Tekoälyosaaminen tarvitsee kriittistä ajattelua

Blogitekstissä esitetyt keskeiset ajatukseni:

Tekoälyosaamisen viitekehys on vajaa ilman vahvaa kytkentää kriittiseen yhteiskunnalliseen ajatteluun.
Tekoälyn hyödyntäminen muuttaa tapoja toimia, välineitä ajatella, tiedon muodostamista, tiedon näkyvyyttä ja jopa sosio-teknologisia valtarakenteita.
Kriittinen yhteiskunnallinen ajattelu purkaa valtasuhteita, tässä tapauksessa teknologisiin ratkaisuihin kytkeytyvää valtaa.
Kriittinen tekoälylukutaito on ainakin:
- taitoja tunnistaa, tulkita ja analysoida tekoälyn tuottamia esityksiä ja niiden rakenteita, sekä sitä, miten tieto on tuotettu ja muotoiltu esityksiksi,
- käyttää tekoälyä itse määrittämillään tavoilla vastuullisesti, omaa tuotantoaan kriittisesti arvioiden ja vaikutukset ymmärtäen sekä
- ymmärrystä tekoälyn sääntelystä, omistuksen vaikutuksista tekoälyyn ja sekä näihin vaikuttamista eettisesti kestävämpien ratkaisujen kehittämiseksi.
Minusta tekoälyosaamisen viitekehystä kannattaa täydentää kriittisellä ajattelulla sekä hyödyntää mediakasvatuksesta tuttuja menetelmiä.
Tekoälylukutaitoihin on panostettava nyt.

Tekoälyä on siellä ja täällä

Olemme tilanteessa, jossa monet käyttävät päivittäin tekoälyä ilman ymmärrystä siitä, miten se tuottaa tietoa. Tekoälyä hyödynnetään työssä, viestinnässä ja tiedonhankinnassa, mutta harvemmin pysähdytään pohtimaan, mihin vastaukset perustuvat, millaista dataa niiden taustalla on ja millaisia valintoja algoritmit tekevät puolestamme. Kyse ei ole pienestä osaamisvajeesta. Muodostamme yhä useammin käsityksiä maailmasta, teemme päätöksiä ja osallistumme yhteiskuntaan sellaisilla työkaluilla, joita emme täysin ymmärrä emmekä hallitse.

Arjessa tekoäly näkyy esimerkiksi suosittelujärjestelmissä, personoiduissa uutisvirroissa ja automaattisessa sisällöntuotannossa. Usein se toimii myös sellaisissa palveluissa, joissa emme edes tunnista sen läsnäoloa. Nämä järjestelmät vaikuttavat siihen, mitä näemme ja miten tulkitsemme maailmaa.

Opetus- ja kulttuuriministeriön julkaisema kansallisen tekoälyosaamisen viitekehys pyrkii jäsentämään, millaista osaamista kansalaiset tarvitsevat toimiakseen tietoisesti ja vastuullisesti tekoälyn aikakaudella. Tämä on yhteiselle kansalliselle työskentelylle arvokas lähtökohta.

Mediakasvattajana ajattelen silti, että tämä ei vielä riitä. Ongelma ei ole se, etteikö viitekehys tunnistaisi oikeita asioita, vaan se, että ne jäävät liian yleiselle tasolle. Toisaalta viitekehys itsessään ei ole vielä työväline tekoälylukutaitojen kehittämiseen, se on ennen kaikkea teoreettinen kuvaus osaamisen tasoista.

Tekoälyosaamisen viitekehys on hyvä alku

Kansallisen viitekehyksen vahvuus on siinä, että tekoälyosaaminen kuvataan osana laajempaa sivistyksellistä kokonaisuutta, ei vain teknisenä työkaluna. Malli jäsentää osaamisen kolmeen pääalueeseen: 1) tekoälyn tunteminen ja ymmärtäminen, 2) sen vaikutusten arvioiminen sekä 3) tekoälyn käyttäminen ja soveltaminen.

Viitekehys tunnistaa, ettei tekoäly ole neutraali väline, vaan se heijastaa käytettyä dataa ja suunnitteluratkaisuja, jotka vaikuttavat sen tuottamaan tietoon. Mallit voivat olla vinoutuneita, virheellisiä ja vaikuttaa ihmisten toimintaan. Tästä seuraa käyttäjälle vastuu. Ihmisen on toimittava kriittisesti ja eettisesti, ymmärrettävä tekoälyn vaikutuksia ja arvioitava niitä aktiivisesti. Tässä on tekoälyosaamisen ydin ja samalla meikäläisen rivikäyttäjän näkökulmasta koko keskustelun suurin haaste.

