Päivitetty 24.7.2026.
Tekoäly auttaa markkinoinnissa erityisesti tutkimaan aineistoa, jäsentämään havaintoja, tekemään ensimmäisiä luonnoksia, tuottamaan hallittuja versioita ja analysoimaan tuloksia. Se ei päätä, mikä yrityksen lupaus on, eikä vapauta markkinoijaa vastuusta.
Toimiva työnjako on yksinkertainen:
ihminen määrittelee tavoitteen, kohderyhmän, lähtöaineiston ja rajat
tekoäly etsii rakenteita, ehdottaa vaihtoehtoja ja nopeuttaa mekaanisia vaiheita
ihminen tarkistaa faktat, oikeudet, brändin, lainmukaisuuden ja julkaisupäätöksen
kampanjan arvo ratkaistaan oikealla tulosmittarilla ja työnkulun todellisella käyttöönotolla, ei tuotetun tekstin määrällä
Tässä oppaassa saat kymmenen käytännön työnkulkua, työkalujen valintamallin, mittarit rajattuun pilottiin ja 30 päivän suunnitelman. Saat myös kolme kopioitavaa kehotetta.
Tekoäly markkinoinnissa pähkinänkuoressa
Kysymys | Käytännön vastaus |
|---|---|
Mihin tekoäly sopii parhaiten? | Laajan aineiston jäsentämiseen, luonnoksiin, versiointiin, luovien vaihtoehtojen tekemiseen ja raportoinnin tueksi. |
Mihin se ei sovi yksin? | Strategisiin valintoihin, tosiasiaväitteiden hyväksymiseen, arkaluonteiseen profilointiin tai sisällön julkaisemiseen ilman tarkistusta. |
Korvaako se markkinoijan? | Ei yleensä kokonaan nykyisen näytön perusteella. Se muuttaa tehtäviä ja työnjakoa, mutta pitkän aikavälin vaikutus työpaikkoihin on vielä epävarma. |
Miten hyöty mitataan? | Vertaa samaa työnkulkua AI:n kanssa ja ilman sitä. Mittaa aikaa, laatua, tulosta, kustannusta, riskiä ja käyttöönottoa. |
Pitääkö AI:n käytöstä kertoa? | Ei aina samalla tavalla. Järjestelmän tarjoajan ja käyttöönottajan velvoitteet eroavat. Syväväärennökset sekä eräät vuorovaikutus- ja yleisen edun tilanteet on huomioitava erityisesti 2.8.2026 alkaen. |
Mikä on hyvä ensimmäinen kokeilu? | Toistuva, rajattu ja helposti tarkistettava tehtävä, kuten kampanjabriefin luonnostelu tai asiakaspalautteen teemojen tunnistaminen. |
Jos generatiivisen tekoälyn perusidea on vielä vieras, aloita oppaasta mikä on generatiivinen tekoäly.
Mitä tekoälymarkkinointi tarkoittaa vuonna 2026?
Tekoälymarkkinointi ei ole yksi työkalu tai yksi automaatio. Se tarkoittaa tekoälyn käyttämistä markkinoinnin työvaiheissa, päätösten tukena ja joissakin tapauksissa kanavan sisäisessä optimoinnissa.
Käytössä on vähintään kolme erilaista tekoälyn roolia:
Avustaja tekee luonnoksia, tiivistää aineistoa ja ehdottaa vaihtoehtoja.
Analysoija etsii palautteesta teemoja, tunnistaa poikkeamia ja auttaa muodostamaan tutkittavia selityksiä.
Optimoija valitsee mainosalustan sisällä esimerkiksi aineistojen yhdistelmiä, kohdennusta tai budjetin jakoa asetettujen tavoitteiden perusteella.
Nämä roolit vaativat erilaista valvontaa. Tekstiluonnos voidaan tarkistaa ennen julkaisua. Mainosalustan optimointi taas tekee suuren määrän pieniä päätöksiä jatkuvasti. Silloin tärkeiksi nousevat tavoitemittari, rajat, poissuljennat ja tulosten seuranta.
Tekoälyn käyttö on yleistynyt nopeasti vähintään kymmenen henkilöä työllistävissä yrityksissä. Tilastokeskuksen mukaan 38 prosenttia näistä suomalaisyrityksistä käytti jotain tekoälyteknologiaa keväällä 2025. Osuus kasvoi vuodessa 14 prosenttiyksikköä. EU:n vastaava keskiarvo oli Eurostatin mukaan 20 prosenttia. Tilastot eivät kata mikroyrityksiä, eikä kaikki käyttö liity generatiiviseen tekoälyyn tai markkinointiin.

