarkoita sitä, että yrityksen tuotteita alettaisiin maksua vastaan suositella tekoälyn varsinaisissa vastauksissa.
Tämä erottaa toisistaan kaksi asiaa, jotka menevät helposti sekaisin: yrityksen orgaanisen näkyvyyden tekoälyn vastauksissa ja maksullisen ChatGPT-mainonnan.
Avainsanan sijaan kiinnostavaa on keskustelun tarkoitus
Ajatellaan, että olet ostamassa sähköpyörää.
Googleen voisit kirjoittaa:
“paras sähköpyörä työmatkalle”
ChatGPT:lle saatat sen sijaan kertoa:
“Työmatkani on 20 kilometriä suuntaansa, reitillä on paljon mäkiä ja haluaisin pyöräillä töihin myös syksyllä. Minkälainen sähköpyörä minulle sopisi?”
Jälkimmäisessä tapauksessa kyse ei ole enää vain muutamasta hakusanasta. Keskustelu sisältää paljon enemmän tietoa siitä, mitä ihminen yrittää saada aikaan.
Tämä näkyy myös ChatGPT Adsin toimintaperiaatteessa.
OpenAI kertoo mainosjärjestelmän huomioivan muun muassa nykyisen keskustelun kontekstin ja tarkoituksen, mainoksen laskeutumissivun, otsikon ja tekstin sekä mainostajan määrittelemät niin sanotut context hints -vihjeet. Jos käyttäjä on sallinut mainosten personoinnin, järjestelmä voi hyödyntää myös valittuja signaaleja käyttäjän laajemmasta ChatGPT-käytöstä.
Mainostaja voi puolestaan kertoa context hints -vihjeillä, millaisiin keskusteluihin, aiheisiin tai termeihin hänen tuotteensa tai palvelunsa voisi liittyä.
Ne eivät kuitenkaan ole sama asia kuin perinteiset hakumainonnan avainsanat. OpenAI korostaa, etteivät vihjeet ole exact match -avainsanoja eivätkä ne takaa mainoksen näkymistä tietyssä keskustelussa.
Tässä saattaa olla yksi ChatGPT-mainonnan kiinnostavimmista eroista perinteiseen digitaaliseen mainontaan:
mainostaja ei välttämättä tavoittele vain tiettyä sanaa, vaan tilannetta, jossa ihmisellä on tietty tarve.
Kenelle ChatGPT-mainoksia näytetään?
Aivan jokainen ChatGPT:n käyttäjä ei kuulu mainonnalla tavoitettavaan yleisöön.
OpenAI kertoo, ettei mainoksia näytetä Plus-, Pro- tai Business-tilauksilla eikä tileille, joiden on tunnistettu kuuluvan alle 18-vuotiaille.
Tällä on merkitystä mainostajalle.
Kun puhutaan ChatGPT:n valtavasta käyttäjämäärästä, sitä ei voi sellaisenaan rinnastaa mainonnalla tavoitettavaan yleisöön.
OpenAI kertoi elokuun lopussa ChatGPT:llä olevan yli miljardi viikoittaista aktiivista käyttäjää. Samassa yhteydessä yhtiö ilmoitti ChatGPT Adsin saavuttaneen alle 200 päivässä miljardin dollarin annualisoidun liikevaihtovauhdin ja alustan olevan kymmenientuhansien mainostajien käytössä. Luvut ovat OpenAI:n itsensä ilmoittamia.
Mainonnan mittakaava on siis jo huomattava, vaikka järjestelmä on edelleen voimakkaasti kehittyvä.
Miten ChatGPT-mainontaa kohdennetaan?
ChatGPT Ads Managerissa kampanjalle määritetään tavoite, budjetti, ajankohta ja maat, joissa mainontaa halutaan näyttää. Lisäksi voidaan valita kohdealustoja sekä sisällyttää tai sulkea pois mukautettuja yleisöjä.
Mainosryhmätasolla mukaan tulevat keskustelukontekstia kuvaavat context hints -vihjeet.
Tämä tekee ChatGPT-mainonnasta mielenkiintoisen myös laajemman mainonnan kohdentamisen näkökulmasta.
Digimainonnassa puhutaan usein paljon siitä, kenet haluamme tavoittaa. Vähintään yhtä tärkeä kysymys on kuitenkin se, ketä emme halua tavoittaa.
Jos mainosbudjetti käytetään ihmisille, joille tuote ei sovi, kyse ei ole vain huonosta kohdentamisesta. Se on myös hukattua rahaa.
ChatGPT Ads Managerissa mukautettuja yleisöjä voidaan jo sisällyttää kampanjaan tai sulkea siitä pois.
Tähän aiheeseen palaamme Loilassa vielä omassa artikkelissaan.
Mitä ChatGPT-mainonta maksaa?
Tähän ei ole yhtä euromääräistä vastausta.
ChatGPT Adsissa voidaan tällä hetkellä ostaa mainontaa esimerkiksi näyttökertojen tai klikkausten perusteella sekä optimoida kampanjoita konversioita kohti. OpenAI:n Ads Manager -ohjeissa vaihtoehtoina ovat muun muassa CPM, CPC ja konversioihin optimoitu oCPC. Lisäksi OpenAI testaa parhaillaan konversioihin optimoitua oCPM-mallia, jonka saatavuutta laajennetaan.
CPC-mainonnassa OpenAI suosittelee tällä hetkellä lähtökohdaksi 3–5 dollarin enimmäistarjousta klikkausta kohden.
Tämä ei kuitenkaan tarkoita, että ChatGPT-mainoksen klikkaus maksaisi 3–5 dollaria.
Kyse on mainostajan asettamasta enimmäistarjouksesta.
Mainokset kilpailevat huutokaupassa, jossa järjestelmä huomioi hinnan lisäksi relevanssin. OpenAI kuvailee järjestelmäänsä relevanssilla painotetuksi second-price-huutokaupaksi.
Todellinen hinta voi siis poiketa asetetusta enimmäistarjouksesta.
Entä jos tavoitteena ei ole klikkaus vaan kauppa?
Tässä ChatGPT Ads on jo ottamassa seuraavaa askelta.
Konversioihin optimoidussa kampanjassa tavoitteeksi voidaan määrittää esimerkiksi ostos, rekisteröityminen tai liidin lähettäminen. Järjestelmä pyrkii tällöin löytämään klikkauksia, jotka todennäköisemmin johtavat haluttuun lopputulokseen.
Konversioseuranta voidaan toteuttaa OpenAI:n Conversions API:n ja/tai JavaScript Pixelin avulla.
Tämä on tärkeä kehityssuunta.
Mainonnan arvoa ei lopulta ratkaise se, kuinka moni näki tai klikkasi mainosta. Yritystä kiinnostaa yleensä se, mitä klikkauksen jälkeen tapahtui.
Tuliko yhteydenotto?
Liittyikö käyttäjä sähköpostilistalle?
Ostiko hän tuotteen?
Vastasiko mainonta sille asetettuun liiketoimintatavoitteeseen?
ChatGPT-mainontaa voidaan mitata myös tutuin keinoin
Kaikkea ei tarvitse opetella uudelleen.
Ads Manager raportoi tällä hetkellä esimerkiksi näyttökerrat, klikkaukset, kulutuksen, klikkausprosentin eli CTR:n sekä keskimääräisen CPC:n ja CPM:n. Jos konversioseuranta on käytössä, mukana ovat myös konversiot.
Lisäksi mainoksen laskeutumissivun URL-osoitteeseen voidaan lisätä UTM-parametrit.
Niiden avulla esimerkiksi Google Analyticsissa voidaan erottaa ChatGPT-mainonnasta tullut liikenne muusta verkkosivuliikenteestä. OpenAI kertoo staattisten seurantaparametrien säilyvän mainosklikkauksessa, joten niitä voidaan hyödyntää yrityksen olemassa olevissa analytiikkatyökaluissa.
Uusi mainoskanava ei siis poista vanhaa peruskysymystä:
Mistä kävijä tuli ja mitä hän teki sen jälkeen?
Kannattaako suomalaisen yrityksen mainostaa ChatGPT:ssä?
Ehkä.
Ja juuri nyt se on mielestämme parempi vastaus kuin joko ehdoton kyllä tai ei.
ChatGPT-mainonta on vielä uusi ja nopeasti muuttuva kanava. Ads Manager on beta-vaiheessa, ominaisuuksia kehitetään jatkuvasti ja jopa tätä artikkelia kirjoitettaessa OpenAI julkaisee uusia optimointi- ja mittausominaisuuksia.
Siksi emme lähtisi ensimmäisenä kysymään:
“Paljonko budjettia meidän pitäisi siirtää ChatGPT:hen?”
Kysyisimme ensin:
“Käydäänkö ChatGPT:ssä sellaisia keskusteluja, joissa meidän potentiaalinen asiakkaamme etsii ratkaisua ongelmaan, jonka me pystymme ratkaisemaan?”
Jos vastaus on kyllä, ChatGPT Ads voi olla kiinnostava kokeiltava.
Jos vastaus on ei, uusi teknologia ei itsessään tee mainoskanavasta yritykselle hyödyllistä.
Ja ehkä tässä onkin ChatGPT-mainonnan kiinnostavin opetus.
Google opetti yritykset ajattelemaan sitä, mitä ihmiset hakevat.
Sosiaalinen media opetti ajattelemaan sitä, keitä ihmiset ovat ja mistä he ovat kiinnostuneita.
Keskusteleva tekoäly voi pakottaa meidät miettimään entistä tarkemmin sitä, mitä ihminen juuri sillä hetkellä yrittää saada aikaan.
Ja se saattaa osoittautua mainostajalle varsin arvokkaaksi tiedoksi.
Tekoäly tiedonhaussa? Sen sijaan, että kirjoittaisit hakukoneeseen kysymyksen ja kävisit läpi hakutuloksia, kysyt ChatGPT:ltä. Saat muutamassa sekunnissa selkeän vastauksen, eikä sinun tarvitse avata kymmentä sinistä linkkiä.
Kätevää.
Mutta mistä vastaus tuli?
Hakiko tekoäly tiedon juuri nyt verkosta? Perustuiko vastaus sen käytettävissä olevaan aiempaan tietoon? Löysikö se alkuperäisen lähteen? Vai muodostiko se vain vastauksen, joka vaikuttaa kysymyksesi perusteella todennäköiseltä?
Näillä asioilla on melkoinen ero.
Tilannetta sekoittaa entisestään se, että nykyiset tekoälypalvelut voivat myös hakea verkosta. Lisäksi on Perplexityn kaltaisia palveluita, joissa tekoäly ja verkkohaku on rakennettu alusta lähtien toimimaan yhdessä.
Siksi vanha neuvo “tekoäly ei ole hakukone” ei oikeastaan enää riitä.
Parempi olisi sanoa:
Tekoälyn käyttäminen ei automaattisesti tarkoita tiedonhakua. Sinun pitäisi tietää, milloin tekoäly hakee tietoa ja milloin se muodostaa vastauksen muulla tavoin.
1. Mitä oikeastaan tapahtuu, kun kysyt ChatGPT:ltä jotakin?
Kun kirjoitat ChatGPT:lle kysymyksen, et lähtökohtaisesti tee samanlaista hakua kuin kirjoittaessasi kysymyksen perinteiseen hakukoneeseen.
ChatGPT:n taustalla oleva kielimalli on opetettu valtavalla määrällä aineistoa tunnistamaan kielen rakenteita ja yhteyksiä. Hyvin yksinkertaistettuna se muodostaa vastausta ennustamalla, millainen sisältö sopii saamaasi kysymykseen ja keskustelun kontekstiin.
Se ei siis ole tietokanta, josta oikea vastaus vain haetaan valmiina.
Eikä vakuuttava vastaus itsessään todista, että tekoäly olisi juuri tarkistanut asian verkosta.
Tämä ero on erityisen tärkeä silloin, kun kysyt esimerkiksi tämän päivän uutisia, voimassa olevaa lainsäädäntöä, hintoja, aikatauluja, yrityksen nykyisiä tietoja tai muuta nopeasti muuttuvaa asiaa.
ChatGPT:ssä on nykyisin verkkohaku, jonka avulla se voi etsiä ajantasaista tietoa internetistä ja tuoda vastaukseen lähteitä. Silloin tekoäly ei enää vain muodosta vastausta kielimallin avulla, vaan käyttää myös verkosta löytynyttä aineistoa vastauksen rakentamiseen.
Ja juuri tässä syntyy helposti väärinkäsitys:
Sama keskusteluikkuna voi antaa sekä tekoälyn muodostamia vastauksia että verkosta haettuun tietoon perustuvia vastauksia.
