Latest / Signaali / #23 | Luvut pöytään. Miten tekoäly oikeasti vaikuttaa talouteen? Vieraana tutkimusjohtaja Antti Kauhanen.

Transcript

#23 | Luvut pöytään. Miten tekoäly oikeasti vaikuttaa talouteen? Vieraana tutkimusjohtaja Antti Kauhanen. · Signaali

• 0:00
  Arvoisat kuuntelet ja katsojat. Tervetuloa uuteen
• 0:03
  signaalipodcastin jakson pariin. Tällä kertaa minun vieraana on
• 0:09
  henkilö nimeltä antti kauhanen, joka toimii.
• 0:13
  Etlassa tutkimusjohtajana tervetuloa.
• 0:16
  Kiitos. Haluatko vielä esitellä lyhyesti
• 0:20
  itseään? Joo eli oon tosiaan et LA, ssa
• 0:23
  tutkimusjohtajana aalto-yliopistossa
• 0:26
  työelämäprofessorina toimin ennen myös osa-aikaisena
• 0:29
  professori, taloustieteen professorina Jyväskylän
• 0:31
  yliopistossa ja. Tutkin aika laajasti kaikkea
• 0:36
  työhön ja työmarkkinoihin liittyvää.
• 0:40
  Viime aikoina tosi paljon just näitä työmarkkinoiden
• 0:42
  rakennemuutoksiin liittyviä kysymyksiä ja muun muassa just
• 0:45
  tekoälyn työ työmarkkina vaikutuksia.
• 0:50
  Kyllä. No onko tekoälystä tulossa
• 0:53
  sellainen ekonomistien painajainen, joka romuttaa
• 0:57
  perinteiset työmarkkinamallit vai miltä näyttää?
• 1:02
  Ei mun mielestä tulee niinku vaikuttamaan työhön ja
• 1:06
  työmarkkinoihin. Todella.
• 1:09
  Merkittävillä tavoilla tulee muuttamaan todella paljon työn
• 1:13
  tekemisen tapoja ammattien sisältöjä, mutta tämmöinen
• 1:19
  niinku ihmistyön loppuminen mitä välillä povataan niin niin niin
• 1:23
  sitä mä pidän kyllä erittäin epätodennäköisenä.
• 1:28
  No tässä on luvattu vaikka minkälaista tuottavuusluokkaa
• 1:32
  tähän mennessä, niin näkyykö se millään tavalla tutkimusten
• 1:36
  valossa? No tää on aihepiiri, jota nyt on
• 1:42
  useammassakin tutkimuksessa niinku haarukoituu että mitä tää
• 1:45
  10 vuoden aikahorisontilla voisi tarkoittaa ja.
• 1:49
  Sanotaan, että harvoin ekonomistit on ehkä näin
• 1:52
  erimielisiä tästä tota aiheesta, että siellä on.
• 1:58
  Toisessa ääripäässä taloustieteen nobelisti daron
• 2:01
  asémoglu, joka on sitä mieltä, että.
• 2:05
  Tekoäly seuraavan 10 vuoden aikana nopeuttaa talouskasvua
• 2:09
  noin 0,1 prosenttiyksikköä vuotta kohden, eli erittäin
• 2:13
  vähän. Sitten siellä on korinekkejä
• 2:17
  muita toisessa päässä, jotka näkee että se on niinku 2 ja
• 2:22
  puolen prosenttiyksikön. Vaikutus talouskasvuun.
• 2:27
  Mikä olisi siis historiallisen talouskasvun yli tuplaantuminen?
• 2:31
  Siis globaalilla tasolla vai? No siinä nää koskee varmaan joku
• 2:36
  Yhdysvaltoja pääosin nää sanotaan nyt ne varmaan niinku
• 2:39
  kehittyneisiä talouksia menee suurinpiirtein samantyyppisesti
• 2:43
  läpi ne niin se on ihan huikea. Tällä hetkellä se se haarukka
• 2:48
  siinä ja se miten sitä haarukoidaan niin on se että
• 2:51
  siellä niinku siihen tarvitaan jonkinlaiset arviot siitä että
• 2:56
  miten. Kuinka paljon tekoäly nostaa
• 2:58
  tuottavuutta tietyissä tehtävissä sitten toisaalta se,
• 3:02
  että mikä se. Altistuminen ikään kuin on, että
• 3:05
  mitkä on ne tekoälyn mahdollisuudet eri tehtävissä,
• 3:08
  missä sitä voidaan hyödyntää ja sitten kolmanneksi kriittinen
• 3:12
  juttu, että paljonko sitä oikeasti otetaan käyttöön, koska
• 3:15
  ne teknologiset. Edellytykset ei ole vielä
• 3:19
  ratkaisevia, vaan sitten siellä on.
• 3:20
  Siellä on monenlaisia taloudellisia kustannuksia, jota
• 3:24
  liittyy niiden käyttöönottoon ja sitten myös yhteiskunnallisia
• 3:26
  tekijöitä, että missä määrin sallitaan niiden käyttöönottoa
• 3:30
  ja näin sitten siellä on vähän erilaisia käsityksiä näistä
• 3:33
  palikoista ja vähän erilaisia mallinnustapoja, niin sitten
• 3:37
  päädytään niinku aikamoiseen haarukkaan kyllä.
• 3:41
  Kyllä, no sun kanssa puhutaan tänään tekoälyn vaikutuksesta
• 3:46
  eri maiden kesken sitten. Eri organisaatioiden kesken ja
• 3:50
  eri yksilöiden kesken. Eli tässä on 3 sellaista
• 3:53
  selkeätä tasoa mitä mä haluaisin analysoida.
• 3:57
  Voidaanko lähteä ensin maista, että nähdäänkö me tutkimusten
• 4:02
  valossa, että tietyt maat hyötyvät jo tänä päivänä enemmän
• 4:06
  tekoälyssä kuin toiset? No tähän mennessä vielä näitä
• 4:11
  vaikutuksia on on on silleen hankala niinku maiden tasolla
• 4:15
  nähdä, mut se se mitä tässä on on niinku pohdittu just on se
• 4:19
  että miten tää vaikuttaa. Esimerkiksi verrataan
• 4:23
  Yhdysvaltoja jotain afrikan talouksia niin niin millä
• 4:27
  tavalla se näihin vaikuttaa ja ja siinä on ehkä aika paljon
• 4:31
  potentiaalia itse siihen, että. Että se enemmän nostaa.
• 4:36
  Talouskasvua tai tuottavuuskehitystä.
• 4:39
  Kehittyneissä maissa sen takia, että meillä on enemmän niitä
• 4:41
  tehtäviä, missä näitä voidaan hyödyntää, että esimerkiksi
• 4:46
  maataloudessa joo paljon paljon, niin kun rajatummat ne
• 4:51
  sovellusmahdollisuudet, kun esimerkiksi
• 4:53
  liike-elämäpalveluissa. Totta, että siinä mielessä tää
• 4:56
  saattaa kasvattaa niinku eri maiden välisiä kasvueroja.
• 5:02
  Ja toisaalta, mut se saattaa myös niinku joitain kriittisiä
• 5:05
  juttuja parantaa niinku merkittävästi.
• 5:09
  Kehittyvissä maissa, kuten esimerkiksi terveydenhuollon
• 5:14
  saatavuutta tai tai tämmöisiä. Että että että semmoisessa
• 5:17
  tilanteessa, missä se esimerkiksi lääkäreitä on on
• 5:21
  todella vähän tai näin niin niin siellä voidaan ehkä rohkeammin
• 5:24
  ottaa käyttöön sitten tekoälypohjaisia sovelluksia.
• 5:28
  Tämähän kuulostaa ihan suomen keissilta.
• 5:30
  Meillä on liian vähän lääkäriä. No niin.
• 5:34
  Kyllä niin tuota se niin niin se voi taas sitten niinku sitä
• 5:37
  kautta tuoda paljon tuottavuushyötyä sinne.
• 5:40
  Jos siellä niinku esimerkiksi terveyspuolta pystytään
• 5:43
  parantamaan ja ja näin. Mutta että.
• 5:45
  Mutta että periaatteessa niin se aika paljon tulee siitä tehtävä
• 5:49
  ja toimiala rakenteesta niiden eroista, että tää kuitenkin
• 5:52
  niinku näkyy tosi paljon enemmän niinku just niinku
• 5:57
  asiantuntijatyössä kun sitten esimerkiksi niin kun
• 6:02
  maataloudessa ne on niinku ne ääripäät, oikeastaan siellä
• 6:04
  rahoitusala ja maatalous niin. Niin se on.
• 6:07
  Se on ääripäät siinä skaalalla. Se on totta.
• 6:10
  Eli eli voisi sanoa, että tänä päivänä tekoäly voi jo muuttaa
• 6:14
  sellaisia työtehtäviä, jotka ovat enemmän sellaisella
• 6:17
  kognitiivisella puolella. Joo kyllä että siinähän tää
• 6:20
  poikkeaa niin kun näistä. Oikeastaan melkein kaikista
• 6:23
  muista aiemmista teknologiamurroksista, että nyt
• 6:27
  tää erityisesti kohdistuu eli erityisesti niinku
• 6:29
  generatiiviseen tekoälyn tuloon, niin se kohdistuu nimenomaan
• 6:33
  sitten sinne niinku asiantuntija,
• 6:35
  erityisasiantuntijatyöhön. Kyllä.
• 6:39
  No voiko vetää samoja johtopäätöksiä jos analysoidaan
• 6:42
  eri organisaatiota? Joo kyllä just jos katsotaan
• 6:46
  vaikka eri toimialoilla toimivia organisaatioita niin niin siellä
• 6:50
  näkyy jo nyt niinku käyttöönotossa hirveitä eroja
• 6:52
  just sen takia, että liike-elämän palvelut ICT
• 6:57
  rahoitusala ne olisi semmoisia missä on tosi paljon tehtäviä,
• 7:00
  jossa tekoälyä voidaan hyödyntää, kun taas sitten joku
• 7:05
  maatalous ja perusmetallien tuotanto niin on semmoista missä
• 7:09
  missä niitä sovelluskohteita on olennaisesti vähemmän.
• 7:14
  Että siinä käyttöönottoerot näkyy tällä hetkellä
• 7:17
  voimakkaasti. Vielä ollaan ehkä sen verran
• 7:19
  alkuvaiheessa, että tämmöisiä tuottavuusvaikutuksia tai muut
• 7:22
  on on niinku hankala havaita. Entä jos mennään sinne ihan
• 7:27
  yksilöiden tasolle niin niin miten me voidaan analysoida eri
• 7:33
  vaikutuksen eri yksilöihin? Siellä siellä se paras kehikko
• 7:37
  on niinku miettiä. Usein me tarkastellaan
• 7:42
  ammatteja, mutta se voi ihan yksi hyvin.
• 7:44
  Voidaan ajatella, että tää toinen kuvia organisaatioissa
• 7:46
  niin me ajatellaan, että ne on kokoelma erilaisia tehtäviä ja
• 7:50
  ne tehtävät voidaan suorittaa sitten erilaisilla panoksilla
• 7:54
  kuten ihmistyöllä tai tai joillain koneilla tai laitteilla
• 7:59
  tai tekoälyllä tai tai tän tyyppisillä.
• 8:01
  Ja nyt tää teknologinen kehitys vaikuttaa siihen, että mitä
• 8:04
  siellä tehdään ja ja miten. Ja ja nyt niinku yksilötasolla.
• 8:10
  Se mitä nähdään niin niin erityisesti asiantuntijatyössä
• 8:14
  niin siellä on nyt paljon tehtäviä, jossa tekoälyä
• 8:16
  potentiaalisesti voidaan hyödyntää.
• 8:20
  Mut sitten siinäkin tulee semmoinen jako että.
• 8:23
  Korvaako se ihmistä vai täydentääkö se ihmistä siinä,
• 8:27
  että se korvaaminen tarkoittaa, että suurin piirtein sitä että.
• 8:31
  Että ei asiantuntija pystyy tekoälyn avulla suorittamaan sen
• 8:36
  jonkun tehtävän. Nyt esimerkiksi kielenkääntö on
• 8:39
  tämmöinen, että päästään niinku kohtuullisen, että laatu ei
• 8:43
  kovin paljoa kärsi siitä, että jos mä käännän nyt jonkun
• 8:46
  suomenkielisen tekstin tanskaksi, mä en ymmärrä siitä
• 8:50
  tanskankielisestä mitään. Mutta jos mulla on hyvät
• 8:53
  työkalut, niin. Se on kohtuullisen hyvä
• 8:57
  varmaankin, mutta toisaalta sitten se voi niinku täydentää
• 9:00
  ihmistä. Ja myös monet on
• 9:01
  ohjelmointitehtävät. Minä en pystyisi mitään
• 9:06
  applikaatiota koodaamaan tekoälyn avulla, mutta
• 9:10
  ammattitaito skoodaria se saattaa lyhentää sen niinku
• 9:13
  työaikaa johonkin. Aivan niinku merkittävällä
• 9:16
  tavalla, niin nää sitten vaikuttaa eri tavoin siellä,
• 9:20
  että toisissa ammateissa työn kysyntä voi vähentyä just sen
• 9:24
  takia, että niitä pystytään korvaamaan.
• 9:27
  Ihmistyötä, kun taas toisissa että enemmänkin kasvaa just sitä
• 9:31
  kautta, että että se nostaa sun tuottavuutta.
• 9:35
  Ja, mutta sitten tässä on vielä se ekstraelementti, mikä näissä
• 9:39
  mun mielestä näissä kaikilla tasoilla on tosi tärkeää että.
• 9:43
  Että ne teknologiset mahdollisuudet ei vielä
• 9:45
  itsessään niinku. Riitä miettimään, että mitä ne
• 9:49
  vaikutukset yhteiskunnassa on, koska siellä on ensinnäkin
• 9:51
  erilaisia taloudellisia tekijöitä.
