Kuinka paljon tutkimustyöstä voimme turvallisesti antaa tekoälyagenttien hoidettavaksi?
Tekoäly tekee yhä suuremman osan tutkijoiden, rahoitushakemusten laatijoiden ja arvioijien työstä. Mitä EU:n päivitetyt tekoälyohjeet tarkoittavat heille käytännössä, ja kuka kantaa vastuun, kun tekoäly erehtyy?
Umair Ali Khan & Martti Asikainen | 20.10.2026 | Kuva: Adobe Stock Photos | Konekäännös
Jokainen tieteellinen artikkeli ja rahoitushakemus alkaa nimilistalla. Tekoälyagentit pystyvät nykyään kahlaamaan kirjallisuuden läpi, ajamaan analyysit ja luonnostelemaan tulokset, mutta niiden nimiä listalta ei löydy. Tutkijan nimi löytyy, ja sen mukana vastuu kaikesta, mitä seuraa.
Tämä herättää kaksi kysymystä, joihin harva tutkija osaa vielä vastata varmuudella. Kuinka suuren osan työstä voi luovuttaa tekoälylle? Ja miten voi varmistua siitä, että työ on tehty kunnolla?
Euroopan komissio on nyt ottanut asiaan kantaa. Se julkaisi juuri laajimman päivityksen ohjeisiinsa, jotka koskevat generatiivisen tekoälyn käyttöä tutkimuksessa (Euroopan komissio 2026a). Ensimmäistä kertaa ohjeet käsittelevät myös tekoälyagentteja eli työkaluja, jotka suunnittelevat ja toteuttavat tehtäväketjuja vähäisellä ihmisen ohjauksella. Päivitys laajentaa lisäksi vertaisarviointia ja rahoitushakemusten arviointia koskevaa ohjeistusta (Euroopan komissio 2026b).
Molempien kysymysten taustalla on vielä perustavampi kysymys. Jos tekoälyagentti tekee osan tutkimuksesta, kuka vastaa sen virheistä? Komission vastaus on yksinkertainen: sinä. Agentin käyttö ei koskaan siirrä kontrollia tai vastuuta, eikä laki jousta siksi, että agentti toimi puolestasi.
Tässä artikkelissa tarkastelemme, mitä päivitetyt ohjeet sanovat ja mitä ne tarkoittavat käytännössä tutkijoille ja rahoitushakemusten laatijoille. Katsomme myös, missä ohjeet jäävät vajaiksi. Ne eivät ole sitovia. Ne antavat niukasti eväitä tekoälyn käytöstä avoimesti kertovien suojaamiseen. Lisäksi ne eivät määrittele, kuinka paljon tarkistamista on riittävästi.
Tarkistuspisteet ennen toimintaa
Konepellin alla tekoälyagentti on suuri kielimalli, jonka ympärille on rakennettu ohjelmisto. Sen avulla malli pystyy suunnittelemaan, käyttämään työkaluja, muistamaan tekemisiään ja tarkistamaan omia tuloksiaan. Näin se suoriutuu pitkistä, monivaiheisista tehtävistä ilman että ihminen juurikaan puuttuu prosessiin. Ohjeet varoittavat, että tutkija voi menettää otteen omasta työstään yksinkertaisesti delegoimalla liikaa.
Käytännössä yksittäinen kehote voi jättää tekoälyn ratkaistavaksi lukuisia menetelmällisiä valintoja: mitä hakusanoja käytetään, mitkä tutkimukset otetaan mukaan ja mitkä jätetään pois. Nämä valinnat muovaavat sitä näyttöä, jonka varaan yhteenveto rakentuu. Tähänastinen tutkimus antaa viitteitä siitä, etteivät tekoälytyökalut tee niitä vielä luotettavasti.
Systemaattinen katsaus kattoi 19 tutkimusta. Sen mukaan ChatGPT:n kaltaiset generatiivisen tekoälyn työkalut ohittivat kirjallisuushauissa 68–96 prosenttia niistä relevanteista tutkimuksista, jotka ihmiset löysivät. Tutkimusten seulonnassa ne puolestaan hylkäsivät virheellisesti 1–83 prosenttia relevanteista tutkimuksista (Clark ym. 2025).
Katsauksen tekijät eivät suosittele näiden työkalujen käyttöä kirjallisuushakuihin. Muissa katsaustyön vaiheissa he edellyttävät ihmisen valvontaa. He huomauttavat kuitenkin, että teknologia kehittyy nopeasti. Riski piilee siinä, että kun tulos saapuu viimeisteltynä yhteenvetona, sen taustalla tehdyt päätökset jäävät helposti huomaamatta.
