Tekoälyn tehokuuri

M365 Copilot -tekoälypilotti vei xamkilaiset askelta syvemmälle tekoälyn maailmaan. Kolme kuukautta kestänyt projekti ei mullistanut työtä kerralla, mutta toi arvokkaita kokemuksia ja kehitti ymmärrystä tekoälyn mahdollisuuksista.

Kaakkois-Suomen ammattikorkeakoulussa (Xamk) käynnistyi syksyllä 2025 M365 Copilot -tekoälypilotti. Tavoitteena oli arvioida M365 Copilotin käyttökelpoisuutta ja vaikutuksia organisaation toimintaan ja henkilöstön työhön. Pilottiin osallistui 90 Xamkin työntekijää eri puolilta organisaatiota. Heille aktivoitiin Copilot-lisenssit ja järjestettiin viikoittain koulutuksia suomeksi ja englanniksi. Varsinaiset koulutukset pidettiin tiistai- ja torstaiaamuisin, ja perjantaisin Copilot-klinikoilla oli mahdollisuus keskustella yhdessätuumin käyttöön liittyvistä kysymyksistä. Pilottiryhmän jäsenet testasivat Copilotia omassa työssään ja raportoivat viikoittain kokemuksistaan sekä havainnoistaan. Koulutuksesta vastasivat Sulavan asiantuntijat yhdessä Xamkin Copilot M365 -projektiryhmän kanssa.

Microsoft 365 Copilot eroaa yleiskäyttöisistä tekoälyavustajista, kuten selaimeen integroidusta Copilotista (esim. Edge) siten, että se toimii suoraan Microsoft 365 -sovelluksissa ja hyödyntää organisaation sisäistä tietoa, johon käyttäjällä on käyttöoikeus. Työkalu toimii mm. OneDrivessa, SharePointissa, Outlookissa ja Teamsissa. Pilotin aikana käytössä olivat kielimallit GPT-4 ja GPT-5. 

Kirjastosta projektiin osallistui neljä tietoasiantuntijaa, jotka testasivat Copilotia omassa työssään. Tässä artikkelissa kerromme havaintoja tekoälyn käytöstä kirjastotyössä ja pohdimme, miten kokemuksemme voivat muuttaa työn tekemisen tapoja tulevaisuudessa. Koulutus keskittyi tekoälyn käyttöön asiantuntijatyössä, ei niinkään kirjastotyön kontekstissa. Sovelluslähtöisen koulutuksen teemat vaihtuivat viikoittain, mikä vaikutti siihen, että perehtyminen oli enemmän välineellistä ja kokeilevaa kuin sisältölähtöistä. 

Promptauksen jalo taito

Koulutus lähti liikkeelle perusteista eli siitä, miten Copilotin kanssa keskustellaan. Onnistuneen kehotteen (promptin) muotoilu on ratkaisevaa, sillä vastausten laatu riippuu ohjeiden tarkkuudesta. Mitä yksityiskohtaisemmin tehtävä ohjeistetaan, sitä hyödyllisempi lopputulos on. Kuten kouluttajakin havainnollisti: Copilotille kannattaa antaa yhtä täsmälliset ohjeet kuin kollegalle. Pyydätkö vain ”toisitko kahvia” vai täsmennätkö: cappuccino, tuplamaidolla, lusikka lasissa? Samalla tavoin Copilot hyötyy selkeistä ja tarkkaan rajatuista kehotteista.

Kehotteiden kirjoittaminen vaatii harjoitusta ja kärsivällisyyttä. Laadukkaaseen lopputulokseen ei voi luottaa sokeasti. Joskus tuotoksen voi heti hylätä hölynpölynä tai hallusinointina. Toisinaan teksti näyttää päällisin puolin asialliselta, mutta tarkempi lukeminen paljastaa pinnallisuuden, virheet tai aiheen sivuun lipsumisen. Välillä tunne on kuin keskustelisi lampun hengen kanssa: “toivo mitä vain, ja saat mitä vain”. Tämä ei silti tarkoita, etteikö Copilot pystyisi tuottamaan erittäin laadukasta sisältöä. Parhaat tulokset syntyvät, kun aineisto, tehtävä ja ohjeistus ovat tarkasti rajattuja. 