• 9:54
  Näiden teknologioiden käyttöönotto ei ole mitenkään
• 9:56
  hirvittävän halpaa välttämättä. Jos ajatellaan jotain ihan ihan
• 10:01
  tota. Joku tuodaan asiakaspalvelun
• 10:04
  tueksi joku joku tuota kielimalli, niin se on
• 10:07
  aikamoinen projekti organisaatioissa kun se siihen
• 10:11
  siihen tuodaan, että vaikka se itse työkalu sinänsä ei maksa
• 10:14
  paljon mitään. No no tää tää on yks toinen on
• 10:19
  sitten nää yhteiskunnalliset seikat että me vaikkapa
• 10:25
  käräjäoikeuden tuomareiden ammatissa on paljon tehtäviä,
• 10:27
  jossa tekoälystä on hirveästi hyötyä, mutta me ei olla
• 10:30
  varmaankaan niitä päätöksiä delegoimassa tekoälylle vähään
• 10:33
  aikaan, koska ne on sillä lailla kriittisiä ne päätökset, että
• 10:38
  että me halutaan että se ihminen on siinä mukana.
• 10:42
  Että tää että siellä on paljon näitä tekijöitä jotka vaikuttaa
• 10:46
  siihen, että miten se lopulta. Korvaako se ihmistä vai
• 10:50
  täydentääkö se? Kyllä alright puhuit siis eri
• 10:56
  toimialoista niin tää on mulle kohtuu selkeä asia että toisella
• 11:00
  toimialueella emme voi vielä soveltaa tekoälyä kauhean hyvin
• 11:04
  tänä päivänä, mutta jos mietitään vaikka niitä
• 11:06
  toimialoja joissa tekoäly voi soveltaa jo tehokkaasti niin
• 11:12
  mikä siinä saa sitten keskinäisiä eroja yksilaiden
• 11:16
  organisaationa ja maiden välillä mitkä on ne draiverit että onko
• 11:19
  ne eri tekijät no olla täysin tietenkin että ne on eri
• 11:22
  tekijät. Meidän maiden välillä, mutta jos
• 11:25
  lähdetään taas vaikka korkeammalta tasolta, eli
• 11:28
  otetaan maat missä otetaan vaikka kaikki länsimaat niin
• 11:32
  voidaan olettaa että siellä on toimialarakenne kutakuinkin
• 11:35
  samanlainen niin mitkä on ne muuttuneet sitten jotka saa
• 11:40
  eroja mahdollisesti näiden välillä kun sovelletaan
• 11:42
  tekoälyä. Miksi jotkut maat onnistuvat
• 11:45
  siinä paremmin kuin toiset? Joo siinä on.
• 11:49
  Ensimmäinen asia mikä tulee mieleen, niin on on esimerkiksi
• 11:53
  tekoälyyn liittyvä sääntely. Että minkä tyyppistä se on
• 11:58
  kuinka sallivaa tai rajoittavaa se on.
• 12:01
  Tää on aihepiiri mitä mä en ennen kuin itse hirveän hyvin
• 12:04
  tunne tai tällä ja kuinka paljon se säätely liittyy enemmän
• 12:08
  siihen kehittämiseen tai sitten siihen hyödyntämiseen.
• 12:10
  Mutta joka tapauksessa tää voi olla semmoinen, mikä mikä
• 12:12
  vaikuttaa. Vaikuttaa siihen toinen on.
• 12:16
  Sitten tulee mieleen. Esimerkiksi
• 12:18
  työmarkkinainstituutiot voi vaikuttaa siihen, että missä
• 12:23
  määrin uusia teknologioita voidaan ottaa käyttöön, jos se
• 12:26
  esimerkiksi vaikuttaa negatiivisesti työvoiman
• 12:29
  kysyntään yhdysvalloissa. Tää on kohtuullisen
• 12:34
  suoraviivaista, mut esimerkiksi saksassa on tällä hetkellä.
• 12:40
  Iso paine, jota he ajaa myös EU tasolla siihen, että jos uusia
• 12:45
  työkaluja otetaan käyttöön, niin näitä negatiivisia vaikutuksia
• 12:48
  pitäisi jotenkin kompensoida työntekijöille.
• 12:51
  Jos niitä on niin niin tää on sitten omiaan kasvattamaan sen
• 12:54
  käyttöönoton kustannuksia. Eli saksassa on tällä hetkellä
• 12:58
  käynnissä sellaista keskustelua. Kyllä, että joo että näitä
• 13:01
  pitäisi jos jos negatiivisia vaikutuksia syntyy niin niitä
• 13:04
  pitäisi työntekijöille kompensoida.
• 13:07
  Ja tää sitten tietysti kasvattaa näitä käyttöönoton kustannuksia
• 13:11
  ja voi vaikuttaa siihen, että niitä otetaan vähemmän.
• 13:14
  Käyttöön mitä mieltä ekonomistit on tällaisesta asetelmasta?
• 13:18
  No no tässä on niin kun. Voisi pari puolta yks on yks on
• 13:25
  se että. No lähtökohtaisesti mä
• 13:28
  ajattelisin, että tää on niinku. Silleen väärä tapa siinä
• 13:32
  mielessä, että että sitten teknologia kehittyy.
• 13:37
  Ja se tulee meille vähän niinku ulkoa annettuna.
• 13:39
  Me ei voida siihen vaikuttaa, eikä me sitä ruveta meidän
• 13:43
  kannata sitä ruveta hidastamaan. Mut et tietysti ne ihmiset jotka
• 13:48
  joutuu sitten tän murroksen kouriin, niin niitä meidän
• 13:50
  otetaan on niinku syytä tukea ja se voi olla sitten erilaista
• 13:53
  uudelleenkoulutusta tai tai tota muita yhteiskunnan
• 13:58
  turvaverkkoja. Mut se, että me ruvettaisiin
• 14:00
  niinku yritystasolla kasvattamaan niitä kustannuksia
• 14:03
  uuden teknologian käyttöönotosta, niin se ei mun
• 14:06
  mielestä vaikuta. Järkevältä.
• 14:09
  Kyllä kyllä. Ja ihan samalla tavalla voi olla
• 14:13
  olla sitten tota esimerkiksi työehtosopimukset voi tuoda
• 14:17
  jotain rajoitteita siihen, että että jos haluat siirtää ihmisiä
• 14:22
  erilaisiin tehtäviin tai näin, että miten ne palkan muutokset
• 14:26
  sitten niissä tilanteissa on ja ja tän tyyppiset sieltä voi
• 14:29
  tulla niinku erilaisia maiden välillä voi olla eroja siinä
• 14:34
  kustannuksissa tästä niinku käyttöönotosta.
• 14:37
  Se on ensimmäinen. Toinen on sitten se, että että
• 14:40
  kuinka joustavia ne työmarkkinat siinä mielessä on, että saadaan
• 14:45
  työvoimaa kohdentumaan paremmin niille aloille, missä tuottavuus
• 14:48
  kasvaa merkittävästi. Esimerkiksi näiden uuden uusien
• 14:50
  teknologioiden kautta. Ja ehkä kolmantena tähän
• 14:56
  liittyvä on se, että. Että kun ne uudet teknologiat
• 15:01
  itsessään ei niinku vielä muuta mitään, että että se että ne
• 15:07
  muutokset tulee siitä, että se mahdollistaa uusia
• 15:09
  toimintatapoja tai uusia palveluita tai tai tuotteita.
• 15:15
  Ja. Se taas edellyttää usein niinku
• 15:18
  monenlaisia muutoksia organisaatioissa ja
• 15:21
  johtamismenetelmiin. Ja näin tästä oli niinku toi ICT
• 15:25
  murroksen osalta tosi paljon tutkimusta, kun yhdysvaltalaiset
• 15:29
  yritykset sai tosi paljon enemmän irti.
• 15:32
  Kun 90 luvun vai 2000 luvulla ICT investoinneista kun
• 15:35
  eurooppalaiset ja se johtui. No siinä se ratkaisu niinku
• 15:39
  tutkimus viittaa siihen että se tuli nimenomaan just siitä että
• 15:42
  yhdysvaltalaiset yritykset oli jotenkin paljon parempia
• 15:44
  tekemään näitä niinku sitä teknologian käyttöönottoa
• 15:47
  tukevia innovaatioita muuttamaan organisaatiota muuttamaan
• 15:51
  toimintatapoja ja ja tämmöistä että eurooppalaiset firmat
• 15:55
  näytti jotenkin olevan niinku jäykempiä tässä että.
• 15:58
  Elikkä se on kulttuurista kenties vai?
• 16:02
  No sitä ihan tarkkaan tiedetä, mut mä arvelisin että se.
• 16:05
  Siis organisaatiokulttuuri ei tarkoita.
• 16:06
  Nimenomaan niin se joo mut että mä sitä taas toisaalta muokkaa
• 16:10
  pitkälti just esimerkiksi se sääntelykehikko missä toimitaan
• 16:14
  ja ja näin että että niissä tutkimuksissa ei ihan tarkkaan
• 16:18
  niinku päästä siihen että mistä se oikein tulee.
• 16:19
  Mutta mutta kyllä nää niinku. Erot johtamismenetelmissä ja
• 16:24
  tämmöisissä esimerkiksi nelosen pohjautuu just sitten siihen
• 16:27
  siihen, muuten siihen ympäröivään yhteisöön.
• 16:31
  Kyllä. No tämä maiden taso on itselleni
• 16:35
  tosi abstrakti, koska en pysty itse vaikuttamaan siihen
• 16:39
  mitenkään, että otan sen annettuna, että tässä ihan
• 16:42
  uteliaisuuden vuoksi lähinnä kyselen.
• 16:44
  Mutta sitten toi organisaatioiden taso on
• 16:46
  sellainen, joka on jo lähempänä. Minun sydäntä sitten jos
• 16:51
  mietimme organisaatiota, niin olemmeko esimerkiksi havainneet
• 16:55
  jos mennään vielä lähemmäksi omaa elämää niin niin että
• 16:59
  suomessa tietyt organisaatiot menestyisivät paremmin samoilla
• 17:03
  toimialoilla. Se otetaan sama toimiala niin
• 17:06
  mitkä draiverit siinä on takana, että toiset organisaatiot
• 17:09
  menestyvät paremmin tekoälyn käyttöönotossa kun toiset.
• 17:14
  Joo tää tässä semmoinen aihepiiri, josta on vielä aika
• 17:17
  vähän kun tutkittu että ketkä sitä ottaa käyttöön tai näin,
• 17:20
  mutta yleisemmin näistä. Tiedetään siis semmoinen todella
• 17:25
  mielenkiintoinen faktahan on on se, että niinku hyvin kapeasti
• 17:29
  määritellyllä toimialoilla yritysten välillä on aivan
• 17:32
  mielettömät tuottavuuserot. Ja ne on pysyviä jostain syystä
• 17:37
  toiset firmat on on todella paljon parempia ja siellä on
• 17:40
  paljon enemmän samoilla resursseilla aikaa kun toiset.
• 17:43
  Eli ilman tekoälyäkin ilman. Terveydelle olisi ja tää on
• 17:46
  niinku on nähty pitkän aikaa ja tää on yksi iso mysteeri että
• 17:50
  miksi näin on, että minkä takia ne tuottavammat ei pysty ajamaan
• 17:53
  niitä vähemmän tuottajia ulos markkinoilta, mutta kun sitä on
• 17:56
  niinku koitettu tutkia että mistä se mistä ne erot yritysten
• 18:00
  välille syntyy. No siellä on paljon pieniä
• 18:02
  tekijöitä, mutta. Mutta mun käsitys siitä
• 18:05
  kirjallisuudesta on se, että. Että kyllä se vahvin vahvin
• 18:10
  niinku selitys siellä taustalla on todennäköisesti nimenomaan
• 18:14
  just nää johtamis. Kysymykset johtamismenetelmät,
• 18:19
  mitä käytetään? Ja siinä niinku yritysten
• 18:24
  väleille syntyy paljon eroja siitä, että mikä on esimerkiksi
• 18:27
  ymmärrystä niistä teknologioista, niiden
• 18:31
  mahdollisuuksista. Kuinka paljon siinä
• 18:34
  organisaatiossa on kyvykkyyksiä siihen, että uudistetaan
• 18:39
  toimintaa? Ja.
• 18:43
  Miten miten sillä johtamisella voidaan tukea sitä uudistumista
• 18:46
  ja näin että että nää on asioita joita on hirvittävän hankala
• 18:50
  mitata tai päästä niinku niihin. Käsiksi mutta tota mut se musta
• 18:58
  se lähtökohta siitä, että yritysten välillä on valtavat
• 19:00
  tuottavuuserot ja osa niistä pystyy varmasti hyödyntämään
• 19:04
  paljon paremmin näitä työkaluja kuin toiset.
• 19:08
  Mutta mä luulen että se pitkälti tulee siitä teknologioiden
• 19:12
  ymmärryksestä ja sitten siitä osaamista, että miten.
• 19:17
  Miten nähdään se, että miten me voidaan toimintaamme uudistaa?
• 19:22
  On se sitten uusia toimintatapoja tai uusia
• 19:24
  palveluita tai tuotteita näiden näiden avulla niin siihen siihen
• 19:28
  siihen sen niin kuin kilpistyy. Onko tuottavuuserot suurempia
• 19:34
  niillä toimialoilla, joissa on korkeampi keskimääräinen
• 19:37
  tuottavuus. Erinomainen kysymys nyt tohon mä
• 19:43
  en muista suoraan vastausta jotenkin.
• 19:47
  Muistikuva olisi se, että ne on niin valtavia niinku kaikilla
• 19:51
  aloilla, että se se on niinku se merkittävin juttu siinä.
• 19:55
  Vaikuttaako organisaation koko jotenkin siihen, että onko
• 19:58
  olemassa joku semmoinen optimaalinen organisaatio koko?
• 20:03
  Useinhan on näin, että isommat organisaatiot.