Käyttäjän näkökulmasta ne voivat näyttää lähes samanlaisilta.
Kokeile tätä seuraavan kerran
Kun kysyt tekoälyltä jotakin ajankohtaista tai faktapohjaista, älä tyydy pelkkään kysymykseen:
Mitä tästä asiasta tiedetään?
Kokeile sen sijaan:
Hae tästä ajantasainen tieto verkosta. Käytä ensisijaisesti alkuperäisiä ja luotettavia lähteitä. Kerro, mihin lähteisiin vastauksesi perustuu ja merkitse selvästi asiat, joita et pysty varmistamaan.
Silloin et pyydä tekoälyltä vain vastausta.
Pyydät sitä tekemään tiedonhakua.
2. Hakukone etsii lähteitä. Tekoäly muodostaa vastauksia.
Ainakin ennen ero oli helppo ymmärtää.
Kun kirjoitit Googleen kysymyksen, sait listan verkkosivuista, joilta vastaus voisi löytyä. Hakukone auttoi sinua löytämään tiedon lähteille. Sinun tehtäväksesi jäi avata tulokset, arvioida niiden luotettavuutta ja muodostaa niiden perusteella oma käsityksesi.
Kun kysyt saman asian generatiiviselta tekoälyltä, lähtökohta on toinen. Se pyrkii antamaan sinulle vastauksen.
Ero voi kuulostaa pieneltä, mutta tiedon luotettavuuden kannalta se on merkittävä.
Hakutulos näyttää sinulle, kuka tiedon on julkaissut. Tekoälyn muodostama vastaus voi puolestaan yhdistää tietoa, päätellä asioita ja muotoilla niistä erittäin uskottavan kokonaisuuden. Jos lähteitä ei ole näkyvissä, et välttämättä tiedä, mihin yksittäinen väite perustuu – tai perustuuko se mihinkään tarkistettuun lähteeseen.
Mutta raja on jo hämärtynyt
Tässä kohtaa asia muuttuu kiinnostavaksi.
Perinteiset hakukoneet eivät enää pelkästään tarjoa linkkejä. Google on tuonut hakuun tekoälyn muodostamia vastauksia ja AI Mode -toimintoja. Samalla ChatGPT:n kaltaiset tekoälyavustajat pystyvät hakemaan ajantasaista tietoa verkosta.
Ja sitten on Perplexity, joka sijoittuu tarkoituksella näiden kahden maailman väliin. Se hakee verkosta lähteitä mutta ei jätä niiden läpikäymistä kokonaan käyttäjälle. Tekoäly muodostaa löytämänsä aineiston perusteella vastauksen ja näyttää samalla lähdeviitteet.
Karkeasti ajatellen ero näyttää tältä:
Perinteinen verkkohaku
ChatGPT
Tekoälyhakukone
Mitä saat?
Hakutuloksia ja lähteitä
Muodostetun vastauksen
Muodostetun vastauksen + lähteitä
Hakeeko verkosta?
Kyllä
Voi hakea
Lähtökohtaisesti kyllä
Kuka kokoaa vastauksen?
Sinä
Tekoäly
Tekoäly
Näetkö lähteet?
Kyllä
Kun verkkohakua/lähteitä käytetään
Yleensä kyllä
Pitääkö lähteet tarkistaa?
Kyllä
Kyllä
Kyllä
Todellisuudessa jako ei enää ole aivan näin siisti. Palvelut kehittyvät nopeasti ja niiden ominaisuudet menevät jatkuvasti enemmän päällekkäin.
Siksi olennaisempaa kuin palvelun nimi on ymmärtää, mitä se tekee juuri siinä tilanteessa, jossa käytät sitä.
Lähdeviite ei vielä tee vastauksesta totta
Tässä on vielä yksi ansa.
Tekoälyhakukoneen vastaus voi tuntua erityisen luotettavalta, koska jokaisen kappaleen perässä näkyy pieniä lähdeviitteitä.
Mutta lähdeviitteen olemassaolo ei vielä tarkoita, että lähde todella tukee kaikkia tekoälyn tekemiä johtopäätöksiä.
Tekoäly voi esimerkiksi tulkita lähdettä väärin, yhdistää kahdesta lähteestä asioita tavalla, jota kumpikaan ei varsinaisesti sano, jättää olennaisen asiayhteyden pois tai nostaa heikon lähteen luotettavamman edelle.
Siksi tekoälyhaussa lähdekritiikki ei katoa.
Se vain siirtyy hakutulosten arvioimisesta tekoälyn käyttämien lähteiden ja niistä tekemien tulkintojen arvioimiseen.
Entä Claude, Gemini ja muut tekoälyavustajat?
ChatGPT ei tietenkään ole ainoa palvelu, jolta ihmiset nykyään kysyvät asioita hakukoneen sijaan. Samantyyppiseen käyttöön ovat tulleet esimerkiksi Anthropicin Claude ja Googlen Gemini.
Niidenkin kohdalla kannattaa erottaa toisistaan kaksi asiaa: tekoälymallin oma vastaus ja verkosta haettuun ajantasaiseen tietoon perustuva vastaus.
Palveluiden ominaisuudet vaihtelevat ja muuttuvat nopeasti. Yhä useampi tekoälyavustaja pystyy käyttämään verkkohakua, hakutyökaluja tai muita ulkoisia tietolähteitä. Siksi pelkkä palvelun nimi ei kerro, mistä saamasi vastaus on peräisin.
Oleellisempi kysymys on:
Hakiko tekoäly tämän tiedon jostakin – vai muodostiko se vastauksen?
Sitten pitäisin varsinaisen vertailun kategorioissa, esimerkiksi:
Kun tarvitset…
Lähtisin tästä
tietyn verkkosivun tai yrityksen
Google / muu hakukone
ajantasaisen faktan
verkkohaku + alkuperäinen lähde
nopeasti koostetun vastauksen lähteineen
Perplexity / tekoälyhaku
selityksen vaikealle asialle
ChatGPT, Claude tai Gemini
useiden lähteiden vertailun
tekoäly + annetut lähteet
apua oman aineiston käsittelyyn
ChatGPT, Claude tai Gemini
lain, viranomaisohjeen tai muun tärkeän faktan
alkuperäinen lähde ensin, tekoäly apuna
3. Google, ChatGPT vai Perplexity – mitä kannattaa käyttää mihinkin?
Jos kaikki kolme voivat tavalla tai toisella auttaa tiedonhaussa, mistä pitäisi tietää, mitä käyttää?
Hyvä lähtökohta on miettiä ensin, mitä oikeastaan tarvitset: lähteen, vastauksen vai apua tiedon käsittelyyn.
Kun haluat löytää tietyn tiedon tai alkuperäisen lähteen
Jos haluat tarkistaa yrityksen yhteystiedot, löytää viranomaisen ohjeen, etsiä tietyn tutkimuksen tai tarkistaa jonkin ajankohtaisen faktan, tavallinen verkkohaku on usein edelleen erinomainen lähtökohta.
Hakukone ei tee kaikkea tulkintaa puolestasi. Se vie sinut lähteiden äärelle, jolloin voit itse arvioida, kuka tiedon on julkaissut, milloin se on julkaistu ja mitä lähteessä oikeasti sanotaan.
Erityisen tärkeissä asioissa tämä on edelleen hyvä tapa toimia.
Jos haluat esimerkiksi tietää, mitä jokin laki Suomessa sanoo, tekoäly voi auttaa sinua ymmärtämään lakitekstiä – mutta varsinainen tieto kannattaa tarkistaa Finlexistä.
Tekoäly voi auttaa ymmärtämään lähdettä. Sen ei tarvitse korvata lähdettä.
Kun haluat ymmärtää jotakin
Tässä ChatGPT:n, Clauden ja Geminin kaltaiset tekoälyavustajat ovat parhaimmillaan.
Voit pyytää niitä selittämään vaikean käsitteen yksinkertaisesti, vertaamaan kahta asiaa, antamaan esimerkin, muuttamaan selityksen omaan osaamistasoosi sopivaksi tai jatkamaan keskustelua juuri siitä kohdasta, jota et ymmärtänyt.
Hakukoneella saatat joutua avaamaan viisi sivua ennen kuin löydät selityksen, joka aukeaa sinulle.
Tekoälyltä voit sanoa:
Selitä tämä minulle niin, että ymmärrän sen ilman aiempaa tietoa aiheesta. Anna lopuksi yksi käytännön esimerkki.
Ja jos et vieläkään ymmärrä, voit jatkaa:
En ymmärtänyt tuota kohtaa. Selitä se toisella tavalla.
Tässä on yksi keskustelumuotoisen tekoälyn suurista vahvuuksista: sen kanssa voi jatkaa siitä, mihin oma ymmärrys loppui.
Kun haluat vastauksen ja lähteet nopeasti
Tässä tekoälyhaku, kuten Perplexity, on kiinnostava välimuoto.
Sen sijaan, että saisit pitkän listan hakutuloksia, palvelu etsii verkosta tietoa, kokoaa siitä vastauksen ja näyttää käyttämänsä lähteet.
Se voi olla erittäin kätevää esimerkiksi silloin, kun haluat nopeasti hahmottaa uuden aiheen, nähdä mitä siitä on kirjoitettu tai löytää lähteitä jatkotutkimista varten.
Samaa voidaan nykyään tehdä myös esimerkiksi ChatGPT:n verkkohakua käyttämällä.
Mutta tässä on tärkeä ero:
tekoälyn tekemä yhteenveto ei ole alkuperäinen lähde.
Jos tiedolla on merkitystä, avaa myös lähde. Tarkista, että se on luotettava ja että siinä todella sanotaan se, mitä tekoäly väittää sen sanovan.
Kun sinulla on jo aineisto – älä välttämättä hae mitään
Tämä käyttötapa unohtuu helposti kokonaan.
Jos sinulla on jo käsissäsi esimerkiksi tutkimus, raportti, tarjous, ohje, tilasto, pöytäkirja tai pitkä PDF, et välttämättä tarvitse hakukonetta etkä tekoälyhakua.
Anna aineisto tekoälylle.
Voit pyytää esimerkiksi:
Tiivistä tämän raportin keskeiset havainnot. Käytä vain antamaani aineistoa. Kerro jokaisen havainnon yhteydessä, mistä kohdasta raporttia tieto löytyy. Älä lisää tietoja, joita aineistossa ei ole.
Tällöin tekoälyn tehtävä ei ole etsiä tietoa, vaan auttaa sinua käsittelemään tietoa, jonka lähteen tunnet jo valmiiksi.
Se on aivan eri asia – ja usein yksi tekoälyn hyödyllisimmistä käyttötavoista.
Entä jos tarvitsen kaikkea tätä?
Silloin työkaluja ei tarvitse ajatella kilpailijoina.
Voit esimerkiksi etsiä Googlella alkuperäisen tutkimuksen, antaa sen ChatGPT:lle analysoitavaksi, pyytää tekoälyä selittämään vaikean kohdan ja tehdä lopuksi uuden verkkonhaun tarkistaaksesi, löytyykö aiheesta tuoreempaa tietoa.
Tai voit aloittaa tekoälyhausta, löytää sen avulla kiinnostavat lähteet ja siirtyä sitten lukemaan alkuperäisiä aineistoja.
Hyvä tiedonhaku ei siis välttämättä tarkoita yhden oikean työkalun valitsemista. Se voi tarkoittaa sitä, että osaat käyttää eri työkaluja eri vaiheissa.
Ja ehkä yksinkertaisin muistisääntö on tämä:
Jos tarvitset…
Aloita tästä
alkuperäisen lähteen
verkkohaku
ajantasaisen tiedon
verkkohaku tai tekoälyhaku + lähteiden tarkistus
nopean yleiskuvan lähteineen
tekoälyhaku
selityksen tai keskusteluapua
tekoälyavustaja
oman aineiston analyysin
tekoälyavustaja + oma aineisto
tärkeän faktan päätöksenteon pohjaksi
alkuperäinen lähde + tekoäly tarvittaessa apuna
Älä siis kysy ensimmäisenä, mikä tekoäly on paras. Kysy, mitä olet yrittämässä tehdä.
Sen jälkeen oikean työkalun valitseminen on huomattavasti helpompaa.
4. Mistä tiedän, hakiko ChatGPT oikeasti verkosta?
ChatGPT:n käyttäminen hakukoneen tapaan on petollisen helppoa.
Kirjoitat kysymyksen, painat enteriä ja saat vastauksen. Koska vastaus voi sisältää nimiä, päivämääriä, lukuja ja hyvinkin tarkkoja yksityiskohtia, tuntuu helposti siltä, että ChatGPT on juuri etsinyt nämä tiedot jostakin.
