tekoäly

Tekoälyn lyhyt ja pitkä kaari uutismediassa tästä eteenpäin – mitä oikeasti tapahtuu ja mikä lopulta on olennaista?

Mitä uutismediassa tiedetään tapahtuvan generatiivisen tekoälyn saralla vuoden sisällä, ja mitä mahdollisesti tapahtuu pidemmällä aikavälillä? Ensiksi mainittu jo tiedetään. Viimeksi mainittu vaikeampi. Isoin kysymys liittyy luovuuteen ja erottuvuuteen.

Teknologia mahdollistaa jo nyt monia asioita, mutta kaikkea ei kannata vain sen vuoksi tehdä, jottei luottamus vaarannu. Muuten voi käydä kuten italialaiselle Il Fogliolle.

Toisaalta näyttää siltä, että joissain aihepiireissä toimituksellisten prosessien automatisointi on tietyllä tavalla turvallisempaa. Yksi pisimmälle vietyjä kokeiluja lienee tanskalaisen Better Collectiven alusta loppuun tekoälyllä pyörivä jalkapallon siirtouutissivusto.

Tasapainottelua

On sitten kyse pitkästä tai lyhyestä aikavälistä, tämä Ezra Eemanin nelikenttä tiivistää minusta hyvin, että kyse on jatkuvasta tasapainottelusta. Jos painopiste siirtyy automaatioon ja tekoälyagentteihin, se on väistämättä pois jos ei kontrollista niin vähintäänkin hallinnan tunteesta organisaatiossa.

Tämä kuva tekoälyagenttien mahdollisuuksista mediassa on niin ikään Eemanin ja kiteyttää käytännössä, mistä esimerkiksi edellä mainitussa tanskalaisesimerkissä on kyse.

Eeman on Hollannin yleisradioyhtiö NPO:n strategia- ja innovaatiojohtaja ja Wan-Ifran eli sanomalehtien ja uutistoiminnan kustantajien maailmanlaajuisen kattojärjestön tekoälyneuvonantaja.

Lyhyt kaari – vuosi 2025

Tämän me jo tosiaan tiedämme. Tai ainakin tiedämme sen, mitä uutisorganisaatioiden johto on suunnitellut tämän vuoden aikana tekevänsä, ja millaisia tuloksia näistä olemme erilaisissa kansainvälisissä seminaareissa nähneet.

Ison kuvan piirtää Reuters-instituutin kyselytutkimus tammikuulta. Nämä kaksi kuvaa kertovat, mitä tapahtuu konepellin alla ja toisaalta mitä näkyy lukijoille.

Monet mediat esimerkiksi kehittävät tai ovat jo tehneet työkaluja tiivistämiseen, kääntämiseen ja muuhun versiointiin, litterointiin, hakukoneoptimointiin, otsikointiin, yleisötarpeissa sparraamiseen, faktantarkistukseen, ideointiin, editointiin ja tiedonhakuun. Näkymä on monipuolistunut 1-2 vuodessa, kun ottaa huomioon, että alussa tekoälyllä lähinnä vain tiivistettiin ja käännettiin. Muutaman vuoden aikana osa näistä toiminnoista on jo uinut sinne missä toimittajat päivittäin muutenkin ovat: toimitus- ja suunnittelujärjestelmiin. Toimituksellisia prosesseja pyritään automatisoimaan yhä enemmän.

Asiakkaille yhä useammat uutistoimijat kehittävät keskustelevia käyttöliittymiä, mutta toistaiseksi epävarmaa on, kuinka iso massa niitä haluaa lopulta nimenomaan uutisten kuluttamiseen käyttää. Niiden käyttäminen kuitenkin vaatii tietynlaista aktiivisuutta käyttäjältään. Riskejäkin on. Suurin on se, jos luotettavan median botti antaa väärää tietoa.

Pitkä kaari – useampi vuosi

Tässä yhteydessä kuulee media-alalla aika usein termin ”liquid content”. Se on alun perin Googlen tekoälyjohtajan Mathieu Lorrainin keksimä termi. Tekoälyavusteinen perus-versiointi on jo nyt tätä. Tai Süddeutsche Zeitungin esimerkki, jossa jutun voi halutessaan klikata painikkeesta selkokieliseksi.

Joidenkin mielestä – ei kaikkien – edessä on täysin hyperpersonoitu tulevaisuus, jossa käyttäjä saa sisällön mieleisessään formaatissa automaattisesti ja ”artikkeli” sellaisenaan lakkaa olemasta.​ On hyvä tiedostaa, että media-alalla on ennustettu aiemminkin ties minkä kaikkien kuolemaa (esimerkiksi sanomalehtien, kun radio keksittiin), joten kaikkea ei kannata purematta niellä. Voi myös hyvin olla, että vanha ja uusi elävät joskus rinnakkain. Näinhän on nytkin.

