Vahva yleisösuhde syntyy journalismista, joka ymmärtää ja selittää ilmiötä syvemmin kuin algoritmi koskaan voi. Ilman ihmisen tekemää harkintaa ja luomaa merkitystä tekoälyn tuottama teksti on vain sujuvuuden viittaan puettua kohinaa.

Olen rakentanut tekoälyyn perustuvia palveluita media-alalla vuodesta 2013 lähtien. Loppuvuodesta 2025 valmistui tutkimukseni strategisesta johtamisesta tekoälyn aikakaudella. Keskeisin havaintoni on, että generatiivisen tekoälyn myötä suhteemme teknologiaan on muuttunut perustavanlaatuisesti. Se ei ole vain työkalu, jonka otamme käyttöön. Me emme enää vain käytä työkalua, vaan olemme vuorovaikutuksessa aktiivisen toimijan kanssa

Kimmo Koski kirjoittaa Suomen Lehdistössä, että ”syvät vallihaudat” suojaavat journalismia tekoälyltä. Hän listaa journalismin kilpailuedut: inhimillisen vuorovaikutuksen, tiedonhankinnan verkon ulkopuolelta, kontekstin ja paikallistuntemuksen. Nämä ovat kiistatta journalismin vahvuuksia. Mutta ne eivät ole vallihautoja vaan alue, jolla ihminen on korvaamaton. Ja tämä tontti olisi syytä määritellä uudelleen tekoälyn rinnalla.

On turhaa kysyä, mitkä työt tekoäly vie. Oikea kysymys kuuluu: ”mitä journalismilla halutaan saada aikaan tekoälyn aikakaudella?” Tähän vastaamalla voimme määritellä optimaalisen työnjaon.

Mitä journalismilla halutaan saada aikaan tekoälyn aikakaudella?

Tehokkuus on koneen heiniä, luottamus ihmisen

Tehokuudessa, nopeudessa ja skaalautuvuudessa tekoäly on ylivoimainen. Mutta kun puhutaan journalismin ytimestä kuten merkityksen, luottamuksen ja yhteiskunnallisen vastuun tuottamisesta, tilanne on aivan toinen.

Konkreettinen esimerkki: tekoäly voi kirjoittaa tuhat uutista päivässä. Se voi tiivistää hallituksen tiedotteen sekunnissa ja kääntää jutun kymmenelle kielelle. Mutta se ei voi päättää, mikä uutinen on tärkeä. Se ei voi ”seistä juttunsa takana”, kun joku kyseenalaistaa sisällön. Se ei voi rakentaa luottamusta, joka syntyy vuosien työstä.

Tarkastelenkin seuraavaksi ihmisen ja koneen työnjakoa journalismissa muutamasta eri näkökulmasta: informaation luonteen, tiedonhankinnan ja yleisösuhteen kautta.

Informaation näkökulma

Ensimmäinen jakolinja kulkee säännönmukaisuuden ja merkityksellisyyden välissä.

Journalismissa on paljon kaavamaista työtä: urheilutulokset, pörssikurssit, säätiedotteet. Tekoäly hallitsee lähtökohtaisesti säännönmukaisen ympäristön erinomaisesti – ei siksi että se ”ymmärtäisi” sisältöä, vaan siksi että tällaisessa ympäristössä ei juuri ole epävarmuutta.

Nature-lehdessä julkaistussa tutkimuksessa osoitettiin, että kun kaikki vastaukset tarkoittavat samaa, tekoäly on parhaimmillaan. Jos kysyt ”Mikä on Ranskan pääkaupunki?”, tekoäly voi vastata kymmenellä tavalla: ”Pariisi”, ”Se on Pariisi”, ”Ranskan pääkaupunki on Pariisi”. Koska kaikki vaihtoehdot tarkoittavat lopulta samaa, informaation epävarmuus on pieni.

Leikitellään ajatuksella: kaikki uutiset on jo kirjoitettu – kaikki asiat vain eivät vielä ole tapahtuneet.

Tekoäly hallitsee kaavamaiset uutiset. Kun poliitikko eroaa, kone tietää jo draaman kaaren: ”X ilmoitti erostaan tehtävästä Y syystä Z.” Se on valmis ”lomake”, johon tekoäly täyttää vain puuttuvat muuttujat: nimet, päivämäärät ja annetut syyt. Tekoälylle tällainen uutinen on vain variaatio aiemmasta datasta.