Mitä tutkimus kertoo hyödyistä ja rajoista?
Vuoden 2026 tutkimusnäyttö ei tue yhtä yleistä AI-markkinoinnin tuottoprosenttia. Vaikutus riippuu tehtävästä, käyttäjän osaamisesta, vertailutasosta ja siitä, mitä mitataan.
Kolme havaintoa ovat markkinoijalle hyödyllisiä.
1. Rajattu työ voi nopeutua
Yli 7 000 tietotyöntekijän kuuden kuukauden satunnaistetussa kenttäkokeessa sähköposti-, dokumentti- ja kokoussovelluksiin integroidun AI-työkalun käyttöoikeus vähensi sähköpostiin käytettyä aikaa keskimäärin 1,3 tuntia viikossa. Säännöllisesti työkalua käyttäneillä ero oli suurempi, mutta tämä käyttäjäryhmävertailu ei ollut samalla tavalla satunnaistettu vaikutusarvio. Kokousaika ei muuttunut merkitsevästi.
Toisessa vertaisarvioidussa kenttätutkimuksessa AI-avustus nosti yli 5 000 asiakastukihenkilön ratkaisemien tapausten määrää työtuntia kohti keskimäärin 15 prosenttia. Hyöty painottui kokemattomampiin työntekijöihin, eikä keskimääräinen asiakastyytyväisyys noussut merkitsevästi. Asiakastuki ei ole sama asia kuin markkinointi, mutta tulos osoittaa, miksi nopeus ja asiakastulos pitää mitata erikseen.
Tulos muistuttaa siitä, että yksilön hallitsema tehtävä voi nopeutua ennen kuin tiimin toimintatapa muuttuu. Markkinointitiimi ei siis saa prosessihyötyä vain jakamalla lisenssejä. Briefit, hyväksynnät ja vastuut pitää myös suunnitella uudelleen.
2. Laatu voi parantua, mutta vain sopivassa tehtävässä
P&G:n 791 satunnaistetun ammattilaisen vertaisarvioidussa kokeessa generatiivinen tekoäly paransi tuoteinnovaatioon liittyvien ratkaisujen laatua ja lyhensi työaikaa. AI auttoi myös kaupallisia ja teknisiä asiantuntijoita tuottamaan tasapainoisempia ratkaisuja. Koe koski yhden päivän virtuaalityöpajaa yhdessä yrityksessä, joten tulos ei ole yleinen markkinoinnin tuottoluku.
BCG:n 758 konsultin satunnaistetussa kokeessa GPT-4 paransi suoriutumista 18 osaamisrajan sisäpuolisessa tehtävässä. Yhdessä tarkoituksella rajan ulkopuolelle valitussa tehtävässä AI-ryhmä oli kuitenkin 19 prosenttiyksikköä epätodennäköisemmin oikeassa. Yhden ulkopuolisen tehtävän perusteella tulosta ei pidä yleistää kaikkiin samankaltaisiin tehtäviin. Sujuva tuotos ei silti kerro, ollaanko mallin osaamisrajan oikealla puolella.
3. Lisää ideoita ei automaattisesti tarkoita enemmän erilaisia ideoita
293 kirjoittajan verkkokokeessa pääsy GPT-4:n ehdottamiin tarinaideoihin paransi kahdeksan virkkeen tarinoiden arvioitua uutuutta ja hyödyllisyyttä. AI-avusteiset tarinat kuitenkin muistuttivat enemmän toisiaan. Koe ei mitannut markkinointikampanjoita tai liiketoimintatulosta. Markkinoijalle tulos on varoitus: tiimi voi tuottaa nopeasti kaksikymmentä versiota samasta keskinkertaisesta ajatuksesta.
Siksi tekoälylle kannattaa antaa tarkoituksella erilaisia lähtökohtia. Pyydä vaihtoehdot esimerkiksi asiakasongelman, vastaväitteen, käyttötavan ja näkökulman mukaan. Älä pyydä vain “kymmentä luovaa ideaa”.
Tutkimusten turvallinen yhteenveto on tämä: generatiivinen tekoäly voi nopeuttaa rajattuja työvaiheita ja parantaa tuotosta, mutta markkinoinnin tulos pitää osoittaa erikseen omassa ympäristössä.
