Tekoälyn käyttöönotto pk-yrityksessä alkaa mittaamisesta, ei työkalusta

Miksi tekoälyn käyttöönotto ei tuota tulosta useimmissa yrityksissä?

Pidin toukokuussa 2026 puheenvuoron oululaisessa yritystapahtumassa, jossa oli paikalla yli 70 kasvuhakuisen yrityksen omistajia ja johtoa. Pyysin nostamaan käden kysymyksiini. Promptata osasi 93 %. Oman yrityksensä, eli palvelut, hinnoittelun ja asiakkaat, oli opettanut tekoälylle 29 %. Ja tasolla, jossa tekoäly tekee työtä itsenäisesti, oli enää 4 %. Lähes kaikki siis käyttävät tekoälyä, mutta vain harva on kytkenyt sen omaan liiketoimintaansa tai rakentanut aidosti itsenäisiä tai ajastettuja automaatioita. Ja kun kasvuhakuisillakin yrityksillä kuva on tämä, koko maan luvut tuskin ovat parempia.

Äänestystulos AIautomaation AI-Valmennuksessa toukokuussa 2026. Paikalla yli 70 kasvuhakuisen yrityksen omistajia ja johtoa.

Sama kuva näkyy myös laajemmissa tutkimuksissa. Gartnerin lokakuussa 2025 julkaisemassa kyselyssä 88 % henkilöstöjohtajista myönsi, ettei oma yritys ole saanut tekoälytyökaluista merkittävää liiketoiminta-arvoa. Käyttö on siis yleistä, hyöty harvinaista. Ero ei ole työkalussa vaan työnkulussa, johon se kytketään.

Vaihe 1: Mittaa, mihin työaika todella kuluu

Kalenteri näyttää palaverit, mutta ei sitä työtä, joka täyttää päivät niiden välissä: tiedon kaivamista, koostamista, kopiointia, vertailua ja analysointia. Tämä on piilotyötä. Se ei näy missään järjestelmässä, mutta se syö ison osan viikosta.

Pk-yrityksissä rutiini- ja piilotyö kasautuvat tyypillisesti neljälle alueelle:

• Sähköpostien käsittely: tärkeät viestit hukkuvat massaan, ja lajittelu vie oman osansa päivästä.
• Tarjousten tekeminen: aika ei mene kirjoittamiseen vaan asiakkaan perus- ja historiatietojen kokoamiseen, esimerkiksi sen selvittämiseen, mitä on aiemmin sovittu ja mitä luvattu.
• Asiakasviestintä: muistiinpanot ja sovitut asiat ovat hajallaan eri paikoissa.
• Päätösten valmistelu: luvut koostetaan käsin eri lähteistä, ja päätökset venyvät.

Mikään näistä ei näy kalenterissa, mutta jokainen toistuu viikosta toiseen.

Kartoittamalla useimmin toistuvat työnkulut ja niihin käytetyn ajan saatte konkretiaa päätöksenteon pohjaksi. Tulos on yksi lista: työnkulut ja jokaisen kohdalla tunnit viikossa, isoimmat ylimpänä. Siihen ei tarvita järjestelmähanketta, kynä ja viikko riittävät. Olennaista on, että luvut kirjataan eikä niitä arvata. Kun tunnit ovat paperilla, niistä saa myös euromääräisen arvion: tunnit kertaa viikot kertaa tuntikustannus.

Ilman mittausta automatisoidaan sitä, mikä tuntuu isolta, ja suurimmat säästöt jäävät huomaamatta. Mittaus kertoo, missä on suurin säästöpotentiaali, ja automatisointi aloitetaan sieltä. Useimmat yritykset käyttävät jo tekoälyä, mutta harva mittaa sen hyötyjä.

Kevyimmillään tämän vaiheen voi tehdä AI-Säästötestillä, joka antaa noin viidessä minuutissa karkean arvion yrityksenne säästöpotentiaalista omilla luvuillanne.