Tekoälyn yksi yleisimmistä käyttötavoista lienee vieraan kielen kääntäminen omalle kielelle tai toisinpäin. Copilotin avulla voi mennä askelta pidemmälle: tietoasiantuntijan päivään toi hyötyä ja iloa ranskan kielen opettajaksi ajastettu prompti, joka johti päivittäin keskustelua viikon tapahtumista. 

Lisenssi-Copilotin edut

M365 Copilotin vahvuus on organisaation sisäisen tiedon ja datan hyödyntäminen. Se tuo käytännön hyötyjä esimerkiksi silloin, kun työntekijän on päästävä kattavasti käsiksi olennaisiin tietoihin ja valmistauduttava seuraavaan Teams-kokoukseen. Copilot auttaa hahmottamaan tilanteen nopeasti, oli kyse sitten poissaolon aikaisista tapahtumista tai pitkien sähköpostiketjujen selvittämisestä. Sovellus säästää aikaa tiedon etsimiseltä ja kokoamiselta.
 
Teams-kokousapurina Copilotista on tullut merkittävä. Se kokoaa yhteenvedon kokouksen agendasta ja aiemmista keskusteluista riippumatta siitä, onko keskustelu käyty Outlookissa vai Teamsissa. Valmistelussa huomioidaan myös muistiinpanot, ja Copilot osaa ehdottaa käsiteltäviä asioita sekä tuoda esiin mahdollisia näkökulmia. Käytännössä se kerää relevantin dokumentaation, tiivistää sisällön ja tarjoaa työstettäväksi konkreettisia ehdotuksia. Kokouksista se tuottaa tekstitallenteen, jonka pohjalta se laatii kehotteen perusteella varsin osuvat kokousmuistiot. Kun Copilot on kutsuttu kokoukseen, se tarjoaa oletuksena muistiinpanot ja seurantatehtävät. Tekstitallenteeseen pohjautuva muistio on ollut toistaiseksi paras ja täsmällisin yhteenveto keskustelusta.
 
Copilotin osaamista testattiin myös kuvailijan apuna luokituksessa, asiasanoituksessa sekä sisällysluetteloiden teossa. Sen suurin hyöty on ollut sisällysluetteloiden muuntaminen valmiiksi MARC21-kentiksi. Parhaimmillaan Copilot pystyy tuottamaan sisällysluettelon kirjasta otetusta kuvasta tai kustantajan sivuilta linkatusta aineistosta. Onnistumisaste on kuitenkin vaihtelevaa – tulokset voivat olla hyviä tai toisinaan hyvinkin hallusinoituja. Luokitusten ja asiasanojen valinnassa Copilot on innokas, mutta huolellisesta kehotteen muotoilusta huolimatta tulokset jäivät epäluotettaviksi. Kuvailun osalta Copilotin vahvuus on lähinnä tekstin muotoilussa ja sisällysluetteloiden rakenteistamisessa. 

Opetusmateriaalien lokalisointi ja käännökset tekoälyllä

Erityisen hyödylliseksi Copilot on osoittautunut opetusmateriaalin monikielisessä tuotannossa ja lokalisoinnissa oppimisalustalle. PowerPoint-esityksen voi luoda pohjautuen annettuun materiaaliin, esimerkiksi Word-tiedoston pohjalta. Tehtyyn esitykseen Copilot osaa myös antaa parannusehdotuksia. Tekstejä voi muokata eri kielisiksi, -tyylisiksi ja -tasoisiksi. Ei-natiivia englannin kielen puhujaa auttaa PowerPoint-diojen pohjalta tuotetut englanninkieliset muistiinpanot.

Kun opetusmateriaalia halutaan muokata Moodlessa, työkalun koodin ja tekstin tunnistamisesta on apua. Suomenkielisestä aineistosta voi automaattisesti luoda eri kieliversioita säilyttäen HTML-rakenne ja Moodle-yhteensopivuus. Copilot kääntää sisällön halutulle kielelle ja palauttaa sen muodossa, joka on suoraan käytettävissä Moodlessa. Tämä perustuu siihen, että Copilot tunnistaa HTML-elementit ja erottaa ne varsinaisesta tekstistä. Sama hyöty ulottuu myös muihin HTML-pohjaisiin sivustoihin. 

