Tekoäly ei ole jumalolento -artikkelin kansikuva, jossa kauounki yöllä.

Tekoäly ei ole jumalolento vaan ihmisen rakentama työkalu

Tekoälystä puhutaan usein kuin ihmisen korvaavasta voimasta, mutta todellisuus on paljon arkisempi. Andrej Karpathy, yksi OpenAI:n perustajista ja Teslan entinen tekoälyjohtaja, vieraili hiljattain Dwarkesh Patelin podcastissa ja jakoi aiheesta ajatuksiaan.

Artikkeli kokoaa hänen keskeiset näkemyksensä tekoälyn kehityksen todellisesta tilasta, agenttien rajoista ja ihmisen roolista niiden rinnalla. Samalla tarkastellaan muita tuoreita havaintoja siitä, miksi suurin osa tekoälyhankkeista epäonnistuu ja mitä onnistujat tekevät toisin.

Realismia tekoälykeskusteluun

Podcastissa ja sen jälkeisissä pohdinnoissaan Karpathy pyrki tuomaan tasapainoa tekoälykeskusteluun, joka on jakautunut kahteen ääripäähän. Toisessa uskotaan, että yleinen tekoäly (AGI) on aivan nurkan takana, toisessa taas siihen, ettei sitä koskaan synny. Karpathy sijoittuu näiden väliin. Hänen mukaansa elämme “agenttien vuosikymmentä”, mutta realistisemmassa mielessä kuin hype antaa ymmärtää.

Karpathy pitää tekoälyn viime vuosien kehitystä merkittävänä, mutta muistuttaa, että sen kyvykkyyttä liioitellaan. Hänen arvionsa mukaan AGI saattaa olla mahdollinen kymmenen vuoden sisällä, mutta sekin on optimistinen aikajänne. Edessä on vielä paljon työtä, kuten datan ja mallien integrointia, tekoälyn liittämistä fyysiseen maailmaan, turvallisuuteen ja yhteiskunnallisiin vaikutuksiin liittyvien kysymysten ratkaisemista.

Tekoäly on siis edennyt valtavasti, mutta on yhä kaukana järjestelmästä, joka voisi korvata ihmisen missä tahansa tehtävässä. Viesti on selvä, tekoäly ei ole yliluonnollinen ilmiö, vaan insinööritaidon ja laskentatehon tulos. Ja se on vasta puolimatkassa.

Työkalu, ei ylivoimainen olento

Karpathy kertoi podcastissa, ettei tekoälyagenttien todellinen vallankumous ole hänen mukaansa vielä käsillä. “Ne eivät yksinkertaisesti toimi tarpeeksi hyvin. Ne eivät ole riittävän älykkäitä, eivät multimodaalisia, eivätkä pysty jatkuvaan oppimiseen”, hän totesi.

Tällä hetkellä agentit eivät siis muista asioita, joita niille on kerrottu, eivätkä pysty toimimaan itsenäisesti monimutkaisissa ympäristöissä. Karpathyn mukaan niiden kehittäminen toimiviksi voi kestää vielä vuosikymmenen.

Karpathyn ajattelussa tekoäly on parhaimmillaan opettaja ja kumppani, ei ihmisen korvaaja. Hän toivoo tekoälyltä vähemmän oletuksia ja enemmän kysymyksiä sekä halua tehdä yhteistyötä ja oppia ihmiseltä. Tämä näkemys on syvällisen inhimillinen, sillä tekoälyn todellinen arvo löytyy yhteistyöstä, ei kilpailusta.

Yritykset kohtaavat todellisuuden

Fortunen artikkelissa on koottu dataa, joka kuvaa, miten myös yritykset alkavat ymmärtää tämän. Esimerkiksi Gartnerin tutkimus osoittaa, että puolet organisaatioista, jotka aikoivat vähentää asiakaspalveluhenkilöstöään tekoälyn avulla, ovat peruneet suunnitelmansa.

Samalla MIT:in tutkimus kertoo 95 prosenttia tekoälypiloteista epäonnistuneen. Maailma ei siis ole vielä valmis tekoälyagenttien varaan, mutta kehitys etenee hurjaa vauhtia.

