Osaako tekoäly hakea päiväkotipaikan? OpenAI testaa

LifeVal on OpenAI:n 2. marraskuuta julkaisema arviointi, joka mittaa, pystyykö tekoäly hoitamaan tavallisen ihmisen arkisia asioita: etsimään lapselle päiväkotia muuton jälkeen, laatimaan budjetin, tilaamaan ruokaostokset tai asioimaan viranomaisen kanssa. Koodin tai matematiikan sijaan se kysyy, saako ihminen tekoälyn avulla asiansa hoidettua.

Yksi testin tehtävistä on tuttu jokaiselle lapsiperheelle. Perhe on muuttanut uudelle paikkakunnalle, ja tekoälyn pitää vertailla lähialueen esikouluja ja auttaa ilmoittautumisessa. Toisessa tehtävässä vanhempi on juuri saanut diabetesdiagnoosin, ja avustajan pitää suunnitella hänen ateriansa. Kolmannessa tilataan halal-ruokaostokset annetulla budjetilla ja kootaan kulut taulukkoon.

Miten tehtävät valittiin

OpenAI kertoo lähteneensä liikkeelle ajankäyttötutkimuksista. Pohjana olivat Yhdysvaltain American Time Use Survey ja Multinational Time Use Study, joka kattaa 30 maata ja 55 vuotta. Niiden päälle yhtiö teetti väestöä edustavan kyselyn 3 995 vastaajalle ja kysyi, missä he haluaisivat henkilökohtaisen avustajan apua.

Vastausten perusteella tehtävät jaettiin seitsemään alueeseen: hoivavastuut, terveys, koulutus, kotitalouden hallinto, henkilökohtainen talous, ostokset ja viranomaisasiointi. Yhtiön mukaan testi on ollut sen sisäisessä käytössä jo vuoden. Uutta kuluttajaominaisuutta julkaisun mukana ei tullut.

Miksi tämä eroaa koodi- ja matikkatesteistä

Tekoälymallien vertailutestit ovat tähän asti mitanneet lähinnä sitä, osaako malli ratkaista ohjelmointitehtävän tai kilpailumatematiikan laskun. Niissä vastaus on oikein tai väärin, ja sen voi tarkistaa koneellisesti.

Arki ei toimi niin. Päiväkotihaussa ei ole yhtä oikeaa vastausta. Hyvä lopputulos riippuu perheen työmatkoista, lapsen tarpeista ja siitä, lähtikö hakemus ajoissa. Tehtävässä on myös monta vaihetta: tiedon etsiminen, vertailu, lomakkeen täyttäminen ja lopulta itse toimenpide.

Juuri toimenpiteet kiinnostavat OpenAI:ta. Testi liittyy yhtiön pyrkimykseen tehdä ChatGPT:stä agentti, joka käyttää selainta, tietokonetta ja liitettyjä palveluita käyttäjän puolesta. OpenAI kertoo, että ChatGPT:llä on yli miljardi viikoittaista käyttäjää, ja yhtiö kuvaa suuntaa askeleeksi kohti aidosti itsenäisesti toimivaa henkilökohtaista avustajaa.

Mitä tulokset kertovat

OpenAI julkaisi tuloksia vain omista malleistaan. FourWeekMBA-sivuston yhtiön kaaviosta lukemien arvojen mukaan GPT-5.2 sai keskimäärin 49,3 prosenttia ja GPT-6 Astra 80,6 prosenttia. Väliin mahtuvat GPT-5.4 (73,0), GPT-5.5 (77,4) ja GPT-5.6 (80,0). Kaavion mallit on julkaistu joulukuun 2025 ja syyskuun 2026 välillä.

Suurin hyppy tuli varhain. GPT-5.2:sta GPT-5.4:ään tulos nousi lähes 24 prosenttiyksikköä, mutta kolme seuraavaa mallia ovat nostaneet sitä yhteensä alle kahdeksan yksikköä. FourWeekMBA arvioi, että hidastuminen voi kertoa testin lähestyvän kattoaan. Yhtä hyvin jäljellä voivat olla vain vaikeimmat tehtävät.

Esimerkkitehtävistä OpenAI näyttää korkeita lukuja: esikoulun valinta muuton jälkeen 93,1 prosenttia, diabeetikon ateriasuunnittelu 90,4 prosenttia ja perheen asunnonhaku Pennsylvanian Luzernen piirikunnassa 100 prosenttia. Ne ovat kuitenkin poimittuja esimerkkejä ja osin parhaita kirjattuja suorituksia. Koko testin keskiarvosta ne eivät kerro.

Toimisiko testi Kelassa tai OmaVerossa?

Suomalaisittain kiinnostavin alue on viranomaisasiointi. Täällä iso osa siitä hoidetaan verkossa: tuet haetaan Kelan asiointipalvelussa, verot tarkistetaan OmaVerossa ja päivähoitoa haetaan kunnan sähköisellä lomakkeella.

Tekoälyagentti törmää tässä heti seinään. Kelan ja OmaVeron palveluihin kirjaudutaan vahvalla tunnistautumisella eli pankkitunnuksilla tai mobiilivarmenteella, eivätkä tunnusten käyttöehdot salli niiden luovuttamista toiselle. Toisen puolesta asiointiin on oma järjestelmänsä, Suomi.fi-valtuudet, mutta tekoälyavustajia siinä ei ole otettu huomioon.

Suomalainen LifeVal mittaisikin luultavasti eri asiaa kuin amerikkalainen. Agentti voisi selvittää, mihin tukeen perhe on oikeutettu, vertailla päiväkoteja ja täyttää hakemuksen valmiiksi, mutta viimeisen napin painaisi ihminen. Päivähoitohaussa sekin on paljon, sillä hakemus on jätettävä pääsääntöisesti viimeistään neljä kuukautta ennen hoidon tarvetta.

Kieli ja ympäristö ovat toinen kysymys. OpenAI:n tehtävät perustuvat yhdysvaltalaiseen arkeen. Suomen sosiaaliturvan ehdot, kuntien omat käytännöt ja virkakieli ovat aivan eri maailma, eikä yhdysvaltalainen tulos kerro, miten malli niissä pärjää.

Kenen arkea tämä koskee

Koodaustestit kiinnostavat ohjelmoijia. LifeVal mittaa asioita, joihin jokainen kuluttaa aikaansa: lomakkeita, ostoksia sekä lasten ja ikääntyvien vanhempien asioita. Jos tekoäly hoitaa ne luotettavasti, hyöty osuu ruuhkavuosia eläviin perheisiin ja omaishoitajiin enemmän kuin kehittäjiin.

Samalla virheen hinta nousee. Väärin laskettu matikkatehtävä ei maksa mitään, mutta myöhästynyt tukihakemus tai väärä ruokavalio diabeetikolle maksaa. Siksi tulokset pitäisi pystyä tarkistamaan muuallakin kuin yhtiön omassa blogissa.

Kukaan OpenAI:n edustaja ei ole kommentoinut LifeValia nimellään julkisuudessa, eikä yhtiö ole kertonut, aikooko se avata tehtäväaineiston. Seuraava merkittävä askel olisi, että kilpaileva yhtiö tai riippumaton tutkimusryhmä ajaa saman testin. Siihen asti LifeVal on ennen kaikkea OpenAI:n oma kuvaus siitä, mihin se haluaa ChatGPT:n viedä.