Nopea tekoälydemo näyttää mahdollisuuden. Liiketoiminta-arvo selviää vasta, kun sama työ mitataan ennen tekoälyä ja sen jälkeen.

Kielimalli voi tehdä rajatun asiantuntijatehtävän muutamassa minuutissa ja silti heikentää koko työnkulun kannattavuutta. Luonnos syntyy nopeasti. Sen tarkistaminen, korjaaminen, hyväksyminen ja poikkeusten käsittely voivat syödä hyödyn.

Tekoälyn tuoton mittaamisen perusajatus on yksinkertainen: vertaa samaa tarkasti määriteltyä työtä ennen tekoälyä ja sen jälkeen. AI-Sanomien seitsemän vaiheen malli yhdistää tämän vertailun hyväksyttyyn laatuun, kokonaiskustannuksiin ja liiketoimintapäätökseen.

AI:n tuotosta koskevat otsikot näyttävät riitelevän keskenään.

MIT Project NANDA julkaisi kesällä 2025 alustavan raportin, jonka mukaan 95 prosenttia tarkastelluista organisaatioista ei ollut saanut generatiivisesta tekoälystä mitattavaa tuloslaskelmavaikutusta. IDC:n vuotta aiempi kysely päätyi keskimäärin 3,70 dollarin palautukseen jokaista sijoitettua dollaria kohden.

Google Cloudin tilaamassa kyselyssä 74 prosenttia generatiivista tekoälyä käyttävistä yrityksistä kertoi saavuttaneensa ROI:ta. Deloitten kyselyssä lähes kolme neljästä sanoi edistyneimmän hankkeensa täyttävän tai ylittävän ROI-odotukset. Whartonin ja GBK Collectiven vuoden 2025 kyselyssä 74 prosenttia suurten yhdysvaltalaisyritysten johtajista ilmoitti generatiivisen tekoälyn investointien tuottaneen myönteisen tuloksen.

Kaikki luvut voivat esiintyä samassa keskustelussa, koska ne mittaavat eri asioita.

MIT-raportin ympärille syntynyt 95 prosentin epäonnistumisotsikko venyttää alustavan havainnon liian pitkälle. Raportti on v0.1-versio, eikä sen tulos kuvaa kaikkia AI-pilotteja. Myönteiset kyselyt tarvitsevat yhtä lailla omat varauksensa. Ne perustuvat AI:ta jo käyttäviin vastaajiin, itse ilmoitettuihin tuloksiin ja osin AI-palveluja myyvien yritysten tilaamiin tutkimuksiin.

OpenAI:n GDPval-benchmark testaa malleja 1 320 asiantuntijatehtävässä, jotka edustavat 44 ammattia ja yhdeksää Yhdysvaltain talouden kannalta suurta toimialaa. Asiantuntijat vertailevat sokkona ihmisten ja mallien tuottamia raportteja, esityksiä, taulukoita ja muita työsuoritteita.

Tällainen testi kertoo aidosti jotakin mallin kyvystä tuottaa taloudellisesti hyödyllistä materiaalia. Se ei vielä kerro yrityksen ROI:ta.

GDPvalin tehtävät ovat rajattuja kertatehtäviä. Mallin päättelyaikaan ja API-hintaan perustuva vertailu ei yksin kata yrityksen koko työnkulkua. Tutkimuspaperissa on myös oletuksiin perustuvia kustannusskenaarioita, joissa huomioidaan ihmisen tarkastus, uusintayritykset ja tarvittaessa ihmisen tekemä työ. Ne eivät silti ole yrityksessä mitattua ROI:ta: käyttöönotto, tietojen yhdistäminen, koulutus, käyttöoikeudet ja ylläpito pitää selvittää omassa ympäristössä.

GDPvalin alkuperäisessä vuoden 2025 raportissa paras nimetty malli ylsi ihmisen tasolle tai ohi vajaassa puolessa avoimen testijoukon vertailuista. Mallit ja tulostaulukot muuttuvat, joten yksi prosenttiluku vanhenee nopeasti. Mittaustapa kestää aikaa paremmin: sama tehtävä, sama aineisto, sokkoarviointi ja ennalta sovittu laatuasteikko.

