Tekoäly asiantuntijan oppimisen kumppanina –Tekoälyavusteinen johtamisen OPSn kehittäminen

Tässä kirjoituksessa tarkastellaan tekoälyä erityisesti kehittämis- ja tiedonhakutyökaluna keskittyen opetussuunnitelman tekemiseen johtamisen suuntaumaan tekoälyn avulla. Tätä suunnitelmaa ei ole tarkoitus ottaa käyttöön, vaan ainoastaan testata tekoälyä tällaisen kehittämisen aputyökaluna. Tiedonhakuun käytetyt promptit avataan tekstissä. Lisäksi mainittakoon, että SEAMKin omaa opsia ei ole käytetty tämän opetussuunnitelman pohjana, vaan tämä on tehty tekoälyllä käyttäen ihmistyötä konetyön kumppanina.

Pääsääntöisesti tekoälyä pyydetään tekemään jokin tehtävä tai asia puolesta, kun sitä tulisi käyttää tai sen käyttö pitäisi paremminkin ymmärtää tietoa tiivistäväksi hakukoneeksi ja myös sparraavaksi keskustelukumppaniksi, jonka tekemää pohjaa ryhdytään työstämään ihmistyönä. Selvyyden vuoksi tekoälyllä tehdystä työstä käytetään nimitystä konetyö ja ihmisen tekemästä työstä sanaa ihmistyö. Kuten UEF (i.a.) kirjaston sivustolla todetaan, tekoälysovelluksia voidaan käyttää tieteellisen tiedon haussa monissa eri vaiheessa. Monissa hakuvälineissä on tekoäly integroitu oletusarvona. Tosin vielä ei tekoälyn avulla voi tehdä kattavaa ja systemaattista tiedonhakua. Tämä tarkoittaa sitä, että se ei vielä sisällä kattavaa ja systemaattista hakua, jossa lähteitä olisi eri paikoista (28.11.2025). Pienellä ohjeistuksella tällaista kattavampaa ja systemaattisempaa hakua on kuitenkin käytännössä mahdollisuus saada. Tähän palataan tässä tekstissä myöhemmin.

Tampereen yliopiston kirjaston sivuilla (2025) huomautetaan, että tekoäly on työkalua, joka voi auttaa niin työssä, opiskelussa kuin jokapäiväisessä elämässä. Kun tekoälyä käytetään, tulee eettisen, arvioivan ja tarkoituksenmukaisen käytön olla keskiössä. Tämä on tärkeää, sillä kuten Azizan, ym. (2024, s. 2) huomauttavat, digitaalisten teknologioiden mahdollistamia koneoppimismenetelmiä sekä opiskelijatietojen saatavuutta hyödynnetään jatkuvasti yhä enemmän. Esimerkiksi putoamisvaarassa olevien opiskelijoiden tunnistaminen tehostuu tekoälyn avulla. Samoin kuin opinto-ohjaajille tekoälyn hyödyntämisestä on apua, toteavat van Leeuwen, ym. (2024, s. 1). Opinto-ohjaajilla on useita opiskelijoita huolehdittavanaan ja mikäli opintojen viivästystä voitaisiin tunnistaa nopeasti tekoälyn avulla, tämä hyödyttäisi heitä huomattavasti, ettei tällaisia opiskelijoita tarvitse poimia manuaalisesti massojen joukosta. Vastaavasti Martin ja Graulich (2024, s. 1) mainitsevat, että koneanalyysin avulla voidaan, arvioita tehdessä, tarkastella opiskelijan kognitiivisia prosesseja Kysymys kuuluu, pitääkö tällaista tietoa voida käyttää hyväksi? Vaikkakin, kuten Martin ja Graulich (2024, s. 1) sanovat, että näin opiskelijalle voidaan antaa kohdennettua ohjausta ja auttaa häntä parantamaan taitojaan.

