Ymmärrys ennen tarkkuutta – näin suomalaisjohtajat suhtautuvat tekoälyyn strategiatyössä
Kolmasosa suomalaisjohtajista pitää tekoälyä mahdollisesti ihmistä parempana strategisessa suunnittelussa. Samalla käy ilmi, että pelkkä tarkkuus ei riitä. Johtajat valitsisivat mieluummin läpinäkyvän, mutta epätarkemman algoritmin kuin tarkan mustan laatikon, jota he eivät ymmärrä.
Teksti: Martti Asikainen, 8.7.2026 | Kuva: Adobe Stock Photos
Joka kolmas suomalaisjohtaja uskoo tekoälyn voivan tulevaisuudessa suoriutua strategisesta suunnittelusta ihmistä paremmin (Lahtinen ym. 2026). Kyse ei ole teknologiahypestä tai hatusta vedetystä arviosta, vaan tuoreen kyselytutkimuksen tuloksesta, joka haastaa pohtimaan, mistä johtamisessa oikeastaan on kyse. Tyypillisesti katseet kohdistuvat työntekijöiden kokemuksiin, mutta myös johdon näkemykset ovat tärkeitä.
Kuvittele mielessäsi johtoryhmän kokous, jossa strategiaesitys ei tule ulkoiselta konsulttitalolta vaan kielimallilta. Ei skenaariota kolmesta vaihtoehdosta, joita joku on väsännyt Excelissään silmät ristissä parin viime yön ajan, vaan kymmeniä datan avulla luotuja vaihtoehtoja minuuteissa. Tätä tapahtuu parasta aikaa useissa eurooppalaisissa asiantuntijaorganisaatioissa, ja myös johtajat itse ovat huomanneet sen.
Haaga-Helia ammattikorkeakoulun Kone johtajana: tekoäly asiantuntija- ja tietotyön johtamisessa -hanke on seurannut algoritmijohtamisen yleistymistä suomalaisessa työelämässä jo muutaman vuoden ajan. Ensin kartoitettiin ilmiön yleisyyttä tietotyöntekijöiden keskuudessa (Asikainen & Lahtinen 2025). Sitä seurasi Delfoi-tutkimus, jossa tarkasteltiin, miten algoritminen johtaminen voi muuttaa asiantuntijaorganisaatioiden johtamista vuoteen 2035 mennessä (Tuomi & Vuori 2026).
Aikaisempi tutkimus on keskittynyt pääosin alustatalouteen ja rutiininomaiseen työhön, kuten kuljetus- ja jakelupalveluihin. Haaga-Helian tekemät tutkimukset laajensivat näkökulmaa systemaattisesti tietointensiiviseen asiantuntijatyöhön ja ylimmän johdon päätöksentekoon. Keväällä 2026 tehdyssä tutkimuksessa selvitettiin, mitä tekoäly tarkoittaa johtajille itselleen, kun se ei enää vain tue heidän työtään, vaan alkaa osallistua siihen, mitä perinteisesti pidetään johtamisen viimeisenä linnakkeena – strategiseen ajatteluun (Lahtinen ym. 2026).
Mitä työntekijät ovat kertoneet
Vastuu kysymyksen taustalla ei ole yksittäisen johtajan tai yrityksen. Se on rakenteellinen. Sama ilmiö ei ilmaannu kymmeniin organisaatioihin yhtä aikaa yksittäisten HR-päätösten seurauksena, vaan siksi, että sitä ajaa koko toimialan ja teknologian kehitys. Yksikään yritys ei ole päättänyt ottaa algoritmijohtamista käyttöön tyhjiössä, vaan kaikki reagoivat teknologiseen kehitykseen, yritysten toimintaympäristöihin ja kasvavaan kilpailuun.
Keväällä 2025 kerätty aineisto yli 1700 suomalaiselta asiantuntijalta, toimihenkilöltä ja johtajalta osoitti, että lähes puolet oli jo kohdannut algoritmijohtamista jossain muodossa – yleisimmin työajan seurantana, tehtävien jakona tai suoritusten mittaamisena (Asikainen & Lahtinen 2025). Ihmisesihenkilö oli silti selvä ykkönen, ja etenkin palkitsemisessa sekä muussa henkilökohtaisessa vuorovaikutuksessa työntekijät eivät halunneet luovuttaa päätösvaltaa koneelle.
