EU:n uusi tekoälyasetus tekee tekoälylukutaidosta lakisääteisen vaatimuksen kaikille tekoälyä hyödyntäville organisaatioille. Tekoälylukutaito rakentuu datalukutaidosta, mutta mitä datalukutaito oikeastaan on – ja miksi sen vaikutus ulottuu paljon pidemmälle kuin pelkkään lakisääteiseen velvoitteeseen?
Datalukutaito ei ole yksittäinen kurssi koulutuskalenterissa, vaan osa yrityskulttuuria. Se on kieli, jota kaikkien organisaation jäsenten tulee osata puhua riittävällä tasolla ja olla innokas käyttämään. Jokaisen ei tarvitse osata rakentaa raportteja tai tekoälymalleja, mutta koko organisaation tulee ymmärtää datan ja tekoälyn peruskäsitteet ja lainalaisuudet.
Kun tämä yhteinen kieli kehittyy, syntyy mahdollisuus käydä merkityksellistä keskustelua datasta, mahdollisuuksista ja rajoista. Pohjimmiltaan kyse on ketteryydestä ja liiketoiminnan ohjaamisesta faktapohjaisesti. Käsitteessä ei ole sinällään mitään uutta, mutta yhteisen kielen omaksumisen myötä jokainen asiantuntija osaa miettiä omasta näkökulmastaan, miten data ja tekoäly parantaisivat hänen arkeaan, tiimin prosesseja tai kenties koko yrityksen tapaa toimia.
Datasta ei keskustella enää vain analyytikoiden tai datatiimin kesken, vaan siitä tulee osa jokaisen työntekijän ajattelutapaa. Kun samaa asiaa osataan tarkastella datalähtöisesti eri roolien näkökulmasta, oli kyseessä sitten asiakaspalvelija, tuotekehittäjä tai talousjohtaja, organisaatio saa käyttöönsä aivan uudenlaisen kyvyn oppia, reagoida ja uudistua.
Datalukutaidon syvin olemus alkaa uteliaisuudesta. Kun asiantuntijat eri rooleissa uskaltavat kysyä, syntyy liiketoimintaa hyödyttäviä oivalluksia: “Millaista dataa meillä on, mistä se tulee ja mitä sillä voisi tehdä?”, “Osaisin suunnitella paremman tuotteen, jos näkisin miten asiakkaat oikeasti sitä käyttävät” tai “Voisin palvella asiakasta paremmin, jos saisin ennakoitua tulevia tarpeita jollain tavalla”.
Uteliaisuus ja innostus ovat datalukutaidon liikkeellepanevia voimia, mutta datalukutaito tuo arvoa vasta, kun rinnalle tuodaan perustason ymmärrys datasta, sen laadusta, kontekstista ja rajoituksista. Kun organisaatiossa tiedetään, millaista dataa on olemassa tai voisi olla olemassa sekä miksi laatu ja konteksti ratkaisevat, mitä analytiikka ja tekoäly osaavat ja mikä on vaikeaa, silloin uteliaisuudesta ei synny pelkästään irrallisia ideoita, vaan osa yhteistä kulttuuria, joka vie organisaatiota eteenpäin.
Yhtä tärkeää on hahmottaa oman organisaation todellisuus: missä järjestelmissä data sijaitsee, kuka siitä vastaa ja miten siihen pääsee käsiksi. Datalukutaito antaa työntekijöille rohkeuden ja välineet kysyä kriittisiä kysymyksiä: “Mihin dataan tämä päätös perustuu? Mitä tästä voi jättää huomiotta? Onko meillä riittävän paljon faktaa asian tueksi?”
Pintapuolisesti organisaation datan hallinta voi näyttää selkeältä: datan suhteen roolit ja vastuut on määritelty, mittarit ovat kunnossa, raportointi toimii, data-alusta on viritettynä ja tekoälymalleja kehitetään. Jopa käytänteitä, omistajuutta ja datan laadun seurantaa saattaa olla paikallaan. Kun tarkastellaan lähempää, huomataan usein kuilu datatyön ja liiketoiminnan välillä.