Näin ei kuitenkaan välttämättä ole.
ChatGPT voi vastata kysymykseen oman mallinsa käytettävissä olevan tiedon perusteella tai käyttää verkkohakua ajantasaisen tiedon etsimiseen. OpenAI kertoo, että ChatGPT voi myös päättää automaattisesti hakea verkosta silloin, kun kysymys hyötyy ajantasaisesta tiedosta. Verkkohakua voi lisäksi pyytää itse.
Siksi käyttäjän kannattaa opetella tunnistamaan ero.
Lähteet ovat ensimmäinen vihje
Kun ChatGPT käyttää verkkohakua, vastauksessa näkyy lähdeviitteitä, joista pääsee tarkastelemaan käytettyjä verkkolähteitä.
Jos kysyt esimerkiksi:
Mikä on Suomen tämänhetkinen inflaatio?
ja saat vain luvun ilman lähdettä, älä oleta, että ChatGPT olisi tarkistanut sen juuri nyt.
Pyydä sen sijaan:
Hae Suomen uusin inflaatioluku verkosta. Käytä ensisijaisena lähteenä Tilastokeskusta ja kerro, miltä ajankohdalta tieto on.
Nyt tehtävä on aivan toinen. Et pyydä tekoälyä kertomaan, mitä se tietää aiheesta, vaan etsimään tietyn ajantasaisen tiedon tietystä lähteestä.
“Hae verkosta” on usein hyödyllinen lisäys
ChatGPT voi käynnistää verkkonhaun automaattisesti, joten jokaiseen kysymykseen ei tarvitse kirjoittaa erikseen hae verkosta.
Mutta jos ajantasaisuudella tai tiedon oikeellisuudella on merkitystä, siitä kannattaa tehdä osa tehtävänantoa.
Esimerkiksi:
Hae ajantasainen tieto verkosta. Käytä ensisijaisesti alkuperäisiä lähteitä. Kerro lähteet ja niiden julkaisuajankohdat. Jos lähteet ovat keskenään ristiriidassa, kerro myös siitä.
Tässä annat tekoälylle samalla ohjeen siitä, millaista tiedonhakua haluat sen tekevän.
Ja tämä on tärkeä ero. Hyvä tekoälyn käyttö ei ole vain hyvien kysymysten kirjoittamista. Se on myös sen määrittelemistä, mistä vastauksen pitäisi perustellusti tulla.
Älä silti laske lähteitä – katso mitä ne ovat
Viisi lähdeviitettä ei välttämättä tee vastauksesta luotettavampaa kuin yksi.
Jos haluat tietää Suomessa voimassa olevasta laista, Finlex voi olla olennaisempi lähde kuin viisi aihetta käsittelevää blogikirjoitusta. Yrityksen omista palveluista yrityksen omat ajantasaiset sivut voivat olla parempi lähde kuin vanha vertailuartikkeli. Tutkimuksesta puhuttaessa alkuperäinen tutkimus on usein kiinnostavampi kuin siitä tehty uutinen.
Siksi hyvä jatkokysymys tekoälylle voi olla:
Mitkä käyttämistäsi lähteistä ovat alkuperäislähteitä? Mitkä ovat toissijaisia lähteitä? Onko jokin keskeinen väite sellainen, jolle et löytänyt alkuperäistä lähdettä?
Tekoäly voi auttaa myös lähteiden arvioinnissa.
Mutta lopullista lähdekritiikkiä ei kannata ulkoistaa sille.
Ja tässä on ehkä koko jutun tärkein ero
Jos kysyt ChatGPT:ltä:
Milloin yrityksen pitää ilmoittautua työnantajarekisteriin?
saatat saada erittäin hyvän ja täysin oikean vastauksen.
Mutta jos kysyt:
Hae Verohallinnon ajantasaisista ohjeista, milloin suomalaisen osakeyhtiön pitää ilmoittautua työnantajarekisteriin. Perusta vastaus ensisijaisesti Verohallinnon omaan ohjeeseen ja anna minulle lähde.
olet muuttanut tekoälyn roolia.
Ensimmäisessä tapauksessa pyydät sitä vastaamaan kysymykseen.
Toisessa pyydät sitä etsimään tietoa, arvioimaan lähteen ja auttamaan sinua ymmärtämään löytämänsä tiedon.
Se on paljon lähempänä sitä, miten tekoälyä kannattaa käyttää hakukoneena silloin, kun vastauksen oikeellisuudella todella on merkitystä.
Älä kysy vain: “Mitä tiedät tästä?”
Kysy myös: “Mistä tiedät tämän?”
5. Tekoälyhaku voi säästää aikaa – mutta samalla se voi piilottaa tiedonhaun
Tekoälyhaun suurin etu on helppo ymmärtää: se säästää aikaa.
Sen sijaan, että avaisit kymmenen hakutulosta, lukisit sivut ja kokoaisit niistä vastauksen itse, tekoäly voi tehdä suuren osan työstä puolestasi. Se etsii, lukee, vertailee ja tiivistää.
Mutta juuri sama ominaisuus on myös sen heikkous.
Kun käytämme tavallista hakukonetta, näemme tiedonhaun prosessin melko konkreettisesti. Hakutuloksissa on viranomaisen sivu, uutinen, yrityksen verkkosivu, keskustelupalsta ja ehkä viisi kaupallista artikkelia. Jo vilkaisemalla tuloksia ymmärrämme, että kaikki lähteet eivät ole samanarvoisia.
Tekoäly voi piilottaa suuren osan tästä prosessista yhden sujuvan vastauksen taakse.
Valmis vastaus tuntuu helposti varmemmalta kuin se on
Kuvitellaan, että etsit tietoa siitä, kuinka paljon suomalaiset yritykset käyttävät tekoälyä.
Hakukoneella näet ehkä heti useita erilaisia lukuja. Yksi tutkimus käsittelee suuryrityksiä, toinen pk-yrityksiä ja kolmas kaikkia vähintään kymmenen henkilöä työllistäviä yrityksiä. Tutkimukset on myös voitu tehdä eri vuosina.
Huomaat ristiriidan ja alat selvittää, mistä se johtuu.
Tekoälyhaku saattaa puolestaan tehdä näistä aineistoista yhden sujuvan kappaleen.
Silloin vaarana on, että epävarma ja ristiriitainen tieto alkaa näyttää yksiselitteiseltä.
Tämä ei tarkoita, että tekoälyhakua pitäisi välttää. Päinvastoin. Se voi olla erinomainen tapa kartoittaa nopeasti kokonainen aihe.
Mutta sen tuottamaa vastausta kannattaa ajatella tiedonhaun välivaiheena, ei automaattisesti sen lopputuloksena.
Tekoälyhaun paras ominaisuus ei ehkä olekaan vastaus
Jos kysyn tekoälyhaulta uudesta aiheesta, kaikkein arvokkain asia ei välttämättä ole sen kirjoittama yhteenveto.
Arvokkaampaa voi olla se, että se löytää minulle viidessä minuutissa tutkimuksen, tilaston, viranomaisohjeen ja asiantuntijaraportin, joiden etsimiseen minulta olisi muuten kulunut puoli tuntia.
Sen jälkeen voin avata alkuperäiset lähteet itse.
Tässä tekoäly toimii tavallaan tiedonhaun apurina.
Sille voi myös antaa tehtäväksi esimerkiksi:
Etsi tästä aiheesta mahdollisimman tuoretta tietoa. Etsi ensisijaisesti alkuperäisiä tutkimuksia, viranomaislähteitä ja muita ensisijaisia lähteitä. Älä tee vielä johtopäätöksiä. Listaa löytämäsi lähteet, kerro lyhyesti mitä kukin niistä käsittelee ja nosta esiin mahdolliset ristiriidat niiden välillä.
Tällainen käyttötapa on kiinnostava juuri siksi, että tekoälyä ei pyydetä tietämään vastausta.
Sitä pyydetään auttamaan sinua löytämään aineisto, jonka perusteella vastaus voidaan muodostaa.
Älä ulkoista uteliaisuuttasi
Tässä on ehkä tekoälyhaun pidemmän aikavälin kiinnostavin kysymys.
Kun hakukone antaa meille kymmenen linkkiä, joudumme itse tekemään valintoja. Avaamme yhden, huomaamme uuden käsitteen, etsimme sitä, päädymme toiseen lähteeseen ja saatamme löytää jotakin, mitä emme alun perin edes osanneet etsiä.
Valmis tekoälyvastaus voi tehdä tiedonhausta tehokkaampaa.
Mutta tehokkuus ei aina ole sama asia kuin ymmärrys.
Jos annamme tekoälyn jatkuvasti päättää puolestamme, mitä lähteitä kannattaa lukea, mikä niissä on olennaista ja millainen johtopäätös niistä pitäisi tehdä, saatamme samalla ohittaa osan siitä ajattelusta, jota tiedonhaku meiltä ennen vaati.
Tekoäly voi nopeuttaa tiedon löytämistä. Älä anna sen samalla lopettaa omaa etsimistäsi.
6. Tekoäly ei ole hakukone. Paitsi silloin kun se on.
Vielä muutama vuosi sitten jako oli melko selkeä.
Hakukoneella etsittiin tietoa. Tekoälyltä pyydettiin vastauksia.
Nyt tämä raja on hämärtynyt. Hakukoneet tuottavat tekoälyvastauksia, tekoälyavustajat hakevat tietoa verkosta ja tekoälyhakukoneet tekevät molempia yhtä aikaa.
Siksi neuvo “älä käytä tekoälyä hakukoneena” ei enää oikein riitä.
Tekoälyä voi käyttää tiedonhaussa – ja usein siitä on valtavasti hyötyä.
Olennaisempaa on ymmärtää, mitä tekoäly tekee tiedolle ennen kuin se näyttää sen sinulle.
Hakeeko se tietoa verkosta? Muodostaako se vastauksen kielimallin avulla? Tiivistääkö se löytämäänsä aineistoa? Yhdistääkö se useita lähteitä? Tekeekö se niiden perusteella omia päätelmiä?
Ja ennen kaikkea: pystytkö itse erottamaan nämä toisistaan?
Näin käytän tekoälyä tiedonhaussa
Hyvä nyrkkisääntö voisi olla tämä:
Jos tieto voi olla muuttunut, pyydän verkkohakua. Hinnat, lait, tilastot, uutiset, aikataulut, tuotteet, yritystiedot ja muut ajankohtaiset asiat kannattaa tarkistaa verkosta.
Jos tiedolla on merkitystä, pyydän lähteet. En tyydy siihen, että vastaus kuulostaa vakuuttavalta.
Jos lähde on tärkeä, avaan sen itse. Tarkistan, että lähde todella sanoo sen, mitä tekoäly väittää sen sanovan – ja että tieto on edelleen ajantasainen.
Jos minulla on jo hyvä lähde, annan sen tekoälylle. Tekoälyn ei tarvitse etsiä tietoa, jonka olen jo löytänyt. Se voi auttaa minua ymmärtämään, tiivistämään, vertailemaan ja käsittelemään sitä.
Jos asia on tärkeä, en jätä viimeistä päätelmää tekoälylle. Tekoäly voi auttaa tiedonhaussa ja ajattelussa. Vastuu siitä, mihin tietoon lopulta luotan, jää minulle.
Hakukone, vastauskone vai ajattelun apuväline?
Ehkä näitä työkaluja ei lopulta kannatakaan yrittää mahduttaa yhteen lokeroon.
Joskus tarvitsen hakukoneen.
Joskus haluan tekoälyn etsivän tietoa puolestani.
Joskus minulla on tieto jo valmiina ja tarvitsen apua sen ymmärtämiseen.
Ja joskus en etsi tietoa lainkaan. Haluan haastaa ajatustani, vertailla vaihtoehtoja, löytää uusia näkökulmia tai kysyä jatkokysymyksen, jota en olisi osannut kirjoittaa hakukoneeseen.
Tekoälyn vahvuus ei ehkä olekaan siinä, että siitä tulisi parempi Google.
Sen kiinnostavin mahdollisuus on siinä, että tiedon löytämisen jälkeen keskustelu voi jatkua.
Voit kysyä:
Mitä tämä tarkoittaa käytännössä? Miksi nämä kaksi lähdettä ovat eri mieltä? Mikä tässä väitteessä on epävarmaa? Mitä en ole vielä huomannut? Mistä minun kannattaisi ottaa seuraavaksi selvää?
Silloin tekoäly ei enää toimi vain hakukoneena.
Se toimii ajattelun apuvälineenä.
Ja ehkä juuri siksi kaikkein tärkein kysymys ei ole:
“Voinko käyttää tekoälyä hakukoneena?”