Päättelyagenttien onnistumiset ja kompastumiset 

Microsoft 365 Copilot laajeni tänä vuonna yleisavustajasta erikoistuneiden päättelyagenttien tiimiksi. Pilottiryhmä sai koulutusta muun muassa Tutkija- ja Analyytikko-agenttien käyttöön. Niiden avulla on mahdollista tuottaa esimerkiksi syvällisempiä raportteja tai analysoida dataa yksityiskohtaisesti. Etenkin Analyytikko on lisäksi tehokas apu tiedon visualisoinnissa. Se luo näppärästi kaavioita tai kuvia raporttien selkeyttämiseksi. Tekoäly toimii näin ikään kuin tarvelähtöisesti eri rooleissa. Myös muilla tekoälytyökaluilla on vastaavia syvälliseen tutkimukseen ja analysointiin erikoistuneita työkaluja. 

Pilottiryhmä kokeili myös omien räätälöityjen agenttien rakentamista. Niiden luominen kannattanee etenkin silloin, jos tarvitaan kohdennettua apua tiettyyn tehtävään. Mahdollisuudet omien agenttien luomiseen ovat lähes rajattomat. Kirjastolle ja opiskelijoille hyötyä voisivat tuoda esimerkiksi AI-agentti, joka auttaa e-aineistojen kirjautumisongelmissa tai tiedonhaun opetukseen erikoistunut opettaja-agentti. 

Excel-tiedostojen käsittely on arjessa aikaa vievää ja manuaalista työtä. Taulukot sisältävät monenlaista tietoa numeerisesta datasta vapaamuotoiseen tekstiin. Copilotia kokeiltiin apuna muun muassa oppimateriaalitietojen löytämisessä kurssisuunnitelmista sekä kirjastojärjestelmissä olevien avointen aineistojen linkkien toimivuuden tarkistamisessa. Linkkien tarkistuksessa hyödynnettiin Tutkija-agenttia, jolle annettiin tehtäväksi tarkistaa Excel-taulukossa olevien linkkien toimivuus ja vertailla linkkien sisältöä taulukossa mainittuihin nimekkeisiin. Copilot onnistui tunnistamaan rikkinäisiä osoitteita ja vertailemaan sisältöjä. Vaikka tulokset eivät ehkä olleet täysin kaikenkattavia, Copilot tarjosi silti apua ja säästi aikaa.

Oman agentin tekemistä kokeiltiin luomalla muun muassa kirjastotyöhön soveltuvat kuvailuagentti ja laskutusagentti. Laskutusmääräysten tekoon on toivottu jonkinlaista automaatiota. Ne tehdään nykyisellään käsin, ja vaikka työ ei ole vaikeaa, se vaatii paljon tietojen kopiointia kirjastojärjestelmästä. Visiona oli rakentaa laskutusagentti, joka mallipohjan avulla loisi valmiin laskutusmääräyksen kirjastojärjestelmästä otetun CSV-tiedoston perusteella. Copilot tuotti osittain järkevää dataa, mutta lopputulos ei kertaakaan ollut suoraan käyttökelpoinen laskutukseen. Lisäksi agentin kyvyttömyys tuottaa valmista ladattavaa Excel-tiedostoa aiheutti ongelmia.

Tekoälyn käyttö opiskelijan arvioinnin tukena

Xamkin pilottiryhmä kävi koulutuksen aikana vilkasta keskustelua tekoälyn roolista asiantuntijatyössä. Osallistujat jakoivat kokemuksiaan ja havaintojaan tekoälyn roolista muun muassa opetuksessa. Esille nousi esimerkiksi kysymykset tekoälyn käytöstä opiskelijan arvioinnin tukena. Keskustelussa korostettiin opettajan vastuuta. Vaikka tekoäly olisi hyödyllinen apuväline arvioinnissa, kokonaan sitä ei voi ulkoistaa tekoälylle vaan tekoälyn rooli on tukea opettajan tekemää harkintaa. Arvioinnissa korostuu myös läpinäkyvyys: kerrotaan miten ja missä tekoälyä käytetään. 

