Testasimme viisi tunnistinta kuudella suomenkielisellä ihmis- ja AI-tekstillä. Tulokset kertovat, miksi prosenttiluku on vihje, ei todiste.

Lyhyt vastaus: AI:n kirjoittamaa tekstiä ei voi tunnistaa varmasti pelkästä valmiista tekstistä.

Tekoälytekstin tunnistin voi löytää koneelliseen kirjoittamiseen sopivia piirteitä. Se voi myös erehtyä kahteen suuntaan: ihmisen teksti näyttää AI-tekstiltä tai AI-teksti ihmisen kirjoittamalta.

AI-Sanomien pienessä suomenkielisessä testissä yksi tunnistin piti kaikkia kuutta tekstiä ihmisen kirjoittamina. Toinen piti niitä kaikkia tekoälyn tuottamina. Viidestä työkalusta yksikään ei saanut kaikkia tapauksia oikein.

Tämä ei tee tunnistimista hyödyttömiä. Se kertoo, mihin niitä kannattaa käyttää: jatkokysymyksen herättämiseen, ei tuomion antamiseen.

AI-tunnistin ei löydä tekstistä salaista ChatGPT-leimaa. Tavallisessa kopioidussa tekstissä ei ole varmaa teknistä sormenjälkeä, joka paljastaisi kirjoittajan.

Tunnistin arvioi kielellisiä piirteitä. Se voi tarkastella esimerkiksi sanojen ennustettavuutta, lauserakenteiden vaihtelua, toistoa, rytmiä ja sitä, kuinka tasaiselta teksti vaikuttaa. Malli vertaa näitä piirteitä aineistoon, jolla se on koulutettu.

Ongelma on ilmeinen. Ihminen voi kirjoittaa hyvin tasaista, muodollista ja ennustettavaa tekstiä. Tekoäly voi puolestaan tuottaa persoonallista, epätasaista ja yllättävää kieltä. Muutama ihmisen tekemä muokkaus voi vielä muuttaa tulosta.

Siksi palvelun ilmoittama ”76 % AI” ei tarkoita, että tekstin kirjoittaja olisi 76 prosentin todennäköisyydellä tekoäly. Se on kyseisen palvelun mallipiste, jonka merkitys, kynnys ja vertailuaineisto vaihtelevat.

Jos tokenit, kielimallit ja generatiivinen tekoäly ovat vielä vieraita, 20 AI-käsitteen opas antaa nopean pohjan.

Testi tehtiin 18.8.2026. Valitsimme kuusi 156–199 sanan suomenkielistä tekstiä:

Valitsimme kolme ennen ChatGPT:n julkista avaamista julkaistua vertailutekstiä. Vuoden 2019 puhe julkaistiin Sanna Marinin nimellä, mutta julkaisutieto ei osoita, että hän olisi kirjoittanut sen jokaisen lauseen itse. Kolme AI-tekstiä tuotettiin OpenAI Codex -ympäristössä yhdellä vastauksella, eikä niitä muokattu käsin. Tarkkaa malliversiota ei tallennettu.

Syötimme jokaisen tekstin sellaisenaan Isgeniin, ZeroGPT:hen, Smodiniin, Saplingiin ja Grammarlyyn. Emme kertoneet otsikkoa, lähdettä tai oikeaa luokkaa.

Käytimme yhtenäistä toimituksellista 50 prosentin vertailurajaa: yli 50 prosentin AI-tulos luettiin AI-luokaksi ja enintään 50 prosentin tulos ihmisluokaksi. Raja ei ole palvelujen oma päätöskynnys eikä tee niiden luvuista keskenään yhteismitallisia. Siksi alla näytetään myös kaikki raakatulokset.

Testi on toimituksellinen koe, ei tieteellinen tarkkuustutkimus. Kuusi tekstiä ei edusta koko suomen kieltä, kaikkia tekstilajeja tai kaikkia kielimalleja. Ihmis- ja AI-tekstejä ei myöskään vakioitu samoihin aiheisiin ja tekstilajeihin. Siksi testi ei kerro, johtuiko yksittäinen ero tekstin alkuperästä, aiheesta, tyylistä, iästä vai jostain muusta piirteestä.