Vaan:
“Tiedänkö, milloin olen hakemassa tietoa – ja milloin tekoäly on jo alkanut tulkita sitä puolestani?”
Tekoäly ja työpaikat puhuttavat. Mitä tutkimukset kertovat tekoälyn vaikutuksesta työhön ja tulevaisuuden osaamiseen? Tekoälystä puhuttaessa yksi kysymys nousee esiin kerta toisensa jälkeen: viekö tekoäly ihmisten työt?
Lyhyt vastaus on ärsyttävä mutta rehellinen: joitakin kyllä, kaikkia ei – ja valtavan monia se muuttaa.
Ehkä koko kysymys onkin asetettu hieman väärin.
Työpaikan sijaan kannattaisi katsoa työtehtäviä. Harva ammatti koostuu yhdestä tehtävästä, jonka tekoäly joko osaa tai ei osaa tehdä. Työpäivä voi sisältää tiedon etsimistä, kirjoittamista, suunnittelua, päätöksentekoa, asiakkaiden kohtaamista, ongelmien ratkaisemista, fyysistä tekemistä, neuvottelua ja vastuunkantoa.
Tekoäly voi olla yhdessä näistä hämmästyttävän hyvä ja toisessa lähes hyödytön.
Tekoäly ja työpaikat – mitä tutkimukset kertovat?
Kansainvälisen työjärjestön ILO:n vuonna 2025 julkaisemassa tutkimuksessa arvioitiin lähes 30 000 työtehtävää. Sen mukaan noin joka neljäs työntekijä maailmassa työskentelee ammatissa, johon generatiivinen tekoäly voi jollakin tavalla vaikuttaa. Korkean tulotason maissa osuus on noin kolmannes. Silti tutkimuksen keskeinen johtopäätös ei ollut, että joka neljäs työpaikka katoaisi. Päinvastoin: useimmissa ammateissa todennäköisempää on työn sisällön muuttuminen.
Ja aivan tuoreempikin tutkimus tukee varovaista tulkintaa. ILO:n kesäkuussa 2026 julkaisema tutkimuskatsaus toteaa, että generatiivisen tekoälyn tuottavuushyödyt ovat todellisia mutta epätasaisia, eikä laajamittaisesta työpaikkojen katoamisesta ole toistaiseksi näyttöä. Samalla tutkimuksessa nostetaan esiin muun muassa nuorten työmahdollisuuksiin ja työn organisointiin liittyviä riskejä.
Tekoäly ei välttämättä vie ammattiasi. Se voi viedä osan työtehtävistäsi.
Ja joskus se voi olla erittäin hyvä uutinen.
Ajatellaan vaikka viestinnän asiantuntijaa.
Tiedotteen tekemiseen voi kuulua taustamateriaalin läpikäynti, olennaisten tietojen poimiminen, ensimmäisen luonnoksen kirjoittaminen, otsikoiden ideointi, tekstin muokkaaminen eri kanaviin ja oikoluku.
Tekoäly pystyy auttamaan jo monessa näistä vaiheista.
Se ei kuitenkaan tarkoita, että koko viestinnän asiantuntijan työ olisi automatisoitu. Jäljelle jäävät esimerkiksi tavoitteiden ymmärtäminen, viestinnällinen harkinta, organisaation ja yleisöjen tuntemus, haastattelut, vuorovaikutus, sävyn arviointi, tietojen oikeellisuuden varmistaminen ja lopulta vastuu siitä, mitä julkaistaan.
Sama näkyy hyvin erilaisissa ammateissa. Sähköasentaja voi käyttää tekoälyä tiedon etsimiseen, dokumentoinnin apuna tai hallinnollisen työn nopeuttamiseen. Se ei kuitenkaan tarkoita, että tekoäly menisi asiakkaan kotiin selvittämään vikaa ja tekisi turvallisen sähköasennuksen.
Ammatti ei ole yksi tehtävä. Se on joukko tehtäviä – ja juuri siksi tekoälyn vaikutusta kannattaa tarkastella tehtävä kerrallaan.
Tätä tukee myös OECD:n analyysi: generatiivinen tekoäly voi automatisoida yksittäisiä tehtäviä kokonaan, mutta koska ammatit muodostuvat monenlaisista tehtävistä, tekoäly toimii usein pikemminkin ihmisen työn täydentäjänä kuin koko työn korvaajana.
Jos neljän tunnin työ valmistuu tunnissa, mitä tapahtuu kolmelle tunnille?
Tekoälyn tuottavuushyödyistä puhutaan usein positiivisen esimerkin kautta: kun tekoäly hoitaa rutiinitehtäviä nopeammin, ihmiselle vapautuu aikaa tärkeämpään työhön.
Parhaimmillaan juuri näin tapahtuu.
Jos neljä tuntia vienyt työ valmistuu tekoälyn avulla tunnissa, vapautuneet kolme tuntia voidaan käyttää asiakkaisiin, suunnitteluun, kehittämiseen, uuden oppimiseen tai tehtäviin, joihin aika ei aikaisemmin riittänyt.
Mutta se ei ole ainoa mahdollinen lopputulos.
Jos organisaatio pystyy tuottamaan saman määrän työtä aikaisempaa pienemmällä työmäärällä, se voi myös todeta tarvitsevansa siihen vähemmän ihmisiä. Silloin tekoälyn tuottavuushyöty voi näkyä työvoiman tarpeen vähenemisenä.
Siksi olisi liian helppoa sanoa, ettei tekoäly vie työpaikkoja vaan ainoastaan vapauttaa ihmisten aikaa tärkeämpään työhön.
Todellisuus riippuu siitä, mitä vapautuneella ajalla tehdään.
Työpaikkoja katoaa – ja uusia syntyy
Työmarkkinat ovat muuttuneet teknologian mukana ennenkin. Tällä kertaa muutoksen nopeus ja generatiivisen tekoälyn kyky tarttua myös moniin asiantuntijatyön tehtäviin tekevät tilanteesta kuitenkin erityisen kiinnostavan.
World Economic Forumin Future of Jobs Report 2025 -raportissa työnantajat arvioivat, että laajempi työmarkkinoiden rakennemuutos synnyttää vuoteen 2030 mennessä noin 170 miljoonaa uutta työpaikkaa ja syrjäyttää noin 92 miljoonaa nykyistä työpaikkaa. Nettolisäys olisi siten noin 78 miljoonaa työpaikkaa.
Näitä lukuja ei kuitenkaan pidä tulkita ennusteeksi siitä, mitä tekoäly yksin tekee. Raportissa työmarkkinoita muuttavat tekoälyn ja teknologisen kehityksen lisäksi muun muassa väestörakenteen muutokset, taloudellinen epävarmuus ja vihreä siirtymä.
Oleellisempaa onkin se, että samaan aikaan voi olla totta kaksi asiaa: uusia töitä syntyy ja vanhoja töitä katoaa.
Yksittäiselle ihmiselle työmarkkinoiden positiivinen nettoluku ei myöskään paljon lohduta, jos juuri hänen työnsä muuttuu tarpeettomaksi. Uusi työ ei välttämättä synny samalle ihmiselle, samalle paikkakunnalle tai edes samalle toimialalle. Se voi myös edellyttää kokonaan uudenlaista osaamista.
Suurempi kysymys saattaakin olla: kuka osaa tehdä työn uudella tavalla?
Tekoälyn vaikutus työelämään ei tarkoita vain sitä, että kone tekee jotakin ihmisen sijasta. Se muuttaa myös sitä, miten ihminen tekee työnsä.
Kaksi samaa työtä tekevää ihmistä voi tulevaisuudessa saada hyvin erilaisen määrän aikaan, jos toinen osaa hyödyntää tekoälyä tarkoituksenmukaisesti ja toinen tekee kaikki työvaiheet edelleen samalla tavalla kuin ennen.
Tästä syntyy helposti ajatus, että “tekoäly ei vie työpaikkaasi, mutta tekoälyä käyttävä ihminen vie”. Ajatus on tarttuva, mutta todellisuus on monimutkaisempi.
Pelkkä tekoälyn käyttäminen ei tee kenestäkään automaattisesti parempaa työntekijää.
Arvo syntyy siitä, että ihminen tuntee oman työnsä riittävän hyvin tunnistaakseen, missä tekoälystä on hyötyä, missä siitä ei ole ja milloin sen tekemää työtä ei pidä hyväksyä sellaisenaan.
Silloin ammattiosaamisen merkitys ei välttämättä vähene. Joissakin tehtävissä se voi jopa korostua.
Tekoälyn käyttötaito ilman ammattitaitoa voi tuottaa nopeasti paljon. Ammattitaito auttaa tunnistamaan, onko tuotettu lopputulos yhtään hyvä.
Entä jos suurin muutos ei koskekaan kokeneita työntekijöitä?
Tekoälyn vaikutuksista puhuttaessa huomio kiinnittyy helposti siihen, mitkä ammatit voidaan automatisoida. Vähemmälle huomiolle jää kysymys siitä, miten uusi työntekijä oppii tulevaisuudessa ammattilaiseksi.
Monessa asiantuntijatyössä ura alkaa tehtävistä, jotka ovat suhteellisen selkeitä ja rajattuja. Nuori työntekijä etsii tietoa, kokoaa aineistoja, tekee ensimmäisiä luonnoksia, kirjoittaa muistioita, käsittelee dataa tai valmistelee materiaalia kokeneemman asiantuntijan käyttöön.
Juuri monet tällaiset tehtävät ovat niitä, joissa generatiivinen tekoäly on jo nyt vahvimmillaan.
ILO:n vuonna 2026 julkaisemassa tutkimuskatsauksessa nostetaan esiin viitteitä siitä, että generatiivisen tekoälyn vaikutukset voivat kohdistua erityisesti työmarkkinoille tuleviin nuoriin. Tutkimusnäyttö on vielä kehittymässä, joten pitkälle meneviä johtopäätöksiä on liian aikaista tehdä. Kysymys on silti merkittävä.
Mistä tulevaisuuden seniorit tulevat?
Jos tekoäly tekee ensimmäisen luonnoksen, etsii tiedot, kokoaa yhteenvedon ja suorittaa alustavan analyysin, yrityksen näkökulmasta tämä voi näyttää erinomaiselta tuottavuusloikalta.
Mutta samalla voidaan menettää jotain, mitä on vaikeampi mitata.
Juniorin tekemän ensimmäisen luonnoksen tarkoitus ei ole ollut vain saada luonnosta valmiiksi. Sitä tehdessään hän on opetellut ajattelemaan.
Hän on etsinyt tietoa, tehnyt virheitä, saanut palautetta, nähnyt kokeneemman työntekijän korjaukset ja vähitellen oppinut tunnistamaan, mikä on olennaista ja mikä ei.
Jos nämä työvaiheet annetaan kokonaan tekoälylle, vaarana on, että samalla automatisoidaan pois osa siitä prosessista, jossa ammattitaito aikaisemmin syntyi.
Tässä tekoälyn käyttöönotossa onkin kiinnostava ristiriita:
Tehokkain tapa tehdä tämän päivän työ ei välttämättä ole paras tapa kasvattaa huomisen asiantuntijoita.
Tekoäly voi myös nopeuttaa oppimista
Toisaalta tekoälyn ei tarvitse merkitä oppimismahdollisuuksien katoamista.
Oikein käytettynä se voi toimia myös henkilökohtaisena sparraajana: selittää vaikeita käsitteitä, antaa palautetta, ehdottaa vaihtoehtoisia ratkaisuja, haastaa käyttäjän perusteluja ja auttaa vertailemaan erilaisia lähestymistapoja.
Ratkaisevaa on jälleen miten sitä käytetään.
Jos aloitteleva työntekijä pyytää tekoälyä tekemään tehtävän puolestaan ja kopioi vastauksen, oppimista tapahtuu vähän. Jos hän tekee ensin oman ratkaisunsa ja pyytää tekoälyä haastamaan sitä, vertailee vaihtoehtoja ja selvittää, miksi ratkaisut eroavat toisistaan, tekoäly voi jopa nopeuttaa osaamisen kehittymistä.
Ehkä tulevaisuuden työpaikoilla pitääkin miettiä tehokkuuden lisäksi tietoisesti myös tätä:
Mitä työvaiheita kannattaa automatisoida – ja mitä ihmisen kannattaa edelleen tehdä itse, koska juuri niitä tekemällä hän oppii?
Mitä kannattaa opetella nyt, jos oma työ tulevaisuudessa mietityttää?
Jos tekoäly muuttaa työtä, ensimmäinen reaktio voi olla: pitäisikö minun opetella käyttämään mahdollisimman montaa tekoälytyökalua?