• 20:07
  Saattaa niille käytetyillä tuottavuusmittareilla olla olla
• 20:11
  tuottavampia, mutta mutta tuota, mutta kaiken tämänkin
• 20:15
  huomioimisen jälkeen niin sinne jää ihan hirvittävä vaihtelu
• 20:19
  näitten yritysten tuottavuudessa.
• 20:22
  Usein ajatellaan, että isot organisaatiot ovat hitaita ja
• 20:27
  kankeita ja ja innovoivat vähän niin.
• 20:32
  Jotenkin se on paradoksaalinen tilanne, että nämä olisivat
• 20:36
  nimenomaan ne kaikkein tuottavimmat.
• 20:38
  Niin kyllä toi toisaalta sitten kyllähän ne niinku isoimmat
• 20:43
  organisaatiot niinku kaikista eniten niillä on resursseja myös
• 20:46
  investoida esimerkiksi tuotekehitykseen ja ja tota jos
• 20:50
  katsotaan niinku vaikka just tätä tekoälypuolta tai muuta ja
• 20:54
  paljon mistä ne patentit tulee niin ne on ne kaikista isoimmat.
• 20:58
  Puhuttiin länsimaissa ja ollaan niinku.
• 21:01
  Resursseja siihen kehitykseen niinku kunnolla.
• 21:06
  Investoida. Kyllä.
• 21:09
  Miltä SUOMI näyttäytyy nyt tekoälyn markkinoilla?
• 21:12
  Ollaanko me vaan tavallaan seuraamassa mitä muut tekee?
• 21:16
  Mitä muut tekee euroopassa tai mitä muu myy tai jenkit tekee?
• 21:20
  Vai onko meillä myös kykyä aidosti innovoida ja tuoda
• 21:24
  markkinoille jotain sellaisia ratkaisuja mitä muut voisivat
• 21:28
  käyttää? Miten me voisimme myydä
• 21:29
  toisilleen? Joo tässä nyt on on.
• 21:35
  Semmoinen tilanne tässä tulee taas tää sääntelykysymys just
• 21:38
  tähän kehittämiseen liittyen, että eurooppa on tässä vähän
• 21:42
  heikommassa asemassa yhdysvaltoihin nähden ja
• 21:46
  erityisesti Kiinaan nähden, jossa tuota pystytään ihan eri
• 21:51
  tavalla käyttämään datoja ja näiden tota järjestelmien
• 21:57
  kehittämiseen. Mä toivoisin, että Suomessa on
• 22:01
  kuitenkin osaamista tähän ja ollaan panostamassa, mutta
• 22:05
  kyllähän meidän täytyy ymmärtää se, että me ollaan niinku ihan
• 22:07
  todella todella pieni maa ja ehkä ehkä niinku ylipäätään
• 22:12
  niinku muidenkin teknologioiden osalta niin.
• 22:16
  Meille tärkeämpää voi olla se, että me pystytään.
• 22:20
  Meillä on riittävä osaaminen niistä teknologioista siinä
• 22:23
  mielessä, että me pystytään omaksumaan niitä, ottamaan
• 22:27
  käyttöön ja kehittämään eteenpäin.
• 22:32
  Että me ollaan me ollaan niin pieni maa.
• 22:35
  Meidän resurssit on niin rajalliset, mutta mutta silti
• 22:38
  meillä on kuitenkin korkea osaamisen taso.
• 22:40
  Yleensä niinku ajatellaan näitä tietotekniikka-aloja tai tai
• 22:44
  näin, että että kyllä meillä siinä mielessä mä ajattelin,
• 22:47
  että meillä on. Meillä on hyvät mahdollisuudet.
• 22:50
  Olla mukana tässä jos ei nyt siellä eturintamassa niinku
• 22:53
  kehittämässä näitä niin ainakin ottamassa niitä käyttöön ja ja
• 22:59
  hyödyntämässä. Entä sellainen?
• 23:04
  OK tää voi olla vähän vaikea kysymys, mutta.
• 23:08
  Jos mietimme näitä ajureita tekoälyn käyttöä naton suhteen,
• 23:12
  niin nähdäänkö me tutkimusten valossa, että tekoälyn
• 23:17
  käyttöönottoon liittyen tuota ajurit on enemmän siellä
• 23:22
  organisaatioiden puolella, eli sieltä tulee tavallaan se paine
• 23:27
  ottaa tekoälyä käyttöön? Vai nähdäänkö me, että yksilöt
• 23:30
  innovoisivat enemmän ja tavallaan?
• 23:34
  Että alhaalta ylös oli siis. Tulossa ja tästä jotain
• 23:37
  viitteitä. Sitten se ehkä enemmän
• 23:38
  enemmänkin voisi mennä tälleen alhaalta ylöspäin.
• 23:41
  Meillä oli tuossa viime syksynä saatiin tuohon evan arvo ja
• 23:46
  asennekyselyyn mukaan tekoälyn käyttöön liittyviä kysymyksiä,
• 23:50
  että ihan kansalaisilta kyseltiin, että miten miten sitä
• 23:53
  käytetään ja. Ja siinä niinku sen työkäytön
• 23:58
  osalta niin niin sehän on vielä niinku todella vähäistä.
• 24:02
  Se on todella satunnaista. Ja siinä niinku kysyttiin sitä,
• 24:08
  että miten työnantaja on esimerkiksi tukenut.
• 24:12
  Tai kouluttanut tai muuta näin niin tai että onko yrityksen
• 24:16
  tekoälypolitiikka tai ohjeet näin niin se on aika vähäistä
• 24:19
  vielä, että kyllä mulle jäi siitä semmoinen kuva, että että
• 24:23
  se on vielä enemmän sitä että ihmiset niinku kokeilee
• 24:28
  satunnaisesti näitä työkaluja. Toki meillä on organisaatiot
• 24:33
  jotka on niinku panostanut paljon tähän, mutta mutta
• 24:37
  tolleen isommassa kuvassa niin niin kyllähän se käyttö vielä
• 24:40
  on. Tosi vähästä ja satunnaista.
• 24:45
  Melko yllättävää et ottaen huomioon että ja tämmöset isot
• 24:49
  generatiiviset tekoälymallit ovat olleet jo saatavana yli
• 24:52
  pari vuotta markkinoilla. Silti me ollaan tässä
• 24:55
  tilanteessa. Kyllä joo joo kyllä se, mutta
• 24:59
  tää on yleisemminkin. Siis me on aiemmissakin
• 25:01
  teknologioissa nähtävissä. Teknologioiden käyttöönottohan
• 25:04
  on yleensä todella hidasta niin. Jälkikäteen näyttää siltä
• 25:07
  tietysti, että niitä otettiin nopeasti käyttöön.
• 25:10
  Joo. Ja totta kai siellä on aina ne
• 25:12
  johtajat jotka hyvin nopeasti näitä.
• 25:15
  Näitä hyödyntää, mutta se, että niinku suuret massat niitä.
• 25:19
  Toisi niinku siihen arkeen työpaikoilla niin niin siitä
• 25:25
  ollaan kyllä vielä vielä tosi kaukana.
• 25:30
  Nähdäänkö mä jotain tämmöisiä kohorttieroja, että esimerkiksi
• 25:35
  tietyt? Tuota ikäjakaumat tai sukupuolet
• 25:42
  olisivat yliedustettuna tässä eturintamassa ottamassa tekoälyä
• 25:46
  käyttöön. Joo, kyllähän ne nuoremmat
• 25:48
  enemmän käyttää. Yllätys yllätys.
• 25:51
  Joo suomessa sukupuolten välillä hyvin tasaista, toisin kuin
• 25:55
  esimerkiksi yhdysvalloissa havaittu, missä miehet on
• 25:57
  käyttänyt enemmän tai tai näin. Mutta että mutta että kyllä se
• 26:00
  tosiaan niinku. Muutos lähtee enemmän sieltä
• 26:04
  nuoremmasta päästä, että että siellä niitä paljon enemmän
• 26:10
  käytetään, vaikkakin mun mielestä näyttää, että sielläkin
• 26:14
  kyllä niinku hämmästyttävän. Vähän.
• 26:18
  Oli tota noin vuosi sitten ja vähän yli vuosi sitten.
• 26:22
  Mulla oli Jyväskylässä opiskelijoille kotitentti.
• 26:28
  Sun kaikki työkalut käytettävissä ja ja kysymykset
• 26:30
  oli semmoisia ettei ne tota testailin vähän noita eri eri
• 26:35
  työkaluja että ei ne niihin niinku hirveän hyvin vastauksia
• 26:37
  generoi. Mutta kyllä mä silti nää niinku.
• 26:40
  Painajaisia siitä, että miten mä saan niinku arvioitua nää kun
• 26:42
  sieltä tulee semmoisia täydellisiä huippuun asti
• 26:46
  viriteltyjä vastauksia niin niin kyllähän se totuus on ihan
• 26:49
  toisenlainen, että kyllä sieltä tuli ihan sitä samaa kamaa kun
• 26:51
  aina, että että jos olisi edes niinku oikeinkirjoitus asiat
• 26:55
  kondiksessa, niin se olisi jo merkittävä edistysaskel että
• 26:58
  edes edes sitä wordia niinku oikeinkirjoitustoimintoja
• 27:01
  hyödynnettäisiin niin niin se olisi jo tosi paljon.
• 27:05
  Tuosta minulle tulee mieleen sellainen vertailukuva, että
• 27:09
  usein ajatellaan, että kun on. Maasturiauto ja neliveto niin
• 27:14
  sille ei jäädä jumiin, mutta tilastollisesti juuri näillä
• 27:18
  autoilla jäädään pahiten jumiin, koska ihmiset luottaa siihen
• 27:21
  että ajaa mihin vaan. Ja tässä tulee mieleen että että
• 27:25
  onko tässä sama efekti että että opiskelijat luottaa siihen että
• 27:28
  tää toimii ja laiskistuvat. He eivät panosta siihen itse
• 27:31
  enää, että tavallaan sitten tekoäly tekee jo vähän liikaa
• 27:35
  heidän puolestaan. Joo kyllä tää täähän on niinku
• 27:38
  se huono että mä olin tosi hämmästynyt siitä kuinka
• 27:40
  huonosti ne käytti niitä. Ja mä koitin niinku kannustaa.
• 27:43
  Käytättekö sä niinku kielenhuoltoa että?
• 27:45
  Erinomaisia työkaluja siihen, että että voitte parantaa niitä
• 27:50
  tekstejänne, mutta että ei siellä kyllä joistain
• 27:53
  vastauksista näki, että siellä oli käytetty joku todella
• 27:55
  huonosti, että siellä on niinku suoraan chat GPT kopioitu ne
• 27:58
  pulet point listat vastauksia ja näin ja ja tota noin se on
• 28:01
  tietysti ihan hirveän hyviä arvosanoja niillä.
• 28:05
  Niillä tuu mä uskon että nääkin muuttuu nopeasti, että kyllä ne
• 28:09
  niitä ottaa käyttöön, mutta silti niinku kuvastaa vaan mun
• 28:12
  mielestä siitä, että ei ne kaikki nuoretkaan nyt mitenkään
• 28:15
  niinku hirveän ehkä hyvin osaa niitä hyödyntää.
• 28:21
  On kuitenkin kyse taloustieteen korkeakouluopiskelijoista,
• 28:25
  joiden niinku ajattelisi, että ne on ehkä semmoista porukkaa,
• 28:27
  joka joka sitten. Näitä uusia teknologioita
• 28:31
  omaksuu. Eli voiko olla niin että nämä
• 28:36
  tyypit jotka kopioivat suoraan chat GPT sitten niitä vastauksia
• 28:41
  eivät olisi muuten oikeastaan edes vastanneet siihen tenttiin
• 28:44
  ollenkaan, vai? Joo en joo en en tiedä että
• 28:48
  mikä. Mutta että kyllä siinä niinku
• 28:51
  joo ne on ne oli ihan kammottava.
• 28:52
  Siis eihän ne ne tota. Vastaukset oli tosi kaukana.
• 28:57
  Kyllä siitä mitä haettiin että että ettei ei edes niinku mitään
• 29:00
  mitään yritystä niinku katsoo että onko tässä mitään järkeä
• 29:04
  niin niin se on totta. Mutta että tää muuttuu nopeasti
• 29:09
  ja nyt ymmärtänyt tän aalto-yliopistossa tilanne on
• 29:11
  vähän toisenlainen, että siellä täytyy oikeasti miettiä vähän
• 29:13
  tarkemmin, että minkälaisia tehtäviä opiskelijoille annetaan
• 29:16
  ja miten niitä arvioidaan, että että siellä ilmeisesti on on on
• 29:20
  enemmän sitten ollut käyttöä näissä.
• 29:23
  Joo joo se on mielenkiintoinen asetelma, koska normaalisti jos
• 29:27
  me havaitaan että joku toinen on tehnyt tentin toisen puolesta
• 29:30
  niin sen. Lähes tulkoon akateeminen viltti
• 29:33
  kyllä kyllä joo, mutta tässä tapauksessa niin tavallaan
• 29:36
  tiedämme sen. Tasan tarkka että kyllä sä et
• 29:39
  GP, tä on tehnyt, mutta sitä ei voi todistaakaan että mitenkään.
• 29:43
  Vai onko olemassa jotain tapoja tunnistaa ja miten miten siihen
• 29:47
  suhtaudutaan oikeastaan jos jos tilanne olisi se, että me
• 29:51
  voitaisiin todistaa että. Tasan tarkkaan chat GP, tä on
• 29:55
  kirjoittanut. Onko tämä siinä mielessä
• 29:57
  akateeminen viltti vai? Joo, kyllähän se riippuu
• 29:59
  tietysti niistä säännöistä mitkä tässä mä olin antanut luvan,
• 30:01
  että käytätte ihan kaikkea, mutta älä käy että ei osaa
• 30:04
  vastaa näihin ja näistä tuli hylky kaikista tämmöisistä.
• 30:07
  Mutta mutta tietysti tyypillisempää on se että.