Vaihe 2: Analysoi työnkulut ennen työkaluja

McKinseyn marraskuussa 2025 julkaiseman tutkimuksen mukaan 80 % yrityksistä lisää tekoälyn nykyisten prosessien päälle uudistamatta itse työnkulkua. Silloin työ tehdään samalla tavalla kuin ennenkin, nyt vain chat-ikkuna auki, ja tulos jää kokeilujen tasolle.

Analyysissä listan jokaisesta työnkulusta kysytään kolme kysymystä:

• Toistuuko se samanlaisena viikosta toiseen?
• Eteneekö se selvien sääntöjen mukaan?
• Siirretäänkö siinä tietoa paikasta toiseen, esimerkiksi sähköpostista taulukkoon ja taulukosta järjestelmään?

Neljäs kysymys koskee tietoa: työskenteleekö tekoäly yleisellä tiedolla vai teidän talon omalla tiedolla? Tähän kompastutaan useimmin. Käsiäänestyksessä 93 % osasi promptata, mutta vain 29 % oli opettanut tekoälylle oman yrityksensä. Niin kauan kuin tekoäly ei tunne palveluitanne, hintojanne ja asiakkaitanne, samat taustatiedot liitetään joka kerta uudelleen, ja jokainen aloittaa nollasta.

Analyysi tarkoittaa myös työnkulun purkamista osiin. Tarjousprosessi ei ole yksi könttä vaan ketju: tarjouspyynnön lukeminen, vaatimusten poiminta, aiemmin sovitun ja luvatun tarkistaminen, sopivien referenssien haku, hinnoittelu ja luonnoksen kirjoittaminen.

Kun ketju on näkyvissä, näkee myös, mitkä osat toistuvat säännönmukaisina ja mihin ihmisen harkintaa oikeasti tarvitaan.

Samalla päätetään, kuinka pitkälle tulos viedään ilman ihmistä. Osa työnkuluista voi kulkea perille asti itsestään: raportti, kooste tai järjestelmäpäivitys valmistuu ja lähtee vaikka sähköpostiin sellaisenaan. Kun tulos lähtee talosta ulos, kuten tarjous tai asiakasviesti, väliin tulee hyväksyntä: tekoäly valmistelee, ihminen tarkistaa ja lähettää. Näin mikään ei lähde asiakkaalle lukematta.

Vaiheen tuotos on järjestetty lista työnkuluista, joissa ehdot täyttyvät, ja jokaisen kohdalla tieto siitä, mitä lähteitä se tarvitsee ja mihin ihmisen hyväksyntä sijoittuu. Järjestyksen ratkaisee kaksi asiaa: missä tunnit ovat isoimmat ja missä säännöt ovat selvimmät.

Vaihe 3: Tee työnkuluista AI-vetoisia

Kolmannessa vaiheessa listan kärjestä valitaan yksi tai muutama työnkulku, ei enempää, ja niistä rakennetaan AI-vetoisia. Toteutustapoja on kaksi, ja valinta tehdään työn luonteen mukaan.

• Chat-avustaja vastaa, kun kysytään, ja työ pysyy ihmisellä. Se riittää kertaluonteiseen selvitykseen tai yhteenvetoon.
• AI-automaatio käynnistyy itse tai ajastetusti, tuntee yrityksen taustat ja tekee työn loppuun asti samalla laadulla joka kerta, myös iltaisin ja lomalla. Sille kuuluvat toistuvat työnkulut, kuten viikkoraportti, tarjousluonnokset ja saapuneiden yhteydenottojen käsittely, sekä kokonaisuudet, joissa se saa tavoitteen ja suunnittelee askeleet itse. Markkinoilla samasta asiasta puhutaan myös nimillä AI-agentti ja tekoälyagentti.

Ero tiivistyy näin: AI-chat auttaa yksittäisessä asiassa. Automaatio saa työn valmiiksi.