Rohkenen väittää, että kun koko organisaatio valjastetaan miettimään hyötyjä tuovia käyttökohteita, saadaan kuilu liiketoiminta-arvon ja datatekemisen välillä kaventumaan ja datasta aidosti kilpailuetua. Näin datatekijät saavat pöydällensä parempia aihioita ja liiketoiminta saa realistisemman kuvan datan ja tekoälyn mahdollisuuksista. Ideat muuttuvat irrallisista kokeiluista konkreettisiksi ratkaisuiksi ja kytkeytyvät arkeen ja strategiaan tuottaen hyötyä.
Datalukutaidon oleellinen osa on siis ajatella ja arvioida tätä odotettua hyötyä, ennen konkreettisia toimenpiteitä. Kun koko organisaatio jakaa saman perustan, datan ja liiketoiminnan välinen kuilu ei ainoastaan kapene, vaan muuttuu sillaksi.
Kielimalleja hyödyntävät palvelut ovat tuoneet käyttäjäystävällisesti datan ja tekoälyn jokaisen ulottuville. Teknisiä taitoja ei enää tarvita – riittää, että osaat kysyä. Tämä avaa valtavia mahdollisuuksia, mutta asialla on myös kääntöpuolensa.
Ilman datalukutaitoa työkalut jäävät helposti koristeeksi. Parhaimmillaan ne ovat uuden tuottavuusloikan mahdollistaja – mutta vain, jos käyttäjät osaavat tunnistaa rajat ja hyödyntää työkalua vastuullisesti ja osaavasti. Hyödyt eivät tietenkään synny itsestään, ne vaativat perustiedot, harjoittelua ja joskus myös epäonnistumisten kautta etenemistä.
EU:n tekoälyasetus nostaa panoksia entisestään. Se velvoittaa organisaatioita varmistamaan, että kaikilla tekoälyä työssään hyödyntävillä on riittävä osaaminen. Käytännössä tämä tarkoittaa koulutusvelvollisuutta ja dokumentoitua ymmärrystä. Kyse ei ole vain IT-osastosta, vaan jokaisesta työntekijästä, joka käyttää Copilotia, ChatGPT:tä tai mitä tahansa AI-työkalua arjessaan.
Kun organisaatiossa jaetaan yhteinen käsitys datasta ja tekoälystä, väärinymmärrykset vähenevät, ideat jalostuvat ja asiat etenevät. Tätä voi miettiä kolmella tasolla:
Ilman yhteistä perustaa nämä tasot eivät kohtaa. Datalukutaito luo maaperän, jossa ideat voivat kasvaa ja muuttua käytännön hyödyiksi.
Yksilön datalukutaito on käytännön taitoa. Kykyä tunnistaa, mitä dataa oma työ tarvitsee, ja ymmärtää, miten dataa voidaan tulkita ja tekoälyä kannattaa hyödyntää.
Esimerkki: myyntipäällikkö, joka pyytää tekoälyä analysoimaan asiakaspoistuman syitä, mutta osaa myös kysyä kriittisen jatkokysymyksen – “Mihin dataan tämä analyysi perustuu, ja millä menetelmällä johtopäätökset on tehty?”
Datalukutaito on myös kykyä erottaa signaali kohinasta. Väärä mittari tai väärinymmärretty tulos voi näyttää vaikuttavalta, mutta ohjata täysin harhaan. Tämä on syy, miksi pelkkä numerotaito ei riitä – tarvitaan kriittistä tulkintaa ja kykyä ymmärtää, miten näkemys on saatu aikaan ja mistä data on kerätty.