10 käytännön työnkulkua
Hyvä AI-työnkulku alkaa aineistosta ja päättyy päätökseen. Pelkkä kehotteen kirjoittaminen ei vielä muodosta työnkulkua.
1. Markkina- ja kilpailijakatsaus
Tavoite: muodostaa nopeasti lähtökuva markkinasta, asiakkaiden vaihtoehdoista ja kilpailijoiden näkyvistä viesteistä.
Anna tekoälylle: nimetyt lähteet, tarkka ajanjakso, kilpailijalista, tuotekategoria ja kysymykset, joihin haluat vastauksen.
Pyydä tekemään: lähteistetty taulukko kilpailijoiden lupauksista, kohderyhmistä, hinnoittelun rakenteesta ja toistuvista teemoista. Pyydä erottamaan lähteestä löytyvä tieto ja mallin tulkinta.
Ihmisen tarkistus: avaa tärkeimmät lähteet itse. Tarkista päivämäärät, hinnoittelu, vertailukelpoisuus ja se, ettei puuttuvaa tietoa ole tulkittu tosiasiaksi.
Mittari: katsauksen tekemiseen kulunut aika, tarkistuksessa löytyneet virheet ja päätökseen päätyneiden havaintojen määrä.
Tekoäly nopeuttaa keräämistä ja jäsentämistä. Se ei tiedä, mikä kilpailijan viestissä oikeasti toimii.
2. Asiakaspalautteen analyysi
Tavoite: tunnistaa suuresta palauteaineistosta toistuvat ongelmat, odotukset, käyttötavat ja asiakkaiden oma sanasto.
Anna tekoälylle: anonymisoitu palauteaineisto, luokittelun tavoite ja säännöt sille, mitä aineistosta ei saa päätellä.
Pyydä tekemään: teemat, niiden yleisyys aineistossa, edustavat esimerkit sekä lista ristiriitaisista tai epäselvistä havainnoista.
Ihmisen tarkistus: varmista, että henkilötiedot ja luottamukselliset tiedot on poistettu. Tarkista teemojen kattavuus otoksesta. Älä anna mallin päätellä herkkiä ominaisuuksia.
Mittari: käsiteltyjen palautteiden määrä, luokittelun tarkkuus tarkistusotoksessa ja montako havaintoa johti sisältö- tai tuotekorjaukseen.
Markkinoijalle arvokkain tulos ei yleensä ole mielipidejakauma vaan asiakkaiden käyttämä kieli. Se auttaa otsikoissa, laskeutumissivuilla ja myynnin vastauksissa.
3. Kohderyhmän ja ostotilanteen täsmennys
Tavoite: muuttaa epämääräinen kohderyhmä konkreettisiksi ostotilanteiksi.
Anna tekoälylle: oikeat haastattelut, myyntimuistiinpanot, tukipyynnöt, hakukyselyt ja tuotteen rajat.
Pyydä tekemään: tilanteet, joissa asiakas etsii ratkaisua, tavoiteltu edistys, esteet, vaihtoehdot ja tarvittavat todisteet.
Ihmisen tarkistus: erottele aineistossa näkyvä havainto ja hyödyllinen hypoteesi. Vahvista tärkeät oletukset asiakkailla.
Mittari: haastatteluissa vahvistuneiden oletusten osuus, uuden viestin vaikutus konversioon ja vähentyneet vääränlaiset liidit.
Älä pyydä mallia keksimään persoonia tyhjästä. Näennäisen tarkka “Sari, 42, Espoo” voi antaa väärän varmuuden ilman mitään yhteyttä asiakkaisiin.
4. Kampanjabriefin luonnostelu
Tavoite: tehdä yhdelle kampanjalle yhteinen, tarkistettava lähtökohta.
Anna tekoälylle: liiketoimintatavoite, kohderyhmä, tarjous, todisteet, kanavat, aikataulu, budjetin rajat ja brändiohje.
Pyydä tekemään: yhden sivun briefi, jossa on tavoite, pääviesti, tuetut väitteet, toimintakehotus, aineistotarpeet, riskit ja mittarit.
Ihmisen tarkistus: hyväksy strateginen valinta, lupaus ja todisteet. Poista kohdat, jotka malli on täydentänyt oletuksina.
Mittari: briefin hyväksymiskierrokset, puuttuvien lähtötietojen määrä ja tuotannon aikana syntyneet uudelleentyöt.
Hyvä briefi tekee tekoälyn käytöstä johdonmukaista. Huono briefi tuottaa nopeasti suuren määrän keskenään ristiriitaisia aineistoja.
