Tekoäly muuttaa työn nopeammin kuin koulut ehtivät mukaan: entinen Google-johtaja vaatii suunnanmuutosta

Koulutus valmistaa yhä ihmisiä maailmaan, jota tekoäly on jo muuttamassa, arvioi Google X:n entinen liiketoimintajohtaja Mo Gawdat. Hänen mukaansa ratkaiseva kysymys ei ole vain se, kuinka älykkäiksi järjestelmät kehittyvät, vaan mihin ihmiset päättävät niitä käyttää. Väitteet ovat Gawdatin tulevaisuustulkintoja, mutta koulutuksen uudistamisen tarve saa tukea myös OECD:n tuoreista selvityksistä.

Tekoälystä puhutaan helposti kilpailuna, jossa jokaisen koulun, yrityksen ja työntekijän pitäisi ottaa uusin työkalu käyttöön mahdollisimman nopeasti. Mo Gawdat haluaa kääntää järjestyksen toisin päin: ensin pitäisi päättää, mitä ongelmaa ollaan ratkaisemassa ja millaista tulevaisuutta tavoitellaan.

Gawdatin mukaan tekoälyn pitäisi palvella selkeää tarkoitusta eikä muuttua tarkoitukseksi itsessään. Ajatus kuulostaa yksinkertaiselta, mutta se osuu suoraan nykyiseen paineeseen lisätä tekoälyä lähes jokaiseen palveluun riippumatta siitä, parantaako se lopputulosta.

Elokuussa 2026 Love Tomorrow -kanavalla julkaistussa puheenvuorossa Gawdat yhdistää tekoälyn kehityksen koulutukseen, työelämään ja ihmiskunnan arvoihin. Esityksen nimi The Future of Intelligence: Chasing Utopia viittaa samalla hänen vuonna 2026 julkaistuun Chasing Utopia -dokumenttielokuvaansa.

Gawdat työskenteli aiemmin Google X:n liiketoimintajohtajana. Googlen niin sanotussa moonshot-yksikössä kehitettiin kunnianhimoisia tulevaisuushankkeita, joten hänen varoituksensa perustuvat teknologia-alan sisäiseen kokemukseen. Se ei kuitenkaan tee hänen ennusteistaan tieteellistä yksimielisyyttä.

Puheenvuoro on ennen kaikkea näkemyksellinen esitys. Gawdat ei julkista siinä uutta tutkimusta, joka todistaisi hänen kuvaamansa kehityskulut tai aikataulut varmoiksi. Hänen vahvimmillaan olevat huomiot koskevatkin ennustamisen sijasta niitä valintoja, joita koulut, yritykset ja päättäjät tekevät jo nyt.

Koulutus valmistaa vanhenevaan maailmaan

Yksi Gawdatin terävimmistä väitteistä kohdistuu koulutusjärjestelmään. Hänen mukaansa se valmistaa ihmisiä maailmaan, jota ei enää ole. Kärjistyksen ydin on siinä, että opetuksen rakenteet ja tavoitteet muuttuvat hitaasti samaan aikaan, kun tekoäly ottaa haltuunsa uusia tiedollisia ja rutiininomaisia tehtäviä.

Tästä ei seuraa, että lukeminen, kirjoittaminen, matematiikka tai laaja yleissivistys olisivat menettäneet merkityksensä. Päinvastoin tekoälyn tuottamien vastausten arviointi vaatii perustietoja, käsitteiden ymmärtämistä ja kykyä huomata, milloin vakuuttavasti muotoiltu tulos on väärä.

Gawdatin varoitus saa silti tukea OECD:n työstä. Järjestö katsoo, että tekoälyn kehittyvät kyvyt pakottavat arvioimaan uudelleen, mitä taitoja koulutuksessa painotetaan, mistä voidaan vähentää ja miten oppiminen muuttuu tekoälyn vaikutuksesta.

OECD:n vuonna 2026 julkaisemassa Skills in the AI Age -raportissa laadukkaiden opetussuunnitelmien keskeisiksi osa-alueiksi nostetaan tekoälylukutaito, kriittinen ajattelu, data-analyysi ja ongelmanratkaisu. Luettelo ei korvaa perinteisiä perustaitoja, vaan kuvaa sitä, mitä niiden rinnalle tarvitaan.