Ikä osoittautui yllättävän voimakkaaksi selittäjäksi. Alle 40-vuotiaat suhtautuivat konejohtajaan huomattavasti myönteisemmin kuin vanhemmat kollegansa, ja olivat siten valmiimpia jakamaan myös arkaluontoista dataa, kuten hyvinvointi- tai äänitietoja, jos vastineeksi sai parempaa työkyvyn seurantaa. Yli 65-vuotiaat taas halusivat ennen kaikkea päästä itse vaikuttamaan siihen, millainen järjestelmä otetaan käyttöön (Asikainen & Lahtinen 2025). Kiinnostavinta ei kuitenkaan ollut se, mitä dataa työntekijät olivat valmiita luovuttamaan, vaan se, missä raja kulki.
Työaikaleimauksia ja osaamishistoriaa luovutettiin mielellään, mutta videokuvaa omalta työpisteeltä vastusti peräti kaksi kolmasosaa vastaajista (Asikainen & Lahtinen 2025). Samalla kävi ilmi, että algoritmi koettiin usein ihmistä oikeudenmukaisemmaksi juuri kontrolloivissa ja kannustavissa tehtävissä, joissa johdonmukaisuus painaa enemmän kuin lämpö (Asikainen & Lahtinen 2025). Työntekijät eivät siis vastusta konetta periaatteesta, vaan he pelkäävät sitä, ettei kone tiedä, missä yksityisyyden ja valvonnan raja kulkee.
Myönteisiä puolia ei silti sivuutettu kokonaan, sillä jopa 38 prosenttia työntekijöistä uskoi algoritmisen johtamisen vaikuttavan myönteisesti omaan urakehitykseensä. Raja ei siis kulje ihmisen ja koneen välillä, vaan sen mukaan, kuinka paljon valtaa kumpikin saa yksityisyyden ylitse.
Läpinäkyvyys ennen tarkkuutta
Sama jännite, luottamus dataan mutta epäluulo läpinäkymättömyyttä kohtaan, nousee esiin myös johtoryhmän pöydässä, vaikka kysymykset koskevatkin nyt strategiaa eivätkä työajan seurantaa. Keväällä 2026 toteutettu kyselytutkimus, johon vastasi 323 asiantuntija- ja tietotyön johtajaa, osoittaa, että 60 prosenttia kokee algoritmijohtamista esiintyvän omalla työpaikallaan ainakin jonkin verran, ja 91 prosenttia tunnistaa sen läsnäolon vähintään yhdessä nimetyssä johtamistehtävässä (Lahtinen ym. 2026).
Kansainvälinen tutkimus antaa samansuuntaisia viitteitä: tuore, 172 vertaisarvioitua tutkimusta kokoava katsaus osoittaa, että algoritmijohtaminen on siirtymässä uuteen vaiheeseen – painopiste liikkuu alustatalouden kuljetus- ja keikkatyöstä (esim. Uber, Wolt, Amazon) kohti asiantuntijaorganisaatioita ja niiden strategista päätöksentekoa (Lippert ym. 2026). Haaga-Helian tutkimus ei siis seuraa perässä kansainvälistä keskustelua, vaan se osuu juuri siihen murroskohtaan, jonka koko tutkimusala on tunnistanut.
Luvut kasvavat, kun siirrytään strategiatyöhön. Haaga-Helian kyselytutkimuksen mukaan noin 30 prosenttia johtajista uskoo koneen voivan suoriutua strategisen suunnittelun ja tulevaisuuteen suuntaavan ajattelun tehtävissä ihmistä paremmin (Lahtinen ym. 2026). Kone johtajana -hankkeen projektipäällikkö, vanhempi tutkija Anna Lahtinen, kuvaa löydöstä yllättäväksi. Hän odotti koneen pärjäävän numeropohjaisissa tehtävissä, mutta ei arvannut strategisen ajattelun nousevan yhtä vahvasti esiin (em. 2026).