Liquid content oli yksi teema, joka toistui jokin aika sitten Tanskassa järjestetyn Nordic AI in Media 2025 -tapahtuman puheenvuoroissa. Muitakin oli:

  • Työkalujen käytöstä vapautuva aika käytettävä sellaiseen journalismiin, jota tekoäly ei voi kopioida tai automatisoida.​
  • Riippumattomuus teknologiajättien tekoälyalustoista: omat työkalut & integrointi toimitusten prosesseihin. Ei sulje pois yhteistyötä tekoälyjättien kanssa.​
  • Tarvitaan uusia liiketoimintamalleja, jotka eivät perustu vain mainoksiin ja tilauksiin.
  • Tarvitaan kulttuurinmuutos toimituksiin: avoimuutta, kokeilunhalua, kykyä oppia. Ja aiempaa avoimempaa yhteistyötä medioiden välillä.​ Jopa toistensa kanssa kilpailevien medioiden.

Mikä on lopulta olennaista?

Kaiken kohinan keskellä huomaan itse ajattelevani usein…niin, tätä kaikkea loputonta kohinaa ja hälinää. Ja luovuutta. Miten nähdä sen keskeltä olennainen? Tämähän liittyy keskeisesti myös journalistiseen työhön. Uskon vahvasti, että tekoäly pystyy jossain vaiheessa aidosti säästämään ihmisten aikaa, jotta nämä voivat todellakin keskittyä niin sanottuun olennaiseen (journalismissa sellaiseen sisältöön jota on vaikeinta kopioida), mutta muutos on hitaampi kuin kuvittelemme. Tämän puki tällä viikolla erinomaisen hyvin sanoiksi Jukka Niittymaa, joka on yksi Suomen arvostetuimmista tekoälyasiantuntijoista:

”Aluksi luulin, että generatiivinen tekoäly vapauttaa meidät pahimmasta kiireestä. Enää en luule niin. Tekeminen muuttuu, mutta oli lapsellista olettaa, että ihmisluonto muuttuisi yhtä nopeasti kuin tekniikka kehittyy. Jos me haluamme pitää huolta siitä, että ihmisellä on sellaisia ideoita, mitä tekoäly ei ehkä kykene vielä generoimaan ja hallusinoimaan, niin ajattelun aikaa pitäisi alkaa arvostamaan. Mutta mitenkäs se temppu tehdään maassa, jossa innovoinnin tehokkuutta mitataan monissa paikoissa innovoidessa ja asiantuntijatöissä kellokorttimaisesti tuntikatteella?”

Normaali
tekoäly

Googlen NotebookLM tekee nyt podcastin suomeksi vaikka yhdestä blogikirjoituksesta – kuuntele, miten hämmentävän hyvin se toimii

”Ja totaa…”

”Se tavallaan asettaa sen tekoälyn oikeeseen moodiin. Annat sille vähän niinku ammatillisen identiteetin…se on sit se viitekehys mistä se sitä tehtävää lähestyy.”

”Joo. Toi on hyvä pointti, et pelkkä tehtävänanto voi olla liian yleinen”…

Google päivitti tällä viikolla NotebookLM-tekoälytyökalunsa tukemaan vihdoin myös suomen kieltä. NotebookLM:n Audio Overviews -ominaisuus muuntaa kirjoitetun sisällön, kuten asiakirjat, muistiinpanot tai verkkosivut, keskustelunomaiseksi äänitiedostoksi eli käytännössä kahden keskustelujan podcastiksi. NotebookLM:ää voi käyttää ilmaiseksi, kunhan omistaa Google-tilin.

Syötin työkaluun yhden lähteen eli tämän blogikirjoitukseni (”Hei journalisti! Hyvä GPT-kehote ei ole tähtitiedettä – konkreettinen esimerkki & vinkit”), painoin Enteriä ja tulos tuli muutamassa minuutissa. Se on kuunneltavissa ohesta. Ensimmäiset parikymmentä sekuntia eivät ole aivan vakuuttavimpia joidenkin lausumistapojen vuoksi (”hei shuurnalisti”), mutta aivan alun jälkeen keskustelu on mielestäni hämmentävän hyvää ja ihmismäistä kielen ja intonaation osalta, sekä myös lähdettä tarkasti noudattelevaa. Etenkin naiskeskustelija kuulostaa pääosin todella luonnolliselta.

