Miksi tekoälyn käyttö ei leviä organisaatiossa?
Yleisin syy on, että osaaminen jätetään parin innostuneen varaan. Kyvykkyys, joka elää muutaman ihmisen päässä, ei ole kyvykkyys vaan pikemminkin avainhenkilöriski. Todellinen kyvykkyys on rakennettu rooleihin, prosesseihin ja perehdytykseen läpi koko organisaation.
On tyypillistä, että tekoäly otetaan käyttöön nopeimmin siellä, missä joku innostuu. Se on hyvä alku ja huono päämäärä. Kun kyvykkyys jää muutaman innostuneen varaan, jäävät hyödyt auttamatta vaatimattomiksi. Samalla organisaatio on rakentanut kyvykkyytensä yksittäisten yksilöiden varaan, ei koko joukkueen voimavaraksi.
Kokemustemme mukaan yksi yleisimmistä syistä siihen, miksi tekoälyn käyttö ei laajene, on se, että siihen liittyvä osaaminen mielletään hyvin usein tekniseksi asiaksi, jota se harvoin tänä päivänä enää on. En ole tekninen ihminen -mindset tuntuu olevan yksi suurimmista esteistä teknologian hyödyntämiselle. Totuus on kuitenkin, että useimmat modernit työkalut eivät enää vaadi teknistä osaamista alkuun pääsemiseksi. Ne vaativat rohkeutta kokeilla. Nykyaikaiset sovellukset on rakennettu niin, että kuka tahansa pääsee helposti alkuun – ilman koodaustaitoja tai IT-taustaa.
Teknisen osaamisen tarve vähenee päivä päivältä. Sen sijaan korostuvat prosessiajattelu, vaatimusmäärittely, teknologisten mahdollisuuksien ja riskien hahmottaminen sekä liiketoimintaymmärrys. Mikään näistä ei varsinaisesti ole tekninen asia, mutta kaikki vaativat harjoittelua siinä missä muutkin asiat.
Olemme nähneet teknisen osaamisen tarpeen vähenemisen tosielämän esimerkein. Tavan toimistotyöntekijät (ei-tekniset) luovat teknologialla asioita, joilla on ihan merkittäviä liiketoimintavaikutuksia ja joihin he eivät olisi vielä vuosi takaperin olleet lainkaan kykeneväisiä. Asioita, jotka olisi vielä pari vuotta sitten ostettu ulkopuolisilta toimittajilta isolla rahalla.
Osaamista ei pidä tekoälyn osalta ulkoistaa yksittäisille ihmisille. Tekoälyn käyttötaidot ovat välttämättömiä ihan jokaiselle. Ja kun organisaation sisällä ihmiset voimaantuvat ja innostuvat omista kyvyistään, se tarttuu myös muihin.
Voit miettiä organisaatiosi potentiaalia seuraavan kysymyksen kautta: mihin organisaatiomme pystyisi, jos kaikki olisivat tekoälyn käytössä yhtä kyvykkäitä kuin edistyneimmät käyttäjämme?
Miksi tekoälyosaaminen polarisoituu?
Näemme Astu Labsin asiakastyössä saman jakauman, jonka Työterveyslaitoksen ja Tilastokeskuksen vuonna 2025 toteuttama yrityskysely vahvistaa: tekoäly leviää organisaatioissa epätasaisesti. Yli puolet (51 %) vähintään kymmenen hengen suomalaisyrityksistä käyttää jo tekoälyä, mutta käyttö polarisoituu. Innostuneet karkaavat kauas, muut jäävät paikoilleen, eikä kukaan johda kuilua umpeen.
Toisaalta on hyvä kysyä itseltään, onko koko organisaation laajuista muutosta ja kyvykkyyttä edes lähdetty tavoittelemaan. MIT:n NANDA-hankkeen selvitys (2025) toteaa, että vain noin 40 prosentilla yrityksistä on virallinen tekoälytyökalu, vaikka yli 90 prosentissa yrityksistä työntekijät käyttävät tekoälytyökaluja säännöllisesti omin päin.
Tästä seuraa väite, joka on helppo ohittaa mutta kallis sivuuttaa: kyvykkyys, joka elää parin ihmisen päässä, ei ole kyvykkyys. Se on avainhenkilöriski. Kyvykkyys on todellinen vasta, kun se on rakennettu rooleihin, prosesseihin, perehdytykseen ja yhteisiin tapoihin tehdä työtä. Sillä rakentamisella on nimi: institutionalisointi.
Ja tässä tekoäly on yhtä aikaa uhka ja väline. Uhka, koska se kiihdyttää osaamisen polarisaatiota nopeammin kuin yksikään aiempi työväline. Väline, koska harva aiempi teknologia on pystynyt siihen, mihin tekoäly pystyy: se saa vuosien aikana muistioihin, raportteihin ja järjestelmiin kertyneen tiedon ja ymmärryksen ulos siiloista koko organisaation haettavaksi. Asiantuntijayrityksessä, jossa arvo on aina levännyt harvojen seniorien osaamisen varassa, tämä on poikkeuksellisen suuri lupaus. Tekoäly voi tehdä kertyneestä ymmärryksestä haettavaa, jaettavaa ja perehdytettävää.
Mitä osaamista tekoälylle voi siirtää — ja mikä jää ihmisille?