Ohjeiden vastaus on rakentaa prosessiin tarkistuspisteitä. Ennen kuin tutkija antaa tehtävän agentille, hänen tulisi päättää, missä kohdissa hän pysäyttää sen ja käy sen työn läpi. Erityisen tärkeää tämä on ennen kriittisiä ratkaisuja, kuten menetelmän valintaa. Agentti voi esimerkiksi tehdä kirjallisuushaun, mutta tutkijan tulisi tarkistaa sen valitsemat lähteet ennen kuin se siirtyy analyysiin.
Sama pätee kaikkeen, mitä agentti tuottaa. Ihmisen on tarkistettava jokainen sen ehdottama hypoteesi, käsittelemä aineisto ja tekemä johtopäätös ennen kuin niitä käytetään. Ohjeiden sanoin agentit ovat edistyneitä tutkimustyökaluja, eivät itsenäisiä tieteentekijöitä.
Kerro tekoälystä, kun se muovaa sisältöä — ei pelkkiä lauseita
Useimmat tutkijat käyttävät tekoälyä jo jossain työnsä vaiheessa. Todellinen kysymys kuuluu, mistä pitää kertoa. Ohjeet vetävät rajan merkittävään käyttöön. Kieliopin korjaaminen, kielen hiominen tai muotoilu eivät yleensä edellytä ilmoittamista.
Sen sijaan tekoälyn käyttö kirjallisuuskatsaukseen, tutkimusaukkojen tunnistamiseen, hypoteesien muodostamiseen tai aineiston analysointiin ja tulkintaan edellyttää ilmoittamista. Tutkijan kannattaa siis kysyä itseltään, vaikuttiko tekoäly hänen harkintaansa tai voisiko se muuttaa tuloksia tai niiden merkitystä. Jos epäilyttää, kerro.
Avoimuus ei myöskään rajoitu työkalun nimeämiseen. Tutkijan tulisi kertoa, mitä tekoäly toi työhön ja miten hän tarkisti sen. Esimerkiksi hän voi kertoa, miten hän tunnisti keksityt faktat tai vähensi vinoumia.
Tämä on tietysti helpommin sanottu kuin tehty. Rehellisyydellä voi olla hintansa. Moni kirjoittaja epäröi kertoa tekoälyn käytöstä, koska pelkää lukijoiden alkavan epäillä hänen kirjoitus- tai kielitaitoaan. Lisäksi pelätään, että arvioijat ja lukijat kyseenalaistavat tulosten laadun ja että epäily muuttuu kielteiseksi vinoumaksi. Pahimmillaan avoimesti raportoitu käsikirjoitus tai hakemus arvioidaan ankarammin tai hylätään kokonaan.
Ohjeet tunnistavat riskin. Ne viittaavat vuoden 2024 tutkimukseen, jonka mukaan tekoälyavun ilmoittaminen voi heikentää sitä, miten lukijat arvioivat tekstiä (Li ym. 2024). Tämä luo hiljaisen kannustimen vaieta, mikä voi johtaa aliraportointiin. Siksi tutkimusorganisaatioita ja rahoittajia pyydetään rakentamaan ilmapiiri, jossa tekoälyn käytöstä voi kertoa ilman pelkoa rangaistuksesta.
Muutama askel voisi auttaa. Jos ilmoittaminen olisi pakollista ja tapahtuisi vakiolomakkeella, se ei enää leimaisi ketään. Arvioijat voisivat myös nähdä ilmoitukset vasta pisteytyksen jälkeen. Osa kustantajista on jo tarttunut huoleen suoraan. Esimerkiksi Springer Nature kertoo vertaisarvioijille, ettei tekoälyn käytön ilmoittaminen koidu heidän haitakseen (Springer Nature s.a.). Yhtäkään näistä lähestymistavoista ei kuitenkaan ole testattu laajassa mittakaavassa, eivätkä ohjeet kerro, miten tällainen ilmapiiri pitäisi rakentaa.
Tekoäly tukee arviointia — tuomiota se ei anna
Tekoäly on jo osa tieteellistä kirjoittamista, rahoitushakemusten laatimista ja niiden arviointia. Se on hyväksytty hiljaa ja usein vastahakoisesti. Kysymys ei siis ole enää siitä, käytetäänkö tekoälyä, vaan siitä, miten sitä käytetään vastuullisesti.