Raportin mukaan alle prosentti työntekijöistä tarvitsee edistyneitä tekoälytaitoja, kuten mallien ohjelmointia tai kehittämistä. Paljon useampi tarvitsee kykyä käyttää digitaalisia välineitä sekä tulkita ja arvioida dataa. Tämä on tärkeä rajaus, sillä tulevaisuuteen valmistautuminen ei tarkoita, että jokaisesta oppilaasta pitäisi kouluttaa koneoppimisinsinööri.

Koulun haaste on opettaa samanaikaisesti työkalujen käyttöä ja riippumattomuutta niistä. Oppilaan pitäisi osata hyödyntää tekoälyä luonnosteluun, tiedon järjestämiseen tai vaihtoehtojen tutkimiseen, mutta myös ratkaista tehtäviä ilman sitä ja perustella, miksi vastaus on luotettava.

Suomalaisessa arjessa tämä voi tarkoittaa esimerkiksi sitä, ettei tekoälyn tekemää tiivistelmää arvioida vain sujuvan kielen perusteella. Oppilaan on pystyttävä jäljittämään väitteet alkuperäisiin lähteisiin, tunnistamaan puuttuva asiayhteys ja kertomaan, missä kohdassa ihmisen oma harkinta vaikutti lopputulokseen.

Tarkoitus ratkaisee enemmän kuin työkalu

Gawdatin toinen keskeinen ajatus koskee tekoälyn tarkoitusta. Jos organisaatio päättää ensin, että sen on käytettävä tekoälyä, varsinainen ongelma joudutaan helposti keksimään vasta jälkikäteen. Silloin teknologia voi lisätä kustannuksia, virheitä ja monimutkaisuutta tuottamatta selvää hyötyä.

Koulussa hyvä tavoite voi olla opettajan hallinnollisen työn vähentäminen tai oppilaalle annettavan palautteen nopeuttaminen. Huono lähtökohta on lisätä tekoälypalvelu opetukseen vain siksi, että muutkin koulut tekevät niin.

Työpaikalla sama ero näkyy siinä, mitataanko tekoälyhanketta käyttömäärällä vai vaikutuksella. Työntekijöiden tuhannet tekoälykyselyt eivät vielä osoita, että asiakkaan saama palvelu olisi parantunut, työaika lyhentynyt tai virheiden määrä vähentynyt.

Myös journalismissa ja sisällöntuotannossa työkalu voi nopeuttaa aineiston järjestämistä, mutta julkaisun tarkoituksena ei ole tuottaa mahdollisimman paljon tekstiä. Jos lopputulos on epätarkkaa, samanlaista kuin kaikkialla muualla tai vailla toimituksellista vastuuta, tehokkuus on näennäistä.

Tarkoituksen määrittely pakottaa pohtimaan myös sitä, kenelle hyödyt ja haitat kertyvät. Yritys voi säästää työaikaa samalla, kun asiakkaan on entistä vaikeampi tavoittaa ihmistä. Koulu voi automatisoida arviointia, mutta oppilas ei välttämättä ymmärrä, millä perusteella hänen suoritustaan arvioitiin.

Gawdatin ohjeen käytännöllinen ydin on siksi mitattavissa. Ennen käyttöönottoa pitäisi määritellä tavoite, hyväksyttävät riskit, ihmisen vastuu ja tapa todeta, onnistuiko ratkaisu. Tekoälyn käyttäminen ei itsessään ole onnistumisen mittari.

Tekoäly ei päätä arvojaan yksin

Love Tomorrow -puheenvuoron kolmas suuri teema on ajatus siitä, että tekoälystä tulee sellaista kuin ihmiskunta sille opettaa. Gawdat käyttää tekoälystä usein lapsivertausta: kehittyvä järjestelmä oppii ympäristöstään, joten ihmisten esimerkeillä ja tavoitteilla on väliä.

Vertaus on havainnollinen, mutta sitä ei pidä tulkita liian kirjaimellisesti. Nykyiset tekoälymallit eivät kasva ihmislasten tavoin. Niiden käyttäytymiseen vaikuttavat koulutusaineisto, järjestelmälle asetetut tavoitteet, ihmispalaute, turvallisuusrajat ja se ympäristö, jossa mallia käytetään.