Taulukon luku on työkalun ilmoittama AI-osuus tai AI-pistemäärä. H1–H3 ovat ennen ChatGPT:n julkista avaamista julkaistuja vertailutekstejä ja A1–A3 tekoälyn kirjoittamia.

Tuloksista erottuu neljä havaintoa.

1. Vääriä positiivisia tuli jokaisesta ihmistekstistä. Kiven teksti sai kahdelta työkalulta yli 50 prosentin AI-tuloksen. Perustuslaki ja vuonna 2019 pidetty puhe saivat kumpikin kahdelta tunnistimelta yli 90 prosentin AI-tuloksen.

2. Kaikki AI-tekstit eivät ylittäneet vertailurajaa. AI-asiateksti ylitti testissämme 50 prosentin vertailurajan neljässä työkalussa viidestä, kertomus kahdessa ja muodollinen ohje kolmessa.

3. Työkalujen peruslinja vaihteli rajusti. Isgen ilmoitti jokaisen tekstin olevan 100-prosenttisesti ihmisen kirjoittama. Smodin taas antoi jokaiselle yli 75 prosentin AI-tuloksen.

4. Korkea tai matala luku ei seurannut alkuperää johdonmukaisesti. Sapling piti Kiven proosaa 98,3-prosenttisesti AI:n tuottamana mutta muodollista AI-ohjetta vain 9-prosenttisesti AI:na. Pieni testi ei kerro, johtuiko ero tekstilajista, aiheesta, tekstin iästä vai jostain muusta piirteestä.

Isgen ilmoittaa tukevansa suomea ja yli 80 kieltä. Julkinen testinäkymä hyväksyi 5 000 merkkiä ilman kirjautumista. Käyttöliittymä myös varoitti, ettei analyysiä pidä käyttää yksin kurinpitopäätökseen.

Tässä testissä yksikään kolmesta AI-tekstistä ei ylittänyt Isgenin kohdalla toimituksellista vertailurajaa. Työkalu vältti väärät positiiviset mutta tuotti samalla kolme väärää negatiivista tulosta.

ZeroGPT ilmoitti testisivullaan 18.8.2026 tukevansa kaikkia kieliä ja antoi tulokset ilman kirjautumista. Kaksi kolmesta AI-tekstistä ylitti toimituksellisen vertailurajan, mutta perustuslaki sai 97,4 prosentin ja vuoden 2019 puhe 94,7 prosentin AI-tuloksen.

Vahvalta näyttävä prosentti ei siis estänyt kahta selvää väärää positiivista.

Smodin ilmoittaa yli 100 kielen tuesta ja vaati testissä vähintään 1 000 merkkiä. Se luokitteli kaikki kuusi tekstiä AI-teksteiksi.

Tulossivun AI- ja ihmisprosentit eivät jokaisella kerralla summautuneet sataan. Kirjasimme siksi vain näytetyn AI-luvun. Epäjohdonmukainen esitystapa on itsessään syy välttää tuloksen ylitulkintaa.

Sapling antoi testin suurimmat ääripäät: Kiven tekstille 98,3 prosenttia AI:ta ja kahdelle AI-tekstille lähes sata prosenttia. Toisaalta muodollinen AI-ohje sai vain 9 prosenttia.

Tärkeä rajaus löytyy Saplingin omasta API-dokumentaatiosta: AI-tunnistin on saatavilla vain englanniksi. Suomenkieliset numerot ovat siis kokeellisia tuloksia kielellä, jolle palvelu ei lupaa virallista tukea.

Grammarly antoi AI-asiatekstille 100 prosentin ja muodolliselle AI-ohjeelle 61 prosentin tuloksen. AI-kertomus jäi 39 prosenttiin. Kolme ihmistekstiä saivat 0–16 prosenttia.

Grammarlyn AI-tunnistimen julkinen sivu ei ilmoita erikseen suomenkielisestä tunnistuksesta. Yhtiön muu kirjoitustuki kattaa suomen, mutta siitä ei voi päätellä AI-tunnistimen suomenkielistä tarkkuutta.