Vertaisarvioijat ja rahoitushakemusten arvioijat saavat käyttää tekoälyä tukitehtäviin, kuten käsitteen selventämiseen, taustatietojen tarkistamiseen tai kielen hiomiseen. Arviointilausuntojen luonnosteluun tai tieteellisen ansiokkuuden arviointiin sitä ei saa käyttää. Nämä jäävät ihmiselle: uutuusarvo, merkittävyys, arvio siitä, tukeeko näyttö väitettä, sekä päätös hyväksymisestä tai hylkäämisestä.
Luottamuksellisuudesta ei neuvotella. Arvioijien ei pidä syöttää julkaisemattomia hakemuksia, käsikirjoituksia tai niiden keskeisiä ajatuksia suojaamattomaan tekoälytyökaluun. Ei edes katkelmina. Ensisijaisia ovat organisaation, rahoittajan tai kustantajan tarjoamat työkalut. Kollegan julkaisemattoman käsikirjoituksen syöttäminen julkiseen chatbottiin on kuin välittäisi hänen ideansa tuntemattomalle. Ohjeet vain sanovat sen ääneen.
Pelkät säännöt eivät kuitenkaan ratkaise asiaa. Vertaisarvioijat tekevät työnsä yleensä palkatta, ja ajanpuute on yleisin syy kieltäytyä arvioinnista (Tite & Schroter 2007). Tutkijat raportoivat myös käytännön esteistä tekoälyn vastuulliselle käytölle. Kahdessa saksalaisessa tutkimusorganisaatiossa tehdyssä kyselyssä oikeudellinen epävarmuus ja yksityisyyshuolet nousivat merkittäviksi tekoälyn käytön esteiksi (Chugunova ym. 2026).
Osa kustantajista tunnistaa kuilun. Esimerkiksi Springer Nature kieltää käsikirjoitusten lataamisen julkisiin tekoälytyökaluihin. Se sallii kuitenkin tietosuojakäytännöistä riippuen rajoitetun käytön turvallisissa, organisaation hyväksymissä työkaluissa (Springer Nature s.a.).
Jos turvallista vaihtoehtoa ei ole tarjolla, julkinen chatbotti on arvioijalle yhä vaivattomin ratkaisu. Siksi organisaation omien työkalujen suosiminen on tärkeää. Kielto ilman käytännöllistä ja turvallista vaihtoehtoa jättää yksittäisen arvioijan punnitsemaan mukavuutta ja luottamuksellisuutta yksin.
Tekoälyavusteisessa kirjoittamisessa toinen riski on tarkkuus. Tekoäly voi keksiä uskottavan kuuloisia väitteitä lähdeviitteineen. Vaikka viitattu artikkeli olisi olemassa, siihen liitetty väite voi silti olla väärä. Siksi jokainen lähteeseen nojaava väite ja viite on tarkistettava.
Hakemukset voivat sisältää kätkettyjä ohjeita
Osa tutkimusartikkeleista tai rahoitushakemuksista voi sisältää piilotettuja kehotteita, joita ihminen ei huomaa, mutta jotka arviointiin käytetty tekoälytyökalu lukee. Kehote voi piileskellä näkymättömässä tekstissä, muotoilukikoissa tai metatiedoissa. Se voi myös ohjeistaa tekoälyä antamaan pelkästään myönteisen arvion.
Ohje on tyypillisesti kirjoitettu valkoisella tekstillä, joskus äärimmäisen pienellä fonttikoolla (Gibney 2025). PDF:ää lukeva ihminen saattaa rullata suoraan ohi. Tekoälytyökalu, jota pyydetään tiivistämään tai arvioimaan asiakirja, voi kuitenkin käsitellä piilotetun tekstin ohjeena ja noudattaa sitä.
Kokeellinen tutkimus on sittemmin osoittanut tekniikan toimivan. Simuloidussa lääketieteellisessä vertaisarvioinnissa piilotettu teksti sai kolme kaupallista tekoälymallia antamaan korkeampia pisteitä. Se nosti niiden hyväksymissuositusten osuuden nollasta lähes sataan prosenttiin (Choi ym. 2026).
Ohjeet pyytävätkin rahoittajia olettamaan, että saapuvat hakemukset voivat sisältää tällaisia ohjeita. Rahoittajien tulisi kieltää ne säännöissään ja rakentaa suojauksia hakemuksia käsitteleviin tietojärjestelmiin.