Algoritmijohtamisen selkein valtti näyttäisi olevan tasa-arvoisuus. Jopa 73 prosenttia johtajista pitää positiivisena sitä, että kone perustaa päätökset dataan eikä henkilösuhteisiin. Toisaalta tekoälyn mahdollisuudet esimerkiksi sitoutumisen tai työhyvinvoinnin lisääjänä koettiin heikoksi (em. 2026). Tutkimustulosten pohjalta voidaan myös todeta, että sukupuoli, ikä tai työskentelysektori eivät merkittävällä tavalla liity luottamukseen tekoälyä kohtaan. Sen sijaan käyttötiheys lisää tekoälymyönteisyyttä. Sama havainto toistui jo tietotyöntekijöiden kyselyssä vuonna 2025 (Asikainen & Lahtinen 2025), ja kansainvälisesti erityisesti niillä, jotka ovat aiemmin kokeneet ihmisjohtamisen epäreiluksi (Moritz & Wehner 2026).
Tähän kannattaa kuitenkin suhtautua terveellä varauksella. Rosenblat ja Stark (2016) osoittivat jo kymmenen vuotta sitten Uber-kuljettajia tutkiessaan, että koettu tasapuolisuus voi olla osin illuusio. Algoritmi näyttää neutraalilta, koska se ei suosi ketään nimeltä, mutta valta-asetelma, eli kuka asettaa mittarit ja kenen ehdoilla, suosii silti järjestelmän omistajaa, ei sen käyttäjää. Taustalla vaikuttaa myös toinen ilmiö. Taina Bucher (2018) kutsuu tätä algoritmin lepyttämiseksi (eng. pacifying the algorithm), jossa työntekijät oppivat vähitellen muokkaamaan käytöstään sen mukaan, mitä he uskovat järjestelmän mittaavan, riippumatta siitä, vastaako se todellista työn laatua.
Mutta oikeudenmukaisuuttakin kiinnostavampaa on kuitenkin se, mitä johtajat eivät ole valmiita luovuttamaan koneelle. Yli 80 prosenttia valitsisi mieluummin 75-prosenttisesti tarkan mutta ymmärrettävän algoritmin kuin 95-prosenttisesti tarkan mustan laatikon eli järjestelmän, jonka päätöksentekoprosessi ei ole käyttäjälle tai organisaatiolle läpinäkyvä (Lahtinen ym. 2026). Ero on olennainen, sillä kuten Ananny ja Crawford (2018) huomauttavat, algoritmin näkeminen ei tarkoita sen ymmärtämistä, eikä pelkkä pääsy järjestelmän lokeihin vielä kerro, miksi se päätyi tiettyyn suositukseen tai johtopäätökseen. Pelkkä tarkkuus ei siten riitä, vaan johtajat haluavat myös ymmärtää, mistä on kyse, vaikka se heikentäisikin tuloksen tarkkuutta.
Vastuu ei häviä – se hämärtyy
Tässä kohtaa on helppo asettua jompaankumpaan leiriin: joko kone vie johtajan työpaikan, tai ihminen on korvaamaton eikä mikään muutu. Kumpikin johtopäätös on mielestäni liian yksinkertainen tulkinta. Kansainvälisessä tutkimuksessa on alkanut vakiintua käsite hybrid upper echelons -malleista, joissa tekoäly ei korvaa ylimmän johdon päätöksentekoa, vaan muuttaa sen luonnetta siten, että rooli siirtyy vaihtoehtojen tuottamisesta niiden arviointiin, priorisointiin ja vastuulliseen ohjaamiseen.
Teoria pohjautuu Donald C. Hambrickin ja Phyllis A. Masonin (1984) kuuluisaan ylimmän johdon teoriaan (eng. upper echelons theory), joka on yksi strategisen johtamisen peruskivistä. Teoria olettaa, että organisaation strategiset valinnat heijastavat johtajien kognitiivisia rajoituksia, arvoja ja kokemustaustaa, ja juuri tähän ihmisen inhimilliseen suodattimeen hybridimallit tuovat nyt tekoälyn uutena, mutta ei korvaavana, osatekijänä.