5. Sisältöluonnokset ja jatkojalostus
Tavoite: tehdä lähdeaineistosta ensimmäinen versio ja sovittaa hyväksytty sisältö eri muotoihin.
Anna tekoälylle: oma näkökulma, lähteet, kohderyhmä, rakenne, tyyli ja kielletyt väitteet.
Pyydä tekemään: rakenne ensin, sitten yksi osio kerrallaan. Pyydä merkitsemään kaikki kohdat, jotka tarvitsevat lähteen tai asiantuntijan päätöksen.
Ihmisen tarkistus: faktat, alkuperäinen lisäarvo, esimerkit, tekijänoikeudet, sävy ja yhtenäisyys muun sisällön kanssa.
Mittari: ensimmäiseen hyväksyttävään versioon kulunut aika, korjausten määrä, lukuaika, tilaukset tai muu sisältötavoite.
Google ei kiellä AI-avusteista sisältöä. Sen ohje korostaa tarkkuutta, laatua, merkityksellisyyttä ja lukijalle syntyvää arvoa. Suuren sivumäärän tuottaminen ilman lisäarvoa voi rikkoa roskasisältöä koskevaa käytäntöä.
6. SEO ja hakuaikomuksen tutkiminen
Tavoite: ymmärtää, mihin kysymyksiin sivun pitää vastata ja miten nykyistä sisältöä kannattaa parantaa.
Anna tekoälylle: Search Console -kyselyt, sivukohtainen näkyvyys, nykyinen artikkeli, liiketoimintatavoite ja sivuston muut aiheeseen liittyvät URL-osoitteet.
Pyydä tekemään: hakuaikomusryhmät, puuttuvat kysymykset, päällekkäiset sivut, ehdotus otsikkorakenteeksi ja pieni määrä perusteltuja muutoksia.
Ihmisen tarkistus: varmista, ettei synny uutta kilpailevaa URL-osoitetta. Arvioi muutokset lukijan, ei hakusanatiheyden perusteella.
Mittari: ei-brändätyt klikkaukset, CTR, sijoitus aikomusryhmittäin ja orgaanisesta liikenteestä syntyneet tilaukset tai liidit.
AI sopii erityisen hyvin suuren kyselyjoukon ryhmittelyyn. Se ei korvaa Search Consolen todellista dataa eikä kerro varmasti, miksi sijoitus muuttui.
7. Mainosversiot ja luova testaus
Tavoite: tuottaa testiin aidosti erilaisia viestejä ja aineistoversioita.
Anna tekoälylle: yksi kohderyhmä, yksi tarjous, hyväksytyt väitteet, kanavan rajat, brändielementit ja testattava oletus.
Pyydä tekemään: vaihtoehdot eri viestikulmista. Esimerkiksi riskin vähentäminen, ajan säästö, helppo aloitus ja konkreettinen lopputulos ovat eri kulmia. Pelkät sanamuotovariaatiot eivät riitä.
Ihmisen tarkistus: tosiasiaväitteet, tuotekuvien todenmukaisuus, brändi, lisenssit, tunnistettavuus ja mainosalustan käytännöt.
Mittari: valitse yksi ensisijainen tulosmittari, kuten laadukas liidi tai kate. Seuraa lisäksi napsautusprosenttia, laskeutumissivun konversiota ja luovan aineiston väsymistä.
Google Adsin Performance Max voi ehdottaa uusia teksti-, kuva- ja muita aineistoja, jos järjestelmä tunnistaa siihen mahdollisuuden. Ehdotuksia ei aina synny. Suggested assets -tilassa mainostaja voi tarkistaa aineiston ennen käyttöä, kun taas Asset Optimization voi asetuksesta riippuen lisätä aineistoja automaattisesti. Tämä ei poista mainostajan vastuuta.
8. Sähköposti ja elinkaariviestintä
Tavoite: rakentaa hyväksyttyihin asiakastilanteisiin hyödyllisiä viestejä ilman näennäistä ylipersonointia.
Anna tekoälylle: viestin vaihe, vastaanottajan sallittu segmentti, tavoite, tarjous, aiemmat hyväksytyt viestit ja poissuljennat.
Pyydä tekemään: aihe- ja runkovaihtoehdot, joiden ero perustuu testattavaan oletukseen. Pyydä myös selitys sille, mitä kukin versio testaa.