Tekoäly vaikuttaa siihen, mistä puhumme

Tekoälyn vaikutus ei rajoitu yksittäisiin vastauksiin. Se ulottuu siihen, mistä asioista ylipäätään käydään keskustelua. Jos malliin sisältyy rajoitteita tai tiettyjä arvovalintoja, ne voivat ohjata sitä, mistä aiheista tuotetaan sisältöä ja miten niitä käsitellään. YLE julkaisi aivan tuoreen esimerkin Applen tekoälymallin koulutuksesta, jossa käy ilmi meille vieraamman arvopohjan sisällyttäminen. Käyttäjä ei useinkaan tiedä, mitä rajauksia malliin on rakennettu, mutta seuraukset näkyvät käytännössä. Osa aiheista korostuu, osa jää näkymättömiin. Sama logiikka toimii somealustoilla. Pitkän aikavälin vaikutuksia emme vielä tunne, mutta ehkä somen algoritminen ohjaus antaa tästä viitteitä.

Yksinkertaisimmillaan käyttäjä kirjoittaa tekoälylle kehotteen ja saa vastauksen. Prosessi näyttää yksinkertaiselta, mutta todellisuudessa kyse on tiedonmuodostuksesta, joka perustuu datavalintoihin, mallin yleiseen koulutukseen, todennäköisyyksiin ja mallin hienosäädössä koulutettuihin painotuksiin. Ilman ymmärrystä tästä tekoälyyn syntyy helposti liiallinen luottamus. Tämä näkyy esimerkiksi tilanteissa, joissa tekoäly tuottaa sujuvaa mutta vinoutunutta sisältöä. Ilman taustaymmärrystä käyttäjä helposti hyväksyy esityksen sellaisenaan.

Tekninen osaaminen voi luoda harhan osaamisesta

Tekoälyosaamista arvioidaan tällä hetkellä usein teknisten taitojen kautta. Osaatko kirjoittaa kehotteita, osaatko käyttää työkalua ja tuottaa hyödyllisiä vastauksia. Tämä luo helposti harhan osaamisesta.

Taitava kehotteen muotoilija voi vaikuttaa osaavalta, vaikka ei ymmärtäisi tuottamaansa esitystä, eikä edes pystyisi arvioimaan sisältöjä kriittisesti. Aalto-yliopistossa julkaistu tutkimus viittaa siihen, että tekoäly voi vahvistaa käyttäjien luottamusta omaan ajatteluunsa silloinkin, kun siihen ei olisi perusteita. Tällöin käyttäjä ei johdakaan tekoälypohjaista työskentelyään, vaan mukautuu sen tuottamiin ratkaisuihin tunnistamatta kriittisen ajattelun puutteitaan.

Tekoälyn huippuosaajatkin voivat joutua eettisesti haastaviin tilanteisiin. Esimerkiksi kehittäjä voi tunnistaa, että hänen rakentamaansa teknologiaa voidaan käyttää massavalvontaan tai dataa kerätään ilman lupia, mutta yksilölle ei ole selvää, miten tilanteessa pitäisi toimia tai kuka kantaa vastuun. Teoreettinen ymmärrys eettisistä kysymyksistä ei vielä tarkoita kykyä toimia vastuullisesti käytännössä, ja tässä kohdassa nykyinen osaamiskehikko jää minusta kauaksi todellisista tilanteista.

Tekoälyn käytön kriittinen tarkastelu

Mediakasvattajan on käsiteltävä sitä, miten tekoäly tuottaa tietoa. Tekoälyosaamisen viitekehyksessä korostetaan kriittistä ajattelua, mutta käytännössä kriittisyys näyttäytyy mallissa kykynä tunnistaa virheitä ja arvioida sisällön luotettavuutta. Tämä ei vielä riitä. Kriittinen toimija ymmärtää käsittelemänsä aiheet ja hahmottaa omaa asiantuntemustaan aiheesta. Lisäksi hän pohtii ja vertailee, miten tuotettu tieto on rakentunut ja millaisia vaikutuksia sillä on.

Tämä edellyttää kysymyksiä, joihin käyttäjä ei useinkaan saa vastauksia: mistä data on peräisin, miten malli on rakennettu ja millaisia oletuksia sen toimintaan sisältyy. Tällöin tekoäly jää väistämättä mustaksi laatikoksi ja sellaisena sitä minusta tässä viitekehyksessäkin käsitellään. Tässä kohtaa viitekehys jää liian yleiselle tasolle. Se tunnistaa ilmiön, mutta ei avaa sitä tavalla, joka auttaisi käyttäjää toimimaan arjessa.