Kaksi virhettä kaataa tämän vaiheen useimmin. Ensimmäinen on kokeilla ilman suunnitelmaa, johtamista ja mittaamista. Kokeilut ovat välttämätön alku, mutta irrallisina ne jäävät yksittäisten innokkaiden varaan, eikä kukaan tiedä, mikä toimi ja mikä ei. Sitä kutsutaan silti helposti AI-strategiaksi, vaikka liiketoiminnan luvut eivät muutu. Toinen virhe on vastakkainen: lähdetään kerralla automatisoimaan koko yrityksen työnkulkuja. Lopputuloksena on usein näyttävä pilotti, joka jää yksittäisten henkilöiden käyttöön. Se ei skaalaudu koko henkilöstölle, koska työnkulkuja ei ole purettu osiin eikä levitykseen ole luotu valmiita malleja. Kannattaa aloittaa rajatusti ja laajentaa vasta, kun ensimmäiset työnkulut tuottavat.

Suurin työ ei muuten ole tekninen. Kokemukseni mukaan tässä muutoksessa noin 20 % on teknologiaa ja 80 % toiminta- ja ajattelutavan muutosta: uusi työnjako pitää sopia ja tarkistamisen rutiinin pitää syntyä.

Työnkulkujen uudistaminen on työläämpää kuin lisenssin ostaminen, mutta se myös erottaa. Saman McKinsey-tutkimuksen mukaan työnkulkunsa uudistaneilla yrityksillä on 2,8-kertainen todennäköisyys saada tekoälystä mitattava vaikutus liikevoittoon, ja vain 21 % yrityksistä tekee niin. Etumatka on yhä tarjolla.

Vaihe 4: Mittaa tulokset ja optimoi

Käyttöönotto ei pääty siihen, että automaatio pyörii. Neljäs vaihe palaa alkuun: samat tunnit, jotka vaiheessa 1 kirjattiin ylös, mitataan uudelleen käyttöönoton jälkeen. Silloin säästö on luku eikä tuntuma.

Alkuun riittää kolme mittaria:

• Tunnit viikossa: sama mittari kuin vaiheessa 1.
• Käyttökerrat: näyttää, tuleeko automaatiota oikeasti käytettyä.
• Korjausten määrä: näyttää, kuinka usein ihminen joutuu korjaamaan lopputulosta.

Jos automaatio ei tuota odotettua, syy on yleensä työnkulussa tai tietolähteissä, ja molemmat ovat korjattavissa.

Optimointi tarkoittaa kahta liikettä. Toimivaa työnkulkua laajennetaan. Lisäksi vaiheessa 1 kasattu lista kertoo, mitä kannattaa automatisoida seuraavaksi. Näin tekoälyn käyttöönotosta tulee jatkuva käytäntö, ei kertaprojekti.

Mitä työnkulkujen uudistaminen tuottaa käytännössä?

Kaksi esimerkkiä omilta asiakkailtani.

Kummassakaan ei aloitettu työkalusta vaan työnkuluista: toistuvat työvaiheet tunnistettiin ensin, ja tekoäly rakennettiin niiden sisään. Molemmat tarinat ovat kokonaisuudessaan referenssisivulla.

Mistä liikkeelle omassa yrityksessä?

Järjestys ratkaisee enemmän kuin vauhti: ensin mittaus, sitten analyysi, kolmantena toteutus ja lopuksi uudelleenmittaus ja optimointi.

Jos haluatte nähdä nopeasti, mihin teidän tuntinne menevät, tehkää AI-Säästötesti. Se on tämän menetelmän ensimmäinen vaihe kevyimmillään. Jos taas haluatte viedä koko menetelmän läpi ohjatusti, se on valmennukseni sisältö.

Työkalun voi ostaa hetkessä, mutta hyöty ei tule kaupan mukana. Se tulee järjestyksestä, joka alkaa mittaamisesta ja päättyy mittaamiseen.