Ihmisten arvot tulevat mukaan kaikissa näissä vaiheissa. On päätettävä, mitä aineistoa käytetään, mitä virheitä pidetään vakavimpina, millaisia vastauksia estetään ja saako järjestelmä esimerkiksi tehdä päätöksiä työntekijästä, potilaasta tai lainanhakijasta.

Sama tekninen kyky voi palvella hyvin erilaisia tarkoituksia. Hahmontunnistusta voidaan käyttää sairauden löytämiseen kuvasta, metsäkadon seurantaan, työntekijöiden valvontaan tai sotilaallisen kohteen tunnistamiseen. Älykkyys ei yksin ratkaise, mikä käyttötapa valitaan.

Chasing Utopia -dokumentin virallinen aineisto nostaa esiin tekoälyn myönteisiä sovelluksia esimerkiksi proteiinien rakenteen ennustamisessa, raskaudenaikaisissa ultraäänitutkimuksissa ja luonnon monimuotoisuuden seurannassa. Gawdatin utopia ei siten tarkoita teknologian pysäyttämistä, vaan sen suuntaamista yhteisiin ongelmiin.

Tämän vastakohtana ovat valvonta, autonomiset aseet, manipulointi ja taloudellisen vallan keskittyminen. Gawdat varoittaa erityisesti siitä, että kilpailu voi pakottaa valtiot ja yritykset ottamaan järjestelmiä käyttöön ennen kuin niiden seuraukset ymmärretään kunnolla.

Ajatus tekoälyn kasvattamisesta hyvillä esimerkeillä on saanut myös kritiikkiä. Pelkkä myönteinen aineisto tai hyvän tahdon osoittaminen ei ratkaise sitä, miten erittäin kyvykäs järjestelmä toimii uudessa tilanteessa, ymmärtää ristiriitaisen tavoitteen tai reagoi väärinkäyttöyritykseen.

Gawdatin viestin hyödyllisin tulkinta ei siksi ole lupaus siitä, että tekoälystä tulee automaattisesti hyvä, jos ihmiset käyttäytyvät ystävällisesti. Se on muistutus siitä, ettei kehityksen suunta synny luonnonlakina: yritysten kannustimet, lainsäädäntö, julkiset hankinnat ja käyttäjien valinnat ohjaavat sitä.

Työn muutos ei ole sama asia kuin kaikkien töiden loppu

Gawdat tunnetaan hyvin jyrkistä työelämäennusteista. Hän on arvioinut tekoälyn korvaavan suuren osan tietotyöstä ja aiheuttavan ennen mahdollista vauraampaa tulevaisuutta vaikean yhteiskunnallisen siirtymän.

Tällaisiin aikatauluihin on syytä suhtautua ennusteina eikä varmoina tosiasioina. Tekoälyn tekninen kyky suorittaa tehtävä ei vielä tarkoita, että järjestelmä otetaan kaikkialla käyttöön tai että kokonainen ammatti katoaa. Hintaan, luotettavuuteen, vastuuseen, sääntelyyn ja ihmisten luottamukseen liittyvät esteet voivat hidastaa muutosta.

OECD korostaa samaa epävarmuutta omassa tekoälyn työelämävaikutuksia koskevassa mittarissaan. Todelliset seuraukset riippuvat teknisen suorituskyvyn lisäksi käyttöönotosta, sääntelystä, organisaatioiden muutoksista ja yhteiskunnallisista valinnoista.

Monessa ammatissa ensimmäinen muutos kohdistuu yksittäisiin tehtäviin. Tekoäly voi luonnostella viestin, etsiä poikkeamia aineistosta tai tehdä ensimmäisen version ohjelmakoodista, mutta ihminen vastaa tavoitteesta, tarkistamisesta, poikkeustilanteista ja seurauksista.

Toisaalta tehtävien asteittainen automatisointi voi lopulta vähentää työntekijöiden tarvetta, vaikka ammattinimike säilyisi. Siksi keskustelua ei pidä rajata siihen, katoavatko kokonaiset ammatit. Olennaista on myös se, kenelle tuottavuushyödyt kuuluvat ja saavatko ihmiset mahdollisuuden oppia uusiin tehtäviin.