Prosessitasolla datalukutaito tarkoittaa ymmärrystä siitä, miten tieto kulkee organisaation sisällä. Missä se syntyy, miten se jalostuu ja missä se jumittuu, tai mistä se puuttuu kokonaan.
Asiakastiedon pitäisi virrata saumattomasti myynnistä toimitukseen ja laskutukseen. Usein näin ei ole. Sama tieto kirjataan kolmeen eri järjestelmään, ja virheet moninkertaistuvat. Prosessin loppupäässä analysoidaan tuotteen kelpoisuutta ennen asiakkaalle lähettämistä, mutta tunnistettuja virheitä ei systemaattisesti käytetä laadun parantamiseen prosessin alkupäässä.
Datalukutaitoinen tiimi ei vain tunnista näitä ongelmia, vaan myös näkee mahdollisuuksia: tekoäly voi reitittää asiakaspalvelupyyntöjä automaattisesti tai tunnistaa riskiasiakkaat ennen kuin ongelma eskaloituu.
Strategisella tasolla data ei ole enää tukitoiminto, vaan liiketoiminnan ydin. Tällä tasolla kysytään rohkeita kysymyksiä: Voisimmeko myydä tuotteiden sijaan dataan perustuvia palveluja? Millaisia uusia tuotteita tai palveluja voi syntyä datan avulla? Millaisia ekosysteemejä voimme rakentaa datan ympärille?
Tekoäly mahdollistaa asioita, joita emme aiemmin osanneet edes kuvitella. Asioille löytyy täysin uudenlaisia yhteyksiä. Voimme muutamalla tiedossa olevalla avaintiedolla saada luotettavan kuvan mitä tulee tapahtumaan. Ennakoiva huolto muuttaa kertamyynnin jatkuvaksi palveluksi. Tai voi muuttaa, jos se osataan laittaa tarjolle niin, että asiakas kokee siitä vilpitöntä arvoa verrattuna entiseen.
Mutta tämä vaatii rohkeutta – liiketoimintamallien muutoksia, investointeja ja valmiutta hyväksyä, että kaikki kokeilut eivät onnistu. Uskallan väittää, että datalukutaitoon investoimalla onnistumisen todennäköisyys paranee.
EU ei määrittele, mitä riittävä tekoälylukutaito tarkoittaa. Tämä on viisas ja toisaalta ainoa mahdollinen ratkaisu: pankin riskianalyytikon tarpeet ovat erilaisia kuin markkinointitiimin tai tuotantotyöntekijän.
Käytännössä vaatimus tarkoittaa, että organisaation pitää tarjota koulutusta ja varmistaa, että jokainen tekoälyä hyödyntävä ymmärtää perusteet: miten tekoäly toimii, mitkä ovat sen riskit ja miten sitä käytetään vastuullisesti. Mikä on sallittua, mikä rajoitettua ja mikä kokonaan kiellettyä.
Tähän liittyy myös turvallisuus ja kriittinen ajattelu. Datalukutaitoa on ymmärtää, että tekoäly voi hallusinoida, deepfake-videoita on yhä vaikeampi tunnistaa ja tiedon luokittelu ja pääsynhallinta on yhä tärkeämpää.
Viisaat organisaatiot näkevät tämän mahdollisuutena. Ne eivät tähtää minimitasoon, vaan rakentavat kilpailuetua. Kun kilpailija vielä miettii minimiä eli vaatimuksenmukaisuutta, datalukutaitoinen organisaatio on jo kehittämässä liiketoimintaa.
Suomella on hyvät edellytykset nostaa organisaatioiden datavalmiuksia. Elements of AI -kurssille on osallistunut yli 1,7 miljoonaa ihmistä, koulutustaso on korkea ja digitaalinen infrastruktuuri toimiva.
Silti käytännön hyödyntämisessä olemme jäljessä. Tilastokeskuksen mukaan vain 24 % suomalaisyrityksistä hyödynsi tekoälyä keväällä 2024. BCG:n tutkimuksen mukaan vain 19 % pohjoismaisista toimistotyöntekijöistä käyttää generatiivista tekoälyä viikoittain – kun globaalisti luku on jo yli 60 % (2025).