Yritimme myös muita helposti löytyviä palveluja. GuideGlare palautti osan tuloksista mutta kaatui kolmessa analyysissä. ChatPDF pysäytti testin ensimmäisen ilmaisen tarkistuksen jälkeen. Suomisanakirjan 600 merkin työkalu onnistui kerran ja palautti sitten palvelinvirheen. GPTZeron tulossivu pysähtyi kuvavarmennukseen, eikä suomi kuulu GPTZeron sivulla täydellä tuella ilmoitettuihin kieliin.

Väärä positiivinen tarkoittaa, että ihmisen kirjoittama teksti liputetaan tekoälyn tuottamaksi. Se voi johtaa perusteettomaan epäilyyn, mainehaittaan tai epäoikeudenmukaiseen arviointiin.

Virheiden vaikutus riippuu myös siitä, kuinka yleisiä AI-tekstit ovat tarkastettavassa joukossa. Kuvitellaan tunnistin, joka löytää 90 prosenttia AI-teksteistä ja liputtaa 5 prosenttia ihmisteksteistä väärin. Jos tuhannesta tekstistä sata on AI:n kirjoittamia, työkalu löytää 90 niistä. Samalla se liputtaa 45 ihmistekstiä väärin. Silloin joka kolmas hälytys olisi väärä, vaikka prosentit kuulostivat aluksi hyviltä.

Englantia toisena kielenä kirjoittavia koskevassa Liangin ja kumppaneiden tutkimuksessa seitsemän tunnistinta luokitteli keskimäärin 61,22 prosenttia tutkituista ihmisten kirjoittamista TOEFL-teksteistä AI:n tuottamiksi. Tulosta ei voi siirtää suoraan suomeen, mutta se muistuttaa kieli- ja kirjoittajavinouman riskistä.

Vuoden 2026 laaja opiskelijatekstejä koskeva tutkimus puolestaan osoitti, että lyhyet tekstit, koodi ja muokattu AI-teksti vaikeuttavat tunnistusta. Tunnistin ei siis arvioi vain kirjoittajaa. Se reagoi myös tekstilajiin, pituuteen ja muokkaukseen.

Yksittäisen palvelun etusivulla voi olla vaikuttava tarkkuusluku. Riippumattomissa vertailuissa tulos riippuu kuitenkin voimakkaasti siitä, mitä tekstejä, kielimalleja ja päätösrajoja käytetään.

Sunin, Liaon ja Man vuoden 2026 tutkimuksessa tarkasteltiin yli 280 000 opiskelijatekstiä ja niiden AI-versioita 13 tunnistimella. Lyhyet tehtävät, ohjelmakoodi ja muokattu AI-teksti olivat erityisen vaikeita. Tietyissä yhdistelmissä muokkaus vältti tunnistuksen jopa 88 prosentissa tapauksista. Luku kuvaa kyseistä koeasetelmaa, ei kaikkia tekstejä tai tunnistimia.

Perkinsin ja kumppaneiden vuoden 2024 tutkimuksessa seitsemän työkalun keskimääräinen onnistuminen muokkaamattoman AI-tekstin tunnistamisessa oli 39,5 prosenttia. Kun tekstejä muokattiin tunnistuksen välttämiseksi, keskiarvo putosi 22,14 prosenttiin. Paraskaan työkalu ei ylittänyt muokkaamattomalla AI-aineistolla 73,9 prosenttia.

Weber-Wulffin ryhmä testasi 14 työkalua. Kaikki jäivät alle 80 prosentin kokonaistarkkuuden, ja vain viisi ylitti 70 prosenttia. Väärien positiivisten osuus vaihteli nollasta 50 prosenttiin ja väärien negatiivisten osuus 8:sta 100 prosenttiin. Parafraasoitujen AI-tekstien yhdistetty tunnistusosuus oli 26 prosenttia.

Sadasivanin ja kumppaneiden TMLR-tutkimus tarkasteli ongelmaa myös periaatteellisella tasolla. Parafraasointi heikentää tunnistusta, ja tunnistimeen liittyy väistämätön kompromissi väärien positiivisten ja väärien negatiivisten välillä. Kynnystä kiristämällä voidaan vähentää vääriä syytöksiä, mutta silloin useampi AI-teksti jää tunnistamatta.