Kuuntele itse:

Normaali
tekoäly

Näin kiinalainen Manus AI haki itse tiedot ja teki uutisia varsinaissuomalaisesta sulkapalloturnauksesta – infografiikoineen

Pakkohan tätä oli kokeilla, koska sen verran mieleenpainuva oli tämänviikkoisessa Nordic AI in Media -tapahtumassa mainittu esimerkki tanskalaisen urheilumediakonsernin Better Collectiven kokeilusta tekoälyagenttien hyödyntämiseksi urheilumaailman siirtouutisissa ja koko toimitusprosessissa. Kokeilussa tekoälyagentit toimivat mm. somepostausten haravoijina, taustatietojen kokoajina, jutunkirjoittajina, faktantarkistajina, (lähteisiin) linkittäjinä ja lopulta jutun julkaisijoina. Kokeiluluontoisena lopputuotoksena on tämä uutissivusto, jota yhtiö ei mainosta, mutta se löytyy avoimesti verkosta.

Harrastan höntsäsulkapalloa ja entisenä juniorikilpapelaajana myös edelleen seuraan aktiivisesti suomalaista ja kansainvälistä kilpasulkapalloa, joten päätin kokeilla paljon esillä olleella kiinalaisella Manus AI -tekoälyohjelmalla, miten sen agentit kykenevät tekemään antamani kehotteen perusteella sulkapallouutisia ja hakemaan sitä varten tiedot netistä. Antamani tehtävä oli melko yksinkertainen ja tässä tapauksessa annoin tekoälylle lähteen jo valmiiksi:

Kirjoita tämän Kaarinassa Suomessa parhaillaan käynnissä olevan sulkapalloturnauksen miesten kaksinpelin valioluokan (V) tähänastisista tuloksista urheilu-uutisia, jotka olet otsikoinut kiinnostavasti ja todenmukaisesti. Älä lisää uutisiin omia tietojasi, mutta voit tutkia oheisen sivuston eri pelaajista tarjoamia muita tietoja, kuten mitä seuraa he edustavat tai mahdollisesti, minkä ikäisiä he ovat. Toimi uutisia kirjoittaessasi kuin kokenut urheilutoimittaja. Kiinnitä erityistä huomiota siihen, että kirjoittamasi tiedot pitävät paikkansa. Kirjoita viisi uutista eri tuloksista. Otsikoissa saisi olla keskenään variaatiota, eli älä tee niistä liian samantyyppisiä. Tässä sivu, jossa on turnauksen tietoja ja tuloksia (turnaus jatkuu vielä huomenna, minkä asian voit huomioida uutisissasi): https://badmintonfinland.tournamentsoftware.com/tournament/1be8364c-7ad5-4aeb-8024-5a167584123d/Matches

Edellä kerrotun promptin perusteella Manus teki kyllä sinänsä hyvin kirjoitettuja perusuutisia pääosin oikein tulostiedoin, mutta kiellostani huolimatta sävelsi sinne myös omiaan, eli mm. keksi pelaajille sitaatteja ja luonnehti pelin kulkua, vaikka ei tietenkään voinut esimerkiksi tietää, hallitsiko Tapion Sulan pelaaja ”erityisesti verkkopeliä”:

Pyysin korjausta eli Manusta vielä tekemään esimerkkiuutisen, johon se ei oikeasti keksi mitään. Tulos oli tämä eli paikkansapitävä ihan kelpo uutinen. Lopussa on pieniä virheitä, joita ei huomaisi ellei tarkistaisi asioiden todellista laitaa. Pelaajia oli kyllä kaaviossa 16, tosin yksi oli jo luovuttanut ennen Kaarinaan tuloaan. Lisäksi eri seurojen edustajien määrän laskeminen osoittautui vaikeaksi – luvut ovat kyllä suunnilleen oikein, mutta eivät täysin

Se infografiikka, jota myös pyysin (pelaajien seurajakaumasta ja pelaajamäärästä miesten kaksinpelin valioluokassa)? Ihan hyvältä ensisilmäyksellä näyttää, mutta kolmenkaan korjauspyynnön jälkeen seurojen määrät eivät menneet täysin oikein, toki lähes:

Mitä opin tekoäly(agentti)työkaluista tästä kokeilusta? Varmaankin kaksi asiaa: oikean lähtöpromptin ja jatko-ohjeiden tärkeyden (olisin varmasti voinut tehdä heti alkuun esim. rakenteellisemman askeleittaisen promptin, jossa annan sille roolin, kontekstin, tehtävän ja muut raamit selkeämmin) sekä samaa mitä aina ennenkin: yleistä varovaisuutta: ihmisen vastuun korostamisen tarve tietojen oikeellisuuden takaamiseksi ei ihan heti tule loppumaan.

