AI-agenttisi on vain niin hyvä kuin arkistointijärjestelmäsi

30. joulukuuta 2025 Tanskan postipalvelu toimitti viimeisen kirjeen sen 401‑vuotisessa historiassa. Jäljelle jääneet 1 500 postilaatikkoa poistettiin kaduilta sinä vuonna. Samaan aikaan heinäkuussa 2026 Saksan liittovaltion hallitus hyväksyi GeDIG-lainsäädännön, terveydenhuollon data- ja digitaalinen innovaatiolain, jonka myötä faksi poistetaan lääkärien vastaanotoista syksyllä 2029 ja sähköiset lähetykset tehdään pakollisiksi.

Miten siis on, että yksi maa pystyy toteuttamaan tällaisia muutoksia, kun taas toinen on edelleen poistamassa faxlaitteiden käyttöä tässä vuosisadassa? Kun otetaan huomioon kunkin maan tekoälyn käyttö liiketoiminnassa, 42 % tanskalaisista yrityksistä käytti vähintään yhtä tekoälyteknologiaa vuonna 2025, mikä on Euroopan korkein osuus. Saksassa luku oli 26 %, EU:n keskiarvon yläpuolella, mutta kuusitoista prosenttiyksikköä Tanskan jälkeen.

Minusta katsottuna kontrasti kehottaa meitä tarkastelemaan uudelleen uskomuksiamme tekoälyn käyttöönotosta. Erityisesti uskomusta, että mallin valinta on tekoälyn käyttöönoton lähtökohta, unohtaen mallin ympärillä olevien järjestelmien tilan. Molemmilla mailla on pääsy samoihin malleihin ja pilvipalveluihin, mutta ero on siinä, tuottavatko yritys- ja julkiset prosessit jo luotettavia digitaalisia tietueita. Koska AI‑agentti ei toimi suoraan todellisuuden kanssa, vaan järjestelmässä olevaan todellisuuden versioon, tämä luonnollisesti asettaa joitakin rajoitteita.

Ensimmäinen rajoite: Tietoa ei koskaan digitoitu

Agentti ei voi hakea asiakirjaa, joka ei ole koskaan päässyt järjestelmään. Organisaation tietovirran muoto määrittää, mitä agentti voi edes pitää tehtävänä.

Kansallisella tasolla Eurostatin tiedot osoittavat, että yritysten tekoälyn käyttöönotto korreloi hallinnollisten prosessien digitalisaation kanssa. Keskeinen mekanismi on kuitenkin se, että maissa, joissa kansalaiset saavat viralliset asiakirjat jo digitaalisesti, yrityksillä on vähemmän järjestelmän ulkopuolisia vuorovaikutuksia sovitettavaksi, mikä vähentää tulkintatyön määrää ennen kuin tekoälyä voidaan turvallisesti käyttää toiminnassa.

Yritystasolla 2026 IZA -tutkimus, jossa tarkasteltiin 1 907 tanskalainen yritystä, osoittaa, että yhden keskihajonnan digitalisaation kasvu liittyy 8–10 prosenttiyksikön korkeampaan todennäköisyyteen omaksua keskeisiä tekoälyjärjestelmiä. Tämä viittaa siihen, että tekoälyn käyttöönotto riippuu siitä, onko yrityksen sisäiset toiminnot jo järjestetty digitaalisesti strukturoituun, koneellisesti luettavaan muotoon. Jos prosessit ovat hajautuneita, tekoälyjärjestelmillä tai -agenteilla on vähän vakaa tieto, johon toimia.

Tämä saattaa myös selittää, miksi politiikkavetoista digitalisaatiota ei automaattisesti muuteta tekoälyvalmiudeksi. Italian pakollinen B2B‑sähköinen laskutus loi täysin digitaalisen kanavan, mutta tekoälyn käyttöönotto on edelleen EU:n keskiarvon alapuolella. Yhden vaiheen digitalisointi ei poista ympäröivää analogista järjestelmää.