Lisäksi oman kriittisen ajattelun ja uusien toimintatapojen kehittäminen on myös kokemuksellista. Tekoälyn käyttöön voi liittyä epävarmuutta ja kuormitusta. Esimerkiksi työelämässä tekoäly voi sekä helpottaa työtä että lisätä kognitiivista kuormitusta ja jatkuvaa arvioinnin tarvetta. Jos tekoälyn harjoittelussa ei tuoteta arjen kokemuksia ja esimerkkien sitomista käytäntöön, kehittyvä ymmärrys uhkaa jäädä ylätason puheeksi.

Ei hukata kriittistä yhteiskunnallista ajattelua tekoälykompetensseista

Minusta on tärkeää, että tekoäly ymmärretään myös osaksi mediatutkimuksen jatkumoa, koska sillä käsitellään, tuotetaan ja jopa vaikutetaan (media)esitysten jakeluun. Mediatutkimuksessa tarkastellaan esimerkiksi kieltä, esityksiä, viestintää, yhteiskunnallista valtaa, tuotantoa, merkityksiä ja media-alan rakenteita. Mediatutkimuksessa näitä ilmiöitä on tutkittu jo vuosikymmeniä. Valitettavasti tämä näkökulma jää kuitenkin viitekehyksessä ohueksi. Yhteiskunnallinen kriittisyys mainitaan, mutta sitä ei avata tai konkretisoida riittävästi.

Tämä liittyy myös laajempaan kehitykseen. DigComp-viitekehys, johon tekoälyosaamisen kuvaus nojaa, painottaa nykyisin enemmän käytännön taitoja kuin yhteiskunnallista kriittisyyttä. Juuri tämä kriittinen yhteiskunnallinen kerros tarvittaisiin tekoälylukutaidon osaamiskuvaukseen vahvemmin mukaan, sillä tekoäly kietoutuu työkaluna niin tiedontuotantoon kuin toimijuuden käytäntöihin.

Tekoälyssäkin on kyse vallasta ja toimijuudesta

Yhteiskunnalliset vaikutukset mainitaan tekoälyosaamisen viitekehyksessä, mutta siinä ei tehdä yhteiskunnalliseen valtaan liittyviä teemoja näkyväksi. Tämä on ongelma, koska tekoälyyn liittyvä valta ei ole sivuseikka vaan siihen liittyviä ydinkysymyksiä.

Kuka omistaa mallit?
Kuka päättää, millä datalla ja rakenteilla niitä koulutetaan?
Kenen arvoja ne heijastavat?
Mihin käyttäjä sitoutuu niitä käyttäessään?

Tekoälylukutaito ei ole pelkkää yksilön kykyä arvioida sisältöjä. Se on myös ymmärrystä omasta roolista osana järjestelmää. Milloin osallistun vaikuttamiseen, milloin vahvistan vinoutunutta tietoa ja milloin kykenen haastamaan sitä. Näitä kysymyksiä ei voi ohittaa, jos puhutaan kansalaisten tekoälyosaamisesta ja -käytöstä. Silti kansallinen tekoälyosaamisen viitekehys painottaa ennen kaikkea yksilön osaamista: kykyä käyttää, arvioida ja ymmärtää.

Toimijuus ei rajoitu yksilön valintoihin. Tekoälyn käyttäjät eivät vain laadi kehotteita ja vastaanota esityksiä, vaan toiminnallaan he myös tuottavat uutta tietoa, kouluttavat ja vahvistavat tekoälyn ominaisuuksia.

Tekoälymallit liittyvät yhteiskunnalliseen osallisuuteen, keskusteluun, vaikuttamiseen, tiedon jakamiseen ja yhteisten merkitysten rakentamiseen. Kun tekoäly muokkaa yhä enemmän tiedon näkyvyyttä, tuotantoa ja leviämistä, myös yhteiskunnalliset käytännöt muuttuvat.

Valitettavasti kriittisen ajattelun ja toimijuuden kohdalla viitekehys jää varovaiseksi. Esimerkiksi tekoälymallien, tuotettujen esitysten ja datan käytön poliittiset ulottuvuudet jäävät viitekehyksessä taustalle, jolloin niitä on vaikea hahmottaa konkreettisina osaamisvaatimuksina.