Tekoälyä käytettäessä tulee sen koostamaan materiaaliin suhtautua kriittisesti. Kriittinen ajattelu voidaan ymmärtää enemmän tiedon hakemisen ja lähteiden laadun arvioinnin lisäksi tiedon kriittiseksi arvioinniksi, kyseenalaistamiseksi ja syntetisoimiseksi. Huolimatta siitä, että tekoälyn käytöllä on omat haasteensa, on sen käyttöä, erilaisten asioiden kehittämisprosesseissa, varsin mielenkiintoista ja hyödyllistä testata. Tässä kirjoituksessa käytetään tekoälyä johtamisen opintosuunnitelman (OPS) kehittämisprosessin aputyökaluna. Kuten Padovano ja Cardamone (2024, s. 1) tiivistävät on työmarkkinoiden kysynnän huomattavan dynaamisen ja epävakaan luonteen vuoksi koulutusjärjestelmien ja opetussuunnitelmien on jatkuvasti mukauduttava muutoksiin. Lisäksi heidän mukaansa haastetta tähän tulee myös siitä, että monilta opiskelijoilta puuttuvat selkeät uratoiveet ja toisaalta epävarmuutta tähän yhtälöön tuo se, että tulevaisuudessa olevia potentiaalisia työtehtäviä ei vielä ehkä ole olemassa.

Fabiano, ym. (2024, s. 2) tekoälytyökaluja ilmestyy viikoittain ja suurin osa niistä on suunnattu tiedonhakuun. Näillä työkaluilla voidaan käyttää tarkasteluprosessin eri vaiheissa, esimerkiksi hakustrategioiden kehittämiseen ja hienosäätään, otsikoiden tiivistämiseen ja myös abstraktien tiivistämiseen, sekä esimerkiksi olennaisten tietojen poimimiseen tutkimuksista sekä tekemään yhteenvetoja tuloksista. Kirjoittajat toteavat (emt.), että näitä työkaluja ei pitäisi käyttää missään tapauksessa ihmisen asiantuntemuksen ja harkinnan korvikkeena. Myös tämän kirjoituksen tekijän näkemyksen mukaan tekoäly on kielimalli, se ei ole inhimillisen tiedon tai ajattelun korvaaja, vaan se on nimenomaan dynaaminen kumppani, jonka avulla voidaan toisaalta tehostaa oppimista ja toisaalta hakea suurista tietomassoista tietoa nopeasti ja järjestelmällisesti. Tekoälyn avulla on mahdollisuus kehittää omaa ajatteluaan ja testata erilaisia tulokulmia huomattavan tehokkaasti ajankäytön näkökulmasta. Tämä lisää parhaimmillaan myös sitä käyttävän yksilön oppimista ja ymmärrystä aiheesta, jota kulloinkin käsitellään. Jotta tekoälystä saadaan hyöty irti, sen käyttöä on hyödyllistä harjoitella ja testata siinä kontekstissa, jossa sitä on tarkoitus hyödyntää.

Sapawi ja Yusoff (2025, s. 466) kirjoittavat, että tekoäly on muuttanut ja muuttaa opetussuunnittelua, opetuksen suunnittelua ja arviointia. Nämä kolme täytyy saada toimimaan yhteen. He puhuvat globaalin koulutusjärjestelmän sopeutumisesta neljännen teollisen vallankumouksen vaatimuksiin, tekoälyteknologioiden integrointiin opetussuunnitelmien suunnitteluun. Käytännössä tekoälyn ottaminen mukaan suunnitteluun on enemmänkin strateginen välttämättömyys kuin jokin epämääräinen tulevaisuudenvisio, joka tulee ehkä sitten joskus. Erilaisten teknologioiden hyödyntäminen on osa koulutuksen tehokkuuden parantamista, osallisuuden edistämistä ja 2000-luvun osaamista, johon kuuluvat keskeisenä osana mm. luovuus, ongelmanratkaisu ja digitaalinen lukutaito. Toisaalta, vaikka tämä on tiedossa, kirjoittajat toteavat (emt.), että tieteelliset pyrkimykset käsitteellistää tekoälyn vaikutuksia opetussuunnitelmiin ovat edelleen hajanaisia niin eri tieteenalojen kuin koulutustasojen välillä. Myös Kautto & Mannila (2023a) ovat todenneet, että tekoäly tulee mukaan oppimisympäristöön ja he ovat toisaalla (2023b) tiedostaneet, että tekoäly ja kehittyvä teknologia muuttavat ammattitaitovaatimuksia ja opiskelua. Lisäksi Mannila (2023a) tarkastelee, mitä meidän tulisi ymmärtää tekoälystä ja toisaalla, hän (2023b) tarkastelee kuinka muuttuva toimintaympäristö haastaa meitä kehittymään. Vastaavasti Mannila ja Levä (2023) ovat tutkineet tekoälyn mahdollisuuksia viranomaistoiminnassa. Haasteena on se, että tekoälystä puhuvat kaikki, kuten Mannila (2023c) huomauttaa. Jokainen puhuu aiheesta vähän omasta näkökulmastaan, ja on siksi aika vaikea olla selvillä, millaista puhetta kannattaisi kuunnella.