Kun yhtälöön lisätään epävarmuutta, tarvitaan ihmistä:

Kone voi ennustaa todennäköisimmän sanan, mutta journalistin tehtävä on löytää totuudenmukaisin sana.

Nämä kysymykset vaativat merkityksen rakentamista epävarmasta informaatiosta. Kone voi ennustaa todennäköisimmän sanan, mutta journalistin tehtävä on löytää totuudenmukaisin sana, ja se on usein sellainen, jota tilasto ei osannut ennustaa.

Keskiarvokone ja sen vaara

Nykyään valtaosa internetin uudesta sisällöstä on kielimallien tuottamaa, ja seuraavan sukupolven mallit oppivat aineistosta, joka sisältää yhä enemmän edellisten mallien tuotoksia.

Tekoäly on todennäköisyyslaskentaa. Se optimoi keskiarvoa, koska tuttuus ja ennustettavuus on sille turvallisin paikka. Ja tässä piilee ongelma: kun kielimalli koulutetaan omalla tuotoksellaan, se alkaa toistaa itseään yhä kapeammalla tavalla. Ensimmäisellä kierroksella malli tuottaa tekstiä, jossa tietyt sanat ovat hieman yleisempiä. Kun tämä teksti syötetään takaisin koulutusaineistoksi, nämä sanat yleistyvät entisestään.

Tämä näkyi konkreettisesti akateemisessa kirjallisuudessa, jossa yhtäkkiä sana ”delve” (syventyä) yleistyi räjähdysmäisesti. Ei siksi, että tutkijat olisivat yhtäkkiä löytäneet tämän sanan syvemmän merkityksen, vaan siksi, että sana on yleisessä käytössä Nigeriassa, josta tuli moni ensimmäisen sukupolven kielimallien kouluttajista.

Journalismissa tämä voi johtaa uutisvirtoihin, jotka ovat kielellisesti moitteettomia mutta keskenään hämmentävän samanlaisia. Sisältö näyttää laadukkaalta, mutta tulkinnat kapenevat. Kun koneelle syötetty sisältö ylittää järjestelmän kyvyn tuottaa uutta, monimuotoisuus romahtaa.

Siksi kielimallit tarvitsevat jatkuvasti ihmisten tuottamaa sisältöä. Ne tarvitsevat säännönmukaisuuden ulkopuolelta tulevia yllättäviä käänteitä, odottamattomia näkökulmia, harvinaisia ilmaisuja. Siis kaikkea sitä, mitä ne eivät itse kykene luomaan.

Työnjaon näkökulmasta tämä tarkoittaa sitä, että jos uutinen noudattaa tuttua kaavaa, anna se koneelle. Jos uutinen vaatii tulkintaa, merkityksellisten asioiden tunnistamista ja vastuun kantamista, se on ihmisen työtä.

Tiedonhankinta

Journalismin työnjako ihmisen ja koneen välillä näkyy erityisen selvästi kahdessa kohdassa: siinä, miten tietoa hankitaan, ja siinä, miten valmiit sisällöt tavoittavat yleisönsä. Tehtäväkenttä on kasvanut niin suureksi, ettei ihminen enää pärjää yksin.

Yhteiskunnat tuottavat dataa kiihtyvällä tahdilla. Yritykset, kunnat, hyvinvointialueet ja viranomaiset julkaisevat päätöksiä, asiakirjoja ja tiedotteita jatkuvana virtana. Yksittäinen toimittaja voi seurata tästä kokonaisuudesta vain pientä osaa, usein sattuman tai yksittäisten vihjeiden varassa. Ilman koneellista apua tästä massasta tulee journalistisesti näkymätöntä kohinaa.

Myös uutisten jakelun logiikka on muuttunut. Yleisö ei enää saavu sisältöjen äärelle vain mediapalveluiden etusivujen kautta, vaan algoritmien ja yhä useammin AI-agenttien ohjaamana. Ne päättävät, mikä sisältö näkyy, kenelle ja missä tilanteessa.

Tiedonhankinnassa tekoälyn keskeinen rooli on seurantakyvyn skaalaaminen. Ensimmäistä kertaa on mahdollista rakentaa järjestelmiä, jotka seuraavat systemaattisesti ja jatkuvasti valtavia tietomassoja. Tekoäly ei ymmärrä politiikkaa tai yhteiskuntaa, mutta se näkee, milloin säännönmukainen rakenne rikkoutuu. Se tunnistaa poikkeaman, jossa on uutisen potentiaali.