Filosofi Michael Polanyi muotoili vuonna 1966 ajatuksen, joka on tekoälyaikana tärkeämpi kuin koskaan: tiedämme enemmän kuin osaamme kertoa. Arvokkainta osaamista eli sitä, miksi kokenut asiantuntija tekee oikean ratkaisun sekunnissa intuitioonsa nojaten — ei voi koskaan täysin kirjoittaa muistioon. Tästä syntyy institutionalisoinnin kaksi tasoa. Eksplisiittinen, dokumentoitu mutta siiloutunut tieto on juuri sitä, minkä tekoäly saa haettavaksi ja jaettavaksi. Samalla se pienentää riskiä, joka realisoituu, kun osaaja lähtee ja vie mukanaan sen, mitä kukaan muu ei tiennyt. Mutta syvin hiljainen tieto pysyy ihmisissä. Ja mitä enemmän eksplisiittinen tieto automatisoituu, sitä arvokkaammaksi hiljainen käy. Tekoäly ei poista ihmisten merkitystä, se nostaa sitä.
Sama varaus näkyy kokeellisessa näytössä. Kun Dell’Acqua ja kollegat antoivat kenttäkokeessa satojen konsulttien käyttää tekoälyä (2023; vertaisarvioituna Organization Science -lehdessä 2026), suoritus parani selvästi tehtävissä, jotka osuivat tekoälyn kyvykkyysalueelle, ja heikkeni tehtävissä, jotka näyttivät samanlaisilta, mutta osuivat sen kyvykkyyden ulkopuolelle. Ihmiset luottivat vakuuttavaan mutta virheelliseen tuotokseen. Ratkaiseva taito ei ollut tekoälyn käyttö vaan arvostelukyky eli tieto siitä, milloin tuotokseen voi luottaa ja milloin ei. Kyseessä on taito, joka ei sisälly lisenssin hintaan. Se on taito, joka rakennetaan ihmisiin.
Hyvä uutinen onkin, ettei polarisaatio ole kohtalo. Brynjolfsson ym. osoittivat (QJE 2025), että tekoäly nosti tuottavuutta keskimäärin noin 15 prosenttia, mutta kokemattomimmilla noin kolmanneksen. Kuilu on siis kurottavissa umpeen, jos osaaminen johdetaan leviämään eikä anneta sen kasaantua.
”Mutta nehän vetävät meillä koko hommaa”
Mutta eikö se ole hyvä asia, että juuri ne pari innostunutta vievät meidän käyttöönottoamme eteenpäin? Toki, sillä sytytykseen tarvitaan innostus. Sytytys ei kuitenkaan ole rakenne. Kun kyvykkyys jää heidän varaansa, kaksi asiaa seuraa väistämättä. Ensinnäkin ihminen ei ole järjestelmä — häntä ei voi dokumentoida, varmuuskopioida eikä skaalata. Toiseksi olette ulkoistaneet tuottavuushyödyt yksittäisten ihmisten työsuhteille ja kasvattaneet sisäistä oppimiskuilua.
Kolme kysymystä, jotka kannattaa kysyä heti
Kannustamme johtoryhmiä tekemään yhden harjoituksen heti seuraavassa kokouksessaan:
- Jos kaksi edistyneintä tekoälyn käyttäjäänne lähtisi, mikä kyvykkyys kävelisi ulos ovesta? Ja onko siitä mitään kirjattuna, prosessissa tai perehdytyksessä? Jos vastaus on ”paljon, eikä juuri mitään”, teillä on riski, ei kyvykkyys.
- Kenen tehtävä on levittää tekoälyosaaminen harvoilta monille? Nimetkää henkilö ja mekanismi. Jos nimeä ei ole, tehtävää ei tehdä.
- Mikä ymmärrys elää tällä hetkellä vain seniorienne päässä ja vanhoissa muistioissa ja minkä osan siitä tekoäly voisi tarjota kaikkien käyttöön jo tänä vuonna? Siinä on institutionalisoinnin ensimmäinen konkreettinen askel.
Osaamisen institutionalisointi on yksi neljästä syystä, miksi jokainen strategiakysymys on lopulta tekoälykysymys. Sen vieressä ovat työnkulut, kustannusrakenne ja hallinta. Ja sen alla on sama perusta, johon koko sivu nojaa: kestävä etu ei ole työkalussa vaan ihmisissä ja siinä, kuinka nopeasti he oppivat.
Lähteet
- Immonen, J., Alasoini, T., Siltala, V., Lukander, K., Toivanen, M., Valtonen, T. & Varje, P. (2026). Tekoälyn hyödyntäminen yrityksissä 2025: Tuloksia Digivihreä siirtymä ja työ -yrityskyselystä. Työterveyslaitos. https://www.julkari.fi/items/9818b4ac-8c2b-4031-be73-c0d8e92221d5 (Kysely toteutettu maalis–heinäkuussa 2025, n = 1 691, vastausprosentti 38,0. Luvut: 51 % käyttää tekoälyä; kirjallinen tekoälystrategia 11 % kaikista / 17 % tekoälyä käyttävistä; 49 % GenAI:ta käyttävistä kouluttanut henkilöstöä; GenAI:n käyttö henkilöstöryhmittäin GenAI:ta käyttävissä yrityksissä: ylin johto 93 %, asiantuntijat 85 %, suorittava työ 18 %.)
- Challapally, A., Pease, C., Raskar, R. & Chari, P. (2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA, MIT Media Lab, heinäkuu 2025. (Varjokäyttö: virallinen kielimallitilaus ~40 %:lla yrityksistä, yli 90 %:ssa yrityksistä työntekijät käyttävät tekoälytyökaluja säännöllisesti omin päin.)
- Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz-Assaf, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F. & Lakhani, K. R. (2023/2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. HBS Working Paper 24-013; vertaisarvioituna Organization Science (2026), DOI 10.1287/orsc.2025.21838.
- Polanyi, M. (1966). The Tacit Dimension. (”We can know more than we can tell.”)
- Brynjolfsson, E., Li, D. & Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics 140(2), 889–942.