Mannila (2025a) on havainnollistanut, kuinka tekoäly ottaa vain kaiken tiedon, missä esimerkiksi hakusanat esiintyvät ja näin voidaan päätyä aivan virheelliseen vastaukseen, kuten Salon ja Someron aprillipilassa kävi. Vastaavasti tieto voi olla ihan relevantista lähteestä, kuten Mannilan (2025b) esimerkki osoittaa.

Matka alkaa

Ensimmäisenä promptina Geminille lähetettiin seuraava pyyntö: ”Opetussuunnitelma on tärkeä asia kouluorganisaatiossa. Millaisia tekijöitä opetussuunnitelman laatimisessa olisi hyvä huomioida. Kuvitellaan vaikkapa, että teemme korkeakouluun johtamisen OPSia ja meillä on käytössämme 40 opintopistettä. Tämä 40 opintopistettä koostuu 2–3 pisteen kokonaisuuksista. Mitä kokonaisuuksia ja missä järjestyksessä tällaiseen olisi hyvä ottaa mukaan?”

Gemini vastasi, että Johtamisen OPS:n (40 opintopistettä) suunnittelussa tulisi ottaa huomioon seuraavat keskeiset tekijät:

1. Tavoitteet ja tarveanalyysi

• Ammattiprofiili: Mihin tehtäviin (esim. keskijohto, asiantuntija) opiskelijoita valmistellaan? Mitä johtamisosaamista työelämä kyseisellä alalla vaatii?
• Oppimistulokset: Määrittele selkeät oppimistulokset (tiedot, taidot ja pätevyydet) koko 40 opintopisteen kokonaisuudelle. Jokaisen 2–3 op:n moduulin tulisi tukea näitä tavoitteita.

2. Rakenne ja modulaarisuus

• Järjestys (Progression): Sisällön tulee edetä loogisesti perusasioista (esim. johtamisen perusteet) syventäviin teemoihin (esim. muutosjohtaminen, strategia) ja lopulta integroiviin kokonaisuuksiin (esim. projektityö).
• Tasapaino: Varmista tasapaino teorian ja käytännön soveltamisen välillä. Johtaminen on soveltava tieteenala.

3.  Ajankohtaisuus ja tulevaisuuden osaaminen

• Trendit: Sisällytä teemoja, jotka ovat tärkeitä nykypäivän ja tulevaisuuden johtamisessa (esim. digitalisaatio, vastuullisuus, monimuotoisuus, tekoäly).

4. Pedagogiset ratkaisut

• Opetusmenetelmät: Mieti, miten 2–3 opintopisteen kokonaisuuksissa hyödynnetään parhaiten erilaisia menetelmiä (esim. luennot, seminaarit, case-analyysit, simulaatiot).
• Arviointi: Arviointimenetelmien (tentit, esseet, ryhmätyöt, kehitystehtävät) tulee tukea moduulin oppimistuloksia.

Ensimmäisellä promptilla saatiin tiivis perusrunko, jonka työstämistä jatkettiin. Siitä enemmän kohdassa sparraus.