• 30:10
  Että siinä on tietyt selkeät säännöt, että miten niitä saa
• 30:13
  käyttää tai tai näin. Toki kyllä mä ainakin haluan,
• 30:16
  että opiskelijat käyttää niitä ja esimerkiksi niinku kielen
• 30:20
  editointiin ja tän tyyppiseen missä ne on.
• 30:22
  Ne on tosi hyviä työkaluja, mut siinä on tietysti se ristiriita
• 30:25
  sitten siihen, että. Että jotenkin meidän täytyy
• 30:28
  testata sitä heidän osaamista myös, niin sitten ne täytyy
• 30:34
  suunnitella ne ne tota tehtävät ja kokeet sillä lailla.
• 30:40
  Että että tää tavoite niinku toteutuu.
• 30:43
  Mutta kyllähän se näin on että että tyypillisesti toi on on
• 30:45
  selkeä akateemisen vilpin muoto, että että jos jos se ei ole sun
• 30:49
  itse tuottamassa vastausta niin ja näitä työkalujahan on jotka
• 30:54
  niitä tunnistaa, mutta niitä laatu on vähän niin ja näin ja
• 30:58
  niitä pystytään helposti kiertämään ja näin että että
• 31:02
  tota ei siihen niinku semmoista mun ymmärtääkseni hyvää
• 31:05
  teknologista ratkaisua ole että. Että kyllä se tarkoittaa sitä,
• 31:09
  että arviointiperusteet on. On pääosin kynä ja paperi
• 31:12
  kokeita. Kyllä, mutta kun sanoit
• 31:18
  aikaisemmin, että yllättävän vähän kuitenkin tekoäly ja
• 31:22
  erityisesti generatiivista tekoäly olettaisin kyllä joo
• 31:26
  käytetään edes nuorissa niin miten miten sitä ylipäätään
• 31:32
  mitataan? Onko ne jotain tämmöisiä
• 31:34
  labrakokeita vai onko ne kyselyitä?
• 31:37
  No. Kyllä nää tämmöisiä kyselyitä on
• 31:39
  ollut. Millä sitä on on kartoitettu.
• 31:43
  Että ja ja tota tässä esimerkiksi meidän kyselyssä me
• 31:46
  pyrittiin niinku. Pääsee nimenomaan kiinni
• 31:49
  semmoiseen omaan niinku aktiiviseen käyttöön, ettei sitä
• 31:52
  että sä puhelimelta etsit kuvia ja siinä on niinku joku
• 31:56
  tekoälyapuna vai vaan vaan se että että.
• 32:01
  Että miten sitä käytetään ja tietysti siinäkin näkyy sitten
• 32:04
  se, että. Sen lisäksi, että sitä käytetään
• 32:07
  tosi harvoin niin niin niin sitten sitä käytetään tavoilla,
• 32:11
  jotka ei ole ehkä ihan optimaalisia eli eli niinku
• 32:14
  tämmöiseen tietosanakirjana se on se pääasia.
• 32:18
  Googlaus. Niin kyllä.
• 32:20
  No nythän tilanne on silleen parempi, että kun nyt nää
• 32:22
  työkalut on verkossa kiinni ja ne niinku etsii sieltä ja
• 32:25
  aggregoi sulle sen niin niin tää on niinku järkevämpää mutta
• 32:28
  että. Mutta että silloin kun sät GTN
• 32:30
  tullessa niin. Niin, eihän se nyt mikään
• 32:34
  tietosanakirja ollut eikä näin. Ja sitten jos katsotaan sitä, se
• 32:39
  on niinku se kaikista yleisin tapa kuitenkin sitten käyttää,
• 32:42
  että sitten tämmöiset niinku tekstin tuottaminen ja koodaus
• 32:45
  ja matemaattisesti ongelmien ratkaiseminen, ne tulee sitten
• 32:47
  niinku alempana siellä listalla. Niin tietysti sekin on hyvä
• 32:54
  kysymys, että tiedostaako itse käyttää että käyttää tekoälyä.
• 32:58
  Niin kyllä joo, että sitä me täällä pyrittiin niinku
• 33:01
  kartoittamaan. Just että se olisi se oma
• 33:03
  aktiivinen. Käyttöä, mutta se on vielä.
• 33:05
  Se on vielä. Tosi vähäistä, mutta kun sanot
• 33:08
  tosi vähäistä niin voitko tuoda jotain esimerkkilukuja että
• 33:12
  olisi kontekstia? Joo tota nyt mä en ihan ihan
• 33:17
  niitä tarkkoja lukuja muista, mutta siis sanotaan näin että.
• 33:22
  Että ihmiset taikka työkontekstissa käyttää niinku
• 33:24
  pari kertaa kuukaudessa. Se on kyllä niin uskomattoman
• 33:29
  vähän, että kenties itse elän sellaisessa kuplassa, jossa
• 33:33
  tekoäly käytetään ja avoimesti kommunikoidaan siitä.
• 33:37
  Joo. Kyllä.
• 33:39
  Eli se tarkoittaa käytännössä, että siis jos jos sitä on niin
• 33:43
  vähän myönnetään käyttävän niin. Se on niinku keskimääräinen
• 33:48
  taso, niin se tarkoittaa että siellä on armeija ihmisiä jotka
• 33:52
  eivät käytä tälleen kai ja sitten toiset käyttää ihan
• 33:55
  sikana. Siinä on vaan aivan mielettömät
• 33:58
  erot, että monissa. Tehtävissään.
• 34:01
  Sitä käytetään aivan aivan valtavasti ja sitten toisaalla
• 34:06
  ei, ei niinku lainkaan. Joo joo joo no sä edustat
• 34:10
  akateemista maailmaa, niin millä tavalla tekoälyyn suhtaudutaan?
• 34:16
  Sellaisena niinku. Työkaluna opiskelussa.
• 34:20
  Kannustetaanko opiskelijoita esimerkiksi, että annet
• 34:24
  tavallaan vapaat kädet käyttää? Joo, vai mikä asenne?
• 34:28
  Joo no kyllähän siinä on niinku vähän 2 laineita.
• 34:30
  Toisaalta niinku ne on tärkeitä työkaluja, niitä pitää osata
• 34:34
  käyttää ja ja näin että kyllä mä niinku ainakin ajattelisin itse
• 34:38
  näin, että mä haluaisin että opiskelijat osaa käyttää niitä.
• 34:43
  Tehtäviä mihin ne siinä kontekstissa sopii?
• 34:45
  Että että. Esimerkiksi just tähän.
• 34:51
  Niinku kielenhuoltoa ja tän tyyppisiin juttuihin, mut sitten
• 34:55
  siinä tulee esimerkiksi ristiriita on se et et meidän
• 34:58
  pitää kuitenkin sitten arvioida sitä osaamista en tiedä.
• 35:01
  Jotkut on tehnyt silleen et tää oli kyllä silloin niinku
• 35:03
  alkuvaiheessa taisi olla timo seppälä, joka aalto-yliopistossa
• 35:08
  työelämäprofessorina niin. Niin, toivottavasti sillä oli
• 35:12
  tutalla näitä tehtäviä niin niin siinä oli, se oli tehtävänanto
• 35:17
  ja sitten siinä oli liitteenä chat GPTN vastaus tää on niinku
• 35:22
  täällä tulee nolla, että teidän tehtävä on parantaa tätä.
• 35:27
  Ja ja näin että että että jotain tämmöisiä tämmöisiä ratkaisuja
• 35:30
  sinne täytyy löytää, mutta kyllä niinku akateemisessa maailmassa
• 35:34
  niinku tutkimuspuolella, niin kyllähän niitä.
• 35:38
  Käytetään aika paljon. Ne auttaa koodaamisessa tosi
• 35:42
  paljon. Käytän itse niitä kyllä niinku
• 35:45
  kielen editointiin. Erittäin paljon mahtavia
• 35:49
  tiivistämään tekstejä esimerkiksi ja ja tota.
• 35:54
  Myös generoimaan, siis esimerkiksi abstrakteja tai
• 35:58
  tämmöisiä, niin niin kyllä se tämmöisessä niinku nopeuttaa
• 36:02
  työtä ihan valtavasti saat hyvät pohjat, jotka sitten itse editoi
• 36:05
  että mieleiseksi. Sanoit aikaisemmin, että
• 36:12
  organisaatioiden välisiä eroja on tutkittu toistaiseksi vähän
• 36:17
  tai ymmärretään vähän esimerkiksi.
• 36:20
  Tuottavuuden eroja. Mutta onko kuitenkin nyt menossa
• 36:24
  jotain semmoisia tutkimuksia teillä tai muualla, jotka
• 36:27
  voisivat vähän valottaa esimerkiksi tekoälyn vaikutusta
• 36:31
  eri organisaatioihin? Joo, kyllä näitä on.
• 36:34
  Näitä on kansainvälisesti tehty erilaisissa konteksteissa.
• 36:38
  Just asiantuntijatyössä tuodaan sinne näitä työkaluja
• 36:42
  mittaillaan mitä tapahtuu. Meillä on joku alkuvaiheessa
• 36:48
  finanssialan yrityksen kanssa. Tutkimus jossa sinne tulee
• 36:53
  niinku asiakaspalveluun tueksi. Näähän on semmoisia aika monissa
• 36:59
  firmoissa ymmärretään tän hetken suomessa olisi niinku
• 37:00
  asiakaspalvelun tueksi otettu näitä.
• 37:05
  Ja ja tota. Siinä me pyritään sitten
• 37:08
  kartoittamaan just sitä ihan yksilötason tuottavuutta, että
• 37:11
  paljonko ne pystyy niitä ja kuinka nopeasti asiakkaiden
• 37:14
  ongelmia ratkomaan ja ja ja miten tää tota vaikuttaa että
• 37:19
  nää on aika kivalla tavalla. Nykyään tehdään usein niinku
• 37:21
  tämmöiset kokeellisessa asetelmassa, että siellä.
• 37:25
  Joko arvotaan ihmiset pari ryhmään, että niille tulee tää
• 37:28
  työkalu aluksi tai ei. Tai sitten vähintäänkin se että.
• 37:33
  Kun se on vaiheistettu se käyttöönotto yleensä ihan
• 37:35
  resursseista johtuen niin niin se satunnaistetaan se että
• 37:39
  missä? Että ketkä ottaa sen missäkin
• 37:43
  vaiheessa käyttöön, mutta että näitä on on tutkittu esimerkiksi
• 37:48
  juristien osalta liikkeenjohdon konsultoinnissa koodauksessa tän
• 37:54
  tyyppisissä näissä kaikissa havaitaan aika merkittäviä.
• 37:59
  Tuottavuusvaikutuksia. Ja.
• 38:03
  Laatuvaikutuksia. Mutta erityisesti niin kun.
• 38:10
  Heikomman tuottavuuden työntekijöiden osalta, että ne
• 38:14
  pääsee niinku lähemmäksi niitä huippuja.
• 38:18
  Huiput ei välttämättä paranna suoritustaan ihan hirvittävästi.
• 38:24
  Siis. Kaventuuko sitten keskenään.
• 38:27
  Joo joo eli siis oikein tuottavuuserotee okei tää on
• 38:31
  niinku havaittu mun mielestä kaikissa tutkimuksissa mitä on
• 38:34
  on on noissa tehty että että ne heikommin alunperin heikommin
• 38:39
  suoriutuvat ne saa niinku enemmän.
• 38:42
  Irti näistä uusista työkaluista. Kun ne parhaimmat nyt kyllä
• 38:48
  tässä oliko se viime viikolla kun tuli yksi juristeja koskeva
• 38:52
  tutkimus, jossa nyt kun nää teknologiat on mennyt eteenpäin
• 38:55
  niin niin siinä mun mielestä tätä tulosta ei sitten enää
• 38:58
  ollut että että että siinä ne olikin sitten tasaisempia ne
• 39:03
  vaikutukset että ne auttoi niitä kaikista parhaimpiakin.
• 39:09
  Eli entistä enemmän. Että mun mielestä kuitenkin
• 39:15
  elämässä on silleen että että. Kun mietitään ylipäätään mitä
• 39:22
  investointeja niin niin jos lähdetään hyvistä asetelmistaan,
• 39:26
  niin tavallaan sitten tottavuus ei kasva yksi lailla siellä
• 39:32
  korkeammalla kuin matalammalla, niin olettaisin että että
• 39:35
  alhaalta lähtevät nimenomaan kurvat kiinni.
• 39:38
  Joo ovat tuolla niinku korkeammalla, mutta toisaalta.
• 39:44
  En muista kenen kanssa me puhuttiin, että että ehkä se on
• 39:48
  subjektiivinen näkemys, mutta. Markkinoinnissa ja viestinnässä
• 39:52
  on sellainen tilanne, että kun se on vahvasti tekstipohjainen
• 39:57
  kommunikaatio, niin siinä generatiivinen tekoäly loistaa
• 40:01
  tosi vahvasti, niin siellä on havaittavissa kuitenkin että
• 40:06
  että omalla osaamisella on oikeasti merkitystä, että ei
• 40:10
  voi, ei voi lähteä nolla jolla tää että pääsee suoraan sille
• 40:13
  samalle tasolle. Joo se on joo tekoäly joo ja toi
• 40:17
  on mun mielestä yhdenmukainen sen kanssa mitä ne olisi.
• 40:20
  Kun on luokiteltu tehtäviä just tää että onko se niinku
• 40:22
  korvattavissa vai täydentyvää niin itse asiassa toi niinku
• 40:25
  viestintämarkkinointi että tämmöinen se menee enemmänkin
• 40:28
  siinä niinku täydentyvään puoleen just siinä että.
• 40:31
  Että. Että minä en niiden työkalujen
• 40:36
  avulla välttämättä mitään hirveän vaikuttavaa viestintää
• 40:39
  tai mainontaa että tekisi, mutta sitten se mainonnan
• 40:42
  ammattilainen pystyykin ehkä nostamaan oman toimintansa vähän
• 40:45
  uudenlaiselle tasolle siinä. Juuri näin.
• 40:50
  Joo nostit esille tuon mielenkiintoisen asetelman.