Todennäköisesti ei.
Tämän päivän suosituin työkalu voi muutaman vuoden päästä olla vaihtunut toiseen. Myös tapa käyttää tekoälyä muuttuu nopeasti. Jo nyt moni asia, johon vielä hetki sitten tarvittiin tarkkaan rakennettu prompti, onnistuu tavallisella keskustelulla.
Siksi tärkeämpää kuin yksittäisen työkalun hallinta on ymmärtää, mitä tekoälyllä kannattaa tehdä ja miksi.
Oma ammattitaito ei muutu tarpeettomaksi
Mitä paremmin tunnet oman työsi, sitä paremmin pystyt tunnistamaan ne työvaiheet, joissa tekoälystä todella on hyötyä.
Ammattilainen osaa arvioida lopputulosta. Hän huomaa, jos tekoälyn ehdottama ratkaisu ei sovi tilanteeseen, jos tekstistä puuttuu olennainen näkökulma tai jos vastaus näyttää vakuuttavalta mutta ei oikeastaan ratkaise alkuperäistä ongelmaa.
Siksi yksi tulevaisuuden tärkeimmistä yhdistelmistä voikin olla:
vahva oman alan osaaminen + kyky hyödyntää tekoälyä sen jatkeena.
Opettele antamaan tehtäviä, älä vain kirjoittamaan prompteja
Tekoälyn käyttötaito ei tarkoita sitä, että pitäisi osata jokin salainen kokoelma täydellisiä komentoja.
Paljon hyödyllisempää on osata määritellä ongelma.
Mitä yritän saada aikaan? Mitä tietoa tehtävän ratkaisemiseen tarvitaan? Mitkä ovat reunaehdot? Millainen lopputulos olisi hyvä? Mitä tekoäly voi tehdä ja missä vaiheessa tarvitaan ihmisen harkintaa?
Nämä ovat samalla taitoja, joista on hyötyä ilman tekoälyäkin.
Opettele arvioimaan, älä vain tuottamaan
Tekoäly tekee sisällön tuottamisesta yhä helpompaa. Tekstiä, kuvia, analyysejä, koodia ja ideoita voidaan tuottaa valtavia määriä hyvin nopeasti.
Silloin niukaksi resurssiksi saattaakin muuttua jokin muu:
kyky tunnistaa, mikä kaikesta tuotetusta on oikeasti hyvää.
Kriittinen ajattelu, lähdekritiikki, kokonaisuuksien ymmärtäminen ja kyky perustella valintoja eivät siksi menetä merkitystään. Päinvastoin.
Kun vaihtoehtojen tuottaminen halpenee, niiden arvioimisen arvo kasvaa.
Ja sitten ovat asiat, joita on vaikeampi automatisoida
Työ on muutakin kuin tuotoksia.
Se on asiakkaan kuuntelemista, luottamuksen rakentamista, neuvottelua, ihmisten johtamista, tilanteen lukemista, vastuunkantoa ja joskus sotkuisen ongelman ratkaisemista ympäristössä, jossa kukaan ei ole kirjoittanut valmiiksi täydellistä tehtävänantoa.
Myös fyysinen maailma asettaa tekoälylle omat rajansa. On eri asia kertoa, miten jokin pitäisi tehdä, kuin mennä paikan päälle ja tehdä se turvallisesti ja oikein.
Siksi tulevaisuuteen varautuminen ei välttämättä tarkoita kilpajuoksua tekoälyn kanssa.
Paljon järkevämpää voi olla opetella tekemään tekoälyn kanssa sellaista, mihin kumpikaan ei yksin pysty yhtä hyvin.
Viestinnän ammattilainen tuntee organisaationsa, yleisönsä ja tilanteen. Tekoäly pystyy käsittelemään hetkessä suuren määrän taustamateriaalia ja tuottamaan siitä erilaisia versioita. Yhdessä niillä voidaan tehdä nopeammin viestintää, jossa ihmisen harkinta ja tekoälyn käsittelykyky täydentävät toisiaan.
Yrittäjä tuntee asiakkaansa ja liiketoimintansa. Tekoäly voi puolestaan käydä läpi suuren määrän asiakaspalautetta, myyntidataa tai kilpailijoista kerättyä tietoa ja nostaa esiin yhteyksiä, joita ihminen ei välttämättä huomaisi. Ihminen arvioi, mitkä havainnoista ovat oikeasti merkityksellisiä.
Suunnittelija tuo työhön näkemyksen ja ymmärryksen siitä, millaisen vaikutuksen halutaan syntyvän. Tekoälyllä voidaan kokeilla nopeasti kymmeniä suuntia, näkökulmia ja vaihtoehtoja. Lopputulos ei silloin ole vain ihmisen ensimmäinen idea tai tekoälyn ensimmäinen ehdotus, vaan jotain, joka on syntynyt niiden vuoropuhelusta.
Asiantuntija voi puolestaan tuntea oman alansa perusteellisesti mutta joutua käyttämään tuntikausia suuren aineiston läpikäymiseen. Tekoäly voi auttaa jäsentämään aineiston, vertailemaan vaihtoehtoja ja löytämään olennaisia kohtia. Asiantuntija ymmärtää, mitä löydökset tarkoittavat ja mitä niiden perusteella kannattaa tehdä.
Ehkä tekoälyn kiinnostavin mahdollisuus ei siis olekaan ihmisen korvaaminen, vaan ihmisen osaamisen vahvistaminen.
Vieko tekoäly siis työpaikkasi?
Mahdollisesti. Joitakin työpaikkoja tekoäly tulee vähentämään, joitakin tehtäviä se tekee kokonaan ihmisen puolesta ja monessa ammatissa se muuttaa sitä, mistä työpäivä tulevaisuudessa koostuu.
Samaan aikaan syntyy uusia tehtäviä, uusia osaamistarpeita ja todennäköisesti myös töitä, joita emme vielä osaa nimetä.
Siksi olisi liian helppoa luvata, ettei tekoäly vie kenenkään työtä. Yhtä harhaanjohtavaa olisi päätellä, että tekoäly on tekemässä ihmisestä tarpeettoman.
Todennäköisesti paljon useampi meistä kohtaa jotain siltä väliltä: oma työ säilyy, mutta tapa tehdä sitä muuttuu.
Ja juuri siihen voimme myös itse vaikuttaa.
Tekoälyä voi käyttää tekemään enemmän ja nopeammin. Mutta ehkä kiinnostavampi mahdollisuus on käyttää sitä siihen, että voimme käyttää vähemmän aikaa rutiineihin ja enemmän siihen, missä omalla osaamisellamme on eniten merkitystä.
Samalla organisaatioiden kannattaa pysähtyä miettimään, mitä tehokkuudella tavoitellaan. Jos jokainen säästetty tunti nähdään vain mahdollisuutena vähentää ihmistyötä, tekoälyn tuottavuushyöty näyttää hyvin erilaiselta kuin silloin, kun vapautuvaa aikaa käytetään parempaan palveluun, uuden kehittämiseen tai työn laadun parantamiseen.
Teknologia ei tee näitä valintoja puolestamme.
Me teemme.
Ehkä kysymys onkin väärä
Tekoälystä puhuttaessa kysymme helposti:
“Vieko tekoäly työpaikkani?”
Ehkä hyödyllisempi kysymys olisi:
“Millaiseksi tekoäly muuttaa työni – ja mitä haluan itse tehdä sillä muutoksella?”
Tulevaisuuden työelämässä vahvoilla eivät välttämättä ole ne, jotka osaavat käyttää eniten tekoälytyökaluja.
Vahvoilla voivat olla ne, jotka tuntevat oman työnsä, osaavat ajatella kriittisesti, oppivat uutta ja tunnistavat, milloin tekoäly kannattaa ottaa avuksi – ja milloin tarvitaan ihmistä.
Tekoäly voi tehdä tulevaisuudessa paljon sellaista, mistä meille nyt maksetaan.
Mutta ehkä olennaisin kysymys ei olekaan, mitä tekoäly osaa tehdä meidän puolestamme.
Vaan se, mitä me osaamme tehdä paremmin sen kanssa.
Tekoälyn luotettavuus – valehteleeko tekoäly? Tekoäly voi kuulostaa hämmästyttävän vakuuttavalta myös silloin, kun se on väärässä.
Se voi keksiä lähteen, sekoittaa kaksi asiaa keskenään, ilmoittaa vanhentuneen tiedon faktana tai täydentää puuttuvan tiedon tavalla, joka kuulostaa täysin uskottavalta.
Valehteleeko tekoäly siis?
Ei aivan siinä merkityksessä kuin ihminen valehtelee. Generatiivinen tekoäly ei lähtökohtaisesti yritä johtaa sinua harhaan. Ongelma liittyy siihen, miten kielimalli tuottaa vastauksia: se muodostaa todennäköisen vastauksen saamansa tiedon ja ohjeiden perusteella. Todennäköiseltä kuulostava vastaus ei kuitenkaan ole sama asia kuin tosi vastaus.
Siksi yksi tärkeimmistä tekoälytaidoista ei olekaan kysymysten esittäminen. Se on sen ymmärtäminen, milloin vastaukseen voi luottaa – ja milloin se pitää tarkistaa.
1. Älä anna tekoälylle lupaa arvailla
Tekoälyn ongelma ei yleensä ole se, ettei sillä olisi mitään sanottavaa. Päinvastoin. Se on usein erittäin hyvä tuottamaan vastauksen silloinkin, kun sillä ei ole riittävästi tietoa luotettavan vastauksen muodostamiseen.
Siksi tekoälyä käyttäessä kannattaa tehdä yksi asia selväksi: jos tietoa ei ole, sitä ei pidä keksiä.
Tämä on erityisen tärkeää silloin, kun pyydät tekoälyltä faktatietoa, analysoit aineistoa tai tuotat sisältöä, jossa yksityiskohtien pitää pitää paikkansa.
Pelkkä kysymys:
Millaisia tuloksia yritys X saavutti vuonna 2025?
voi houkutella tekoälyn muodostamaan mahdollisimman uskottavan vastauksen myös silloin, kun sillä ei ole käytettävissään riittäviä tai ajantasaisia tietoja.
Parempi tapa on kertoa jo tehtävänannossa, miten haluat tekoälyn toimivan epävarmassa tilanteessa.
Kokeile esimerkiksi näin:
Vastaa kysymykseen vain sellaisten tietojen perusteella, joista voit olla perustellusti varma. Älä keksi tai päättele puuttuvia tietoja. Jos sinulla ei ole riittävästi tietoa johonkin kohtaan vastaamiseksi, kerro se selvästi. Jos vastaus riippuu ajantasaisesta tiedosta, kerro myös, että tieto pitäisi tarkistaa ajantasaisesta lähteestä.
Tämä ei tee tekoälystä erehtymätöntä. Se kuitenkin antaa sille paljon paremman ohjeen siitä, mitä tehdä silloin, kun varmaa vastausta ei ole.
Ja juuri tässä on yksi hyvän promptauksen tärkeimmistä oivalluksista:
Tekoälylle ei tarvitse kertoa vain, mitä sen pitää tehdä. Sille kannattaa kertoa myös, mitä sen pitää tehdä silloin, kun se ei pysty tekemään sitä luotettavasti.
2. Anna tekoälylle lähdeaineisto, kun faktatieto on ratkaisevaa
Yksi tehokkaimmista tavoista parantaa tekoälyn vastausten luotettavuutta on yksinkertainen: älä pyydä sitä tietämään – anna sille tieto, jota haluat sen käyttävän.
Jos käytössäsi on raportti, tutkimus, tilasto, ohjeistus, kokousmuistio tai muu luotettava aineisto, anna se tekoälylle ja rajaa tehtävä siihen.
Ero on merkittävä.
Sen sijaan, että kysyisit:
Mitä tässä asiassa pitäisi huomioida?
voit antaa tekoälylle alkuperäisen aineiston ja pyytää:
Käytä vastauksessasi ainoastaan liitteenä olevaa aineistoa. Älä täydennä vastausta muilla tiedoilla tai oletuksilla. Kerro jokaisen keskeisen väitteen yhteydessä, mihin aineiston kohtaan se perustuu. Jos kysymykseen ei löydy vastausta aineistosta, sano selvästi, ettei asia käy aineistosta ilmi.
Tämä on erityisen hyödyllistä työelämässä. Tekoälyn tehtäväksi voidaan antaa esimerkiksi pitkän raportin tiivistäminen, päätöksenteon kannalta olennaisten asioiden etsiminen tai useiden dokumenttien sisältämän tiedon kokoaminen.
Samalla on kuitenkin hyvä muistaa yksi asia: lähdeaineiston antaminen ei siirrä vastuuta tekoälylle.