Tekoälyn analyysissa on otettu huomioon tarve ja tavoitteet sekä rakenne ja modulaarisuus että ajankohtaisuus ja tulevaisuuden osaaminen. Lisäksi myös pedagogiset ratkaisut käsiteltiin jo ensimmäisellä kierroksella. Toki pintapuolisesti, mutta kuitenkin.

Lisäksi saatiin tarkempi sisältökuvaus kohdittain. Tämä on hyvä lähtökohta, josta voidaan lähteä työstämään sisältöjä ja tekemään tarkennuksia joko jatkoprompteilla tai sitten ihmistyönä.

Ehdotettu moduulirakenne Johtamisen OPSiin (40 op)

Ohessa on ehdotus 40 opintopisteen johtamisen OPS:n rakenteesta, jaoteltuna neljään loogiseen vaiheeseen. Jokainen kokonaisuus on 2–3 opintopistettä.

Vaihe 1: Perusteet ja ymmärrys (10 op)

Tässä vaiheessa luodaan perusta ja yhteinen käsitys johtamisen roolista ja peruskäsitteistä.

Vaihe 2: Keskeiset toimialueet (12 op)

Perusteiden päälle rakennetaan osaamista keskeisistä johtamisen alueista.

Vaihe 3: Erityisosaaminen ja muutos (10 op)

Tässä vaiheessa siirrytään nykyaikaisiin ja syventäviin johtamisen haasteisiin.

Lopuksi tekoäly tuotti kokonaisuuden, jossa opittu laitetaan käytäntöön. Tämä on aina hyvä asia, että opittua pääsee testaamaan ja toteamaan oman osaamisensa taso. Tässä vaiheessa on luultavasti sen verran laajasti jo osaamista, että syntyy käsitys myös siitä, mitä pitäisi vielä oppia.

Vaihe 4: Soveltaminen ja integrointi (8 op)

Viimeinen vaihe yhdistää opitut asiat käytäntöön ja syventää erikoisosaamista.

Lisäksi tarkennettiin hieman vielä tämän vaiheen sisältöjä ja sitten siirryttiin sparraamisvaiheeseen.

Sparraus

Sparraamisvaiheen ensimmäinen prompti liittyi benchmarkkaukseen ja ajatukseen, kuinka voimme oppia parhailta. Ehdottomasti olisi hyvä saada korkeakoulujen johtamisohjelmien painotuksia. Mielellään myös Harvard, Berkley ja Stanford sekä Oxford voisivat olla myös mukana, jos mahdollista! Nämä siksi, että niiden sijoitus esimerkiksi World University Rankings -sivustolla Oxford on sijalla 1, Havard 5 yhdessä Stanfordin kanssa ja Berkley sijalla 9.

Kansainvälisten johtamisohjelmien keskeiset painopisteet

Vaikka kukin huippuyliopisto räätälöi ohjelmansa hieman eri tavoin, tietyt teemat nousevat toistuvasti esiin heidän johtamisen opetussuunnitelmissaan. Tekoälyn antama vastaus oli seuraava:

1. Strateginen tulevaisuuden ennakointi ja kasvu

Korkeatasoiset ohjelmat eivät keskity vain nykyisyyden hallintaan, vaan kykyyn luoda ja johtaa pitkän aikavälin muutosta.

• Pääpaino: Strateginen ajattelu (engl. Strategic Foresight). Tavoitteena on opettaa johtajia näkemään nykyiset liiketoimintamallit (engl. Business Models) uudella tavalla ja tunnistamaan tulevaisuuden kasvumahdollisuudet ja uhat (esim. disruptio).
• Moduulivastaavuus (OPS-ehdotuksesi): Syventää Strategista johtamista (Vaihe 2).

2. Digitalisaatio, teknologia ja data-analytiikka

Tämä on ehdottomasti yksi kovimmista painopisteistä kaikissa huippukouluissa. Johtajien on ymmärrettävä teknologian strateginen rooli, ei vain operatiivinen.