Sama ajatus toistuu Haaga-Helian tekemässä Delfoi-tutkimuksessa, johon osallistui 34 suomalaista asiantuntijaa ja johtajaa. Tutkimuksessa asiantuntijat eivät ennakoineet johtajuuden siirtyvän kokonaan koneille, vaan päätyivät arvioon ihmisen ja tekoälyn välisestä yhteistyöstä (Tuomi & Vuori 2026). Laajassa systemaattisessa katsauksessa algoritmijohtaminen on jaoteltu neljään käyttötapaan: valvovaan, ohjaavaan, täydentävään ja yhteistyöhön perustuvaan (Chen ym. 2026). Nähdäkseni suomalaisessa strategiatyössä ollaan siirtymässä juuri kohti kahta viimeistä.
Tämä ei kuitenkaan tarkoita, että siirtymä olisi kivuton tai riskitön. Mitä pidemmälle algoritmit tunkeutuvat päätöksenteon ytimeen, sitä vaikeampi on osoittaa, kuka lopulta vastaa seurauksista. Aiempi tutkimus algoritmisesta vallankäytöstä alustataloudessa on osoittanut, kuinka helposti vastuu hämärtyy, kun päätöksiä tekevä järjestelmä on samaan aikaan näkymätön ja kaikkialla läsnä (Kellogg ym. 2020; Möhlmann ym. 2023; Vuori & Asikainen 2025). Riski ei katoa, vaikka toimintaympäristö vaihtuisikin alustataloudesta johtoryhmän kokoushuoneeksi tai osaamisalueen johtamiseksi.
Euroopan unionin (EU) tekoälysäädös pyrkii vastaamaan tähän vaatimuksella ihmisen valvonnasta (eng. human oversight). Käytännössä se edellyttää, ettei järjestelmien käyttö voi tarkoittaa sitä, että ihminen luopuu mahdollisuudesta arvioida ja kyseenalaistaa koneen tuottamaa ratkaisua (EU 2024). Vaatimus on periaatetasolla varsin selvä, mutta käytännön toteutus on paljon vaikeampaa, sillä pelkkä ihmisen muodollinen läsnäolo päätösprosessissa ei vielä takaa, että hänellä on todellista ymmärrystä tai valtaa puuttua koneen ehdotukseen. Tämä vaatimus koskee erityisesti korkean riskin tekoälyjärjestelmiä, joihin myös työelämän henkilöstöpäätöksiä tukevat järjestelmät voivat kuulua.
Tärkeä askel eteenpäin
Luvut eivät kerro yksittäisten organisaatioiden valinnoista, vaan ennen kaikkea siitä, että käytäntö on ehtinyt normalisoitua ennen kuin siitä on ehditty käydä kunnolla keskustelua. Haaga-Helian tutkimus ei siis seuraa perässä, vaan se osuu juuri siihen murroskohtaan, jonka koko tutkimusala on tunnistanut. Ilmiö ei siten ole yksin suomalainen erikoisuus. Esimerkiksi OECD:n (2025) mukaan jo 90 prosenttia yhdysvaltalaisista ja 79 prosenttia eurooppalaisista yrityksistä käyttää jonkinlaista algoritmista johtamisjärjestelmää.
Suomi tarjoaa algoritmijohtamisen tutkimukselle kiinnostavan ympäristön. Työelämä on vahvasti asiantuntijapainotteista, digitaalinen kypsyys on kansainvälisesti korkealla tasolla ja organisaatioissa hyödynnetään tekoälyä nopeasti. Siksi suomalaisjohtajien näkemykset eivät kerro vain kotimaisesta työelämästä, vaan voivat ennakoida kehitystä myös muualla Euroopassa.
Samaan aikaan kyselytutkimusten tulokset piirtävät yhdessä kuvaa, joka on kansainvälisestikin poikkeuksellinen: sama ilmiö on nyt kartoitettu sekä johdettavien että johtajien näkökulmasta samassa asiantuntijaympäristössä. Valtaosa algoritmijohtamisen tutkimuksesta on tähän asti tarkastellut vain toista osapuolta kerrallaan, useimmiten alustatalouden työntekijöitä.