Ihmisen tarkistus: sähköiseen suoramarkkinointiin tarvittava ennakkosuostumus tai lain 200 §:n rajattu olemassa olevan asiakkaan poikkeus, henkilötietojen käsittelyn GDPR-peruste, segmentin oikeellisuus, helppo ja maksuton kielto, väitteet ja viestin hyödyllisyys.
Mittari: toimitusaste, napsautus, haluttu jatkotoimi, peruutukset, valitukset ja mahdollinen liikevaihto. Avausprosentti yksin on heikko päätösmittari, koska esimerkiksi Apple Mail Privacy Protection voi esiladata seurantapikseleitä ja vääristää avausdataa.
AI voi tehdä yhden viestin jokaiselle vastaanottajalle. Se ei tarkoita, että niin kannattaa tehdä. Hyvin määritelty, riittävän suuri segmentti on usein helpompi hallita ja mitata.
9. Kuva-, video- ja ääniversiot
Tavoite: tehdä hyväksytystä ideasta eri kanaviin sopivat muodot, kuvasuhteet, kielet tai lyhyet versiot.
Anna tekoälylle: alkuperäinen aineisto, brändiohje, sallitut muutokset, käyttötarkoitus, kanavan mitat ja oikeustiedot.
Pyydä tekemään: kuvakäsikirjoitus, rajausvaihtoehdot, tekstitys, puheen luonnos tai visuaalinen luonnos. Säilytä alkuperäinen rinnalla.
Ihmisen tarkistus: ihmisten ja tuotteiden todenmukaisuus, logot, kädet ja tekstit, äänen tai henkilön käyttöluvat, lisenssit, saavutettavuus ja tarvittavat AI-merkinnät.
Mittari: tuotantoaika formaattia kohti, hylättyjen versioiden osuus, katselun laatu ja kampanjan varsinainen tulos.
Fotorealistinen AI-henkilö, äänen kloonaus tai aidolta vaikuttava tapahtuma vaatii erityistä varovaisuutta. Turvallinen käytäntö on kertoa AI:n käytöstä silloinkin, kun oikeudellisen minimivaatimuksen soveltuminen on epäselvää.
10. Raportointi ja seuraavan kokeilun valinta
Tavoite: muuttaa kampanjadata päätösehdotukseksi.
Anna tekoälylle: määritelmät, tavoite, vertailujakso, kustannukset, kanavakohtaiset tulokset ja tiedossa olevat muutokset.
Pyydä tekemään: havainnot, tutkittavat selitykset, puuttuvat tiedot ja kolme vaihtoehtoista seuraavaa koetta. Vaadi erottamaan korrelaatio ja osoitettu syy.
Ihmisen tarkistus: datan laatu, attribuutio, kausivaihtelu, samanaikaiset kampanjat ja selitysten liiketoimintajärki.
Mittari: päätökseen kulunut aika, toteutuneiden parannuskokeiden määrä ja se, kuinka moni AI:n ehdottama selitys kesti tarkemman analyysin.
Google Analyticsin generoidut havainnot voivat nostaa esiin poikkeamia ja muutoksia. Niitä kannattaa käsitellä tutkimusvihjeinä. “Liikenne laski samaan aikaan kun X muuttui” ei vielä osoita, että X aiheutti laskun.

Mitkä tekoälytyökalut markkinointiin kannattaa valita?
Työkalulista vanhenee nopeasti. Kestävämpi tapa on valita yksi työkalu kuhunkin tarpeeseen ja testata sitä todellisella tehtävällä.
Tarve | Työkalukategoria | Tarkista ennen valintaa |
|---|---|---|
Teksti, analyysi ja luonnokset | yleinen AI-avustaja | lähteiden käsittely, datan käyttö, hallinta, lokit ja kieli |
Ajantasainen tutkimus | hakuun yhdistetty AI-palvelu | lähdeviitteet, päivämäärät, alkuperäiset lähteet ja haun rajaus |
Kuva, video ja ääni | luovan tuotannon AI-työkalu | kaupalliset käyttöehdot, henkilöt, brändinhallinta, metadata ja merkinnät |
Mainonnan optimointi | mainosalustan oma AI | tavoitemittari, automaation taso, poissuljennat, budjettirajat ja raportointi |
Elinkaariviestintä | markkinoinnin automaatio tai CRM:n AI | suostumukset, segmentit, poistuminen, datan sijainti ja hyväksyntä |
Raportointi | analytiikka- tai BI-palvelun AI | mittarimääritelmät, datan kattavuus, käyttöoikeudet ja toistettavuus |
Yleisiä AI-avustajia ovat esimerkiksi ChatGPT, Claude, Gemini ja Microsoft Copilot. Luovan tuotannon, automaation ja mainonnan alustoilla on lisäksi omia AI-toimintoja. Tuotenimi ei ratkaise valintaa.