Normaali
tekoäly

Hei journalisti! Hyvä GPT-kehote ei ole tähtitiedettä – konkreettinen esimerkki & vinkit

Internet on pullollaan vinkkejä, miten promptaat tekoälyillä mahdollisimman tehokkaasti. Yhtä ja oikeaa tapaa kehotteen tekemiseen ei ole, mutta yhteistä niille on selkeys ja täsmällisyys.

Journalistisiin tarkoituksiin tehtyä spesifejä kehotteita löytyy runsaasti jo eri mediatalojen tekoälyapureiden taustalta. On hyvä ymmärtää, että niiden luominen ei ole itsessään monimutkaista. Kansainvälisiä luovia ja hauskojakin kehote-esimerkkejä nimenomaan journalistin työhön voi hakea esimerkiksi New Yorkin kaupunginyliopiston journalismiprofessorin Jeremy Caplanin Wondertools-uutiskirjeestä

Hyvää kehotetta, tai sellaista hyödyntävää GPT-apuria suunniteltaessa kaikki lähtee luonnollisesti käyttäjien tarpeista: mitä ongelmaa ollaan ratkaisemassa. Mediataloissa näitä tarpeita voivat olla esimerkiksi otsikoinnin parantaminen, hakukoneoptimoinnin tehostaminen, kielen sujuvoittaminen ja muu editointi, sosiaalisen median jakotekstien laatiminen, juttuideoiden pallottelu ja niin edelleen.

Tässä kirjoituksessa tiivistän ensin hyvän kehotteen perusrakenteen, minkä jälkeen kerron esimerkkipromptin havainnollistusmielessä tekemälleni Kääntäjä-GPT-apurille (kokeile itse). Kirjoituksen lopussa on hieman yksityiskohtaisempi, 17 kohtaa sisältävä muistilista kehotteen tekoon.

Tätä ennen on kuitenkin syytä muistuttaa siitä, mistä aina kaupallisten tekoälytyökalujen kohdalla: älä anna tekoälylle mitään sellaisia tietoja, joiden et kestäisi vuotavan mihinkään. Tekoälyt myös edelleen hallusinoivat ja käyttävät lähteitä epämääräisesti, joten tarkistamisen on syytä olla perusrutiini. Jos pyydät tekoälyä linkittämään lähteeseen, voi myös olla, että sen antama linkki ei toimi.

Detaljina vielä todettakoon, jos joku ihmettelee, miksi prompteissa on joskus hakasulkeita: niitä käytetään mm. erottamaan ohjeteksti sisällöstä tai viestimään siitä, mikä kohta on tarkoitus korvata omalla sisällöllä.

Jos käytät ChatGPT:tä ja haluat tehdä omia apureita, klikkaa aloitusnäkymän vasemmasta laidasta kohtaan “tutustu GPT:ihin” ja täytä pyydetyt kentät ohjeiden mukaan. Perplexityssä vastaavantyyppinen toiminto löytyy vasemman laidan Spaces-painikkeen takaa.  

Tiivis perusrakenne tehokkaalle kehotteelle

  • [ROOLI]: Määrittele, millaisena asiantuntijana tai toimijana mallin tulisi toimia.
  • [TEHTÄVÄ]: Kerro selkeästi, mitä mallin halutaan tekevän.
  • [KONTEKSTI]: Kuvaile taustatilanne, kohderyhmä tai muu olennaisesti tehtävää ohjaava tieto.
  • [RAJOITTEET]: Listaa, mitä pitää välttää tai millaisia ohjeita on noudatettava. Tämä voi osin limittyä tehtävän kanssa.
  • [ESIMERKKI]: Voit havainnollistaa esimerkillä, miten haluat toimittavan (voi toimia oikein hyvin ilmankin esimerkkiä).
  • [LOPPUTUOTOS / TYYLI]: Ilmoita, millaisessa muodossa tai millaisella tyylillä lopputuloksen haluat.