Suomalainen aineisto mahdollistaa vertailun, vaikkakin vain osittain. Vertailu ei tuota lohdullista yhteenvetoa siitä, että kaikki menisi hyvin, jos vain luotamme teknologiaan. Se nostaa tarkemman kysymyksen siitä, millaista harkintaa, läpinäkyvyyttä ja vastuunjakoa organisaatio rakentaa, kun analyyttinen työ siirtyy koneelle, mutta arvovalinnat eivät voi siirtyä.
Seuraavan kerran, kun johtoryhmäsi saa eteensä algoritmin tuottaman strategiavaihtoehdon, kannattaa kysyä ei vain, onko se tarkka, vaan ymmärtääkö kukaan huoneessa, mihin se perustuu – ja kuka on valmis sanomaan sille vastaan.
Kirjoittaja
Martti Asikainen
Communications Lead
+358 44 920 7374
martti.asikainen@haaga-helia.fi
Tämä kirjoitus on luotu osana Haaga-Helia ammattikorkeakoulun ja Työsuojelurahaston rahoittamaa Kone johtajana – tekoäly asiantuntija- ja tietotyön johtamisessa -hanketta.
Lähteet
Ananny, M., & Crawford, K. (2018). Seeing without knowing: Limitations of the transparency ideal and its application to algorithmic accountability. New Media & Society, 20(3), 973–989.
Asikainen, M. & Lahtinen, A. (2025, 16. kesäkuuta). Algoritmijohtaminen yleistyy suomalaisilla työpaikoilla – nuoret suhtautuvat iäkkäämpiä myönteisemmin. Haaga-Helia ammattikorkeakoulu. Viitattu 2.7.2026.
Bucher, T. (2018). If… then: Algorithmic power and politics. Oxford University Press. Oxford.
Chen, W., Li, A., Pan, C., Yu, T., Ali, A. & Sun, Y. (2026). Algorithmic management in the workplace: A systematic review and topic modeling integration using BERTopic. International Journal of Information Management, 86, Article 102994. https://doi.org/10.1016/j.ijinfomgt.2025.102994
Euroopan unioni (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council on artificial intelligence (AI Act). Official Journal of the European Union.
Hambrick, D. C., & Mason, P. A. (1984). Upper echelons: The organization as a reflection of its top managers. Academy of Management Review, 9(2), 193–206. https://doi.org/10.5465/amr.1984.4277628
Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410.
Lahtinen, A., Kauttonen, J., Keurulainen, M. & Asikainen, M. (2026, 10. kesäkuuta). Joka kolmas johtaja uskoo tekoälyn päihittävän ihmisen strategiatyössä – uusi tutkimus paljastaa algoritmijohtamisen realiteetit. Haaga-Helia ammattikorkeakoulu. STT Info. Viitattu 1. heinäkuuta 2026.
Lippert, I., Alizadeh, A., Tarafdar, M., Mohlmann, M., Benlian, A., Parent-Rocheleau, X. & Stein, M-K. (2026). One Decade of Algorithmic Management Research. Bus Inf Syst Eng. https://doi.org/10.1007/s12599-026-00995-1
Moritz, J.M. & Wehner, M.C. (2026). Justice Evaluations of Algorithmic Management: The Role of Prior Discrimination Experience. Bus Inf Syst Eng. https://doi.org/10.1007/s12599-026-01002-3
OECD (2025). Algorithmic management in the workplace: New evidence from an OECD employer survey. OECD Publishing. Pariisi.
Rosenblat, A., & Stark, L. (2016). Algorithmic labor and information asymmetries: A case study of Uber drivers. International Journal of Communication, 10, 3758–3784.
Tuomi, A. & Vuori, J. (2026, 1. kesäkuuta). Algorithmic management in the context of organizational leadership and expert work: A Delphi study. Finnish Business Review. Jyväskylän ammattikorkeakoulu.
Vuori, J. & Asikainen, M. (2025, 17. heinäkuuta). Kun algoritmi astuu pomon saappaisiin – algoritminen johtaminen työn murroksessa. Finnish AI Region. Viitattu 2. heinäkuuta 2026.