Tuoreemmat tulokset eivät tarkoita, että jokainen tunnistin olisi aina huono. Vuoden 2026 pitkien englanninkielisten tekstien vertailussa Pangram suoriutui vahvasti, ja neljä testattua työkalua luokitteli tutkimuksen 40 ihmistekstiä oikein käytetyllä päätösrajalla. Samassa tutkimuksessa osa työkaluista kuitenkin alitunnisti GPT-4o Deep Researchin tekstejä. Aineisto koostui vähintään 4 000 sanan englanninkielisistä teksteistä, joten tulosta ei pidä siirtää lyhyeen suomenkieliseen tehtävään.

Myös tunnistimen tekijä voi päätyä samaan varovaisuuteen. OpenAI poisti oman AI-tekstiluokittimensa käytöstä heinäkuussa 2023 heikon tarkkuuden vuoksi. Yhtiön englanninkielisessä arviointijoukossa työkalu tunnisti 26 prosenttia AI-teksteistä ja liputti 9 prosenttia ihmisteksteistä väärin. Luvut koskevat poistettua työkalua, eivät nykyisiä palveluja, mutta tapaus osoittaa, miksi pelkkä tuotemerkki ei takaa tunnistuksen luotettavuutta.

Turvallisempi arvio ei perustu yhteen prosenttiin. Se yhdistää kolme erilaista näyttöä.

Tunnistimen tulos voi kertoa, että tekstiä kannattaa tarkastella lähemmin. Tarkista, tukeeko työkalu kyseistä kieltä, millainen teksti sille annettiin ja mitä prosentti palvelussa tarkoittaa.

Jos käytät useampaa tunnistinta, älä äänestä kirjoittajaa syylliseksi. Samanmieliset työkalut voivat jakaa saman vinouman.

Luonnokset, muistiinpanot, lähdeluettelo, versiohistoria ja korjauskierrokset kertovat, miten teksti syntyi. Ne ovat usein valmista tekstiä vahvempaa näyttöä.

Prosessiaineistokaan ei ole erehtymätön. Se kuitenkin siirtää keskustelun epämääräisestä tyyliepäilystä konkreettisiin työvaiheisiin.

Kirjoittaja voi selittää, miksi valitsi tietyt lähteet, miten johtopäätös syntyi ja mitä hän muuttaisi tekstissä. Opetuksessa lyhyt suullinen jatkokeskustelu tai pieni soveltava lisätehtävä voi olla tunnistinta reilumpi tapa arvioida osaamista.

Lopullisen arvion tekee ihminen, joka huomioi säännöt, asiayhteyden ja seuraukset.

Ensimmäinen neuvo on yksinkertainen: älä panikoi. Tunnistimen tulos ei todista, että olet käyttänyt tekoälyä.

Toimi näin:

Älä ala muokata omaa tekstiäsi vain saadaksesi tunnistimesta pienemmän luvun. Se ei todista kirjoittajuutta ja voi tehdä hyvästä tekstistä huonomman.

Tunnistimen korkea luku ei ole hyvä aloitus syytökselle. Se on korkeintaan peruste tarkistaa prosessi tasapuolisesti.

Koulutuksessa arviointitavan pitää sopia oppilaitoksen linjauksiin. Työelämässä pitää huomioida myös tietosuoja, luottamuksellisuus ja työntekijän oikeudet. Tekoälyn vaarojen ja riskien opas käsittelee näitä laajemmin.

Kolme tarkistusta vastaavat eri kysymyksiin:

AI:n kirjoittama teksti voi olla omaperäinen mutta virheellinen. Ihmisen kirjoittama teksti voi olla plagioitu. Luotettavakin teksti voi saada korkean AI-tuloksen.

Jos arvioit ennen kaikkea sisällön paikkansapitävyyttä, käytä AI-vastauksen luotettavuusopasta. Hallusinaatio-opas selittää, miksi sujuva teksti voi sisältää keksittyjä väitteitä ja lähteitä.

Nämä kehotteet eivät yritä arvata kirjoittajaa. Ne auttavat arvioimaan väitteitä, dokumentoimaan prosessia ja valmistelemaan reilun jatkokeskustelun.