Tämä tarkoittaa, että kun tekoäly lukee asiakirjoja, jokaisesta asiakirjasta tulee mahdollinen ohjausväline. Jokaisen, joka rakentaa tekoälyyn perustuvia asiakirjojen käsittelyketjuja, tulisi siksi kohdella jokaista saapuvaa tiedostoa epäluotettavana syötteenä eikä pelkkänä sisältönä.
Arvioijat voivat kadottaa kompassinsa
Tekoäly on tehnyt rahoitushakemusten kirjoittamisesta nopeampaa ja helpompaa. Tämän seurauksena rahoittajat saavat enemmän hakemuksia, ja arvioijilla on enemmän luettavaa. Enemmän hakemuksia tarkoittaa myös enemmän painetta arvioijille. Se lisää kiusausta antaa tekoälyn hoitaa lukeminen.
Tekoäly voi kuitenkin saada hakemuksen kuulostamaan paremmalta tekemättä sen taustalla olevasta ideasta yhtään parempaa, realistisempaa tai toteuttamiskelpoisempaa. Tekoäly hioo tekstiä, mutta idean omaperäisyys, kunnianhimo ja arvo tulevat yhä tutkijoilta. Kun jokainen hakemus on hyvin kirjoitettu, hyvä kirjoitus ei enää kerro arvioijalle, mikä idea on vahvin.
Toisin sanoen vanha tapa arvioida hakemuksia on menettämässä signaaliaan. Ohjeet varoittavat, että pienet korjausliikkeet, kuten uudet säännöt tekoälyn käytöstä, jäävät aina askeleen tai kaksi teknologiasta jälkeen. Rahoitusprosessit on niiden mukaan todennäköisesti suunniteltava uudelleen niin, että ne toimivat myös silloin, kun tekoäly on kaikkialla.
Vuosien ajan selkeä ja hyvin jäsennelty hakemus oli kohtuullinen, joskin epätäydellinen merkki siitä, että hakijat olivat ajatelleet hankkeensa loppuun asti. Tämä signaali on nyt heikentynyt. Arvioijien on katsottava proosan laadun ohi siihen, mitä hyvä kirjoitus ei yksinään pysty osoittamaan: onko suunnitelma toteuttamiskelpoinen, onko tiimillä kapasiteettia toteuttaa se ja onko ehdotettu kontribuutio aidosti uusi.
Ohjeet eivät määrää yhtä mallia. Ne pikemminkin kannustavat rahoittajia kokeilemaan, esimerkiksi CoARAn arviointikokeilujen luettelosta löytyvillä ideoilla (CoARA s.a.). Osa rahoittajista on jo kokeillut vaihtoehtoja, kuten hakijoiden haastatteluja, lyhyitä ensimmäisen vaiheen hakemuksia tai arvontaa yhtä vahvoiksi arvioitujen hakemusten kesken.
Kaikkien kokeilujen on kuitenkin oltava läpinäkyviä ja turvattava hakijoiden oikeus reiluun kohteluun, luottamuksellisuuteen ja muutoksenhakuun. Sillä välin hakijoita pyydetään ilmoittamaan kaikesta merkittävästä tekoälyn käytöstä hakemuksissaan. Ilmoitus ei kerro, mikä idea on vahvin, mutta se antaa arvioijalle rehellisen kuvan siitä, miten kukin hakemus on syntynyt.
Tekoäly voi tehdä työn. Vastuuta se ei voi kantaa
Suuri osa tekoälyä ja kirjoittamista koskevasta keskustelusta keskittyy tekoälyn kirjoittaman tekstin tunnistamiseen. Ohjeet katsovat hyödyllisempään suuntaan. Ne kysyvät, kuka tekee päätöksen tutkimuksen kussakin vaiheessa, ja tarkistaako ihminen sen yhä.
Päivitettyjen ohjeiden ytimessä on tutkijan ja työn välinen etäisyys. Kappaletta hiova chatbotti istuu lähellä kirjoittajaa. Kirjallisuutta hakeva, analyysit ajava ja tulokset luonnosteleva agentti istuu paljon kauempana. Silti tutkijan nimi pysyy tuloksessa.
Tämä etäisyys on todellinen riski, koska se ruokkii sitä, mitä ohjeet kutsuvat automaatiovinoumaksi. Mitä kyvykkäämpi työkalu, sitä helpompaa siihen on luottaa tarkistamatta. Suurin vaara on, että hyväksyt tuotoksia, joita et enää perusteellisesti tutki tai täysin ymmärrä.
