Akatemiatutkija Kaisa Kärki huomasi, että tekoäly oli alkanut vaikuttaa hänen omaan ajatteluunsa. Talouselämän lauantaina 25. lokakuuta julkaisemassa haastattelussa Kärki kertoo, miten tekoäly voi heikentää ajattelukykyä niin, ettei käyttäjä itse sitä huomaa. Hän esittelee myös yksinkertaiset keinot, joilla hän suojaa omaa ajatteluaan.
AI Suomi ei tätä juttua kirjoittaessaan päässyt lukemaan haastattelua kokonaan, joten Kärjen yksittäisiä keinoja ei referoida tässä. Hänen havaintonsa ydin saa kuitenkin tukea tämän vuoden tutkimuksista. Niistä löytyy myös keinoja, joita voi kokeilla heti.
Nopeampi työ, heikompi oppiminen
Tammikuussa 2026 tekoäly-yhtiö Anthropicin tutkijat Judy Hanwen Shen ja Alex Tamkin julkaisivat satunnaistetun kokeen, jossa 52 enimmäkseen junioritason ohjelmistokehittäjää opetteli heille uutta Trio-ohjelmointikirjastoa. Puolet sai käyttää tehtävän aikana tekoälyavustajaa, puolet koodasi itse. Lopuksi kaikki tekivät kokeen siitä, mitä olivat oppineet.
Tekoälyryhmä sai tehtävän valmiiksi noin kaksi minuuttia nopeammin, mutta ero ei ollut tilastollisesti merkitsevä. Osaamiskokeessa ero oli selvä. Tekoälyn kanssa työskennelleet saivat keskimäärin noin 50 prosenttia pisteistä, itse koodanneet noin 67 prosenttia. Suurin ero syntyi vianetsintää mittaavissa kysymyksissä.
Tulos on huomionarvoinen siksikin, että sen julkaisi yhtiö, joka myy juuri tällaisia työkaluja. Tutkimus on arXiv-esijulkaisu, eli sitä ei ole vielä vertaisarvioitu, ja otos on pieni.
“Kognitiivinen ponnistelu – ja jopa tuskallinen jumiin jääminen – on todennäköisesti tärkeää osaamisen kehittymiselle.”
Luottamus vie tilaa kriittisyydeltä
Samaan suuntaan osoittaa vertaisarvioitu tutkimus, jonka Microsoftin ja Carnegie Mellonin yliopiston tutkijat esittelivät CHI 2025 -konferenssissa. Siinä 319 tietotyöntekijää kuvasi yhteensä 936 tilannetta, joissa he olivat käyttäneet generatiivista tekoälyä työssään.
Tutkijoiden mukaan ”suurempi luottamus generatiiviseen tekoälyyn on yhteydessä vähäisempään kriittiseen ajatteluun” (alkukieli englanti). Vastaavasti ne, jotka luottivat omaan osaamiseensa, ajattelivat kriittisemmin. Ajattelutyö ei katoa. Se siirtyy omasta päättelystä vastausten tarkistamiseen ja yhteen sovittamiseen.
Tästä syntyy ongelma etenkin uransa alussa oleville. Tarkistaminen vaatii taitoa, jota karttuu vain tekemällä virheitä ja selvittämällä ne itse. Jos vastavalmistunut tai kesäharjoittelija ulkoistaa juuri ne vaiheet, joissa hän jäisi jumiin, hänelle ei kerry osaamista arvioida, milloin kone on väärässä. Työnantajalle hinta näkyy vasta vuosien päästä, kun kokeneita tekijöitä tarvittaisiin.
Miten apua voi käyttää oppimatta pois
Anthropicin kokeessa kaikki tekoälyn käyttäjät eivät pärjänneet huonosti. Ratkaisevaa oli se, miten he avustajaa käyttivät. Heikoimmin menestyivät ne, jotka antoivat koneen kirjoittaa koodin ja korjata virheet puolestaan. Parhaat tulokset saivat ne, jotka kysyivät tekoälyltä käsitteistä ja pyysivät selityksiä.
Tästä saa ensimmäisen vinkin. Kun pyydät tekoälyltä vastausta, pyydä samalla selitys sille, miksi vastaus on oikea, ja kysy jatkokysymys siitä kohdasta, jota et ymmärtänyt. Toinen vinkki on lukea valmis vastaus ennen käyttöä ja selittää se itsellesi omin sanoin. Jos et pysty siihen, et vielä ymmärrä asiaa.
Kolmas vinkki on yksinkertaisin ja vaikein: yritä ensin itse. Anna itsellesi vaikkapa vartti aikaa ratkaista ongelma ennen kuin avaat chat-ikkunan. Jumittuminen tuntuu ajan hukalta, mutta tutkijoiden mukaan juuri se kehittää osaamista.
Agentit voivat syventää ilmiötä
Anthropicin koe tehtiin tavallisella keskusteluavustajalla, ja oppimista mitattiin heti tehtävän jälkeen. Tutkijat arvioivat itse, että itsenäisesti koodia kirjoittavien agenttityökalujen, kuten yhtiön oman Claude Coden, vaikutus voi olla vielä suurempi. Kun kone tekee kokonaisen työtehtävän alusta loppuun, ihmiselle jää entistä vähemmän kohtia, joissa hän joutuisi pysähtymään ja ajattelemaan.
Yrityksille tämä on perehdytyskysymys. Uuden työntekijän tekoälyn käytöstä kannattaa sopia yhtä tarkkaan kuin muistakin työtavoista.