• 40:56
  Korjaava anteeksi korvaava ja täydentävä.
• 41:00
  Niin tässä on rumutettu paljon mediassa ja muualla, että
• 41:04
  tekoäly uhkaa tekoäly uhkaa työpaikka minkä minä tulkitsen
• 41:08
  sillä tavalla, että sä korvaisit nimenomaan.
• 41:11
  Johtuen siitä luultavasti, että jos se täydentää, niin se ei ole
• 41:14
  niin seksikästä, koska muutokset eivät ole niin kuvauksellisia.
• 41:19
  Niin onko nyt tutkimusten valossa mitään?
• 41:23
  Ensimmäisiä merkkejä siitä, että tietyt ammatit olisivat oikeasti
• 41:28
  korvatta korvattavissa ja ja ovat menossa siihen suuntaan,
• 41:32
  että että korvataan ihmisiä. Joo no musta tätä kannattaa
• 41:38
  lähteä kerimään just siitä, että että ammatti on kokoelma
• 41:41
  tehtäviä ja ja nyt tota jos me katsotaan näitä luokitteluja
• 41:45
  vaikka mikä elondoi ja kumppanit sciencessa julkaistua viime vai
• 41:50
  toissa vuonna, niin niissä just pyrittiin kartoittamaan
• 41:53
  ammattitasolla tätä, että kuinka paljon siinä on tehtäviä jotka
• 41:55
  potentiaalisesti voidaan. Genertiivisella tekoälyllä
• 42:00
  korvata ei pelkästään nyt, vaan siinä oli myös niinku
• 42:03
  tulevaisuutta mietitty niin. Niin semmoisia ammatteja, joissa
• 42:08
  niinku kaikki tehtävät voitaisiin korvata tekoälyllä.
• 42:13
  Niitä on todella vähän. Ei oikeastaan juuri mitään, että
• 42:16
  vähän pidemmällä aikavälillä siellä on on on on jotain siis
• 42:19
  ne on. Ne on sitten just tämmöisiä
• 42:20
  jotain puhelinvaihteen hoitajia ja ja jotain tilastoavustajia ja
• 42:25
  ja ja niinku tän tyyppistä. Niin niin nyt.
• 42:32
  Kysymys on tavallaan siitä, että nyt siinä ammatissa osa
• 42:35
  tehtävistä korvataan niin mitä sille ihmiselle käy?
• 42:40
  Että kuinka? Siihen jää jotain tehtäviä,
• 42:43
  johon ihminen tarvitaan ja nyt siitä tuli kysymys siitä, että
• 42:46
  mitä muuta siihen paketoidaan siihen tehtävään vai onko ne voi
• 42:50
  olla, että jotkut tehtävät loppuu sitä kautta, että niitä
• 42:53
  tehtäviä jää jäljelle niin vähän, että ne integroidaan
• 42:55
  johonkin muihin toimenkuviin tai ammatteihin.
• 42:59
  Mutta että se, että kokonaisia ammatteja niinku häviää se että
• 43:04
  ne loppuisi kokonaan niin niin sitä mä pidän epätodennäköisenä
• 43:08
  just sen takia, että ensinnäkin näitä on historiassa havaittu
• 43:11
  tosi vähän musta yhdysvaltain ammattiluokitukset on
• 43:15
  esimerkiksi poistunut yks ammatti nyt viimeisen 100 vuoden
• 43:18
  aikana tai taas se on hissinkuljettaja.
• 43:21
  Niitä ei ei enää ole yhtään OK. Mut että enemmän ne vaikutukset
• 43:26
  tulee niinku. Sitä kautta, että ne ammattien
• 43:30
  sisällöt muuttuu. Työn tekemisen tavat muuttuu ja
• 43:33
  nää voi olla sitten tosi isoja muutoksia yksilöiden kannalta ja
• 43:39
  sitten toisaalta se voi olla, että siinä samassa ammatissa on
• 43:42
  tehtäviä, jotka osa pystytään korvaamaan ja osassa ikään kuin
• 43:47
  täydentämään enemmän ihmistä ja sitten sitten ne onkin
• 43:50
  mielenkiintoisia että. Miten ne vaikutukset lopulta on?
• 43:54
  Siinä tullaan sitten siihen, että miten organisaatiot tekee
• 43:58
  työnsuunnittelua ja sitten että mitä asioita paketoidaan
• 44:01
  samoihin toimenkuviin ja ja. Näin ja sieltä tulee aika isoja.
• 44:07
  Isoja muutoksia potentiaalisesti just mut se että.
• 44:13
  Se että niinku ihmistyö loppuisi sitä kautta tai jotkut ammatit
• 44:17
  kokonaan häviäisi. Jotkut voi hävitä just sitä
• 44:19
  kautta, että siihen jäisi niin vähän tehtäviä että ne
• 44:20
  integroidaan niinku muuhun tai aina.
• 44:22
  Mutta mutta se, että. Että että vaikka nää teknologiat
• 44:27
  on yhä parempia niin niin ja niillä pystytään yhä enemmän
• 44:32
  korvaamaan niin niin siellä on myös aika paljon tätä
• 44:36
  täydentymistä. Ja tietysti myös tosi paljon
• 44:40
  ammatteja jotka ei oo niinku joihin tää ei vaikuta juuri
• 44:44
  millään tavalla että siellä on. Vähän niitä että.
• 44:50
  Siis mihin generatiivinen tekoäly vaikuttaa monet niinku
• 44:54
  siis joku rakennusalan ammatti. Siellä on sitten omat
• 44:56
  kysymyksensä niinku siellä on sitten robotit esimerkiksi mitkä
• 45:01
  voi tulla sinne ja erityisesti kun robotteihin tulee enemmän
• 45:06
  niinku tekoälyä mukaan ja ja näin niin se on.
• 45:10
  Se on sitten oma oma juttunsa, mutta että että niissä
• 45:13
  ammateissa on sitten taas toisia toisia juttuja.
• 45:18
  Mutta että pitkälti tää menee niinku näiden sitten.
• 45:21
  Se on hyvä analysoida niinku niiden tehtävien kautta, koska
• 45:24
  siellä tehtävätasolla ne kuitenkin ne teknologiat toimii
• 45:27
  ja ja sitten että miten se vaikuttaa eri eri ammatteihin.
• 45:33
  No sitten on tietysti kysymys hierarkiasta, että miten tekoäly
• 45:37
  vaikuttaa johtajiin ja miten se vaikuttaa heidän alaisiin ja ja
• 45:42
  suorittavaan henkilökuntaan? Onko.
• 45:45
  Siitä samoja samoja. Tuloksia nyt nähtävissä.
• 45:50
  Joo no tää on kanssa semmoinen mitä mitä on vielä niinku vähän
• 45:55
  tutkittu. Mutta mun mielestä tässä on
• 45:57
  taloustiedoissa kanssa ihan hyviä kehikkoja siinä, että sen
• 45:59
  niinku miettimiseen että miten se voi voi työn organisointiin
• 46:03
  vaikuttaa ja ja siinä niinku se lähtee siitä että jos mietitään
• 46:07
  jonkun päätöksentekoa organisaatiossa vaikka että
• 46:09
  milloin se keskitetään johdolle ja milloin sitä hajautetaan
• 46:13
  työntekijöille niin. Niin se keskeinen seikka siinä
• 46:18
  on. On on se, että minkälaista se
• 46:19
  informaatio on, mitä päätöksentekoa tarvitaan, että
• 46:23
  jossain tämmöistä niin sanottua spesifiä siinä mielessä, että
• 46:26
  sen kommunikointi on jotenkin kallista sinne niinku
• 46:28
  päätöksentekijälle, että se on hankalaa hankalaa tai kallista.
• 46:31
  Se voi olla vaikka teknistä se informaatio, että sä teet
• 46:35
  työntekijä ymmärtää paljon paremmin että mitä materiaaleja
• 46:37
  tai mitä teknologiat meidän kannattaisi tässä käyttää ja jos
• 46:40
  se koittaa selittää sen jollekin.
• 46:43
  Päätöksentekijälle niin, että niin että se päätöksentekijä
• 46:45
  ymmärtää, niin se voi olla aika kivinen tie.
• 46:47
  Jos me taas niinku hajautetaan se päätöksenteko sinne teet
• 46:51
  porukalle, niin tää voi olla järkevämpi tapa niin nyt sitten,
• 46:54
  että miten tää teknologiat vaikuttaa siihen, että kuinka
• 46:58
  spesifiä tai yleistä se tieto on, niin niin se voi hyvin
• 47:01
  johtaa siihen että. Että meidän on niinku entistä
• 47:05
  helpompi kommunikoida jotain mikä voisi johtaa siihen, että
• 47:08
  me. Niinku keskitetään enemmän
• 47:10
  päätöksentekoa. Tai sitten sä voit tuoda niin
• 47:13
  paljon enemmän. Sinne lattiatasolle ikään kuin
• 47:17
  mahdollisuuksia hyödyntää sitä niiden spesifiä informaatiota,
• 47:21
  että me halutaankin hajauttaa enemmän.
• 47:23
  Ja tää ihan sama on nähty niinku ylipäätään niinku tässä
• 47:26
  tietotekniikan tulos että että sillä on on niinku ollut
• 47:29
  monenlaisia vaikutuksia vaikka just tähän päätöksenteon
• 47:33
  allokointiin. Ja se taas sitten vaikuttaa tosi
• 47:37
  paljon siihen, että että. Minkälaisia työnkuvia me
• 47:42
  halutaan käyttää? Minkälaisia
• 47:45
  kannustinjärjestelmiä me käytetään ja ja näin, koska jos
• 47:49
  me hajautetaan sitä päätöksentekoa ja sitten me
• 47:52
  ollaan huolissaan siitä, että miten jonkun päätöksen
• 47:55
  koordinointi pitää koordinoida niinku jonkun toisen tehtävän
• 47:59
  kanssa tai jonkun toisen osaston kanssa.
• 48:01
  Jos me halutaan ehkä tuoda niitä tehtäviä siihen samaan
• 48:04
  työnkuvaan. Jolloin ne tulee koordinoitua
• 48:08
  sitä kautta. Ja ja toisaalta sitten kun me
• 48:12
  hajautetaan päätöksentekoa, niin me halutaan ehkä tuoda
• 48:14
  voimakkaampia kannustimia sinne, että ne päätökset mitä tehdään
• 48:19
  on enemmän organisaation tavoitteen mukaisia.
• 48:23
  Että se voi niinku se, että siellä teknologiassa muuttuu
• 48:25
  jotain, niin se voi itse asiassa aika monimutkaisella tavalla.
• 48:29
  Sitten alkaa vaikuttaa siihen että.
• 48:32
  Että miten sitä työtä organisoidaan?
• 48:34
  Mitä toimenkuvia tuodaan yksi ja ja näin.
• 48:39
  Mutta sitten tietysti asian päivittäisen johtamiseenkin
• 48:41
  sehän voi vaikuttaa tosi monin tavoin, että sehän voi niinku.
• 48:47
  Tuoda johtajille esimerkiksi. Sehän voi toimia heidän tukena
• 48:51
  esimerkiksi niinku siinä, että että vähän samalla tavalla kuin
• 48:55
  siinä asiakaspalvelussa, niin se se voi voi tota.
• 49:00
  Tuoda monenlaista tukea vaikkapa sanotaan nyt vaikka
• 49:02
  kehityskeskustelujen käymiseen tai jotain.
• 49:06
  Jotain muuta, että miten niitä paremmin käydään, se voi nostaa
• 49:09
  nostaa laatua niinku sitä kautta.
• 49:13
  Kyllä tyhmentääkö tekoäly meitä työntekijöinä?
• 49:16
  Onko siitä olemassa tutkimuksia? No ei vielä, mutta onhan siis
• 49:20
  sehän. Onhan se mahdollista siis sitä
• 49:23
  kautta, että jos me ulkoistetaan niinku tosi paljon omaa
• 49:27
  ajattelua tai muuta tekoälylle, niin silloinhan me ei.
• 49:32
  Ei itse sitä ajatteluamme harjoiteta, jolloin se
• 49:36
  varmaankin siitä pikkuhiljaa rapautuu.
• 49:40
  Mutta mutta missä määrin tätä niinku tapahtuu, niin se on
• 49:43
  musta kanssa vähän avointa just sitä kautta että.
• 49:47
  Että onko se? Teknologia korvaavaa vai onko se
• 49:51
  täydentävä? Tää on tässäkin tietysti se se
• 49:54
  niinku olennainen juttu, että auttaako se itse asiassa mua
• 49:58
  miettimään enemmän tai. Paremmin tai jos mä en olisi
• 50:02
  halunnut ideoida jotain, niin mä pyydän tekoälyltä erilaisia
• 50:06
  ideoita, joita mä itse arvioin sitten tai.
• 50:11
  Näen, että se kanssa tulee riippumaan tosi paljon siitä,
• 50:13
  että miten sitä. Miten sitä hyödynnetään ja miten
• 50:18
  se tuodaan osaksi niitä toimintaprosesseja?
• 50:25
  Kyllä vain. No meillä on sikäli
• 50:29
  mielenkiintoinen tilanne, että nyt kun tekoälyn käyttö yleistyy
• 50:33
  ja muuttaa. Monia tapoja tehdä töitä niin
• 50:37
  niin samaan aikaan meillä on käynnissä murros, joka on
• 50:41
  alkanut kenties vähän ennen sitä.
• 50:43
  Eli alustatalous murros, niin nähdäänkö me jotain risteilma
• 50:48
  kohtia näiden 2 välillä? Vaikuttaako tekoäly
• 50:52
  alustatalouden kehitykseen? Millä tavalla?
• 50:54
  Onko siitä tutkimukseen? Ihan just nää
• 50:57
  työmarkkinavaikutuksia on tutkittu tosi paljon siellä
• 51:00
  alustoilla, koska se on hirveän hyvä ikään kuin laboratorio
• 51:04
  näiden tutkimiseen siinä mielessä, että kun siellä
• 51:06
  vaihdetaan. Tehtäviä jotka on niinku
• 51:10
  pystytään irrottamaan jostain kontekstista, niin niin me
• 51:13
  voidaan ajatella, että siellä ne vaikutukset pitäisi olla
• 51:15
  kaikista suurimpia. Mitä se tarkoittaa?