Gawdatin koulutuskritiikki osuu juuri tähän viiveeseen. Jos osaamisvaatimukset muuttuvat jatkuvasti mutta koulutus nähdään nuoruudessa suoritettavana kertaluonteisena vaiheena, yhä useampi jää työuransa aikana ilman realistista reittiä uuteen osaamiseen.

Mitä tekoälyaikana kannattaa opetella?

Tekoälylukutaito alkaa siitä, että ihminen ymmärtää järjestelmän rajat. Kielimalli voi tuottaa uskottavan vastauksen ilman, että se tietää asian olevan totta. Kuvageneraattori voi tehdä vakuuttavan kuvan tapahtumasta, jota ei ole koskaan sattunut.

Toinen perustaito on lähdekritiikki. Käyttäjän on osattava kysyä, mistä väite on peräisin, voiko alkuperäisen lähteen avata ja ovatko luvut, päivämäärät ja asiayhteys säilyneet oikein. Tekoäly ei poista tarkistamisen tarvetta, vaan voi lisätä sitä.

Kolmas taito on ongelman määrittely. Hyvä vastaus on vaikea saada, jos ihminen ei osaa kertoa, mitä hän oikeastaan yrittää saavuttaa, millä ehdoilla ja kenelle. Tämä kyky säilyy arvokkaana silloinkin, kun käyttöliittymät ja yksittäiset tekoälypalvelut vaihtuvat.

Lisäksi tarvitaan luovuutta, yhteistyötä, viestintää ja kykyä ottaa vastuuta päätöksistä. OECD:n mukaan inhimilliset taidot, kuten ongelmanratkaisu, luovuus ja innovointi, pysyvät tärkeinä, vaikka tekoäly muuttaa tiedon käsittelyä.

Tekoälyosaaminen ei kuitenkaan ole vain työntekijän henkilökohtainen velvollisuus. Jos työnantaja ottaa käyttöön järjestelmän, sen on tarjottava koulutus, selkeät käyttörajat ja tapa ilmoittaa virheistä. Muuten vastuu siirretään käyttäjälle ilman todellista valtaa hallita riskejä.

Vanhemmille ja opettajille Gawdatin viesti tarjoaa hyödyllisen kysymyksen: opetetaanko lapselle vain nykyisen työkalun painikkeet vai kyky arvioida uusia työkaluja itsenäisesti? Jälkimmäinen kestää todennäköisemmin teknologian seuraavan sukupolven.

Utopia tai dystopia syntyy valinnoista

Gawdatin tulevaisuuskuvassa tekoäly voi lisätä sekä vaurautta että eriarvoisuutta. Se voi vapauttaa ihmisiä rutiinityöstä, nopeuttaa tutkimusta ja auttaa ratkaisemaan monimutkaisia ongelmia. Samat kyvyt voivat myös keskittää valtaa, automatisoida valvontaa ja tehdä vahingollisesta toiminnasta halvempaa.

Siksi keskustelua ei voi jättää pelkäksi kuluttajan valinnaksi siitä, käyttääkö hän tekoälypalvelua. Kehityksen suuntaan vaikuttavat yritysten liiketoimintamallit, julkinen tutkimus, kilpailupolitiikka, tietosuoja, työntekijöiden oikeudet ja päätökset siitä, missä tehtävissä ihmisen on säilyttävä vastuussa.

Gawdatin puheessa utopia ei ole ennuste, joka toteutuu teknologian kehittyessä itsestään. Se on tavoite, jonka saavuttaminen vaatisi ihmisiltä parempia päätöksiä juuri siinä vaiheessa, kun taloudellinen ja geopoliittinen kilpailu kannustaa kiirehtimään.

Love Tomorrow -esityksen kestävin ajatus onkin yksinkertainen. Tärkein kysymys ei ole, saadaanko tekoäly toimimaan, vaan mitä sen toiminnalla tavoitellaan. Koulutuksen tehtäväksi jää valmistaa ihmisiä paitsi käyttämään yhä älykkäämpiä järjestelmiä myös arvioimaan, milloin niitä ei pitäisi käyttää.