Toinen rajoite: Tieto on vain jonkun mielessä

Ihmiset hoitavat operaatioita, mikä tarkoittaa, että he tietävät useimmiten yksityiskohdat, joita tekoäly ei tiedä. Taloushallinnon työntekijä tietää, että vuokralainen maksoi käteisellä, mutta maksua ei koskaan kirjattu kirjanpitojärjestelmään. Tämän seurauksena pankkitiedot ja järjestelmä eivät täsmää. Hallintohenkilö ymmärtää syyn, kun taas tekoäly näkee vain epäjohdonmukaiset tiedot. Kiinteistöpäällikkö muistaa, että vuokranantaja pyysi, ettei häneen oteta yhteyttä kahden viikon ajan. Tiimi tietää kiertotien yhdelle rakennukselle tai asiakkaalle, mutta kukaan ei ole dokumentoinut sitä.

ClarEval testasi tehtäviä, joissa puuttui tavoitteita, oletuksia ja epäselvää terminologiaa. Mallin suorituskyky laski noin 89 %:sta selkeytyksen jälkeen noin 9 %:iin, kun epäselvyys jäi ratkaisematta. Samaan aikaan Ambig‑SWE havaitsi, että mallin salliminen kysyä käyttäjältä puuttuvaa tietoa palautti jopa 74 % menetetystä suorituskyvystä. Tämä viittaa siihen, että insinöörien tulisi rakentaa järjestelmä, joka kykenee pyytämään tarkennusta alusta alkaen.

Kolmas rajoite: Tieto on olemassa, mutta sitä ei voida siirtää

Jotkut tiedot ovat yrityksen sisällä, mutta ne eivät silti pääse malliin johtuen tietosuojasäännöksistä, turvallisuusvalvonnasta, sopimuksista tai sisäisistä käytännöistä.

Seitsemän vuoden pilvitietoja käsittelevä tutkimus havaitsi, että GDPR – EU:n keskeinen tietosuoja-asetus – vähensi tietovarastointia 26 % ja käsittelyä 15 % EU:n yrityksissä verrattuna vastaaviin Yhdysvaltain yrityksiin. Toisin sanoen, tietosuojasääntely teki yrityksistä vähemmän dataintensiivisiä rajoittamalla tietomäärää, jonka ne voivat säilyttää ja käsitellä analytiikkaa ja tekoälyä varten. Generatiivisen tekoälyn käyttöönotto oli lähes tasainen, 37 % EU:n yrityksistä ja 36 % Yhdysvaltain yrityksistä. Mutta syvyysero tekoälyn käyttöönotossa on suuri: 81 % Yhdysvaltain yrityksistä käyttää tekoälyä vähintään kahdessa sisäisessä prosessissa, kun taas EU:ssa luku on 55 %. Yksi mahdollinen syy on se, että organisaatioiden sisällä jo olemassa oleva tieto on usein vaikeampaa käyttää uudelleen tekoälyn tarpeisiin Euroopassa. Esimerkiksi asiakastukikeskustelut sisältävät usein henkilökohtaisia tietoja, jotka on kerätty asiakasongelmien ratkaisemiseksi. GDPR:n käyttötarkoituksen rajoitussäännön (Article 5(1)(b)) mukaan näitä tietoja ei voi yksinkertaisesti käyttää uudelleen tekoälyn koulutukseen ilman kelvollista oikeusperustaa. Yhdysvaltain yritykset kohtaavat yleensä vähemmän vastaavia liittovaltion rajoituksia tällaisten tietojen uudelleenkäytössä.

Kuinka rakentaa oikea järjestelmä

Haku toimii vain, kun vastaus on järjestelmässä. Agenttien tulisi kysyä, kun tietoa puuttuu, eikä koskaan arvata, ja muuttaa puhelut tai epäviralliset päätökset rakenteellisiksi tietueiksi. Yritysten tulisi myös poistaa rinnakkaiset paperityönkulut, koska jos tehtävä voi tapahtua järjestelmän ulkopuolella, osa kontekstista jää näkymättömäksi.

Jokaisen yrityksen on tunnistettava omat puutteensa. Mitataan, oliko toimintaan tarvittava fakta järjestelmän sisällä vai ei. Testaa työnkulut mukana ja ilman poissuljettuja tietosuojakatselmuskenttiä. Lopuksi, työnkulku, jonka voi toteuttaa paperilla, on se agentti, joka rakennetaan viimeisenä.

Agentit voivat parantaa ihmisten tuottavuutta, mutta ne eivät korjaa puuttuvia osia.