Yrityksen kannattaa rakentaa oma pieni GDPvalinsa. Testikohteena on silloin oikea työ, ei näyttävä demo.

Heikko ROI-näyttö johtuu usein näkymättömästä tuottavuudesta. Työntekijä säästää aikaa, mutta tavoitteet, tehtävänkuva ja tuotantotapa pysyvät ennallaan.

Workdayn tammikuussa 2026 julkaisema kysely antaa ongelmalle laajemman mittakaavan. Tutkimuksessa 89 prosentissa organisaatioista alle puolet tehtävänkuvista oli päivitetty vastaamaan AI:n mahdollisuuksia. Aktiivisista AI-käyttäjistä 85 prosenttia kertoi säästävänsä yhdestä seitsemään tuntia viikossa. Lähes 40 prosenttia säästöstä kului kuitenkin heikkolaatuisten tuotosten korjaamiseen. Vain 14 prosenttia sai johdonmukaisesti selvän positiivisen nettotuloksen.

Otos koostui vähintään 100 miljoonan dollarin liikevaihdon organisaatioiden aktiivisista AI-käyttäjistä. Tulosta ei voi sellaisenaan siirtää suomalaiseen pk-yritykseen. Se havainnollistaa silti tärkeän eron:

Jos työntekijä tekee saman määrän työtä ja käyttää vapautuneen ajan muuhun, yritys sai kapasiteettia. Kapasiteetilla voi olla paljon arvoa, mutta se pitää osoittaa erikseen. Syntyikö enemmän hyväksyttyjä tarjouksia? Lyhenikö asiakkaan odotusaika? Vähenikö ulkoisen työn osto? Pääsikö asiantuntija tekemään työtä, joka oli aiemmin jonossa?

AI-Sanomien katsaus tekoälyn käyttöön suomalaisissa yrityksissä kuvaa samaa kuilua käyttöönoton ja johtamisen välillä. Työkalu voi levitä nopeasti. Työn mittarit muuttuvat hitaammin.

Yrityksen on vaikea osoittaa tekoälyn tuottoa viidestä tavallisesta syystä:

Taustalla vaikuttaa usein myös puutteellinen koulutus. ROI-investointiin kuuluvat prosessien dokumentointi, yrityksen tiedon saattaminen käyttökelpoiseen muotoon ja jatkuva AI-osaamisen kehittäminen. Työkalulisenssi on vain osa kustannuksesta.

Kuudes vaatimus koskee vertailuyksikköä: mittaa hyväksyttyä tuotosta.

Ihmisen valmis asiakasehdotus ei ole vertailukelpoinen tekoälyn ensimmäisen luonnoksen kanssa. Molemmat pitää viedä samaan hyväksyttyyn lopputulokseen. AI-vaihtoehdon kustannukseen kuuluvat kehotteen tai työnkulun rakentaminen, lähdeaineiston kokoaminen, tarkistus, korjaaminen, hyväksyntä, epäonnistuneet ajot, integraatiot, koulutus, ylläpito ja ohjelmistot.

Siksi kaksi kaavaa kannattaa pitää erillään:

Ensimmäinen kaava kertoo, tuliko työstä aidosti halvempaa. Toinen tarvitsee toteutuneen hyödyn. Jos vapautuneelle ajalle ei ole sovittua käyttöä, sitä ei pidä kirjata automaattisesti euroiksi. Laatu, asiakaskokemus ja pienentynyt riski voivat olla tärkeitä tuloksia ilman väkisin tehtyä euromuunnosta.

AI-Sanomien Deloitte State of AI 2026 -analyysi näyttää, miksi yksittäisten tuottavuushyötyjen ja yritystason arvon väliin jää helposti kuilu. Arvo vaatii prosessien muuttamista ja toimivan pilotin viemistä hallitusti tuotantoon.

AI-Sanomien seitsemän vaiheen malli sitoo testin hyväksyttyyn työhön ja ennalta määriteltyyn päätökseen. Se on toimituksellinen sovellus koeasetelmista, tehtäväkohtaisesta arvioinnista ja kustannuslaskennasta. Jokaisesta vaiheesta syntyy seuraavaa vaihetta varten työpohja tai päätös.