• 51:18
  No siis että no mä ajattelen tässä just sitä, että ne
• 51:22
  teknologian vaikutukset voi olla kaikista isompia just
• 51:25
  semmoisissa tehtävissä jotka. On on silleen niinku
• 51:30
  modulaarisia, että ne ei ole osa jotain toimenkuvaa vaikkapa niin
• 51:34
  kiinteästi että että että jos mä teen tän yksi tehtävän niin niin
• 51:40
  mä pystyn suorittamaan paremmin myös sen toisen tai tai näin
• 51:43
  vaan ne on semmoisia, että että mä mä voin tän palan niinku
• 51:46
  irroittaa ikään kuin siitä ja tuoda sen sitten tehtynä siihen.
• 51:50
  Voitko tuoda vielä jotain esimerkkejä?
• 51:53
  No siis jos katsotaan mitä siellä paljon esimerkiksi
• 51:54
  tehdään niin niin niin ne on sitten taas niinku viestinnän
• 51:58
  puolelta niin ne on tämmöisiä että.
• 51:59
  Niinku nettisivujen tota tekstien kirjoittamista tai tai
• 52:04
  jotain niin niin se on siinä yrityksen viestinnässä
• 52:09
  esimerkiksi niin niin semmoinen palanen, joka joka on aika
• 52:13
  helppo ikään kuin ulkoistaa. Aivan jonnekin.
• 52:18
  Ja mut siellä on paljon tutkittu tätä mitä tapahtuu kun chat GPT
• 52:22
  tuli niin niin tota työvoiman kysynnälle erilaisissa
• 52:28
  tehtävissä. Ja mun mielestä paras niistä
• 52:31
  tutkimuksista on ihan äskettäin Julkaistu, mistä meiltä
• 52:34
  etlostakin toi otto cassi oli oli mukana missä ne?
• 52:39
  Nyt alustalta keräsi niin on monta vuotta kerätty kaikki
• 52:42
  niinku kaikki tota keikat mitä siellä on tarjolla.
• 52:47
  Sitten ne on on luokiteltu samantyyppisillä
• 52:52
  tekoäly-työkaluilla kun elonton ja kumppanien science paprissa
• 52:57
  jossa ne luokittelee niinku ammatteja että minkälaisia ne on
• 53:00
  niinku luonteeltaan suhteessa tekoälyyn.
• 53:04
  Niin tässä on nää keikat luokiteltu sillä tavalla ja
• 53:06
  sitten ne luokittelee ne just että onko ne niinku.
• 53:09
  Korvattavia täydentyviä vai et? Niillä ei ole niinku oikein
• 53:14
  mitään merkitystä ja ja. Ja nää korvattavat on siis
• 53:19
  semmosia missä just niinku ikään kun noviisi voi tehdä sen
• 53:22
  asiantuntijatyön melkein ainakin melkein yksi hyvin ja siitä
• 53:26
  niinku ehkä paras esimerkki on just sellainen niinku
• 53:29
  kielenkääntö editointitehtäviä sitten just tämmöisiä niinku
• 53:34
  webbisivujen about ush niinku asioiden kirjoittamista.
• 53:40
  Ehkä jotain blogitekstejä ja tän tyyppisiä sitten taas siellä
• 53:44
  niinku täydentyvällä puolella niin niin siellä on sitten
• 53:46
  esimerkiksi web-kehitystä ja applikaatiokehitystä ja tän
• 53:50
  tyyppisiä. Että ei se noviisi niillä
• 53:52
  työkaluilla nyt kirjoittele tai niinku luo hyviä applikaatiota,
• 53:55
  vaan siihen tarvitaan se. Se mitä siinä havaitaan, työn
• 54:01
  kysyntä vähenee niissä korvattavissa tehtävissä kasvaa
• 54:06
  näissä täydentyvissä tehtävissä, mutta siellä korvattavassakin
• 54:10
  päässä, niin niin se tapahtuu oikeastaan ainoastaan hyvin
• 54:13
  lyhyissä niinku yksi viiva 3 viikon.
• 54:17
  Tehtävissä, että kun ne ne mitä siellä vaihdetaan niin on on
• 54:19
  yksi viikosta muutamaan vuoteen tai tai niinku tämmöisiin että
• 54:24
  se näkyy niinku siellä siellä niinku.
• 54:28
  Lyhkäsemässä päässä. Minkä mä ajattelin että ne on
• 54:31
  just sitten tämmöisiä pienempiä tehtäviä, jotka ei ole sillä
• 54:34
  tavalla kriittisiä organisaation kannalta?
• 54:40
  Ja muissa muissa tutkimuksissa on saatu samantyyppisiä
• 54:43
  tuloksia, että siellä on sitten vähän se, että miten on
• 54:46
  koodattu, että mikä on niinku korvautuva ja näin.
• 54:48
  Mutta että just että nähdään että kielen kääntämisessä ja
• 54:51
  tämmöisissä usein se kysyntä putoaa, mutta että jos just
• 54:54
  web-kehityksessä saattaa kasvaakin.
• 54:57
  Ja ja mutta että se kaikki keriytyy just tähän näin, että
• 55:00
  onko se joku korvautuvaa vai vai täydentyvää, niin se se
• 55:05
  määrittää niinku merkittävällä tavalla sitä, että miten se,
• 55:09
  miten sä siihen työn kysytään vaikuttaa.
• 55:12
  No jotenkin tää tutkimustulos on intuitiivinen.
• 55:14
  Mulla että se ei yllätä millään tavalla.
• 55:18
  Nyt siis olisin voinut arvata, että näinhän se on.
• 55:21
  Joo kyllä, mutta että sitten kun katsotaan katsotaan vaikka tota
• 55:25
  mitä toi lehtikirjoittelu kaikesta?
• 55:29
  Tekoäly hommasta on niin se on lähinnä sitä siitä korvautumista
• 55:33
  työn loppumista ja tän tyyppistä, että että nää nää tuo
• 55:37
  niinku ihan erilaista nyanssia kyllä niinku siihen.
• 55:41
  Ja sitten toisaalta myös se, että mikä se vaikutusten
• 55:43
  suuruusluokka on, että eihän se ole niin että niissä.
• 55:47
  Niinku korvattavissa tehtävissä, että se jotenkin totaalisesti
• 55:51
  romahtaisi se työhön kysyntä. Puhutaan jonkun verran, että mä
• 55:55
  en ole tarkka luku, mutta sanotaan niinku 10% tai jotain
• 55:59
  tämmöistä että se on se on aika kaukana jostain niinku 100% joka
• 56:03
  tapauksessa se ne ei ne sieltä niinku.
• 56:06
  Ne vähenee, muttei ne ainakaan tällä lyhyellä aikavälillä niin
• 56:09
  mihinkään, niin johtuu romahda. Niin johtuu ehkä siitäkin, että
• 56:14
  ei kaikki ihmiset käytäkään tekoälyä, että on näitä
• 56:17
  erilainen kyllä sanottua perinteisiä ammattilaisia, jotka
• 56:20
  tekevät käsin hyvin sitä työtä. Joo kyllä ja on siinäkin niin
• 56:26
  kun. Oma kokemus nyt ainakin näistä.
• 56:33
  Just niinku kielen kääntämiseen liittyvistä työkaluista on, että
• 56:36
  onhan ne niinku. Hyviä.
• 56:39
  Ei ne täydellisiä ole. Toisaalta ei ole ihminenkään,
• 56:42
  että että tota kyllä sieltäkin kun on erikoistuneimmasta
• 56:46
  tekstistä kyse niinku. Taloustieteelliset tekstit
• 56:50
  vaikka niin niin ne voi välillä olla kyllä tosi huonoja ne
• 56:54
  käännökset että mitä mekin on Etlan verkkosivuille jotain
• 56:57
  teetetty. Siis ihmisen minusta.
• 57:00
  Tänään ruotsinkieliset käännökset, niin niin.
• 57:04
  Kyllä nää meidän meinasi sitten tota ruotsin äidinkielenään
• 57:08
  puhuvat, niin ei ne suostuneet sitä laskua maksetaan kun ne oli
• 57:11
  niin luokattomia. Ne ne käännökset ettei se
• 57:14
  ihmisen käy tekemä työ mitenkään aina niinku täydellistä ole.
• 57:19
  Kyllä oletan että dataa tähän alustataloustutkimukseen oli
• 57:25
  ympäri maailman kerätty. Vai oliko tässä joo.
• 57:27
  No se on se on sitten. Siinä ei kerrota microsoft se
• 57:31
  oli tää yksi valtava alusta yhdysvalloista, jossa siis
• 57:34
  työntekijät tulee kaikkialta maailmasta pohjimmiltaan tosi
• 57:37
  paljonhan siellä niinku aasia aasian maista tehdään niiden
• 57:41
  alustojen kautta. Tätä työtä.
• 57:46
  Olettaisin, että tilanne voisi olla vähän erilainen, jos
• 57:48
  puhutaan sellaisista alustajista kuin voltia fotora missä on, on
• 57:52
  vähän eri tyyppistä työtä kuitenkin kyllä.
• 57:55
  Joo joo juuri näin että että nää nää on tämmöisiä missä yleensä
• 57:59
  just tämmöisten asiantuntijatyötä vaihdetaan
• 58:01
  että. Kyllä kyllä.
• 58:08
  No. Kaiken kaikkiaan niin miten sä
• 58:12
  arvioisit tätä? Tuota jos käytetään sellaista
• 58:17
  termiä kuin bullshedbarometri markkinoilla, niin nyt jos
• 58:21
  summataan tätä kaikkea mistä ollaan keskusteltu, niin onko
• 58:25
  media keskimäärin väärässä näiden suhteen?
• 58:30
  No media tekee tietysti omista lähtökohdistaan sitä ja ja ja
• 58:35
  sehän tota siis kyllähän tietysti tämmöinen tuhoutuminen
• 58:38
  aina myy työpaikkojen loppu ja ja muu niin niin se se tietysti.
• 58:44
  Niitä otsikoita klikkaillaan paljon enemmän kuin se, että
• 58:47
  että tota. Vaikutukset vähäisiä tai tai
• 58:53
  jotain jotain muuta. Mutta kyllä mun mielestä siinä
• 58:58
  siinä on on jonkun verran harhaa, että meillä on on
• 59:00
  vähemmän. Sitten ne jutut ei ole yleensä
• 59:03
  hirveän analyyttisiä just siitä, että että mitä nää vaikutukset
• 59:07
  voi olla ja miten ne riippuu eri tekijöistä.
• 59:11
  Mut tietysti toinen. On semmoinen, mikä on kaikissa
• 59:15
  muissakin teknologian murroksissa ollut, että
• 59:17
  meillähän on myös paljon helpompi käsittää se, että mitä
• 59:20
  joku teknologia voi ikään kuin tuhota tai miten se voi korvata.
• 59:26
  Koska kuitenkin sitten just kun nää se millä nää teknologiat luo
• 59:30
  arvoa on se että ne luo uusia. Toimintatapoja tai tuotteita tai
• 59:35
  palveluita ja niihin liittyy se, että ne lyö usein ihan
• 59:39
  uudenlaisia. Toimenkuvia tai ammatteja uusia
• 59:45
  tehtäviä. Ja niitä meidän on taas hirveän
• 59:48
  vaikea käsittää. Eiku etukäteen, että mitä
• 59:52
  kaikkea uutta tää luo, mitä kaikkea, mitä kaikkea se tuo
• 59:56
  mukanaan, niin siitä syntyy vähän semmoista epätasapainoa
• 59:59
  että. Meidän on helppo ajatella, että
• 1:00:02
  OK että nyt kielenkääntäjän työn kysyntä varmaan vähenee tässä
• 1:00:05
  kun sitä menee entistä enemmän tekoälylle mutta mutta sitten
• 1:00:08
  meidän on vaikea ymmärtää, että mitä mitä ihan uusia uusia
• 1:00:12
  tehtäviä. Ehkä syntyy.
• 1:00:17
  Onko muuten nähtävissä, että tietyt alat ylikorostuisivat
• 1:00:21
  tässä uusien tehtävien osalta? Joo se on.
• 1:00:29
  Se on tietysti ne usein syntyy niinku eri aloille kun mistä
• 1:00:33
  mistä ne työpaikat häviää tai missä työn kysytään vähenee.
• 1:00:39
  Mut se että mihin ne niinku tulee niin niin sitä sitä on
• 1:00:41
  niinku sitä on vaikea ennakoida että mitä mitä kaikkea uutta.
• 1:00:48
  Uutta tää mahdollistaa. Eli voi sanoa, että on
• 1:00:54
  syntymässä kenties tää sun uudenlaisia aloja.
• 1:00:58
  Joo ja uudenlaisia tehtäviä ja ammatteja näet varmasti varmasti
• 1:01:02
  nää teknologiat tuo mukanaan, mutta se että mitä ne on niin
• 1:01:05
  sitä on. Se on se innovaattoreiden
• 1:01:09
  tehtävä miettiä, että mitä lisäarvoa mä pystyn näillä
• 1:01:13
  tuottamaan mitä täysin uutta mitä ihmiset haluaa niin niin
• 1:01:19
  pystyn. Pystyn näiden työkalujen avulla
• 1:01:21
  tekemään tai mitä mä voin tehdä tosi paljon paremmin kuin ennen.
• 1:01:26
  Kyllä kyllä jos haluaisi tarkastella parasta mahdollista
• 1:01:32
  ympäristöä ja maata. Tai 3 vaikutusten osalta niin
• 1:01:37
  mitä maata on tähän mennessä tutkittu?