Moni organisaatio on jäänyt kiinni pilottivaiheeseen: kokeiluja on tehty, mutta liiketoimintahyödyt ovat jääneet puolitiehen. Ostopäätöksiä pohditaan vielä yksittäisten lisenssien näkökulmasta – pitäisikö Copiloteja hankkia lisää vai vähentää – sen sijaan, että arvioitaisiin kokonaisuutta: mitä hyötyä investoinneista syntyy ja miten käyttäjät kokevat arvon.
Viisas organisaatio ei mittaa datalukutaitoa pelkillä kurssisuorituksilla, vaan ymmärtää, että datalukutaito ei ole IT- eikä HR-projekti, vaan kulttuurin muutos. Kaikkien tulee olla samassa veneessä, työntekijästä johtoryhmään. Kulttuurinmuutos vaatii johtamista ja esimerkkiä. Kun toimitusjohtaja kysyy: “Onko meillä dataa mahdollisuuksien simuloimiseen?” tai “Voisimmeko testata tätä AI:lla?” viesti on selvä – datalukutaito on meille tärkeää.
Kyse on siitä, miten oppiminen näkyy käytännössä: parempina päätöksinä, sujuvampina prosesseina ja uusina liiketoimintamahdollisuuksina. Älykkäämpinä keskusteluina ja rohkeampina kysymyksinä, jotka vievät asioita eteenpäin. Kun ihmiset uskaltavat ja osaavat kyseenalaistaa vanhoja toimintamalleja ja ehdottaa uusia tapoja hyödyntää dataa, syntyy kulttuuri, jossa oppiminen ei jää koulutustilaisuuksiin vaan näkyy jokapäiväisessä tekemisessä.
Teknologia muuttuu nopeammin kuin koskaan ja vain ne organisaatiot, jotka kasvattavat osaamistaan samassa tahdissa, pysyvät relevantteina myös jatkossa. Taito syntyy vain tekemällä. Teoriat luovat perustan, mutta oppiminen tapahtuu käytännön kautta. Kun perusvalmiudet ovat hallussa, keskusteluille, ideoinnille ja kokeiluille on järjestettävä aikaa ja mahdollisuuksia. Kaikilla tulee olla luottamuksen tunne siitä, että datalukutaidon kehittäminen on yrityksessä prioriteetti ja siihen panostaminen on oikein. Johdon tulee viestiä, että ilman liikettä ei tapahdu mitään, yrityksen pitää näkyä ja erehtyminen on väistämätöntä matkalla eteenpäin.
Yritysten tehtävä on tuottaa voittoa ja datalukutaito on suora jatkumo tätä tarinaa. Mutta sillä on myös muita, paljon laajempia vaikutuksia. Se parantaa päätöksenteon laatua, vahvistaa läpinäkyvyyttä ja lisää luottamusta sekä asiakkaiden että työntekijöiden silmissä ja samalla yksilöiden työn merkityksellisyys kasvaa. Datalukutaito on siis samanaikaisesti kilpailukykyä vahvistava investointi, vastuullisuusteko ja kulttuurin muutosmatka.
Kirjoittaja: Pekka Mikkola (Head of Offering, Principal Consultant Data & AI) toimii Knowitilla datan ja tekoälyn parissa, auttamassa asiakkaita ja tarjoomavastaavana. Pekan intohimo on ihmisten innostaminen ja muutoksen aikaansaaminen organisaatioissa, myös teknologian avulla.
Pohditko, miten EU:n tekoälyasetus vaikuttaa organisaatiosi arkeen tai miten datalukutaito voisi vahvistaa kilpailukykyänne? Ota yhteyttä lomakkeen kautta, niin keskustellaan lisää.
Lue lisää