Eläimet ja aaveet

Karpathyn yksi kiinnostavimmista vertauksista on “animals vs. ghosts”. Karpathy kertoo, ettei tekoälyn kehityksessä ole kyse evoluution toistamisesta, vaan pitkästä insinööriurakasta, jossa yritämme rakentaa jotain hyödyllistä ja turvallista. Hän suhtautuu varauksella siihen ajatukseen, että yksi algoritmi voisi oppia kaiken maailmasta tyhjästä. “Jos joku sellaisen rakentaa, olen väärässä – ja se olisi uskomaton läpimurto. Mutta en usko, että olemme lähelläkään sitä.”

Hän muistuttaa, että esimerkiksi eläimet eivät ole tällaisia tabula rasa -olioita, vaan evoluution muovaamia olentoja, joilla on sisäsyntyinen evoluution luoma älykkyys. Kielimallien hän taas kuvaa olevan kuin aaveita, sillä ne eivät elä tai opi kokemuksesta, vaan niiden tieto on imetty internetin syövereistä. Ne tietävät paljon, mutta eivät ole eläviä olentoja, eivätkä tunne maailmaa kehonsa kautta. Tekoäly ei siis ole uusi “elämän muoto”, vaan hänen mukaansa pikemminkin suuri kielipohjainen haamu, joka jäljittelee ihmisen ymmärrystä.

”But with LLMs we have stumbled by an alternative approach to ”prepackage” a ton of intelligence in a neural network – not by evolution, but by predicting the next token over the internet. This approach leads to a different kind of entity in the intelligence space. Distinct from animals, more like ghosts or spirits.”

Andrej Karpathy

Tekoälyagentit ihmisen kumppaneina ja valvonnassa

Karpathy suhtautuu varovaisesti ajatukseen täysin itsenäisistä tekoälyagenteista. Hänen mukaansa olemme vaiheessa, jossa ihmisen ja tekoälyn on vielä työskenneltävä yhdessä, ei erillään. Hän toivoo yhteistyötä, jossa tekoäly ei katoa tekemään päätöksiä omassa kuplassaan, vaan pysyy vuorovaikutuksessa ja perustelee ratkaisunsa käyttäjälleen.

”I don’t want an Agent that goes off for 20 minutes and comes back with 1,000 lines of code. I certainly don’t feel ready to supervise a team of 10 of them.” -Andrej Karpathy

Hänen huolensa on osuva, jos agentteja kehitetään liian nopeasti ilman ymmärrystä niiden rajoista, ohjelmistomaailma saattaa pian täyttyä huonosti toimivasta, turvattomasta koodista, jonka alkuperä hämärtyy.

“I just think the tools should be more realistic w.r.t. their capability and how they fit into the industry today, and I fear that if this isn’t done well we might end up with mountains of slop accumulating across software, and an increase in vulnerabilities, security breaches etc.”

Andrej Karpathy

95 % tekoälypiloteista epäonnistuu ja siksi onnistujat erottuvat

MIT:n State of AI in Business 2025 -tutkimuksen mukaan jopa 95 prosenttia generatiivisen tekoälyn piloteista epäonnistuu. Syynä ei ole teknologia, vaan se, miten sitä yritetään ottaa käyttöön. Yritykset tavoittelevat usein nopeita tuloksia ja näyttäviä kokeiluja, mutta todellinen hyöty syntyy vasta, kun tekoäly liitetään osaksi ihmisten työtä ja prosesseja. Epäonnistuneet organisaatiot ovat sijoittaneet staattisiin työkaluihin, jotka eivät pysty mukautumaan heidän työnkulkuihinsa.

Jason Snyder taas kirjoittaa Forbesissa, että juuri vastus ja kitka tekevät tekoälystä toimivan. Onnistujat eivät yritä ohittaa ongelmia, vaan ratkaisevat ne käytännön kautta. He rakentavat järjestelmiä, jotka parantuvat käytön myötä ja tukevat ihmisten päätöksentekoa sen sijaan, että korvaisivat sen.