Esimerkkikehote: Kääntäjäapuri (voit kokeilla sitä itse ChatGPT:ssä täällä, vaatii kirjautumisen)

  • [ROOLI]:
    • Toimi huippuluokan monikielisenä kielenkääntäjänä.
  • [TEHTÄVÄ]:
    • Käännä sinulle annettu teksti käyttäjän pyytämälle kielelle.
  • [KONTEKSTI]:
    • Olet erikoistunut käännöksiin suomen, englannin ja ruotsin välillä, mutta pystyt työskentelemään kaikilla maailman kielillä. Käännät tekstejä sekä suomesta muihin kieliin että muilta kieliltä suomeksi. Olet natiivitasoinen suomen, ruotsin ja englannin kielen osaaja.
    • Erinomaisten kielenkääntäjien tavoin keskityt ajatusten ja merkitysten välittämiseen, et pelkästään sanasta sanaan -kääntämiseen. Suomen kielessä erityisvahvuuksiasi ovat selkeys, termien ymmärrettäväksi tekeminen ja ilmaisujen sujuvuus.
    • Käytät kääntäessäsi aina samaa tyylilajia ja sävyä kuin alkuperäisessä tekstissä, oli kyseessä sitten muodollinen, rento, asiallinen tai leikittelevä tyyli.
  • [TYYLI / RAKENNE]:
    • Vastauksesi rakenne on aina seuraava:
      • Tiivistelmä: Viiden lauseen pituinen yhteenveto käännöksen sisällöstä (vain jos alkuperäisessä tekstissä on enemmän kuin viisi virkettä).
      • Koko tekstin käännös: Täydellinen käännös alkuperäisen tekstin tyyliä, rakennetta ja sävyä mukaillen.
  • [RAJOITTEET]:
    • Vältä mekaanista sanasta sanaan -kääntämistä, ellei se tuota luontevaa ja ymmärrettävää lopputulosta.
    • Käytä alkuperäisen tekstin tyyliä ja sävyä käännöksessä.
    • Jos alkuperäisessä tekstissä on epäselviä, monitulkintaisia tai kontekstiltaan puutteellisia kohtia, pyydä käyttäjältä tarkennusta ennen kääntämistä.
    • Älä tee oletuksia käännöskielestä, jos sitä ei ole ilmoitettu — pyydä selvennystä [tämä hakasulkeiden sisällä oleva teksti ei kuulu promptiin: huom. lisäsin Kääntäjään kolme oletuspainiketta, jotka vähentävät oman kirjoittelun tarvetta]

GPT-apuria tehdessäsi kehote kirjoitetaan Ohjeet-kenttään.

Pidempi 17 asian muistilista hyvälle kehotteelle (lähde: How to AI -uutiskirje)

  • Määrittele tavoite/tehtävä: Kerro selkeästi, mitä haluat tekoälyn (tässä ChatGPT:n) tekevän.
  • Tarkenna muoto: Ilmoita, missä muodossa haluat vastauksen (esim. lista, kappale).
  • Anna rooli: Pyydä toimimaan tietyssä roolissa vastauksen antamiseksi.
  • Tunnista kohderyhmä: Kerro, kenelle vastaus on tarkoitettu.
  • Anna taustatietoa: Tarjoa tarvittava konteksti tilanteen ymmärtämiseksi.
  • Aseta rajoitteita: Määrittele esimerkiksi vastauksen pituus tai vältettävät aiheet.
  • Käytä selkeää kieltä: Muotoile kehotteesi yksiselitteisesti ja tarkasti.
  • Käytä esimerkkejä: Havainnollista, millaista vastausta toivot.
  • Määrittele sävy/tyyli: Ilmoita, haluatko vastauksen olevan esim. muodollinen vai rento.
  • Pyydä vaiheittaista vastausta: Pyydä halutessasi tarkkoja askel askeleelta -ohjeita.
  • Kannusta luovuuteen: Salli uudet ideat ja epätavanomaisetkin näkökulmat, jos se on tarkoituksenmukaista.
  • Pyydä lähteitä: Tarvittaessa pyydä linkittämään lähteitä vastausten tueksi tai niiden yhteyteen.
  • Selvennä termit: Avaa sellainen terminologia, joka on vaikeasti ymmärrettävää, jottei synny väärinymmärryksiä.
  • Ole ytimekäs: Pidä kehotteet napakoina, mutta riittävän kattavina.
  • Kysy yksi asia kerrallaan: Vältä monia kysymyksiä yhdessä kehotteessa.
  • Testaa ja muokkaa: Kokeile eri sanamuotoja parhaan lopputuloksen saavuttamiseksi.
  • Anna palautetta: Kerro, jos vastausta pitää säätää tai tarkentaa.

Loppuun vielä: olet ehkä nähnyt somefiidissäsi monen tekevän omasta kuvastaan ”tuotepakkauksen” ChatGPT:n päivitetyllä kuvanluontiominaisuudella. Sellainen syntyy kuvassa näkyvällä kehotteella (lähde: Linkedin, josta voit halutessasi kopioida kehotteen):

Normaali