Tekoäly osaa jo suuren osan monen ammattilaisen työstä – se ei vielä tarkoita työpaikan katoamista
Tekoäly voi automatisoida suuren osan ammatin tehtävistä ilman, että koko työpaikka katoaa. VATT:n mukaan ratkaisevaa on, pystyykö tekoäly hoitamaan kokonaisen tehtäväketjun itsenäisesti ja kasvaako palvelun kysyntä sen halventuessa.
Johanna Kohvakka
Kymmenen vuotta sitten tekoälytutkija Geoffrey Hinton julisti Toronton-konferenssissa, että röntgenlääkärien kouluttaminen kannattaisi lopettaa saman tien: kone oppisi tulkitsemaan kuvia ihmistä paremmin muutamassa vuodessa, ja ammatti häviäisi sen mukana. Myöhemmin Hintonista tuli tekoälytutkimuksen Nobel-palkittu "kummisetä", ja hänen ennustuksensa kiersi maailmaa varoituksena siitä, mitä koneoppiminen on tekemässä asiantuntijatyölle.
Kuvien tulkinta on nykyään koneelta sujuvaa. Silti röntgenlääkäreistä on Yhdysvalloissa pikemminkin pulaa kuin ylitarjontaa, ja heidän palkkansa ovat nousseet ennätyslukemiin, yli puoleen miljoonaan dollariin vuodessa. Ilmiö on herättänyt taloustieteilijöiden keskuudessa kysymyksen: miksi se, että kone oppi tulkitsemaan kuvia, ei tuhonnutkaan ammattia, jonka ydintehtävänä kuvantulkintaa pidettiin?
Valtion taloudellinen tutkimuskeskus VATT:n Ramin Izadi tarttuu kysymykseen tuoreessa VATT:n blogissa ja esittää siihen taloustieteellisen selityksen: työmarkkinoilla ei osteta ja myydä yksittäisiä tehtäviä, vaan kokonaisia työpaikkoja. Röntgenlääkärin työhön kuuluu kuvien tulkinnan lisäksi muun muassa jatkotoimien arviointia, kollegoiden kanssa kommunikointia ja potilasturvallisuudesta vastaamista. Kun kone hoitaa vain osan tästä kokonaisuudesta, jäljelle jäävät tehtävät voivat itse asiassa muuttua entistä arvokkaammiksi – ja työstä maksettava korvaus nousee, ei laske.
Ratkaisevana ero irrotettavuus
Izadin mukaan oleellista on, ovatko työtehtävät irrotettavissa toisistaan. Jos tekoäly oppii vain yhden osan työstä, mutta loput tehtäväketjusta vaativat edelleen ihmistä, työpaikka ei katoa – se vain muuttuu. Ihminen keskittyy siihen osaan, jota kone ei osaa, ja voi hyötyä tuottavuuden noususta jopa palkankorotuksena.
Toisissa ammateissa tehtävät sen sijaan erottuvat toisistaan helposti. Esimerkiksi ruotsalainen maksupalveluyhtiö Klarna kertoi vuonna 2024 ylpeänä korvanneensa tekoälyllä satojen asiakaspalvelijoiden työn ja säästävänsä sillä kymmeniä miljoonia dollareita. Yhtiön toimitusjohtaja kehui julkisuudessa, että tekoäly pystyisi jo tekemään "kaikki työt, joita me ihmiset teemme". Reilua vuotta myöhemmin Klarna alkoi palkata asiakaspalvelijoita takaisin: palvelun laatu oli kärsinyt, valitukset lisääntyneet ja asiakkaat halusivat yhä useammin puhua ihmisen kanssa. Toimitusjohtaja itse myönsi keskittyneensä liikaa kustannussäästöihin laadun kustannuksella.
Klarnan kokemus toimii varoittavana esimerkkinä siitä, että näennäisesti irrallisiltakin vaikuttavat tehtävät, kuten rutiinineuvonta ja mutkikkaampien tapausten ratkaiseminen, voivat lopulta kuulua samaan palveluketjuun, jota ei voi katkaista laadun kärsimättä.
Nykytilaan ei kuitenkaan kannata tuudittautua: tekoälyteknologia kehittyy koko ajan, ja tehtävät, jotka tänään ovat kietoutuneet yhteen, voivat huomenna irrota toisistaan.
Konekäännös on tästä hyvä esimerkki. Vielä muutama vuosi sitten jokainen konekäännetty lause piti tarkistaa ihmisvoimin, mikä rajoitti automaation hyötyjä. Nyt käännösten laatu on parantunut niin paljon, että suuri osa teksteistä julkaistaan suoraan ilman ihmisen kosketusta. Britanniassa tehdyn kyselyn mukaan kolmasosa kääntäjistä on jo menettänyt töitä tekoälylle ja puolet kertoo tulojensa laskeneen – mutta samaan aikaan vaativimpien käännöstöiden, kuten sopimusten ja viranomaisasiakirjojen, palkkiot ovat nousseet. Ammattikunta ei siis katoa vaan jakautuu: massatuotanto siirtyy koneille, ja ihmisille jää vastuu vaativimmista ja riskialttiimmista teksteistä.
Työllisyys riippuu kysynnästä, ei vain tuottavuudesta
Vaikka tehtävä irtoaisikin ammatista ja automatisoituisi kokonaan, se ei Izadin mukaan vielä kerro, katoavatko työpaikat. Ratkaisevaa on, kasvaako palvelun kysyntä yhtä nopeasti kuin sen tuottaminen halpenee. Ohjelmistokehityksessä näin on käynyt: tekoäly on automatisoinut ison osan koodaamisesta, mutta ala on silti kasvanut, koska halventunut koodaus on tehnyt yhä useamman idean toteuttamisen mahdolliseksi.
Asiakaspalvelussa tilanne on toinen. Halpa asiakaspalvelu ei saa ketään soittamaan vakuutusyhtiöönsä useammin, joten tuottavuuden kasvu vain vähentää tarvittavan työvoiman määrää.
Uusien ammattien synty on historiallisesti tasapainottanut automaation vaikutuksia: yli puolet Yhdysvaltain työllisistä työskenteli vuonna 2018 ammateissa, joita ei ollut olemassa vuonna 1940. Mutta blogi muistuttaa, ettei tämä ole mikään luonnonlaki – jos myös uusi työ nojaa ennen kaikkea kieleen, päättelyyn tai ongelmanratkaisuun, tekoäly voi oppia senkin nopeasti.
Kaksi kysymystä oman työn arviointiin
Izadin mukaan kaksi kysymystä riittää oman ammatin tulevaisuuden hahmottamiseen: Pystyykö tekoäly hoitamaan osan työstäni täysin itsenäisesti, ilman että tulosta pitää tarkistaa tai palvelun laatu kärsii? Ja jos palveluni halpenee automaation myötä, kasvaako sen kysyntä samaa tahtia?
Hintonin virhe vuonna 2016 ei ollut siinä, että hän aliarvioi tekoälyn kykyä tulkita röntgenkuvia – arvio osui lähelle. Virhe oli siinä, ettei hän kysynyt, voiko kuvantulkinnan irrottaa muusta röntgenlääkärin työstä, tai mitä automaation synnyttämälle kysynnälle tapahtuisi.
Sama kysymys kannattaa pitää mielessä, kun seuraavan kerran kuulee väitettävän, että tekoäly on viemässä juuri sinun ammattisi.