• Pääpaino: Data-ohjautuva päätöksenteko ja teknologiamurrosten vaikutus. Tämä sisältää tekoälyn (AI), koneoppimisen (ML) ja digitaalisen transformaation johtamisen.
• Moduulivastaavuus: Vahvistaa Digitalisaatio ja Datajohtaminen -moduulia (Vaihe 3).
  • Esimerkki (Stanford): Stanfordin läheisyys Piilaaksoon korostaa usein teknologialähtöistä yrittäjyyttä ja innovaatioiden skaalaamista.

3. Eettinen, vastuullinen ja globaali johtajuus (ESG)

Yliopistot korostavat yhä enemmän, että johtajuus ei ole vain taloudellista suorituskykyä, vaan kykyä johtaa eettisesti ja huomioida yhteiskunnallinen vaikutus.

• Pääpaino: Vastuullisuus (Environmental, Social, and Governance – ESG), yritysetiikka ja sidosryhmäarvon luominen. Johtajia koulutetaan tekemään päätöksiä, jotka hyödyttävät yritystä pitkällä aikavälillä kestävällä tavalla.
• Moduulivastaavuus: Vahvistaa Vastuullinen johtaminen -moduulia (Vaihe 3).
  • Esimerkki (Oxford): Oxfordin vahva perinne humanistisissa tieteissä ja yhteiskunnallisissa kysymyksissä voi johtaa siihen, että eettinen ja poliittinen ulottuvuus on painokkaampi.

4. Organisaation muutoskyky ja kulttuuri

Kyky johtaa jatkuvaa muutosta on elintärkeää. Ohjelmissa keskitytään siihen, miten organisaatiokulttuuri ja -rakenne vaikuttavat kykyyn uudistua.

• Pääpaino: Ihmislähtöinen muutosjohtaminen ja organisaatiokäyttäytyminen. Opetetaan rakentamaan ketterä (engl. agile) ja oppiva organisaatio.
• Moduulivastaavuus: Syventää Muutosjohtaminen (Vaihe 3) ja Organisaatiokäyttäytyminen (Vaihe 1).
  • Esimerkki (Harvard): Harvard Business Schoolin case-metodi usein korostaa monimutkaisten ihmisten ja valtasuhteiden dynamiikan ratkaisemista muutostilanteissa.

6. Henkilökohtainen johtajuuden kehitys (Self-Awareness)

Huippuohjelmat panostavat huomattavasti itsensä kehittämiseen, koska tehokas johtaminen alkaa itsetuntemuksesta.

• Pääpaino: Reflektio, vuorovaikutus ja vaikuttaminen. Tämä sisältää usein intensiivisiä palautesessioita, mentorointia ja työkaluja omien johtamistyylien hiomiseen.
• Moduulivastaavuus: Vahvistaa Reflektiivinen johtajuus ja portfolio (Vaihe 4) sekä Viestintä ja vuorovaikutustaidot (Vaihe 3).

Tähän saatiin tekoälyltä vielä yhteenveto.

Yhteenveto Johtamisen -OPS:iin

Jos haluat 40 opintopisteen johtamisen OPS:n vastaavan kansainvälistä huipputasoa, suosittelen vahvistamaan seuraavia ehdottamiasi kokonaisuuksia (2–3 op) ja varmistamaan, että niissä käsitellään edellä mainittuja teemoja:

Sparrausta jatkettiin vielä seuraavalla promptilla: Tekoälyn etiikka ja tekoälyn käyttö työkaluna olisi hyvä olla mielestäni mukana kaikilla tasoilla. Lisäksi henkilöstöanalytiikka pitäisi kyetä ottamaan huomioon ja mukaan jollekin kurssille.

Lisäksi lähdettiin vielä lisäämään strategista viestintää tarkasteleva prompti: Viestintä ja vuorovaikutustaidot tulee peruskursseilla. Voisi kuitenkin miettiä sitä, miten strateginen viestintä integroitaisiin tähän kokonaisuuteen, joko erillisenä kurssina tai sitten sisään eri kursseille. Lisäksi pohdittavaksi tulisi se, että millaista strateginen viestintä on sisällöllisesti.