Arvioi jokainen työkalu samalla kuuden kysymyksen listalla:
Saako palveluun syöttää tätä dataa?
Voiko yritys hallita käyttäjiä, säilytystä ja koulutuskäyttöä?
Näyttääkö palvelu lähteet ja työvaiheet riittävästi?
Voiko ihminen tarkistaa ja hyväksyä tuotoksen ennen toimintaa?
Voiko käytön kustannuksen ja tuloksen mitata?
Mitä tapahtuu, jos työkalu vaihtuu tai poistuu?
Laajempaan vertailuun saat apua oppaasta parhaat AI-työkalut aloittelijalle.
Miten tekoälyn hyöty markkinoinnissa mitataan?
Älä aloita vuosittaisesta tuottolupauksesta. Aloita yhdestä toistuvasta työstä ja ennalta rajatusta kokeesta. Neljä viikkoa voi riittää ajan, laadun ja käyttöönoton arviointiin. SEO:n, B2B-markkinoinnin ja pitkän ostopolun konversiovaikutus vaatii usein pidemmän jakson tai riittävän määrän toteutuneita konversioita.
1. Kirjaa lähtötaso
Päätä tehtävämäärä ja tarkastelujakso ennen kokeen alkua. Mittaa sama tehtävä riittävän monta kertaa ilman uutta AI-työnkulkua, jotta yksittäinen helppo tai vaikea tehtävä ei ratkaise tulosta:
työaika
hyväksymiskierrokset
virheet ja hylkäykset
tuotantokustannus
liiketoiminnan tulos
2. Määritä laatukriteeri etukäteen
Esimerkiksi kampanjabriefin hyväksyttävä versio voi vaatia, että tavoite, yleisö, lupaus, todisteet, kanavat, riskit ja mittarit on täytetty. “Teksti vaikutti hyvältä” ei riitä.
3. Vertaa mahdollisimman samanlaisia tehtäviä
Käytä vuorottelua tai hallittua A/B-testiä. Vertaa esimerkiksi kahta samankaltaista kampanjaa, samaa aineistoa tai satunnaistettua osaa yleisöstä. Kanavakokeessa raportoi vaikutuksen koko ja epävarmuus, älä vain prosentuaalista voittajaa. Älä vertaa joulusesonkia tavalliseen helmikuuhun ja päättele eroa AI:n ansioksi.
4. Seuraa kuutta mittariryhmää
Mittariryhmä | Esimerkkejä |
|---|---|
Aika | minuutit luonnokseen, minuutit hyväksyttyyn versioon |
Laatu | faktavirheet, hylkäykset, brändipoikkeamat, arvioijan pisteet |
Tulos | laadukas liidi, konversio, kate, tilaus, säilyminen |
Kustannus | lisenssit, käyttö, tarkistustyö, tuotanto ja mediakulu |
Riski | tietosuojapoikkeamat, virheelliset väitteet, oikeusongelmat ja valitukset |
Käyttöönotto | aktiivikäyttäjät, tehtävien läpimeno, AI-ehdotusten hyväksyntä- ja muokkausaste sekä aika itsenäiseen osaamiseen |
5. Tee jatkopäätös
Kun ennalta sovittu tehtävämäärä ja tarvittava tarkastelujakso ovat täyttyneet, päätös on yksi näistä:
laajenna, jos laatu pysyi vähintään samalla tasolla ja hyöty näkyy
korjaa, jos potentiaalia on mutta tarkistus, data tai briefi ei toimi
lopeta, jos työ siirtyi vain ihmiseltä virheiden korjaamiseen
Esimerkkilaskelma:
Työnkulun kuukausihyöty = säästetty työaika euroina + mitattu lisäkate − työkalut − tarkistus − käyttöönotto − virheiden kustannus
Säästynyt aika lasketaan taloudelliseksi hyödyksi vain, jos se näkyy lisäkapasiteettina, nopeampana läpimenona, vähentyneenä ostotyönä tai muuna osoitettavana hyötynä. Laskelmaan ei pidä syöttää oletettua myynnin kasvua, ellei vaikutusta ole mitattu.