Esimerkiksi esseiden lukemiseen ja korjaamiseen tekoäly saattaa tuoda kaivattua apua. Monivalintatehtäviä on toki nopeampi korjata, mutta kirjoittamisen perinteen soisi jatkuvan korkeakoulutuksessa. Esseevastauksissa opiskelijalla on mahdollisuus ilmaista itseään vapaammin ja jäsennellymmin. Kun tekoälyä käytetään apuna esseen tarkistamisessa, olennaista on, että opettaja on edelleen päävastuussa arvioinnista. Hän vastaa esimerkiksi siitä, miten ja millaisilla kriteereillä on kouluttanut arvioinnissa avustavan tekoälyn. 

Tekoäly on jo osa arkeamme ja koulutusta, ja se muuttaa todellisuutta monin tavoin. Moni kaipaakin ennen kaikkea hyviä käytänteitä ja konkreettisia esimerkkejä siihen, miten toimia.

Tekoäly on hyvä apuri pienissä osatehtävissä – kokonaisia työprosesseja se ei vielä hallitse

Muuttuiko tietoasiantuntijan työ olennaisesti? Copilot ei mullistanut työtä kerralla, mutta jo muutaman viikon käyttö kuitenkin muutti työtapoja. Copilot toimi pilotin aikana älykkäänä assistenttina, joka suoriutui parhaiten selkeästi määriteltyjen tehtävien tukena. Se auttoi ja säästi aikaa tietyissä töissä, mutta ei korvannut inhimillistä asiantuntijuutta ja harkintaa. Jotta ominaisuuksien hyödyntäminen olisi jatkossa sujuvaa ja tasalaatuista, kaikilla työntekijöillä tulisi olla käytössään sama, riittävän laaja Copilot-lisenssi.

Haasteitakin ilmeni. Microsoft päivittää järjestelmiä jatkuvasti: se, mitä opin tänään, ei välttämättä toimi täsmälleen samoin huomenna. Tämä vaatii joustavuutta ja aikaa perehtymiseen. Copilot myös lupaa paljon, mutta ei vielä kykene kaikkeen. Esimerkiksi kuvien ja visuaalisempien PowerPointien tuottaminen jäi vähäiseksi, koska käytössä ollut versio ei tukenut kyseisiä ominaisuuksia riittävän hyvin.

Sen sijaan suurin hyöty nähtiin tekstin käsittelyssä. Copilot on erinomainen apu suurten tekstimassojen kanssa työskennellessä. Se etsii olennaisia tiedonjyviä ja tiivistää ydinkohdat, ja osoittautui hyödylliseksi esimerkiksi eri tietokantojen sisällön vertailussa. Hyöty kasvoi, kun omaa työskentelytapaa muokattiin tekoälyn vahvuuksien ja heikkouksien mukaan antamalla tarkat ohjeet ja täydentämällä Copilotin puutteita asiantuntemuksella.

Pilotin aikana käyttökokemukset kehittyivät. Xamkin pilottiryhmältä kerättiin viikoittain palautetta tehokkuudesta, ajan säästöstä, laadun paranemisesta, uusista oivalluksista ja tyytyväisyydestä. Kyselyiden asteikko oli 1–5. Lähes kaikki osa-alueet nousivat syyskuusta lokakuuhun: tehokkuus 2,7 → 3,1, ajan säästö 2,8 → 3 ja laatu 2,5 → 3. Uusien oivallusten ja työtapojen löytyminen pysyi korkealla koko ajan, ja tyytyväisyys kasvoi tasaisesti. 

Pilottikoulutus keskittyi yhden tekoälytyökalun – Copilotin – käyttöön ja ominaisuuksiin. Copilot on hyvä apuri pienissä, selkeissä osatehtävissä, mutta paljon kehitystä tarvitaan ennen kuin se pystyy hoitamaan kokonaisia työprosesseja. Pilotin aikana kertynyt kokemus auttaa jatkossa suuntaamaan muutakin tekoälyn käyttöä yhä monipuolisemmin erilaisiin tehtäviin.

Tekoälytyökalut muuttavat kirjastotyötä merkittävästi. Tulevaisuudessa tuskin kuitenkaan huomaamme, että käytössämme on erillinen tekoäly. Ne Copilotin ominaisuudet, joita nyt harjoittelimme, saattavat olla niin luonteva ja itsestään selvä osa käyttökokemusta, ettemme enää erota erillisiä tekoälytyökaluja.