Toinen promptaus liittyi Strategian jalkauttamiseen. Strategian jalkauttaminen on toki arvokasta. Kuitenkin se, mikä puuttuu, on strateginen johtaminen, nimenomaan sisäisesti.

Koska käytännössä voi ajatella, että johtaminen on viestintää. Tätä osa-aluetta tarkennettiin vielä toisella promptilla: Pitäisikö strategista viestintää tarkastella myös sisäisesti? Eli kuinka johtajan tulisi ymmärtää viestiä organisaatiossa. Sisäisen viestinnän tulokulma strategiseen viestintään on läpileikkaava, kuten lähtökohtaisesti viestintä teema kokonaisuudessaan on. Lisäksi vielä promptattiin.

Työstäminen

Kokonaisuutta lähdettiin työstämään vielä muutamalla näkökulmalla. Ensimmäisenä nostettiin esiin monikulttuurisuus. Promptina käytettiin tässä kohtaa seuraavaa: Kulttuurinen näkökulma. Erityisesti tässä kohdassa tarvitaan sitä sisäistä strategiaa. Tiimit alkavat olla myös meillä Suomessa monikulttuurisia! Saatua vastausta työstettiin edelleen promptilla, joka viittaa monikulttuurisuuteen toisenlaisesta näkökulmasta. Lisäksi monikulttuurisen voisi ymmärtää myös siten, että yrityksissä työskentelee eri koulutustaustalla olevia ihmisiä ja heidän ajattelumaailmansa on oman tieteenalan mukaista. Siten “monimuotoisuuden ja monikulttuurisuuden” ymmärtäminen on tärkeää, vaikka kaikki työntekijät olisivatkin kulttuuritaustaltaan identtisiä. Saatuun ehdotukseen annettiin edelleen pyyntö: Tarkastellaan ensiksi innovaatio- ja luovuusjohtamisen sisältöä ja mennään sitten tiivistelmään.

Tämän jälkeen saatiin uusi tiivistelmä kokonaisuudesta, mutta kuinka ollakaan tässä kohtaa tuli tarve tehdä vielä yksi prompti: Muuten tuli vielä mieleeni tuo työsuhteen johtaminen. Eli juridinen näkökulma. Johtajalla tulee olla perusymmärrys työlainsäädännöstä.

Lopullinen OPS, jonka tekoäly tiivisti näyttää seuraavalta.

40 OP Johtamisen OPS:n lopullinen tiivistelmä

Vaihe 1: Perusteet ja konteksti (10 op)

Tavoite: Luodaan perusta johtamisroolille ja organisaation ymmärtämiselle.

Vaihe 2: Strategia ja resurssien johtaminen (12 op)

Tavoite: Kehitetään strategista ajattelua ja osaamista kriittisissä johtamistoiminnoissa.

Vaihe 3: Erityisosaaminen ja Tulevaisuuden Haasteet (10 op)

Tavoite: Hallitaan muutos, data, vastuu ja vuorovaikutus monimutkaisessa ympäristössä.

Vaihe 4: Soveltaminen ja erikoistuminen (8 op)

Tavoite: Integroidaan opitut tiedot käytäntöön ja erikoistutaan avainalueille.

Lopuksi

Lähtökohtaisesti oppiminen ja kehittäminen ovat aina vaatineet, ja vaativat yhä, laajaa alkutiedon keräämistä. Tekoäly (AI) kuitenkin madaltaa kynnystä “uskallukseen” tehdä laajojakin sivupolkuja, koska sen avulla voidaan tehdä nopeasti tiivistelmiä ja luonnoksia laajoista aineistoista, joihin meni aiemmin useamman viikon tai jopa kuukausien työpanos. Tämä mahdollistaa oppijalle tai asiantuntijalle erilaisten vaihtoehtojen kokeilemisen. Tästä syystä asiantuntija voi käyttää tiedonhausta ja sen tiivistämisestä vapautuvan ajan oman kriittisen ajattelunsa kehittämiseen ja vaihtoehtoisten polkujen tai tietoaukkojen etsimiseen.