MIT:n tutkimuksen mukaan tekoälyn kanssa onnistuvat yritykset toimivat toisin. Ne suunnittelevat tekoälyratkaisunsa ongelmakeskeisesti, eli keskittyvät rajattuihin korkean arvon käyttötapauksiin ja liittävät generatiivisen tekoälyn osaksi liiketoiminnan tärkeimpiä prosesseja, rakentavat järjestelmiä, jotka muistavat, oppivat ja parantuvat käytön myötä. Alan tuntemus ja prosesseihin integroituminen ovat näissä piloteissa tärkeämpiä kuin näyttävä käyttöliittymä. Siellä syntyy todellinen arvo.

Käytännön esimerkkejä ja oppia yrityksille

McKinseyn rakentama tekoälyagentti Microsoftin Copilot Studion avulla on hyvä esimerkki onnistuneesta tekoälyn integroinnista. Agentti seuloo sähköpostitse saapuvat asiakasehdotukset, ja vaikka se ei toimi täysin itsenäisesti, se on lyhentänyt työn keston 20 päivästä kahteen. Tekoäly voi siis jo nyt tehostaa työtä, kun se nähdään oikein, eli ihmisen avustajana.

Me olemme myös Hurjalla rakentaneet tekoälyagentin tällä ajatuksella. Kehittämämme tekoälyagentti käsittelee sähköpostitse saapuvat tilaukset automaattisesti Odoo ERP -järjestelmää varten. Se analysoi viestit, poimii oleelliset tiedot ja mahdolliset virheet sekä muokkaa ne siirrettävään tilausmuotoon. Lopuksi ihminen vielä tarkistaa tilauksen ennen sen viemistä järjestelmään.

MIT tunnistaa myös niin sanotun shadow AI -ilmiön, jossa työntekijät ottavat käyttöön omia tekoälyratkaisujaan, vaikka viralliset pilotit olisivat epäonnistuneet. Juuri tämä käytännönläheinen käyttö on kuitenkin tuonut monille yrityksille jo mitattavia tuloksia, kuten kustannussäästöjä ja nopeampia prosesseja.

Karpathyn ajattelu osuu tähän samaan linjaan. Tekoäly ei vielä toimi täysin itsenäisesti, eikä sen pidäkään. Parhaat tulokset syntyvät, kun ihminen ja tekoäly toimivat rinnakkain ja oppivat toisiltaan.

Tekoäly tarvitsee ihmistä

Karpathyn pohdinnoissa toistuu tieteellinen nöyryys. Hän uskoo edistykseen, mutta ei ihmeisiin. Seuraavat suuret harppaukset syntyvät todennäköisesti tylsästä mutta tärkeästä työstä, kuten paremmasta datasta, turvallisuudesta, yhteistyöstä ja vastuullisesta käyttöönotosta.

Tekoäly voi olla voimakas liittolainen, mutta vain jos muistamme, että sen äly on lainattua, meidän luomaamme, meidän rajaamaamme ja meidän vastuullamme. Tekoälyn ympärillä leijuu kuitenkin houkutus, halu rakentaa jotakin, joka tekisi työn ja ajattelun puolestamme. Mutta kuten tarina vaikkapa Frankensteinista muistuttaa, luominen ilman ymmärrystä voi kääntyä meitä vastaan.

Kun kuvittelemme tekoälyn kaikkivoivaksi, luovutamme vastuun. Kun näemme sen työtoverina, opimme itsekin enemmän ja voimme oppia epäonnistumisien kautta. Me emme näe tekoälyä yliluonnollisena voimana vaan käytännön työkaluna, jota pitää kehittää ja käyttää harkiten. Haluamme hyödyntää tekoälyä tavalla, joka tukee ymmärrystä ja ihmisten välistä yhteistyötä, ei korvaa niitä. Kun rutiinit ja toisto automatisoidaan, ihmiselle jää enemmän tilaa ajatella, luoda ja ratkaista ongelmia yhdessä.

Tekoäly ei ole jumalolento. Se on suurin ihmisen koskaan rakentama työkalu ja siksi se tarvitsee meitä, uteliaita, vastuullisia ja inhimillisiä ihmisiä pitämään sen suunnan oikeana.

Laitetaanko homma käyntiin?

"*" näyttää pakolliset kentät

Nimi*
Hurja Solutions: Petteri Karppinen.