• 1:01:39
  Mitä markkinoita? No kyllä se yhdysvallat on se
• 1:01:43
  missä missä näitä kaikista eniten tähän mennessä on on
• 1:01:49
  tehty nyt niitä alkaa ihan varmasti tulemaan tulemaan tota
• 1:01:54
  monista euroopan maista myös. Mutta tota.
• 1:01:59
  Tulee varmasti tässä tulevina vuosina olemaan erittäin
• 1:02:02
  aktiivinen tutkimusaihe, että miten nää näkyy
• 1:02:05
  organisaatioissa. Miten näkyy työmarkkinoilla?
• 1:02:09
  Miten näkyy tuottavuuskehityksessä ja ja eri
• 1:02:12
  talouksissa? Millä millä tasolla suomessa on
• 1:02:19
  tutkimus? Tällä hetkellä siis tää koulun
• 1:02:21
  tutkimus että panostetaanko siihen riittävän paljon sun
• 1:02:24
  mielestä vai onko jotain sellaisia kysymyksiä mihin?
• 1:02:30
  Pitäisi panostaa enemmän, mitä pitäisi selvittää.
• 1:02:34
  No, kyllähän meillä näihin. Entistä enemmän panostetaan se,
• 1:02:38
  että panostetaanko vieläkään riittävästi, niin on oikeastaan
• 1:02:41
  peter saarnin säätiön tekoälyprofessorin lahjoitukset
• 1:02:46
  aika merkittävä panostus suomen yliopistohin.
• 1:02:51
  Ja varmasti siis monissa yliopistoissa.
• 1:02:55
  Tutkimuslaitoksissa on hirvittävä kiinnostus just
• 1:02:58
  näihin vaikutuksiin, kun eri tasoilla ja mä luulen, että me
• 1:03:01
  tullaan kyllä näitä aika paljon suomessakin tutkimaan, koska nyt
• 1:03:06
  tässä on meneillään tosi mielenkiintoinen.
• 1:03:09
  Potentiaalisesti todella iso. Murros joskin.
• 1:03:17
  Mä ajattelin, että kuitenkin ne. Vaikutukset ei tule näkymään
• 1:03:22
  ihan niin nopeasti, kun ehkä välillä.
• 1:03:26
  Julkisuudessa tai lehtijutuissa ajatellaan ihan johtuen siitä,
• 1:03:31
  että teknologioiden käyttöönotto on vaan yleensä aika aika
• 1:03:35
  hidasta ja vielä nähdä, että me ollaan ihan alkuvaiheessa, että
• 1:03:37
  ei sitä vielä paljoa paljoa käytetä.
• 1:03:41
  Tässä käy ehkä samalla tavalla kuin yleensä, että yliarvioidaan
• 1:03:45
  lyhyellä aikavälillä ja aliarvioidaan pitkällä
• 1:03:47
  aikavälillä näitä vaikutuksia. Kyllä.
• 1:03:50
  Entä jos puhutaan tutkimusrahoituksesta niin niin
• 1:03:54
  mainitsit peter saarelin säätiön lahjoitukset.
• 1:03:57
  Niin onko se jotenkin poikkeuksellista, että tuota
• 1:04:00
  yksityinen sektori nimenomaan panostaa näihin?
• 1:04:03
  Miten se jakautuu tavallaan valtiollisen rahoituksen ja
• 1:04:06
  yksityisen sektorin välillä tällä hetkellä?
• 1:04:08
  Joo no suomessahan ylipäätään niin yksityinen rahoitus.
• 1:04:14
  Korkeakoulujen t et k toimintaan on.
• 1:04:19
  On niinku tosi alhaisella tasolla.
• 1:04:22
  Että OECD tilastoja jos katsoo niin nyt on ehkä parhaat mitä
• 1:04:25
  meillä on ehkä ihan täydelliset ole, mutta mutta.
• 1:04:30
  Kyllä meillä meillä toi koulutuksen rahoitusjärjestelmä
• 1:04:33
  on OECD maissa niinku. Kyllä aika lailla valtiovetoinen
• 1:04:40
  että että tää on mun mielestä kyllä semmoinen.
• 1:04:44
  Ja erittäin tervetullutta charlinin säätiön.
• 1:04:48
  Lahjoitus ja ja tota mä onhan se kasvanut nyt kun yliopistojen
• 1:04:54
  oikeudellinen asema muuttui ja niillä on nykyään on paljon
• 1:04:57
  enemmän lahjoitusprofessuureja ja ja näin mutta tota.
• 1:05:03
  Meillä olisi varmaan varaa kasvattaa kyllä sitä yksityisen
• 1:05:06
  rahoituksen osuutta tässä. Jos vertaat sitä tasoa muihin
• 1:05:11
  euroopan maihin, niin miltä se näyttäytyy?
• 1:05:14
  Joo, kyllä muihin euroopan maihin verrattuna ollaan tässä
• 1:05:17
  niinku ainakin näiden OECD tilastojen valossa niin ollaan
• 1:05:21
  ollaan perässä että no. Perässä, jopa euroopassa.
• 1:05:24
  Kyllä joo, että kyllä meillä on niinku meillä on tää tää niinku
• 1:05:27
  julkisen sektorin rooli on on siinä rahoituksessa huomattavan
• 1:05:31
  suuri. Siinä voi toki olla aina siis.
• 1:05:37
  Kansainväliset vertailut tilastoissa on usein.
• 1:05:40
  Tosi hankalia, että vaikka ne yritetään tehdä
• 1:05:43
  vertailukelpoisiksi niin niin eri maiden järjestelmät voi
• 1:05:46
  poiketa niin paljon toisistaan, että sieltä jää jotain niinku
• 1:05:48
  huomiotta että semmoinen varaus siinä, mutta ainakin näiden
• 1:05:51
  näiden tilastojen valossa niin niin meillä olisi ehkä ehkä
• 1:05:54
  varaa kyllä kasvattaa tätä yksityisen rahan osuutta
• 1:05:58
  korkeakouluun, että koostu. Ja jos mietitään näitä
• 1:06:03
  tutkimuksia jotka on meneillään just nyt, niin minkälaisia
• 1:06:07
  mielenkiintoisia hypoteeseja niillä tutkitaan suomessa
• 1:06:11
  esimerkiksi tällä hetkellä ja. Ollaanko me tietoisempia
• 1:06:16
  sivistyneempiä vuoden päästä esimerkiksi tekoäly tekoälyn
• 1:06:19
  vaikutuksen suhteen sun mielestä?
• 1:06:22
  No kyllä mä luulen, että me ollaan vuoden päästä vähän
• 1:06:24
  viisaampia, mutta aika vähän vielä että että just johtuen
• 1:06:28
  siitä, että tää käyttöönotto on aika on hidasta ja ja mutta
• 1:06:36
  sanotaan 5 vuoden päästä me tiedetään varmasti tosi paljon.
• 1:06:41
  Tosi paljon enemmän. Koska sitten sitten on niinku
• 1:06:45
  todennäköisempää se että että alkaa näkyä jo paljon enemmän
• 1:06:48
  siinä, että miten organisaatiot vaikka.
• 1:06:51
  Tekee työnsuunnittelua. Miten ne organisoi tehtäviä ja
• 1:06:55
  ja ja näin että nythän tää lähtee liikkeelle just siitä
• 1:06:59
  että me tuodaan. Tuodaan se tota tekoäly siihen
• 1:07:02
  asiakaspalvelun tueksi. Se on vielä aika niinku.
• 1:07:08
  Pieni askel eteenpäin siihen verrattuna mitä se voi olla
• 1:07:11
  sitten tulevaisuudessa kun niitä työkaluja entistä enemmän
• 1:07:16
  integroidaan osaksi eri eri työprosesseja ja ne lähtee
• 1:07:20
  oikeasti todella muuttamaan niinku merkittävällä tavalla
• 1:07:22
  sitä mitä tehdään ja. No asioita on tietysti hyvä
• 1:07:29
  tutkia, että ymmärtää missä ollaan ja mihin ollaan menossa.
• 1:07:32
  Mut sitten jos mietitään politiikkaa ja sääntelyä niin
• 1:07:35
  onko ekonomisteilla suomessa jotain vahvoja näkemyksiä, että
• 1:07:39
  miten suomen valtion pitäisi olla tässä kehityksessä mukana?
• 1:07:46
  No mä ajattelisin, että se menee varmaan aika samalla tavalla kun
• 1:07:49
  ylipäätään tässä niinku innovaatiopuolella, että että
• 1:07:54
  kun SUOMI on niin pieni maa teknologiasta teknologiaa
• 1:07:58
  kehitetään niinku pääosin kuitenkin muualla se ne isoimmat
• 1:08:03
  muutokset tulee meille ulkoapäin annettuna, niin se.
• 1:08:08
  Tärkein asia meillä on se, että että meillä on osaamista ja
• 1:08:12
  kykyä niinku omaksua niitä uusia teknologioita ymmärtää.
• 1:08:16
  Niitä tuoda niitä osaksi organisaatioiden toimintaa.
• 1:08:22
  Mutta se toisaalta edellyttää sitä, että me tehdään itse
• 1:08:24
  niihin liittyvää tutkimusta. Ei meillä muuten synny sitä sitä
• 1:08:28
  osaamista, että meidän meidän täytyy niinku tutkia niin ja
• 1:08:32
  kehittää niitä teknologioita, mutta tutkia myös niiden
• 1:08:35
  teknologioiden vaikutuksia eri tavoin.
• 1:08:40
  Mutta. Koska muuten meille jos me ei
• 1:08:43
  olla itse aktiivisia siinä, niin silloin meillä ei synny sitä
• 1:08:46
  osaamista, joka on riittävän korkeatasoista, että me
• 1:08:48
  pystytään niitä teknologioita hyödyntämään.
• 1:08:54
  Että on se. Ei kyllä se jotain tietysti
• 1:08:59
  kertoo, että se on niinku yksityinen henkilö, joka tekee
• 1:09:02
  tän merkittävimmän panostuksen. Ehkä tai kyllä, kyllähän meillä
• 1:09:06
  niinku sanotaan joku VTT kin panostaa varmasti tähän aika
• 1:09:08
  paljon, mutta mutta tämmöinen 13 professuuri se on aika iso iso
• 1:09:12
  panostus niinku tähän yksi kysymykseen.
• 1:09:18
  OK no alright, mutta me voidaan tutkia tietysti asioita, mutta
• 1:09:21
  sitten että että se toimeenpano on.
• 1:09:25
  Asia erikseen ja innovaatiot että että sehän ei vielä riitä,
• 1:09:29
  että me ollaan tutkittu asioita perusteellisesti.
• 1:09:31
  Miten siitä päästään vielä korkeammalla tasolla.
• 1:09:35
  Joo no just se että me meidän täytyy ymmärtää niitä.
• 1:09:39
  Teknologioita jotta me voidaan niitä hyödyntää, mut sitten
• 1:09:42
  sitten tää tää tosiaan, että miten niitä.
• 1:09:46
  Nyt mietitään, että mitä mitä niinku poliittiset
• 1:09:49
  päätöksentekijät voi tehdä siinä, että että näitä paremmin
• 1:09:53
  hyödynnetään, niin sehän on se on.
• 1:09:56
  Se on mun mielestä hyvä. Ottaa pois esteet sieltä.
• 1:10:01
  No se on se on niinku se olennaisin tietysti melkein aina
• 1:10:04
  näissä että että tota, että tutkitaan että mitä ne mitä ne
• 1:10:09
  esteet olisi. Meillä on esimerkiksi sääntelyn
• 1:10:11
  muodostaa jotain merkittäviä esteitä ja ja sillä ei ole
• 1:10:14
  niinku siis sääntelyllä. Toisessa vaakakupissa jotain
• 1:10:19
  niinku merkittävää hyötyä, että minkä takia sitä tehdään.
• 1:10:21
  No tää on yksi yksi niin kun ilmeinen.
• 1:10:27
  Toinen on tietysti se, että meillähän on paljon julkista
• 1:10:29
  rahoitusta, erilaisia innovaatiohankkeisiin ja näin,
• 1:10:32
  että että miltä ne kriteerit niissä näyttää ja ja mitä niissä
• 1:10:36
  edellytetään, niin niin niin se on tietysti yksi.
• 1:10:41
  Yksi tapa miten miten niinku valtio voi, voi sitä
• 1:10:45
  käyttöönottoa tukea. No SUOMI on edelleen vahvasti
• 1:10:49
  valtiovetoinen talous monessa mielessä ja.
• 1:10:54
  Eräs esimerkki on tesin pääoman kasvu viime aikoina tai tai
• 1:11:00
  tavoitteet kasvattaa sitä niin niin mun käsitys on se, että
• 1:11:05
  julkinen sektori ja valtiovalta on varsin huono valitsemaan
• 1:11:09
  potentiaalisia voittajia. Eli on varsin huono allokoimaan
• 1:11:14
  riskillistä pääomaa, niin eikö me olla menossa vähän väärään
• 1:11:19
  suuntaan? Siinä mielessä.
• 1:11:22
  Joo no siis se on. Se on semmoinen asia mitä
• 1:11:24
  todella pitää välttää, että että että valtion mitä teknologioita
• 1:11:27
  rupeaa valitsemaan sinänsä, että että se siinä voittajien
• 1:11:31
  valinnassa niin kun pärjätty usein aika aika huonosti, mutta
• 1:11:37
  se se taas sitten mitä voi tehdä niin voi katsoa niinku sitä omaa
• 1:11:41
  toimintaa, että että miten mitä esimerkiksi valtio voisi tehdä
• 1:11:46
  siinä että. Että valtionhallinnossa otetaan
• 1:11:49
  näille työkaluja käyttöön ja. Ja ja tuota, mutta siinäkin.
• 1:11:57
  Just tossa törmäsin tähän aurora AI hankkeeseen, joka joitain
• 1:12:00
  vuosia sitten toteutettiin ja ja tota onneksi siihen meni vaan 11
• 1:12:07
  miljoonaa eikä se 100. Mistä san?