Kriittinen tekoälyosaaminen edellyttää laajempaa näkökulmaa

Kriittisyys ei ole pelkkää tarkistamista, vaan myös laajempaa kyseenalaistamista ja tulkintaa. Se on kykyä tarkastella sisältöjen taustalla olevia valintoja, rakenteita ja vaikutuksia. Tekoälyn tuottamia sisältöjä arvioitaessa on kysyttävä, miksi generaatio on tällainen, kenen näkökulmasta se on rakentunut ja millaista tietoa sen pohjana on hyödynnetty. Samalla on pohdittava, vastaako tuotettu sisältö sitä, mitä tavoiteltiin, ja oliko tavoite itsessään riittävän selkeä.

Sisältöjä generoivan tulee tarkastella myös sitä, kenen ääni kuuluu ja ketkä jäävät näkymättömiin, millaisia oletuksia esitys heijastaa ja millaisia vaikutuksia sillä voi olla eri ryhmille. Kriittinen ajattelu tarkoittaa ennen kaikkea kykyä tunnistaa näkökulmia, ideologioita ja vaikutuspyrkimyksiä, jotka ohjaavat sitä, miten tieto rakentuu ja miten sitä tulkitaan.

Esimerkiksi kehittäjätasolla pitäisi Demos Helsingin mukaan tekoälyn sosio-teknologinen konteksti huomioida koko kehityselinkaaren ajan: jo ongelman määrittelystä ja datan valinnasta lähtien olisi arvioitava, keitä järjestelmä koskee, ketkä jäävät ulkopuolelle ja millaisia vaikutuksia eri ryhmille syntyy. Lisäksi kehitystyössä tarvitaan jatkuvaa vaikutusten arviointia, läpinäkyvyyttä ja monitoimijaista vastuuta, jotta tekoäly ei vain kuvaa monimuotoisuutta vaan tuottaa aidosti yhdenvertaisia lopputuloksia.

Miten viitekehyksestä päästään käytäntöön?

Viitekehys kuvaa, mitä osaamista tarvitaan. Mediakasvattajana minua kiinnostaa se, miten tämä osaaminen syntyy, tätä kehys ei kerro. Tämä on nyt keskeistä aikuisten tekoälyosaamisen näkökulmasta. Tekoälyä käytetään runsaasti jo nyt, aivan ilman systemaattista koulutusta.

Pelkkä osaamisen määrittely ei vielä rakenna sitä. Osaamista syntyy kokemuksen, keskustelun ja reflektion kautta. Siksi tarvitaan erilaisia oppimistilanteita, joissa voidaan kokeilla, epäillä ja pohtia yhdessä. Voimme hyödyntää esimerkiksi mediakasvatuksesta tuttuja menetelmiä. Tarvitsemme konkreettisia työkaluja, yhteisöjä ja tilaa, jossa omaa osaamista voidaan kehittää. Oppimisen tilanteita tulee tuottaa ihan kaikenlaisille ihmisille heidän omista lähtökohdistaan käsin.

Jos haluamme vahvistaa tekoälylukutaitoa, kyse ei ole vain viitekehyksistä. Kyse on resursseista, koordinoinnista ja siitä, miten tämä työ tehdään käytännössä.

Tarvitsemme tekoälylukutaitoa nyt, emme vasta tulevaisuudessa.

Lähteitä:

Opetus- ja kulttuuriministeriö, Kansallinen tekoälyosaamisen viitekehys, 2026. https://julkaisut.valtioneuvosto.fi/server/api/core/bitstreams/f85fc441-983f-429f-934c-c19dae57d805/content

Aalto yliopisto, tutkimusuutinen, 2025: Tekoäly saa meidät yliarvioimaan kognitiiviset kykymme. http://aalto.fi/fi/uutiset/tekoaly-saa-meidat-yliarvioimaan-kognitiiviset-kykymme-tutkimus-paljastaa-kaanteisen

HS, 2026: Aivokärähdys. Juttu käsittelee tekoälyn käytön riskejä kognitiiviselle kuormittumiselle. https://www.hs.fi/visio/art-2000012000523.html

YLE, MOT, 2026: Applen tekoälyn kouluttajat paljastavat salatut säännöt: ”Sensuuria”. Jutussa kerrotaan Applen tekoälyn kouluttamisohjeista, joissa on painotettu rajaamaan yhteiskunnallisesti haastavia teemoja. https://yle.fi/a/74-20224113

Demos Helsinki, 2022. An assessment framework for non-discriminatory AI. https://demoshelsinki.fi/publication/an-assessment-framework-for-non-discriminatory-ai/

Kirjavinkkejä: