Avainsana-arkisto: OpenAI

Strategia ja liiketoiminta, tekoäly

Vibekoodaus journalismissa on nyt kuuminta hottia – tätä se tarkoittaa & uhat ja mahdollisuudet

Tämä journalistista vibekoodauskerhoa mainostava kuva on otettu helmikuussa City University of New Yorkin Craig Newmark Graduate School of Journalismin tiloissa.

Vibekoodaus tai fiiliskoodaus tarkoittaa ohjelmointia ilman syvää teknistä ymmärrystä – mennään ”fiiliksen mukaan” siten, että esimerkiksi sovellusta rakennetaan kuvailemalla haluttuja toimintoja luonnollisella kielellä. Kyse ei kuitenkaan ole vain teknisestä ilmiöstä, vaan voidaan ajatella, että esimerkiksi uutismedioissa se avaa mahdollisuuksia laajempaan työtapojen ja työkulttuurin muutokseen. Koetan tässä kirjoituksessa avata, miten.

Tapoja fiiliskoodaukseen on monia, niin kuin on palveluitakin. Tunnetuimmasta päästä suuren yleisön silmissä lienee ruotsalainen kasvuraketti Lovable. Sillä voit halutessasi pyöräyttää vaikkapa arkipyhävapaalaskurin ja jakaa sen kaverille:

Luonnollisella kielellä tähän tapaan toimivia työkaluja ovat myös esimerkiksi ChatGPT Codex, Cursor, Claude Code tai Replit. Itse käytän eniten Codexia sekä Googlen Antigravityä, jolle annetaan hallitusti pääsy koneesi tiedostoihin, jolloin ohjelmia voi rakentaa helposti myös lokaalisti eli omalle koneelle sen sijaan että ne sijaitsevat pilvessä kuten Lovablen tapauksessa. Lokaaliuden etuna on esimerkiksi se, että omalle koneelle ladatun avoimen lähdekoodin kielimallin käyttö ei maksa mitään. Tällä logiikalla voi rakentaa vaikkapa Youtube-videoiden litteroijan, joka toimii näin:

  • Syötä linkki esim. Youtube-videoon tai podcastiin.
  • Sisältö latautuu omalle koneelle automaattisesti yleensä audiona.
  • Ääni muuttuu transkriptioksi ja latautuu txt-tiedostona omaan kansioonsa.
  • Kielimalli antaa käyttäjän kysymyksiin vastauksia transkription pohjalta.

Runko on tehty Python-ohjelmointikielellä, lataus hoituu yt-dlp:llä (avoimen lähdekoodin komentorivityökalu), litterointi OpenAI:n puheentunnistusmalli Whisperillä ja kielimallin käyttö avoimen lähdekoodin ohjelmiston Ollaman kautta. Käyttöliittymä on selaimessa.

Tämä sanottua, on hyvä tiedostaa, että tällaisissa on aina vaarana ns. demoefekti: wau, vaikuttaapa näppärältä, tuotannollistetaan tämä. Siinä on sitten kuitenkin aina edessä mm. panos–tuotos-arvio. Joka sisältää esimerkiksi sen, paljonko työkalun käyttö ja ylläpito maksaisi ihan oikeasti. Tässä piileekin ”vibekoodaussuuntauksen” suurin pullonkaula organisaatioissa: syntyy valtava määrä ideoita ja prototyyppejä – joista osa varmasti erittäin hyviä – joiden putki tuotantoon on kuitenkin joko erittäin hidas tai kokonaan tukossa. Yksi oppi tässä on minusta se, että varo hurmaantumasta liian hienoista demoesityksistä. Demo on ihan eri asia kuin tuotantoon viety versio.

Omalta osaltani haluan korostaa, että en osaa koodata, enkä ole koskaan pitänyt itseäni erityisen teknisenä ihmisenä. Jos minäkin pystyn tähän, pystyt sinäkin! Siinä sivussa opit koodista itse asiassa aika paljon, vaikka et koodaamaan varsinaisesti opikaan.

Jos aloitat aivan nollasta, suosittelen menemään osoitteeseen lovable.dev, kirjautumaan sinne Googlen tunnuksilla (pari klikkausta), jolloin käytössäsi on pieni määrä krediittejä, joilla voit kokeilla tehdä asioita ilmaiseksi.

Mahdollisuudet: nopeus, ketteryys ja uudenlaiset tavat tehdä töitä

Vibekoodaus madaltaa siis kynnystä rakentaa omia työkaluja. Kun idean ja prototyypin väliin ei tarvita raskasta kehitysprosessia, toimittaja voi esimerkiksi:

  • Tehdä datan puhdistus- ja analyysityökaluja omaan käyttöönsä
  • Automatisoida rutiineja (litterointi, tiedonhaku, aineiston luokittelu)

Kun kaikki ei ole enää riippuvaista keskitetystä kehitystiimistä tai keskitetystä budjetista, se voi tehdä toimituksesta ketterämmän.

Uhat: demoefekti, tekninen velka ja hallitsematon työkaluräjähdys

Demoefekti on mielestäni suurimpia uhkia, kuten aiemmin jo lyhyesti kuvasin. Prototyyppi näyttää toimivalta, mutta:

  • Kuka ylläpitää sitä?
  • Kuka vastaa tietoturvasta?
  • Mitä tapahtuu, kun API-hinnat (API = rajapinta) muuttuvat?
  • Entä jos palvelu katoaa?

Toimituksissa voi syntyä kymmeniä pieniä työkaluja, joilla ei ole omistajaa eli tahoa, joka oikeasti katsoisi työkalun perään. Tämä on omiaan synnyttämään teknistä velkaa.

Koska vibekoodaus tuntuu “ilmaiselta”, kustannuksia ei aina nähdä: kun volyymi kasvaa, kasvavat myös kulut. Jos toimitus rakentaa työkaluja vibekoodaamalla, pullonkauloiksi voivat myös muodostua ainakin seuraavat asiat:

  • Ymmärtääkö tekijä, miten malli tekee päätelmiä?
  • Miten varmistetaan datan käsittelyn eettisyys?
  • Dokumentoidaanko työkalun toimintalogiikka?

Erityisen herkkä kysymys on lähdesuoja. Jos toimittaja syöttää arkaluonteista materiaalia pilvipalveluun, se on erityisen iso riski.

  • Minne data tallentuu?
  • Käytetäänkö sitä mallien koulutukseen?
  • Täyttääkö ratkaisu organisaation tietoturvavaatimukset?

Lokaalit eli omalla koneella toimivat ratkaisut voivat olla turvallisempia, mutta nekin vaativat ymmärrystä riskeistä.

Parhaimmillaan vibekoodaus voi siis demokratisoida kehittämistä, nopeuttaa innovointia ja tehdä ainakin osasta toimittajia nykyistä enemmän palveluiden rakentajia. Toisaalta vibekoodaus voi johtaa hallitsemattomaan työkalujen sillisalaattiin, josta ei ole kokonaiskäsitystä kenelläkään. Tämän myötä vastuut hämärtyvät ja voi myös syntyä kitkaa sisältöpuolen ja kehityspuolen välille. Yksi ydinkysymys on, mikä on se prosessi, jolla parhaat ideat suppiloidaan tuotantoon. Jos tämä ei toimi, syntyy helposti tyytymättömyyttä.

Haluaisin itse ajatella jotenkin niin, että ajatuksena ei todellakaan ole, että kaikista tulee koodareita, vaan siitä, että jonkintasoisesta ohjelmoinnista tulee yksi uusi taito kirjoittamisen rinnalle. Yksi konkreettinen käyttötapa on ihan vain sekin, että teet ajattelemastasi konseptista prototyypin, jonka näytät sitten haluamillesi sidosryhmille. Näin nämä saavat hyvän käsityksen siitä, mitä ajat takaa.

Lähteitä, joita olen hyödyntänyt tässä kirjoituksessa:

Vibe coding for newsroom projects (Innovation.dw 15.12.2025)

Vibe coding is turning reporters into builders, and that’s a good thing for media (Fast Company 12.1.2026)

Rise of the vibecoding journalists (Nieman Lab joulukuu 2025)

Normaali
AI and news media, tekoäly

From Copilot to Gemini – an honest & concrete comparison of the pros and cons of some of the GenAI’s I use in my daily routines working in media

In this illustration there are only chat views, but in this article I also look at some other AI features than just chats.

The big picture: there is of course no one-size-fits-all tool. Each has its own strengths and weaknesses. What works best depends on the nature of your work and industry. The level and scope of the license also matters. From any non-expert user’s perspective, the sheer number of options can actually be a problem — keeping up feels like a full‑time job.

My experiences with different AI tools? I enjoy reading about these on LinkedIn, so here’s my own compact roundup of a few tools.

Copilot

Pros:

  • The biggest advantage is search — provided you have an M365 Copilot license. If you want to find what presentations or calendar entries you’ve made over a long period on topic X, Copilot’s compilation is surprisingly good and easy to reshape into any format you want. Or if you’re asking for guidance on a topic documented somewhere in your organization, you’ll get a solid answer in seconds. At its best, Copilot turns your intranet into a highly accessible treasure trove. My experience with Gemini’s Drive search is less convincing.
  • Security. Impossible to overstate.
  • Copilot agents (not really agents-agents but counterparts to ChatGPT’s GPTs) can actually be quite good for repetitive tasks. Gemini’s equivalents — Gems — are not as strong. But when building a Copilot agent, don’t use the clunky built‑in helper tool. Instead, create your instruction prompt elsewhere, for example in ChatGPT.
  • The deep‑dive feature (Researcher) is also decent.

Cons:

  • Branding chaos. ”Copilot” is Microsoft’s umbrella term for many AI things — chats, in-app assistants, and more. Ask around and you’ll get different answers about what Copilot even is to different people. Case in point.
  • Without an M365 Copilot license, the benefits over other tools vanish.
  • Detail: To use GPT‑5 inside Copilot chat, you still have to manually toggle it on each time from the upper‑right corner. Painful. And when using Copilot agents, you can’t be sure which model they use.
  • Inconsistencies. What works one day may behave totally differently the next. I haven’t seen quit as similar behavior in other tools.
  • Using Copilot on mobile is… not great. On my phone, I use ChatGPT and Gemini the most.
  • Generally unintuitive, clunky, messy — especially for non‑experts. Opening the interface alone feels chaotic to some, I’ve noticed.
  • Finnish output is still often awkward, though it has improved a lot in six months.
  • Creating PowerPoints with Copilot still isn’t smooth. Translating presentations remains perhaps its only really useful advantage for now if you really want to save time.

ChatGPT

Pros:

  • Still the best all‑purpose tool, even if it doesn’t match Claude’s fluency in Finnish or Gemini’s image generation.
  • Excellent deep search and agentic querying.
  • Great at helping with software usage that needs practical guidance. People say Claude is better for vibe‑coding, but ChatGPT has served my modest needs. I rely on it when learning new tools — e.g., automation platforms like n8n or Power Automate (pro tip: always specify which UI language you’re using…).
  • Creating custom GPTs is probably the smoothest of all tools. I use them regularly.
  • Search automation (e.g., weekly queries). Works well at its best.

Cons:

  • Integrations have improved, but security concerns remain. I wouldn’t connect it to my primary email — if I did, I’d make a separate address for it, as many have. That says a lot about trust.
  • Odd issues with file handling, especially Excel documents. Claude handles files more reliably.
  • Search automation can be unpredictable: the same prompt may work once, fail the next time (“unable to complete request” etc), and half‑work the time after.

Claude

Pros:

  • Finnish language quality. Not a coincidence that many Finnish media companies build their in‑house text‑AI tools on Claude models.
  • Artifact feature. Great for building small, functional mini‑apps — almost as smooth as Lovable. Handy for product concepting.
  • Deep search is in some cases even better than with ChatGPT.
  • Projects feature for managing large collections of material and discussing them. Works a bit differently than ChatGPT’s approach.

Cons:

  • In my experience, Claude hallucinates more than others — or at least more than ChatGPT.
  • No image generation.

Gemini

Pros:

  • Surprisingly strong with Finnish.
  • Top‑tier image generation. At best, your phone becomes an excellent image editor. Everyday tip: take a picture of your child’s schoolbook, erase completed tasks, and reuse the clean page for test prep.
  • Integration that feels reasonably safe. For example, I open a Drive doc and ask the Gemini side panel to find themes or summarize — works well at its best.
  • In Google Docs, Gemini is perhaps the only AI helper in a word‑processing environment that I could actually imagine using. Word’s Copilot assistant isn’t even close.

Cons:

  • Integration doesn’t yet mean as smooth a search like with the M365 Copilot. If I ask it to find themes in my emails from the past year, I get only a fraction of what I expect.
  • Gemini’s own ”GPTs” (Gems) don’t work that well.
Normaali
tekoäly

Copilotista Geminiin – media-alan tietotyöläisen umpirehellinen arkivertailu: konkreettinen katsaus käyttämieni ”genisten” plussiin ja miinuksiin

Tässä kuvituskuvassa on vain chat-näkymiä, mutta käsittelen kirjoituksessa tekoälyominaisuuksia myös hieman laajemmin kuin vain chatien osalta.

Iso kuva: one size fits all -työkalua ei ole olemassa, vaan kullakin on omat vahvuutensa ja heikkoutensa. Oman työn ja toimialan luonteesta riippuu, mikä tai mitkä tuntuvat itselle käyttökelpoisimmilta työkaluilta. Myös lisenssin taso ja laajuus tietysti vaikuttavat. Peruskäyttäjän näkökulmasta yksi ongelma itse asiassa on vaihtoehtojen runsaus. Ajan tasalla pysyminen käy täydestä työstä.