• 1:12:11
  Siinä siinä tota kehitettiin vähän sinne tänne erilaisia
• 1:12:16
  erilaisia tota lähinnä niinku chattibotteja ja jotain jotain
• 1:12:20
  muuta tämmöisiä ja ja tota ne. Sitten ei tullut kyllä niinku
• 1:12:24
  yhtään. Yhtään mitään.
• 1:12:28
  Mutta mutta tota mut se että. Näähän on semmoisia työkaluja,
• 1:12:34
  jotka hirveän hyvin sopisi moniin niinku valtionhallinnon
• 1:12:38
  tehtäviin. Niin niin sen miettinyt, että
• 1:12:41
  miten sitä, miten ne? Miten ne prosessit voitaisi
• 1:12:46
  siellä viedä niinku kunnolla läpi ja näin niin niin siinä on
• 1:12:50
  siinä on mun mielestä niinku isoja.
• 1:12:53
  Isoja mahdollisuuksia mutta mutta tota historia ei ole ehkä
• 1:12:58
  niinku hirveän lupaava siitä, että miten niitä.
• 1:13:02
  Hankkeita sitten on saatu. Mun menestyksellisesti maaliin.
• 1:13:08
  Mutta mutta että potentiaalia siinä on niinku mun mielestä
• 1:13:11
  aika paljon. Kyllä ja sitten sun
• 1:13:15
  subjektiivinen mielipide. Risto murron työryhmä raportti,
• 1:13:22
  onko siinä jotain tämmöisiä asioita mitkä mitkä voisi toimia
• 1:13:26
  käytännössä vai onko sulla ollut aikaa tutustua siihen?
• 1:13:29
  No en ole hirveän tarkkaan tuttu, mutta se mitä siitä
• 1:13:32
  katoin niin niin sehän on mun mielestä näyttää.
• 1:13:35
  Luotetaan hyvin samanlaiselta kuin noi työryhmien raportit,
• 1:13:39
  joita me suomessa tykätään. Tykätään valmistella, että
• 1:13:44
  siinä. Tosi monet asiat jää hirvittävän
• 1:13:48
  ylätasolle. Siellä ei ole niihin ei ei löydy
• 1:13:50
  niinku konkreettisia ratkaisuja. Monet asiat tärkeät asiat jäänyt
• 1:13:54
  ehkä kokonaan. Huomiotta vaikka niinku
• 1:13:57
  maahanmuuttokysymys josta on niinku jotain prosessien
• 1:14:01
  sujuvoittamista niin. No sitä on tehty ja se ei nyt
• 1:14:05
  ole varmaan sieltä vaikuttavimmasta päästä näitä
• 1:14:08
  toimenpiteitä ja se olisi kuitenkin niinku siis sitäkin
• 1:14:11
  kautta liittyen just tähän AI hommaankin, että ja ja siihen.
• 1:14:17
  Suomessa jollain tasolla ainakin sitouduttu siihen, että me
• 1:14:20
  nostettaisiin TKI menot 4% BKT, stä.
• 1:14:23
  Millä tasolla? No nyt muuten ovat.
• 1:14:27
  Hyvä kysymys, olisiko ne jossain parin?
• 1:14:31
  Mutta siis tässä puhutaan niinku aivan.
• 1:14:32
  Mielenkiintoinen, jopa tuplaamisesta.
• 1:14:33
  Tosi tosi isosta nostosta ja DKI menothan on kuitenkin pääosin
• 1:14:38
  niinku TKI henkilöstön palkkoja se.
• 1:14:41
  On niinku valtaosa siis taas että voiko valtio sanoa jollekin
• 1:14:44
  yksityiselle organisaatiolle, että ruvetkaapas niinku innostaa
• 1:14:48
  mua enemmän. Niin kyllä siinä on.
• 1:14:49
  Siinä on. Siinähän sitä on koitettu
• 1:14:51
  rakentaa silleen, että kun yritykset panostaa niin sitten
• 1:14:53
  valtio myös panostaa ja näin. Mutta joka tapauksessa minusta
• 1:14:56
  pointti siinä on se, että me tarvitaan niitä tekijöitä.
• 1:15:00
  Tallentaja niistä ei ole, niin ei ole paha on, mutta niinku.
• 1:15:03
  Yhtäkkiä rupeaa vaan hirveästi enemmän kouluttamaan
• 1:15:07
  kouluttamaan tätä tekoi henkilökuntaa, vaan me tarvitaan
• 1:15:10
  sitä myös osin osin ulkomailta. Että siinä raportissahan näkyi
• 1:15:14
  niinku se, että siinä oli paljon just näitä niinku sijoitusalan
• 1:15:18
  osaajia että se se näkyi monissa niissä suosituksissa ne ne on
• 1:15:21
  niinku ne kaikista spesifimmät suositukset tulee niinku sieltä.
• 1:15:26
  Ihan ja näin mutta tota. Ja sitten osa niistä on on on
• 1:15:31
  niinku silleen ilmeisen niistä on keskusteltu pitkään niinku
• 1:15:35
  jos korkeakoulutukseen liittyviä kysymyksiä, mutta.
• 1:15:40
  Se, että mitä mitä niillekin sitten ihan käytännössä niinku
• 1:15:43
  tehdään ja miten se toteutuu niin niin niistä ylätaso
• 1:15:48
  ideoista siihen konkreettiseen toteutukseen ja usein sitten
• 1:15:51
  aika pitkä matka. Kyllä.
• 1:15:55
  Aivan jos. Tehdään vielä sellainen
• 1:15:59
  yhteenveto. Eli kuten sanoin aluksi sinulle,
• 1:16:02
  niin mulla on henkilökohtainen insentiivi sävyttää missä me
• 1:16:06
  ollaan oikein menossa. Todellisuudessa tutkimusten
• 1:16:09
  valossa tekoälyn suhteen niin niin pystytkö vielä tekemään
• 1:16:12
  sellaisen yhteenvedon jos jätetään maat vaikka sivuun ja
• 1:16:17
  keskitytään organisaatioihin ja yksilöihin?
• 1:16:19
  Että mitä me ollaan tähän mennessä löydetty tutkimusten
• 1:16:23
  valossa ja mitä? On oletettavaa, että että tulee
• 1:16:27
  vielä lähivuosina. Joo no tää musta se ensimmäinen
• 1:16:32
  havainto on se, että se käyttöönotto on vielä niinku
• 1:16:34
  tosi vähäistä ja ja sen takia niinku ei ole odotettavissa,
• 1:16:38
  että mitään valtavia työmarkkinavaikutuksia vielä
• 1:16:41
  näkyisi. Se mikä mikä selkeästi nähdään,
• 1:16:45
  että ne vaikutukset riippuu nyt tosi paljon siitä, että miten se
• 1:16:48
  joko korvaa tai täydentää ihmistä tehtävätasolla, että se
• 1:16:51
  kohtelee eri ammatteja siinä mielessä eri tavoin ja ja
• 1:16:56
  tämmöisi alustoilta. Me nähdään jo se, että okei,
• 1:16:59
  että siellä työn kysyntä vähenee näissä tuota korvautuvissa
• 1:17:03
  tehtävissä ja se on. Kasvanut sitten täydentävissä.
• 1:17:08
  Jos me katsotaan koko niinku aggregaattitason
• 1:17:11
  työllisyysjuttua se on. Me on tehty niinku ammateittain
• 1:17:14
  tämmöistä, niin siellä ei vielä hirveästi näy mitään.
• 1:17:19
  Toki sitten siinä on niinku aika paljon kohinaa.
• 1:17:23
  Mutta mutta. Vähän samantyyppinen niinku
• 1:17:26
  käppyrät näyttää vähän samalta, mutta ne ei ole vain yksi
• 1:17:28
  tarkasti mitenkään saada niitä tuloksia ulos kun sieltä
• 1:17:31
  alustalta. Onko kyse muuten osittain
• 1:17:35
  dataongelmasta? Vai vai enemmän malleista ja
• 1:17:39
  kehikoista. No osin osin siitä datasta, että
• 1:17:43
  mitä mitä niinku hienojakoisempaa se olisi, niin
• 1:17:46
  sitä sitä paremmin ehkä ehkä näitä vaikutuksia voitaisi
• 1:17:50
  havaita, mutta että ne on joka tapauksessa vielä aika aika
• 1:17:53
  pieniä, että tähän mennessä ei ole nähty paljoa.
• 1:17:57
  Tulevaisuudessa todennäköisesti nähdään paljon enemmän, mutta se
• 1:18:03
  en usko, että se tulee olemaan tämmöinen ihmistyön
• 1:18:06
  loppukeskustelu, vaan vaan se tulee olemaan valtava murros
• 1:18:10
  siinä, että miltä eri ammattien sisällöt ja työn tekemisen tavat
• 1:18:15
  näyttää ja se voi ne voi yksilötasolla olla tosi isoja ne
• 1:18:19
  muutoksia, että joudutaan omaksumaan ihan uudenlaisia
• 1:18:21
  taitoja siirtymään uudenlaisiin tehtäviin ja.
• 1:18:25
  Näin, mutta, mutta semmoista. Ihmistyön loppu homma mun
• 1:18:30
  mielestä ei oo ei oo kyllä niinku mitenkään tässä niinku
• 1:18:33
  näköpiirissä. Ja toisaalta, jos pidemmällä
• 1:18:37
  aikavälillä olisi, siis jos olisi semmoinen tilanne, että
• 1:18:39
  meillä olisi tämmöiset. Erittäin halvat teknologiat,
• 1:18:44
  jotka tuottaisi melkein kaiken mitä me halutaan.
• 1:18:46
  No sehän olisi ihan parasta mitä olisi, koska silloin mikään ei
• 1:18:49
  maksaisi juuri mitään ja ja tota me voitaisiin keskittyä niihin
• 1:18:53
  asioihin, jotka on meille itselle kaikista mielekkäämpiä
• 1:18:57
  ja ja tärkeämpiä ja kulutusmahdollisuudet olisi
• 1:19:00
  lähes rajattomat. Näinhän ei tietysti tule
• 1:19:03
  käymään, koska siellä on aina joku rajoittava resurssi sitten.
• 1:19:06
  Siellä on myös omistajuuskysymys, että kuka
• 1:19:08
  omistaa ne, että teknologia. Se on, se on sitten kanssa tosi
• 1:19:10
  iso iso kysymys pidemmälle tu. Uuteen, että että kuka ne hyödyt
• 1:19:15
  korjaa ja miten ne jaetaan, että siellä voi tulla sitten vähän
• 1:19:19
  isompiakin yhteiskunnallisia mullistuksia.
• 1:19:21
  Mutta mutta me ollaan siitä niinku tosi.
• 1:19:24
  Tosi kaukana et jos jos palataan siihen mistä lähdettiin alussa
• 1:19:27
  niinku nää. Talouskasvuprojsiot seuraavan 10
• 1:19:31
  vuoden sisällä. Et se haarukka on niinku et 0,1
• 1:19:34
  prosenttiyksikköä lisää tai 2 ja puoli prosenttiyksikköä niin
• 1:19:37
  niin et se 2 ja puoli niinku aivan mieletön vaikutus se olisi
• 1:19:42
  niinku historialliset talouskasvu yli tuplaantuminen
• 1:19:44
  niin niin se sekään ei niinku ole vielä mikään tämmöinen
• 1:19:50
  niinku me ei me ei niillä luvuilla vielä vielä päästä
• 1:19:54
  siihen, että että tässä ei tarvitse kohta enää mitään
• 1:19:57
  tehdä. Ei mistään vallankumouksesta, ei
• 1:19:59
  niin. Että tulee mannan taivaasta
• 1:20:01
  niinku mutta toki tommoinen muutos niinku pidemmällä
• 1:20:05
  aikavälillä on ihan huikea. Sitten on nää niinku tulee
• 1:20:09
  korkoa korolle niin niin sitten se onkin jotain.
• 1:20:13
  Eli eli tässä käy varmaan niinku yleensä että yliarvioidaan vähän
• 1:20:16
  näitä lyhyen aikavälin vaikutuksia.
• 1:20:18
  Aliarvioidaan pitkän aikavälin vaikutuksista.
• 1:20:22
  Eli voi sanoa että jäitä hattuun.
• 1:20:26
  Lyhyellä aikavälillä kyllä, mutta mutta se, että kyllä ne
• 1:20:29
  yksilötasolla voi olla tosi isoja muutoksia niinku kaikki
• 1:20:32
  teknologian murrokset on on ollut, mutta että kyllähän
• 1:20:36
  meillä niinku lähihistoriassa siis tää tota maatalouden
• 1:20:40
  tuottavuusräjähdys jostain 4 50 luvulta eteenpäin niin niin
• 1:20:45
  sehän on ollut niinku iso iso murros että mä mä en usko että
• 1:20:49
  me ollaan tässä. Ihan lähiaikoina siinä
• 1:20:52
  tilanteessa, että satojen tuhansten suomalaisten täytyy
• 1:20:55
  muuttaa työn perässä jonnekin muualle.
• 1:20:57
  Kyllä. Että se se oli niinku.
• 1:21:00
  Että meille tulee tässä tarpeita opetella uusia taitoja ja ja se
• 1:21:04
  edellyttää meidän koulutusjärjestelmää, pientä
• 1:21:06
  remonttia ja ja näin, mutta, mutta tota mä en näe.
• 1:21:11
  Tässä olisi mitään semmoista mihin me ei pystyttäisi
• 1:21:14
  sopeutumaan ainakin tälleen lyhykäisemällä aikavälillä.
• 1:21:18
  Kyllä. Oli erittäin mielenkiintoinen
• 1:21:21
  keskustelu ja olen iloinen, että saatiin vähän vähän selvitystä
• 1:21:26
  tälle asialle, joka on askarruttanut itseään jo
• 1:21:30
  pitkään. Kiitoksia Etlan tutkimusjohtaja
• 1:21:34
  antti kauhanen, että kävit minun haastateltavana tänään ja kiitos
• 1:21:39
  että toit esille. Tutkimuksen näkökulmaa tähän
• 1:21:44
  asiaan. Joo kiitos.