Jos alkuperäinen aineisto on vanhentunutta, virheellistä tai puutteellista, tekoäly voi rakentaa vastauksensa sen varaan. Ja vaikka lähde olisi kunnossa, tekoäly voi edelleen tulkita sitä väärin. Siksi tärkeissä asioissa lopputulos kannattaa tarkistaa alkuperäisestä lähteestä.
Entä verkkolähteet?
Jos käytössä oleva tekoäly pystyy hakemaan ajantasaista tietoa verkosta, sama periaate pätee myös siellä. Pyydä sitä käyttämään ensisijaisia ja luotettavia lähteitä, kertomaan mihin väitteet perustuvat ja tuomaan epävarmuudet näkyviin.
Esimerkiksi:
Etsi tästä aiheesta ajantasainen tieto. Käytä ensisijaisesti alkuperäisiä ja virallisia lähteitä. Kerro, mihin lähteeseen kukin keskeinen väite perustuu. Jos eri lähteissä on ristiriitaista tietoa, älä valitse niistä yhtä varmaksi vastaukseksi, vaan kerro ristiriidasta.
Mitä tärkeämpi tieto on, sitä vähemmän tekoälyä kannattaa käyttää tietolähteenä – ja sitä enemmän työkaluna, joka auttaa käsittelemään varsinaisia tietolähteitä.
Tekoälyn vastausten yksi hankalimmista piirteistä on se, että varma tieto, päätelmä ja epävarma oletus voivat näyttää tekstissä aivan samanarvoisilta. Kaikki voidaan esittää samalla vakuuttavalla äänensävyllä.
Siksi tekoälyä kannattaa pyytää tekemään ero niiden välille näkyväksi.
Jos esimerkiksi pyydät tekoälyä analysoimaan raporttia, yrityksen tilannetta tai jonkin ilmiön kehitystä, osa vastauksesta voi perustua suoraan lähteisiin ja osa olla tekoälyn tekemää tulkintaa. Molemmista voi olla hyötyä – kunhan tiedät, kumpaa olet lukemassa.
Kokeile tällä promptilla
Analysoi seuraava aihe tai aineisto ja jaa vastauksesi kolmeen osaan:
1. Varmistetut tiedot: asiat, jotka voidaan todeta käytettävissä olevan aineiston tai lähteiden perusteella. Kerro, mihin lähteeseen tai aineiston kohtaan tieto perustuu.
2. Tulkinnat ja päätelmät: asiat, jotka päättelet varmistettujen tietojen perusteella. Kerro lyhyesti, miten päädyit päätelmään.
3. Epävarmat tai puuttuvat tiedot: asiat, joista ei ole riittävästi tietoa luotettavan johtopäätöksen tekemiseen.
Älä esitä tulkintaa faktana. Jos et pysty varmistamaan jotakin tietoa, merkitse se epävarmaksi sen sijaan, että täydentäisit puuttuvan tiedon oletuksella.
Tällaista rakennetta voi soveltaa myös paljon arkisempiin tehtäviin. Jos esimerkiksi pyydät tekoälyä arvioimaan uutta liikeideaa, se voidaan ohjata erottelemaan antamasi faktat, niiden perusteella tehdyt päätelmät ja asiat, joista se tarvitsisi lisää tietoa.
Tällä on toinenkin hyöty: vastauksen tarkistaminen helpottuu. Sen sijaan, että joutuisit arvioimaan jokaisen virkkeen luotettavuutta erikseen, näet jo rakenteesta, mitä tekoäly itse käsittelee annettuna tietona ja missä se on siirtynyt tulkinnan puolelle.
Joskus kaikkein arvokkain tekoälyvastaus on: “Tätä en pysty käytettävissä olevien tietojen perusteella varmistamaan.”
4. Tekoäly luotettavaksi – pyydä lähteet – mutta älä luota niihinkään automaattisesti
Lähteiden pyytäminen tekoälyltä kuulostaa yksinkertaiselta keinolta varmistaa vastauksen luotettavuus. Ja sitä se osittain onkin.
Mutta tässä piilee yksi tärkeä ansa: lähdeviite ei vielä todista, että väite on totta.
Tekoäly voi joissakin tilanteissa antaa lähteeksi oikean verkkosivuston, mutta kyseiseltä sivulta ei löydykään sen esittämää tietoa. Se voi yhdistellä eri lähteiden sisältöjä väärin tai viitata vanhentuneeseen tietoon. Jos sillä ei ole käytettävissään oikeaa lähdehakua, se voi pahimmillaan muodostaa jopa uskottavalta näyttävän lähteen, jota ei ole olemassa.
Siksi lähteiden kohdalla kannattaa tarkistaa ainakin kaksi asiaa: onko lähde oikeasti olemassa ja tukeeko se juuri sitä väitettä, jonka tekoäly sen perusteella esittää.
Kokeile tällä promptilla
Selvitä aiheesta ajantasainen tieto ja kerro käyttämäsi lähteet. Käytä ensisijaisesti alkuperäisiä ja virallisia lähteitä.
Älä anna lähdettä, jonka sisältöä et ole pystynyt tarkistamaan. Varmista ennen vastaamista, että lähde todella tukee väitettä, johon viittaat.
Jos alkuperäistä lähdettä ei löydy tai et pysty varmistamaan tietoa luotettavasti, kerro se sen sijaan, että muodostaisit vastauksen oletuksen perusteella.
Lähteiden valinnassakin tekoäly tarvitsee joskus ohjausta. Jos kysyt esimerkiksi verotuksesta, alkuperäinen lähde voi olla Verohallinto. Lainsäädännössä se voi olla Finlex ja yrityksen omista tuotteista tai palveluista kysyttäessä yrityksen oma ajantasainen dokumentaatio.
Hakutulosten kärjessä oleva blogikirjoitus tai keskustelupalsta voi olla hyödyllinen jossakin tarkoituksessa, mutta se ei välttämättä ole paras paikka faktan varmistamiseen.
Lähde voi olla oikea ja vastaus silti väärä.
Tämä on tärkeä ero.
Tekoäly voi löytää täysin oikean lähteen ja silti tulkita sen sisältöä väärin. Siksi erityisen tärkeää tietoa tarkistettaessa kannattaa avata alkuperäinen lähde itse ja varmistaa, että siinä todella sanotaan se, mitä tekoäly väittää.
Tekoälyä voi käyttää myös tässä apuna:
Listaa vastauksesi tärkeimmät faktaväitteet. Kerro jokaisen kohdalla tarkka lähde ja se, mistä lähteen kohdasta tieto löytyy. Merkitse erikseen väitteet, joille et löydä suoraa tukea lähteistä.
Lähteiden pyytäminen ei siis poista lähdekritiikin tarvetta. Se tekee lähdekritiikistä helpompaa.
5. Tekoäly luotettavaksi – pyydä tekoälyä haastamaan oma vastauksensa
Tekoälyn ensimmäistä vastausta ei tarvitse pitää lopullisena vastauksena. Yksi hyödyllisimmistä tavoista käyttää tekoälyä on pyytää sitä arvioimaan kriittisesti juuri tuottamaansa sisältöä.
Ensimmäisessä vastauksessa tekoäly pyrkii yleensä ratkaisemaan sille annetun tehtävän. Seuraavassa vaiheessa sen tehtävän voi vaihtaa: nyt tarkoituksena ei ole enää vastata kysymykseen, vaan etsiä omasta vastauksesta heikkouksia, perusteettomia oletuksia ja asioita, jotka pitäisi vielä tarkistaa.
Kokeile tällä promptilla
Arvioi edellinen vastauksesi nyt kriittisesti.
Etsi siitä väitteet, jotka voivat olla virheellisiä, vanhentuneita tai perustua oletuksiin. Kerro, mitkä tiedot vaativat tarkistamista alkuperäisestä lähteestä ja missä kohdissa vastauksesi perustuu tulkintaan eikä varmistettuun tietoon.
Jos huomaat virheen, korjaa se. Jos et pysty varmistamaan jotakin tietoa, sano se selvästi.
Tämä voi paljastaa yllättävän paljon. Tekoäly saattaa toisella kierroksella huomauttaa itse, että jokin sen esittämä tieto riippuu esimerkiksi ajankohdasta, puuttuvasta lähteestä tai oletuksesta, jota alkuperäisessä kysymyksessä ei edes annettu.
Mutta tässäkin on hyvä säilyttää terve epäluulo: tekoälyn tekemä tarkistus on edelleen tekoälyn tekemä tarkistus.
Se voi jättää oman virheensä huomaamatta. Se voi myös päätyä muuttamaan alun perin oikean vastauksen vääräksi. Siksi tätä menetelmää ei kannata ajatella varsinaisena faktantarkistuksena, vaan ylimääräisenä tarkistuskierroksena.
Kokeile myös näkökulman vaihtamista
Pelkkää “tarkista vastauksesi” -kehotusta tehokkaampaa voi olla antaa tekoälylle uusi tehtävä:
Toimi nyt tämän vastauksen kriittisenä tarkastajana. Tehtäväsi on etsiä siitä virheitä, heikosti perusteltuja väitteitä, piileviä oletuksia ja kohtia, joissa tarvitaan parempi lähde. Älä puolusta alkuperäistä vastausta, vaan yritä löytää siitä ongelmia.
Tätä tapaa voi käyttää muuhunkin kuin faktatiedon tarkistamiseen. Tekoälyä voi pyytää etsimään esimerkiksi liiketoimintasuunnitelman heikkouksia, haastamaan markkinointi-idean oletuksia tai kertomaan, mitä näkökulmia omasta suunnitelmasta on jäänyt huomioimatta.
Tekoälystä saa enemmän irti, kun sitä ei käytä vain vastaajana. Sitä voi käyttää myös oman vastauksensa haastajana.
6. Tekoälyä ei tarvitse epäillä koko ajan – mutta mitkä tiedot on tarkistettava aina?
Kaikkia tekoälyn vastauksia ei tarvitse tarkistaa samalla tarkkuudella.
Jos pyydät tekoälyä keksimään kymmenen otsikkoideaa blogikirjoitukselle, suurta vahinkoa ei synny, vaikka muutama ehdotus olisi kehno. Jos taas käytät tekoälyn antamaa tietoa sopimuksessa, talouslaskelmassa, viranomaisviestinnässä tai päätöksenteon pohjana, tilanne on aivan toinen.
Hyvä nyrkkisääntö on yksinkertainen:
Mitä suuremmat seuraukset virheellisellä tiedolla olisi, sitä tärkeämpää tieto on tarkistaa.
Tarkistamisen tarve kasvaa erityisesti silloin, kun kyse on esimerkiksi terveydestä, juridiikasta, taloudesta, turvallisuudesta, lainsäädännöstä tai muusta ajantasaisesta tiedosta. Sama koskee yrityksen tai organisaation nimissä julkaistavaa faktatietoa: vastuu julkaistusta sisällöstä ei siirry tekoälylle.
Kysy itseltäsi ennen kuin käytät vastausta
Tekoälyn tuottaman tiedon kohdalla voi tehdä nopean kolmen kysymyksen tarkistuksen:
Mitä tapahtuu, jos tämä tieto on väärin?
Perustuuko vastaus lähteeseen, jonka voin tarkistaa?
Onko kyse faktasta vai tekoälyn tekemästä tulkinnasta?
Jos ensimmäiseen kysymykseen vastaus on “tästä voisi aiheutua oikeasti ongelmia”, alkuperäinen lähde kannattaa tarkistaa.
Tekoälyltä voi myös pyytää apua tämän arvioimiseen:
Arvioi, mitkä tämän vastauksen tiedot minun pitäisi tarkistaa ennen kuin käytän niitä käytännössä. Huomioi erityisesti tiedot, jotka voivat muuttua ajan myötä tai joiden virheellisyydellä voisi olla taloudellisia, oikeudellisia, terveydellisiä, turvallisuuteen liittyviä tai muita merkittäviä seurauksia. Kerro myös, millaisesta alkuperäisestä lähteestä kukin tieto kannattaisi varmistaa.
Tekoälyä ei tarvitse epäillä koko ajan
Tarkoitus ei ole tehdä tekoälyn käyttämisestä raskasta faktantarkistusprojektia.
Ideoinnissa, tekstin muotoilussa, vaihtoehtojen etsimisessä, oman ajattelun haastamisessa ja monissa muissa matalan riskin tehtävissä tekoälyä voi käyttää paljon vapaammin.
Oleellista on oppia tunnistamaan ero kahden tilanteen välillä:
Käytänkö tekoälyä apuna ajattelemaan – vai luotanko sen antamaan tietoon?