Tässä kohtaa ratkaiseva on ihmisen rooli. Vain ihminen voi päättää, onko tuo signaali uutinen. Vain ihminen voi rakentaa todellisen merkityksen, kontekstin ja vastuun. Hän tietää, milloin uhkasakko on uutinen ja milloin kyse on rutiinipäätöksestä.

Tekoäly tuo aineiston näkyviin. Journalismi syntyy, kun ihminen päättää, mikä siitä on merkityksellistä.

Jakelu ja yleisösuhde

Sama työnjako jatkuu sisällön jakelussa. Kun juttu on valmis, se kohtaa ympäristön, jossa AI-agentit ja suosittelujärjestelmät arvioivat sitä. Ne eivät lue tekstiä kuten ihminen, vaan tekevät arvionsa rakenteen perusteella: kuka kirjoitti, missä palveluissa, mihin lähteisiin tukeudutaan, onko sisältö vahvistettu, onko tekijällä asiantuntemusta. Tekoälyn tehtävä on varmistaa, että sisältö on teknisesti ymmärrettävää ja löydettävää. Ilman rakenteita, metatietoja ja selkeitä suhteita, paras journalismikin jää näkymättömäksi.

Ihmisen tehtävä on rakentaa auktoriteetti ja luottamus. AI-agentit priorisoivat tekijöitä ja brändejä, joilla on todistettua kokemusta, asiantuntemusta ja uskottavuutta. Nämä eivät synny optimoinnilla, vaan pitkäjänteisellä journalistisella työllä.

Jos uutisvirta optimoidaan vain ennustettavuuden ja helppouden ehdoilla, seurauksena on monimuotoisuuden kaventuminen.

Yleisösuhde syntyy vasta, kun vaivattomuus kohtaa merkityksen. Tekoäly on erinomainen poistamaan kitkaa: se personoi syötteitä, muokkaa formaatteja ja tarjoaa oikean sisällön oikeaan hetkeen. Mutta jos uutisvirta optimoidaan vain ennustettavuuden ja helppouden ehdoilla, seurauksena on monimuotoisuuden kaventuminen. Uudet ilmiöt eivät pääse läpi, poikkeamat suodattuvat pois ja media alkaa toistaa itseään.

Olennaista on, että ihminen ei viihdy ympäristössä, jossa kaikki on tuttua ja turvallista. Tarvitsemme vaihtelua, yllätyksiä, uutta. Vahva yleisösuhde syntyy sisällöistä, jotka eivät vain virtaa ohi, vaan pysäyttävät. Podcasteista, joita ei voi jättää kesken. Tutkivasta journalismista, joka avaa uusia kerroksia. Tekijöistä, joihin kiinnytään, koska he ymmärtävät ilmiötä syvemmin kuin algoritmi koskaan voi.

Tämä on merkityksellistä kitkaa: sisältöä, joka herättää kysymyksiä, haastaa ajattelua ja pakottaa pysähtymään. Ja juuri tässä ihmisen rooli on korvaamaton.

Journalismin pulssin voi antaa vain ihminen

Ilman ihmisen tekemää harkintaa ja luomaa merkitystä tekoälyn tuottama teksti on vain sujuvuuden viittaan puettua kohinaa. Se näyttää uutiselta, mutta siltä puuttuu pulssi. Ja pulssin antaminen on ihmisten työtä.

Todellinen kauhuskenaario ei ole se, että tekoäly vie työt. Kauhuskenaario on se, että teetämme ihmisillä tekoälyn töitä ja tekoälyllä ihmisten töitä, kuten merkityksen rakentamista.

Tulevaisuuden toimitukset eivät tarvitse vallihautaa. Ne tarvitsevat kykyä toimia oskillaattorina eli tasapainottajana kahden maailman välillä:

  1. Skaalaa tekoälyllä siellä, missä merkitysten epävarmuus on matala: faktat, rakenne, löydettävyys, tehokkuus.

  2. Panosta ihmiseen siellä, missä merkitysten epävarmuus on korkea: tulkinta, konteksti, vastuu, merkitys.

  3. Estä entropian romahdus: varmista, että järjestelmä tuottaa jatkuvasti aitoa uutta (sisältöä, näkökulmaa, tulkintaa), ei vain variaatioita samasta.

Lopulta journalismin tulevaisuus ei ratkea sillä, mitä tekoäly osaa tai ei osaa tehdä, vaan sillä, missä kohdassa ihminen päättää olla korvaamaton.

Jaakko Lempinen