Parhaimmillaan tekoälyyn voidaan suhtautua kuin sparrauskumppaniin tai akateemiseen vastaväittäjään, jonka kanssa voidaan muodostaa uusia tulokulmia ja etsiä aukkoja todisteissa. Näin tekoälyn tuottamat tiivistelmät ja analyysit toimivat parhaimmillaan käyttäjänsä ajattelun valmentajana ja kriitikkona. Tällainen tekoälyn käyttötapa ei onnistu henkilöltä, joka vasta rakentaa asiantuntijuuttaan. Siksi noviisien kohdalla tulisikin opettaa ensiksi perusasiat ja tekoälyn eettistä ja vastuullista käyttöä ja vasta sitten he kykenevät käyttämään tätä työkalua siten, että siitä on todellista hyötyä.

Ideaalisessa tapauksessa oppiminen tekoälyavusteisesti on aktiivista vuorovaikutusta, jossa tekoäly osoittaa ajattelun puutteet ja ihminen valitsee seuraako hän omaa intuitiotaan ja visiotaan ja kuinka hän arvioi aineiston luotettavuutta ja käytettävyyttä.

Voitaneen todeta, että tehokkainta tekoälyn käyttö on silloin, kun sen avulla voidaan automatisoida rutiinit ja ihminen voi keskittyä inhimilliseen ydinosaamiseensa. Lisäksi ihmisen vastuulle tulee eettinen harkinta, luovuus ja syvällinen ymmärrys. Jotta tähän päästään tulee ihmisen oman osaamisen olla sillä tasolla, että hän kykenee haastamaan keskustelukumppaninsa sekä tunnistaa sen rajoitteet. Tällöin voidaan varmistua siitä, että teknologia tukee hänen ammatillisen osaamisensa kasvua. Tarkoituksena on, että yksilö kasvaa henkisesti ja tiedollisesti, eikä hän luovuta tätä inhimillistä perusasiaa ja olemassaolonsa oikeutusta koneelle.

Parhaimmillaan tekoäly madaltaa kynnystä mennä epämukavuusalueelle, ajatteluun se tarjoaa sparrausta ja vastaväitteitä ja tämä kehittää kriittisyyttä, oppiminen nopeutuu, että tekoäly automatisoi rutiinit ja vapauttaa ajan syvällisen ymmärryksen kehittämiseen.

Margit Mannila
lehtori, KTT
SEAMK

Margit Mannila on lehtori ja KTT SEAMKissa, joka innostuu erityisesti yrittäjyydestä ja ympäristöoikeudesta. Mannilan intohimona on uusien asioiden oppiminen ja hän jäsentää asioita mielellään kirjoittamalla.

Lähteet

Azizah, Z., Ohyama, T., Zhao, X., Ohkawa, Y. & Mitsuishi, T. (2024). Predicting at-risk students in the early stage of a blended learning course via machine learning using limited data. Computers and Education: Artificial Intelligence, 7, 1–10. https://doi.org/10.1016/j.caeai.2024.100261. Haettu 28.11.2025.

Fabiano, N., Gupta, A., Bhambra, N., Luu, B., Wong, S., Maaz, M., Fiedorowicz, J. G., Smith, A. L., & Solmi, M. (2024). How to optimize the systematic review process using AI tools. JCPP Advances, 4(2), e12234. https://doi.org/10.1002/jcv2.12234 Haettu 28.11.2025.

Kautto, S. & Mannila, M. (2023b). Tekoäly ja kehittyvä teknologia muuttavat ammattitaitovaatimuksia ja opiskelua. @SEAMK-verkkolehti.  https://lehti.seamk.fi/yrittajyys-ja-kasvu/tekoaly-ja-kehittyva-teknologia-muuttavat-ammattitaitovaatimuksia-ja-opiskelua/ Haettu 28.11.2025.

Kautto, S. & Mannila, M. (2023a). Tekoäly tulee mukaan oppimisympäristöön. @SEAMK-verkkolehti. https://lehti.seamk.fi/yrittajyys-ja-kasvu/tekoaly-tulee-mukaan-oppimisymparistoon/ Haettu 28.11.2025.