Ohjeet tunnustavat, että tekoälystä voi tulla todellinen kumppani tieteellisissä löydöissä. Ne viittaavat matemaattisiin ongelmiin, joita on jo ratkaistu tekoälyn avulla tai tekoälyn yksin. Sen hylkääminen hukkaisi tämän potentiaalin. Kritiikitön käyttö taas vaarantaisi luottamuksen tieteeseen.
Etäisyyden hallinta ei ole helppoa. Ohjeet eivät ole sitovia. Säännöt vaihtelevat lehdestä ja rahoittajasta toiseen. Rehellisestä avoimuudesta voi yhä joutua maksamaan, ja työkalut muuttuvat nopeammin kuin yksikään asiakirja.
Käytännön opetukset ovat silti jo selvät:
- Tutkijoiden tulisi päättää ennen agentin käynnistämistä, missä kohdissa sen työ tarkistetaan. Heidän tulisi myös pitää kirjaa siitä, mitä tekoäly teki, ja kertoa kaikesta käytöstä, joka muovasi tuloksia.
- Organisaatioiden ja rahoittajien tulisi tarjota turvallisia tekoälytyökaluja, jotta luottamuksellinen työ pysyy suojattuna. Niiden tulisi palkita rehellisestä avoimuudesta rankaisemisen sijaan.
Ohjeet eivät pysty määrittelemään, kuinka paljon tarkistamista on riittävästi. Tämä harkinta jää jokaiselle tutkijalle itselleen. Juuri siinä on koko asian ydin.
Kirjoittajat
Umair Ali Khan
Vanhempi tutkija, konsultti
Finnish AI Region
umairali.khan@haaga-helia.fi
Martti Asikainen
Communications Lead
Finnish AI Region
martti.asikainen@haaga-helia.fi
Lähteet
Choi, B., Jun, T. J., Sung, J. W., Park, I. W., Lee, J.-M., Cho, S. I., Park, H. J., Lee, R. W. & Suh, J. (2026). Invisible text injection and peer review by AI models. JAMA Network Open, 9(1), e2552099. https://doi.org/10.1001/jamanetworkopen.2025.52099
Chugunova, M., Harhoff, D., Hölzle, K., Kaschub, V., Malagimani, S., Morgalla, U. & Rose, R. (2026). Who uses AI in research, and for what? Large-scale survey evidence from Germany. Research Policy, 55(2), 105381. https://doi.org/10.1016/j.respol.2025.105381
Clark, J., Barton, B., Albarqouni, L., Byambasuren, O., Jowsey, T., Keogh, J., Liang, T., Moro, C., O’Neill, H. & Jones, M. (2025). Generative artificial intelligence use in evidence synthesis: A systematic review. Research Synthesis Methods, 16(4), 601–619. https://doi.org/10.1017/rsm.2025.16
CoARA. (s.a.). Catalogue of research assessment experiments. Viitattu 19. lokakuuta 2026. https://experiments.coara.org/
Euroopan komissio. (2026a, 16. lokakuuta). ERA living guidelines on the responsible use of generative AI in research updated. Directorate-General for Research and Innovation. https://research-and-innovation.ec.europa.eu/news/all-research-and-innovation-news/era-living-guidelines-responsible-use-generative-ai-research-updated-2026-10-16_en
Euroopan komissio. (2026b). Living guidelines on the responsible use of generative AI in research. Directorate-General for Research and Innovation. https://research-and-innovation.ec.europa.eu/document/download/2b6cf7e5-36ac-41cb-aab5-0d32050143dc_en?filename=ec_rtd_ai-guidelines.pdf
Gibney, E. (2025, 24. heinäkuuta). Scientists hide messages in papers to game AI peer review. Nature. https://doi.org/10.1038/d41586-025-02172-y
Li, Z., Liang, C., Peng, J. & Yin, M. (2024). How does the disclosure of AI assistance affect the perceptions of writing? Teoksessa Y. Al-Onaizan, M. Bansal & Y.-N. Chen (toim.), Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing (s. 4849–4868). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.emnlp-main.279
Springer Nature. (s.a.). Peer review policy, process and guidance. Viitattu 19. lokakuuta 2026. https://www.springer.com/cn/editorial-policies/peer-review-policy-process
The Decoder. (2025, 6. heinäkuuta). Researchers hide prompts in scientific papers to sway AI-powered peer review. https://the-decoder.com/researchers-hide-prompts-in-scientific-papers-to-sway-ai-powered-peer-review/
Tite, L. & Schroter, S. (2007). Why do peer reviewers decline to review? A survey. Journal of Epidemiology & Community Health, 61(1), 9–12.