Ensimmäisessä tekoäly voi olla erinomainen työpari. Jälkimmäisessä tarvitaan myös lähdekritiikkiä.
Valehteleeko tekoäly siis?
Ei varsinaisesti. Tekoäly ei valehtele samalla tavalla kuin ihminen, koska sillä ei ole tarkoitusta johtaa sinua harhaan. Se voi silti tuottaa väärää tietoa erittäin vakuuttavasti.
Siksi tekoälyn kanssa tärkeä taito ei ole vain hyvien promptien kirjoittaminen. Yhtä tärkeää on osata arvioida, mihin vastaus perustuu, mitä siitä kannattaa tarkistaa ja milloin tekoälylle pitää antaa enemmän tietoa ennen kuin siltä voi odottaa hyvää vastausta.
Luotettavampia vastauksia saat, kun annat tekoälylle riittävästi taustatietoa ja lähdeaineistoa, kiellät sitä täydentämästä puuttuvia tietoja arvauksilla, pyydät erottamaan faktat tulkinnoista ja tarkistat tärkeät tiedot alkuperäisistä lähteistä.
Tekoälyä ei siis tarvitse pelätä siksi, että se voi olla väärässä. Sen sijaan kannattaa oppia käyttämään sitä niin, ettei vakuuttava vastaus automaattisesti tarkoita sinulle oikeaa vastausta.
Tekoäly luotettavaksi: kopioi tämä prompti luotettavampiin vastauksiin
Tämän ohjeen voi tallentaa ja lisätä esimerkiksi sellaisiin tehtäviin, joissa vastauksen oikeellisuudella on merkitystä:
Vastaa vain sellaisten tietojen perusteella, joista voit olla perustellusti varma. Älä keksi puuttuvia tietoja, lähteitä tai yksityiskohtia.
Jos et tiedä tai pysty varmistamaan jotakin asiaa, sano se selvästi.
Erottele toisistaan varmistetut tiedot, omat tulkintasi ja epävarmat tiedot. Jos käytät lähteitä, suosi alkuperäisiä ja ajantasaisia lähteitä ja varmista, että lähde todella tukee esittämääsi väitettä.
Kerro lopuksi, mitkä vastauksesi tiedot minun kannattaa vielä tarkistaa alkuperäisestä lähteestä ennen niiden käyttämistä.
Tärkeä huomio: tällainenkaan prompti ei tee tekoälystä erehtymätöntä. Se ei ole taikakomento, joka poistaa virheet tai hallusinaatiot. Sen tarkoitus on ohjata tekoälyä tuomaan epävarmuudet paremmin näkyviin ja vähentämään perusteettomia oletuksia.
Paras tekoälytaito ei ehkä ole promptaaminen
Tekoälytyökaluja tulee lisää, niiden ominaisuudet muuttuvat ja tämän päivän parhaat promptit voivat näyttää muutaman vuoden päästä vanhanaikaisilta.
Yksi taito säilyy silti.
Älä kysy vain: “Mitä tekoäly vastasi?”
Kysy myös:
“Mihin tämä vastaus perustuu – ja onko minulla syytä luottaa siihen?”
Kun tämän muistaa, tekoälystä tulee huomattavasti hyödyllisempi työpari.
Ei siksi, että se olisi aina oikeassa.
Vaan siksi, että sinä osaat tunnistaa, milloin sen pitää olla.
Vinkki: tallenna ohje pysyväksi
Jos käytät ChatGPT:tä säännöllisesti, luotettavuutta koskevaa ohjetta ei tarvitse kirjoittaa jokaiseen keskusteluun erikseen. Voit lisätä sen ChatGPT:n mukautettuihin ohjeisiin asetuksissa. Mukautetut ohjeet ovat käytettävissä myös maksuttomassa ChatGPT:ssä.
Muista kuitenkin, ettei mukautettu ohjekaan takaa virheettömiä vastauksia. Se ohjaa tekoälyn toimintaa, mutta tärkeät tiedot kannattaa edelleen tarkistaa alkuperäisistä lähteistä.
Tekoälystä puhutaan paljon, mutta yrityksen kannalta olennaisin kysymys ei ole, mitä kaikkea tekoäly osaa, vaan miten tekoälyä voidaan hyödyntää yrityksen arjessa. Olennaista on löytää ne kohdat omasta työstä, joissa siitä on oikeasti hyötyä. Parhaimmillaan tekoäly säästää aikaa, vähentää turhaa työtä ja vapauttaa aikaa siihen, missä ihmistä oikeasti tarvitaan.
Tekoälystä on eniten hyötyä siellä, missä työ oikeasti tapahtuu
Tekoälyn käyttöönotto ei tarkoita sitä, että yrityksen pitäisi hankkia kerralla uusia järjestelmiä tai automatisoida koko toimintansa. Usein paras paikka aloittaa löytyy paljon lähempää: yhdestä toistuvasta työtehtävästä, johon kuluu viikosta toiseen tarpeettoman paljon aikaa.
Se voi olla sähköposteihin vastaamista, sisältöjen suunnittelua, pitkien aineistojen läpikäyntiä, tarjousten valmistelua tai tiedon etsimistä useasta eri paikasta. Kun tällainen työvaihe tunnistetaan, voidaan miettiä, voisiko tekoäly tehdä siitä osan nopeammin – tai ainakin helpottaa ihmisen työtä.
Hyvä lähtökohta on siis yksinkertainen: älä aloita työkalusta. Aloita ongelmasta.
7 käytännön tapaa hyödyntää tekoälyä yrityksessä
Tekoälyn hyödyntämisen ei tarvitse alkaa suuresta projektista. Usein jo yhden arkisen työvaiheen tekeminen fiksummin voi säästää yllättävän paljon aikaa. Tässä seitsemän näkökohtaa, joista käsin oman yrityksen arkea kannattaa tarkastella.
1. Sisältöjen ideointi ja ensimmäisten luonnosten tekeminen
Tyhjän sivun tuijottaminen vie yllättävän paljon aikaa. Tekoälyä voi käyttää esimerkiksi somejulkaisujen, uutiskirjeiden, verkkosivutekstien tai blogiartikkeleiden ideointiin ja ensimmäisten luonnosten tekemiseen.
Valmista sisältöä ei kuitenkaan kannata julkaista sellaisenaan. Yrityksen oma näkökulma, asiantuntemus ja äänensävy tekevät sisällöstä kiinnostavaa – tekoäly voi nopeuttaa matkaa ensimmäisestä ajatuksesta valmiiseen tekstiin.
Kokeile käytännössä: anna tekoälylle pelkän aiheen sijaan myös kohderyhmä, tavoite, haluttu sävy ja tieto siitä, mitä lukijan pitäisi sisällön jälkeen tietää tai tehdä.
Kohderyhmä: [kenelle sisältö on tarkoitettu] Tavoite: [mitä haluan lukijan ymmärtävän, tuntevan tai tekevän] Kanava: [esim. verkkosivu, LinkedIn, Instagram, uutiskirje] Äänensävy: [esim. asiantunteva, helposti lähestyttävä ja selkeä]
Ehdota ensin 5 erilaista näkökulmaa aiheeseen. Älä kirjoita vielä valmista sisältöä.
Kerro jokaisesta näkökulmasta lyhyesti: – mikä on sen pääajatus – miksi se voisi kiinnostaa kohderyhmää – millainen otsikko tai aloitus voisi herättää huomion.
Vältä itsestäänselvyyksiä ja yleisiä markkinointifraaseja. Älä keksi faktoja, lukuja tai lähteitä. Jos näkökulma edellyttäisi tietoa, jota en ole antanut, kerro mitä tietoa tarvitset.
Miksi ensin vain näkökulmat? Kun tekoälyä pyytää kirjoittamaan heti valmiin tekstin, se päättää samalla puolestasi, mistä näkökulmasta aihetta käsitellään. Pyytämällä ensin vaihtoehtoja säilytät itse paremmin sisällön suunnan ja voit käyttää tekoälyä aidosti ideoinnin apuna.
2. Paperisten aineistojen muuttaminen sähköiseen muotoon
Kaikki yrityksen tai organisaation tarvitsema tieto ei aina löydy valmiiksi sähköisessä muodossa. Arkistosta voi löytyä esimerkiksi vanha suunnitelma, ohje, lomake, taulukko tai muu paperinen aineisto, josta tarvittaisiin muokattava ja nykyaikainen digitaalinen versio.
Tekoäly voi nopeuttaa tällaista työtä huomattavasti. Paperisen aineiston voi esimerkiksi kuvata tai skannata ja tekoälyn avulla sen sisältö voidaan tunnistaa, jäsentää ja muotoilla uudelleen haluttuun muotoon. Lopputuloksena voi olla vaikkapa selkeä tekstiasiakirja, taulukko, päivitetty ohje tai uuden dokumentin ensimmäinen luonnos.
Oleellista on kuitenkin tarkistaa tekoälyn tuottama sisältö alkuperäistä aineistoa vasten. Myös tietosuoja, tietoturva ja käytettävän tekoälypalvelun ehdot täytyy huomioida ennen aineiston syöttämistä palveluun – kaikkea materiaalia ei voi käsitellä missä tahansa tekoälypalvelussa.
Kokeile käytännössä: etsi työstäsi paperinen dokumentti, jonka tietoja joudutaan edelleen käyttämään tai kopioimaan käsin. Mieti ensin, millaisessa sähköisessä muodossa siitä olisi eniten hyötyä, ja pyydä vasta sen jälkeen tekoälyä muodostamaan aineistosta halutunlainen rakenne.
Kokeile tällä promptilla:
Olen liittänyt mukaan kuvan/skannauksen paperimuotoisesta asiakirjasta.
Muunna sen sisältö sähköiseen, muokattavaan muotoon. Säilytä kaikki alkuperäisen asiakirjan asiasisältö, mutta jäsennä se selkeästi otsikoiden, kappaleiden ja tarvittaessa luetteloiden tai taulukon avulla.
Älä keksi tai täydennä puuttuvia tietoja. Jos jokin kohta ei erotu kuvasta varmasti, merkitse se muodossa [epäselvä].
Tarkista lopuksi, että kaikki kuvassa näkyvä olennainen sisältö löytyy sähköisestä versiosta.
Muotoile lopputulos niin, että voin siirtää sen helposti [Word-asiakirjaan / Excel-taulukkoon / uuteen ohjeeseen / lomakepohjaan]
Vielä parempi lopputulos syntyy, kun kerrot tekoälylle myös, mihin dokumenttia käytetään. Esimerkiksi: “Tästä tulee henkilöstölle tarkoitettu työohje. Tee rakenteesta helposti silmäiltävä, mutta älä muuta alkuperäisen ohjeen sisältöä.”
3. Pitkien aineistojen tiivistäminen ja olennaisen tiedon löytäminen
Pitkän raportin, sopimuksen, selvityksen tai muun aineiston läpikäymiseen voi kulua paljon aikaa – etenkin silloin, kun siitä etsitään vain muutamaa tiettyä asiaa. Tekoäly voi auttaa hahmottamaan laajoja kokonaisuuksia, tekemään niistä tiivistelmiä ja etsimään aineistosta juuri haluttuun kysymykseen liittyviä kohtia.
Pelkkä “tiivistä tämä” ei kuitenkaan välttämättä tuota kovin hyödyllistä lopputulosta. Kannattaa kertoa, miksi aineistoa luetaan ja mitä siitä halutaan saada selville. Sama dokumentti voidaan tiivistää aivan eri tavalla esimerkiksi yrityksen johdolle, markkinointia suunnittelevalle tai henkilölle, joka etsii siitä tiettyjä velvoitteita ja määräaikoja.
Tekoälyä voi käyttää myös useamman dokumentin vertailuun: esimerkiksi etsimään aineistoista yhteisiä teemoja, eroavaisuuksia tai ristiriitaisia tietoja. Mitä tärkeämmästä tiedosta on kyse, sitä tärkeämpää on kuitenkin tarkistaa tekoälyn tekemät havainnot alkuperäisestä lähteestä.
Kokeile tällä promptilla
Tutustu liittämääni aineistoon. Älä tee vielä yleistä tiivistelmää, vaan etsi siitä erityisesti [kerro, mitä haluat selvittää].
Kerro:
tärkeimmät tähän kysymykseen liittyvät havainnot
mahdolliset päätökset, velvoitteet, määräajat tai luvut
asiat, jotka jäävät aineiston perusteella epäselviksi.
Perusta vastauksesi vain toimittamaani aineistoon. Älä täydennä puuttuvia tietoja omilla oletuksillasi. Jos aineistosta ei löydy vastausta johonkin kysymykseen, sano se suoraan.