Mannila, M. (2025a). Aniina Räike julkaisi erittäin mielenkiintoisen tekoälyn tekemän koosteen. LinkedIn. https://www.linkedin.com/feed/update/urn:li:activity:7375762714754711552/ Haettu 28.11.2025.

Mannila, M. (2023a) Mitä meidän pitäisi ymmärtää tekoälystä? @SEAMK-verkkolehti. https://lehti.seamk.fi/yrittajyys-ja-kasvu/mita-meidan-tulisi-ymmartaa-tekoalysta/ Haettu 28.11.2025.

Mannila, M. (2025b). Mistä tekoäly tietonsa tiivistää? Perheyrittäjyys – Family Business. https://tutkimu.blogspot.com/2025/08/mista-tekoaly-tietonsa-tiivistaa.html Haettu 28.11.2025.

Mannila, M. (2023b). Muuttuva toimintaympäristö haasta kehittymään. @SEAMK-verkkolehti. https://lehti.seamk.fi/yrittajyys-ja-kasvu/muuttuva-toimintaymparisto-haastaa-kehittymaan/ Haettu 28.11.2025.

Mannila, M. (2023c). Nyt kaikki vain kailottavat tekoälystä. @SEAMK-verkkolehti https://lehti.seamk.fi/yrittajyys-ja-kasvu/nyt-kaikki-vaan-kailottavat-tekoalysta/ Haettu 28.11.2025.

Mannila, M. (2021). Opinnäytetyön pituus ammattikorkeakoulussa. Energiaa-verkkolehti. Vaasan ammattikorkeakoulu. https://energiaa.vamk.fi/artikkelit/osaaminen/opinnaytetyon-pituus-ammattikorkeakoulussa/ Haettu 28.11.2025.

Mannila, M. & Levä, K. (2023). Tekoälyn mahdollisuudet viranomaistoiminnassa: Case Tukes. @SEAMK-verkkolehti. https://lehti.seamk.fi/verkkolehti/2023/tekoalyn-mahdollisuudet-viranomaistoiminnassa-case-tukes/ Haettu 28.11.2025.

Martin, P.P. & Graulich, N. (2024). Navigating the data frontier in science assessment: Advancing data augmentation strategies for machine learning applications with generative artificial intelligence. Computers and Education: Artificial Intelligence, 7, https://doi.org/10.1016/j.caeai.2024.100265. Haettu 28.11.2025.

Padovano, A. & Cardamone, M. (2024). Towards human-AI collaboration in the competency-based curriculum development process: The case of industrial engineering and management education. Computers and Education: Artificial Intelligence, 7, 1–17. https://doi.org/10.1016/j.caeai.2024.100256. Haettu 28.11.2025.

Sapawi, M. S. M., & Yusoff, N.M. R., (2025). Artificial Intelligence in Curriculum Development: A Global Systematic Review of Trends, Challenges, and Strategic Directions. Journal of Curriculum Studies Research, 7(2), 466–497. https://doi.org/10.46303/jcsr.2025.30

Tampereen yliopiston kirjasto. (29.9.2025.). Tiedonhaku ja tekoäly>Tekoälyn eettinen, arvioiva ja tarkoituksenmukainen käyttö. https://libguides.tuni.fi/tiedonhaku-ja-tekoaly/eettinen-arvioiva-kaytto Haettu 28.11.2025.

UEF. (i.a.) Tekoäly tiedonhaussa. UEF>Kirjasto. https://www.uef.fi/fi/kirjasto/tekoaly-tiedonhaussa Haettu 28.11.2025.

van Leeuwen, A., Goudriaan, M. & Aksu, Ü. (2024). How to responsibly deploy a predictive modelling dashboard for study advisors? A use case illustrating various stakeholder perspectives. Computers and Education: Artificial Intelligence, 7, 1–11. https://doi.org/10.1016/j.caeai.2024.100304. Haettu 28.11.2025.

World University Rankings 2026. (i.a.). Times Higher Education. https://www.timeshighereducation.com/world-university-rankings/latest/world-ranking