Kerro jokaisen keskeisen havainnon yhteydessä, mistä kohdasta aineistoa tieto löytyy, jotta voin tarkistaa sen alkuperäisestä lähteestä.
4. Sähköpostien, viestien ja vastausten luonnostelu
Sähköposteihin ja erilaisiin viesteihin vastaaminen vie helposti yllättävän suuren osan työpäivästä. Tekoälystä voi olla apua etenkin silloin, kun vastaus pitäisi muotoilla selkeästi, tiivistää pitkä viestiketju tai sovittaa viesti eri vastaanottajille.
Tekoälylle ei tarvitse eikä myöskään kannata antaa tehtäväksi koko viestin kirjoittamista. Sitä voi käyttää esimerkiksi oman luonnoksen selkeyttämiseen, liian pitkän tekstin tiivistämiseen tai sävyn tarkistamiseen. Näin oma asiantuntemus ja ajatus säilyvät tekstin pohjana, mutta viimeistelyyn kuluu vähemmän aikaa.
Hyvä lopputulos syntyy yleensä silloin, kun tekoäly tietää kenelle viesti kirjoitetaan, mitä sillä halutaan saavuttaa ja miltä sen pitäisi kuulostaa. Myös tässä kannattaa huomioida tietosuoja ja välttää luottamuksellisten tai henkilötietoja sisältävien viestien syöttämistä palveluun, ellei käytössä oleva tekoälyratkaisu sovellu niiden käsittelyyn.
Kokeile tällä promptilla
Muokkaa alla olevasta luonnoksestani selkeä ja luonteva sähköposti.
Vastaanottaja: [kenelle viesti menee] Tavoite: [mitä haluan viestillä saada aikaan] Sävy: [esim. ystävällinen, asiantunteva ja helposti lähestyttävä]
Säilytä kaikki olennaiset asiat ja oma näkökulmani. Älä lisää uusia faktoja tai lupauksia, joita alkuperäisessä tekstissä ei ole.
Vältä turhaa kapulakieltä ja tekoälymäiseltä kuulostavia ilmaisuja. Kirjoita luonnollista suomea.
Luonnokseni: [liitä teksti tähän]
5. Toistuvien työtehtävien tunnistaminen ja automatisointi
Kaikkea toistuvaa työtä ei tarvitse tehdä käsin. Jos sama tieto kopioidaan viikosta toiseen järjestelmästä toiseen, samanlaisia viestejä käsitellään jatkuvasti tai jonkin työvaiheen tekeminen vaatii aina samat muutamat klikkaukset, kannattaa pysähtyä miettimään, voisiko ainakin osan työstä automatisoida.
Tekoäly voi auttaa jo ennen varsinaisen automaation rakentamista. Sille voi kuvata nykyisen työprosessin vaihe vaiheelta ja pyytää tunnistamaan kohdat, joissa tehdään toistuvaa käsityötä. Tämän jälkeen voidaan arvioida, mikä kannattaa automatisoida, mikä jättää ihmisen tehtäväksi ja missä tekoäly voisi toimia osana prosessia.
Esimerkiksi verkkosivun yhteydenottolomakkeelta tuleva viesti voidaan ohjata oikealle henkilölle sen sisällön perusteella, asiakkaan antamista tiedoista voidaan muodostaa valmiin dokumentin luonnos tai eri järjestelmistä tulevaa tietoa voidaan koota automaattisesti yhteen paikkaan.
Tavoitteena ei ole automatisoida kaikkea mahdollista. Hyvä automaatio poistaa turhaa työtä – ei ihmisen harkintaa sieltä, missä sitä tarvitaan.
Kokeile tällä promptilla
Toimi työprosessien kehittämisen asiantuntijana. Haluan selvittää, voisiko seuraavaa toistuvaa työtehtävää tehdä fiksummin tekoälyn tai automaation avulla.
Nykyinen työprosessi: [kuvaa vaihe vaiheelta, mitä tapahtuu nyt]
Kuinka usein työ tehdään: [esim. päivittäin / 20 kertaa kuukaudessa]
Mihin kuluu eniten aikaa: [kerro havaintosi]
Analysoi prosessi ja kerro:
mitkä vaiheet voisi mahdollisesti automatisoida
missä tekoälystä voisi olla hyötyä
mitkä vaiheet kannattaa edelleen jättää ihmisen tehtäväksi
mitä tietoja tai järjestelmiä mahdollinen toteutus vaatisi
mikä olisi yksinkertaisin tapa kokeilla ratkaisua pienessä mittakaavassa.
Älä oleta, että automaatio on aina paras ratkaisu. Jos nykyinen toimintatapa on järkevämpi, kerro myös se.
6. Ideoiden kehittäminen ja oman ajattelun haastaminen
Tekoälystä voi olla hyötyä myös silloin, kun mitään varsinaista tuotosta ei vielä tarvita. Sitä voi käyttää keskustelukumppanina uuden idean kehittämiseen, vaihtoehtojen etsimiseen tai oman suunnitelman heikkouksien tunnistamiseen.
Tässä on kuitenkin yksi sudenkuoppa: jos tekoälylle esittelee oman ideansa ja kysyy vain, “onko tämä hyvä idea?”, vastaukseksi saa helposti varsin myönteisen arvion. Hyödyllisempää on pyytää tekoälyä tarkoituksella haastamaan ajatusta.
Voit esimerkiksi pyytää sitä tarkastelemaan suunnitelmaa asiakkaan, kilpailijan tai talouden näkökulmasta, etsimään oletuksia, joille ei vielä ole perusteita, tai kertomaan, mikä suunnitelmassa todennäköisimmin epäonnistuu.
Tekoäly ei tee päätöstä puolestasi. Parhaimmillaan se auttaa näkemään kysymyksiä, joita et itse vielä huomannut kysyä.
Kokeile tällä promptilla
Toimi kriittisenä sparrauskumppanina. Älä pyri vahvistamaan ajatustani, vaan auta minua löytämään siitä heikkoudet, puuttuvat näkökulmat ja perusteettomat oletukset.
Ideani tai suunnitelmani: [kuvaa idea tähän]
Tarkastele sitä ainakin seuraavista näkökulmista:
Mikä tässä on vahvaa?
Mitkä oletukset voivat olla vääriä?
Mitä olen mahdollisesti jättänyt huomioimatta?
Mitkä ovat kolme todennäköisintä syytä sille, että idea ei toimisi?
Miten ideaa voisi parantaa näiden havaintojen perusteella?
Erottele toisistaan asiat, jotka perustuvat antamiini tietoihin, ja asiat, jotka ovat omia oletuksiasi. Jos tarvitsisit lisää tietoa luotettavan arvion tekemiseen, kysy sitä sen sijaan, että keksisit puuttuvan tiedon.
7. Saman tiedon muokkaaminen eri käyttötarkoituksiin
Sama sisältö tarvitaan työssä usein moneen kertaan eri muodossa. Asiantuntijan kirjoittamasta pitkästä tekstistä voidaan tarvita tiivistelmä verkkosivuille, muutaman dian esitys, asiakasohje, uutiskirje ja somejulkaisu. Ilman tekoälyä jokainen versio tulee helposti kirjoitettua lähes alusta asti.
Tekoäly voi auttaa muokkaamaan jo olemassa olevan sisällön uuteen muotoon ja eri kohderyhmälle sopivaksi. Olennaista on antaa sille alkuperäinen aineisto ja kertoa tarkasti, kenelle uusi sisältö tehdään, missä sitä käytetään ja mitä sillä halutaan saada aikaan.
Tämä on eri asia kuin pyytää tekoälyä kirjoittamaan aiheesta kokonaan uusi teksti. Kun alkuperäinen asiantuntijasisältö toimii lähteenä, ihmisen tieto ja näkökulma säilyvät pohjalla ja tekoäly auttaa ennen kaikkea sisällön jalostamisessa.
Yhdestä hyvästä sisällöstä voi näin syntyä kokonainen sisältökokonaisuus ilman, että jokaista julkaisua tarvitsee aloittaa tyhjästä.
Kokeile tällä promptilla
Käytä vain liittämääni alkuperäistä aineistoa lähteenä.
Muokkaa siitä seuraavat sisällöt:
– verkkosivulle noin 150 sanan tiivistelmä – asiakkaalle selkeä lyhyt ohje – LinkedIn-julkaisu – lyhyt Instagram- tai Facebook-julkaisu – viiden kohdan runko esitystä varten.
Kohderyhmä: [kenelle sisältö tehdään] Tavoite: [mitä vastaanottajan pitäisi ymmärtää tai tehdä] Äänensävy: [esim. asiantunteva, selkeä ja helposti lähestyttävä]
Säilytä alkuperäisen aineiston faktat ja merkitys. Älä lisää uusia tietoja, väitteitä, lukuja tai esimerkkejä, joita lähdeaineistossa ei ole.
Älä vain lyhennä samaa tekstiä eri mittoihin, vaan muokkaa rakennetta ja esitystapaa kunkin kanavan ja kohderyhmän mukaan.
Tekoäly ei korvaa alkuperäistä asiantuntemusta – se voi auttaa saamaan siitä enemmän irti.
Aloita tarpeesta – älä työkalusta
Tekoälyn hyödyntämisen ei tarvitse alkaa uuden järjestelmän hankkimisesta tai suuresta kehitysprojektista. Hyvä ensimmäinen askel on tarkastella omaa työpäivää ja kysyä: mikä tässä vie turhaan aikaa, toistuu usein tai voisi toimia fiksummin?
Joskus ratkaisu löytyy yksinkertaisesta tekoälypromptista. Joskus olemassa olevan tiedon paremmasta hyödyntämisestä. Joskus taas kannattaa automatisoida kokonainen työvaihe. Kaikkea mahdollista ei kuitenkaan tarvitse – eikä kannata – tehdä tekoälyllä.
Tärkeintä on tunnistaa, mihin ongelmaan ratkaisua oikeastaan etsitään.
Tekoäly on parhaimmillaan työpari: se voi auttaa kirjoittamaan, jäsentämään, etsimään, vertailemaan, ideoimaan ja automatisoimaan. Vastuu lopputuloksesta, harkinnasta ja päätöksistä säilyy kuitenkin ihmisellä.
Löytyisikö sinun työstäsi jotain, jonka voisi tehdä fiksummin?
Kokeile aloittaa yhdestä tehtävästä. Valitse vaikka sellainen, jonka huomaat tekeväsi viikosta toiseen ja jonka kohdalla ajattelet: tähän täytyy olla parempikin tapa.
Loila Digital auttaa tunnistamaan tekoälyn, automaatioiden ja digitaalisten ratkaisujen käytännön mahdollisuuksia sekä viemään niitä osaksi oikeaa työtä. Lähdemme liikkeelle tarpeesta – emme työkalusta.
Parhaan kokemuksen tarjoamiseksi käytämme teknologioita, kuten evästeitä, tallentaaksemme ja/tai käyttääksemme laitetietoja. Näiden tekniikoiden hyväksyminen antaa meille mahdollisuuden käsitellä tietoja, kuten selauskäyttäytymistä tai yksilöllisiä tunnuksia tällä sivustolla. Suostumuksen jättäminen tai peruuttaminen voi vaikuttaa haitallisesti tiettyihin ominaisuuksiin ja toimintoihin.
Toiminnalliset
Aina aktiivinen
Tekninen tallennus tai pääsy on ehdottoman välttämätön oikeutettua tarkoitusta varten, joka mahdollistaa tietyn tilaajan tai käyttäjän nimenomaisesti pyytämän palvelun käytön, tai yksinomaan viestinnän välittämiseksi sähköisen viestintäverkon kautta.
Asetukset
Tekninen tallennus tai pääsy on tarpeen laillisessa tarkoituksessa sellaisten asetusten tallentamiseen, joita tilaaja tai käyttäjä ei ole pyytänyt.
Tilastot
Tekninen tallennus tai pääsy, jota käytetään yksinomaan tilastollisiin tarkoituksiin.Tekninen tallennus tai pääsy, jota käytetään yksinomaan anonyymeihin tilastollisiin tarkoituksiin. Ilman haastetta, Internet-palveluntarjoajasi vapaaehtoista suostumusta tai kolmannen osapuolen lisätietueita pelkästään tähän tarkoitukseen tallennettuja tai haettuja tietoja ei yleensä voida käyttää tunnistamaan sinua.
Markkinointi
Teknistä tallennustilaa tai pääsyä tarvitaan käyttäjäprofiilien luomiseen mainosten lähettämistä varten tai käyttäjän seuraamiseksi verkkosivustolla tai useilla verkkosivustoilla vastaavia markkinointitarkoituksia varten.