Omat kokemukset eri geniksistä? Näistä on kiva lukea Linkkarissa, joten tässäpä pientä koontia joistakin työkaluista myös minulta (genikset = tämä oiva termikiteytys on uinut omaankin arkeeni, kiitos Jukka Niittymaa).

Copilot

Plussat:

  • Isoin plussa on ehdottomasti tiedonhaku. Tämä toki edellyttää, että käytössäsi on M365 Copilot -lisenssi. Jos esimerkiksi haluat etsiä, mitä esityksiä tai kalenterimerkintöjä olet pidemmällä ajanjaksolla tehnyt aiheesta X, Copilotin tuottama koonti on yllättävän laadukas ja muokkaa sen helposti haluamaasi muotoon. Tai jos kysyt ohjeita johonkin asiaan, johon liittyen organisaatiossasi on vanhastaan dokumentteja, joissa asiaa käsitellään, saat oivan vastauksen sekunneissa. Parhaimmillaan Copilot-haku käytännössä muuttaa organisaation intran nopeasti huippusaavutettavaksi tiedon aarreaitaksi. Omat kokemukseni vaikkapa Geminin Drive-hausta eivät ole yhtä vakuuttavia.
  • Tietoturva. Tämän merkitystä ei voi vähätellä.
  • Copilot-agentit (eli ChatGPT:n omia GPT:itä vastaavat apurit) toimivat itse asiassa parhaimmillaan tosi hyvin toistuvien tehtävien hoitamiseen. Esimerkiksi Geminin vastaavat eli Gemit eivät ole yhtä hyviä. Tosin, jos teet Copilot-agenttia, en suosittele käyttämään sen sisäistä kankeaa ja kaatuilevaa aputyökalua, joka auttaa ohjeiden teossa, vaan tee erikseen ohjeprompti toisella selainvälilehdellä vaikka ChatGPT:ssä.
  • Copilotin syvätutkimustoiminto eli Tutkija/Researcher ei ole myöskään hassumpi.

Miinukset:

  • Brändisekamelska, joka vaikeuttaa kaikkea, eikä vähiten viestimistä. Copilot on Microsoftin tekoälyhärpäkkeiden kattokäsite, missä ongelma piileekin. Se on sekä chat että MS:n sovellusten sisällä asuva apuri. Ja vähän muutakin. Kysypä ympäriltäsi, mitä on Copilot kenellekin. Case in point.
  • Ilman M365 Copilot -lisenssiä edut muihin geniksiin verrattuna jäävät olemattomiksi.
  • Detalji: Jos Copilotin chatissa haluaa käyttöön GPT5-mallin, täytyy edelleen klikata erikseen se päälle jokaisella hakukerralla sivun oikeasta yläkulmasta. Sietämätöntä. Ja jos käytät Copilot-agentteja, et voi olla varma, mitä mallia ne käyttävät. Jos käytät valmista Tutkijaa/Researcheriä, se varmaankin käyttää. Pointti: kun käytät Copilotia, et voi olla aina satavarma oikein mistään.
  • Erilaiset omituisuudet Copilotin toiminnassa. Jos se toimii yhtenä päivänä yhdellä tavalla, se voi toimia toisena päivänä aivan eri tavalla. Vastaavaan ”tuuliviirikäytökseen” en ole muiden genisten kohdalla törmännyt.
  • Copilotin käyttäminen kännykällä on…nihkeää. Kännykkä-äppeinä käytän itse eniten ChatGPT:tä ja Geminiä.
  • Ylipäänsä epäintuitiivisuus ja kankeus ja kökköys etenkin tottumattoman rivikäyttäjän vinkkelistä. Kun koko näkymän avaa koneelleen, ensimmäinen fiilis on lähinnä sekamelska.
  • Suomen kieli edelleen usein kökköä, vaikka on parantunutkin puolessa vuodessa huomattavasti.
  • Eipä se Powerpointin tekeminen Copilotilla edelleenkään ole niin sujuvaa, että sitä viitsisi koko ajan tehdä. Ehkä presen kääntäminen on se ainoa kunnon etu tällä hetkellä.

ChatGPT

Plussat:

  • Yleistyökaluna edelleen ykkönen, vaikka ei esimerkiksi päihitäkään Claudea sujuvimpana suomen kielen puhujana tai Geminiä kuvageneroinnissa.
  • Erinomainen syvähakutoiminto ja agenttinen haku.
  • Erinomainen auttamaan erilaisten ohjelmien käytössä, jossa tarvitaan hieman kättä pidempää. Jos kyse on vibekoodauksesta, sanovat, että Claude on parempi, mutta omiin hyvin vaatimattomiin tarpeisiini tämäkin on riittänyt. ChatGPT on luottoapurini mm. siinä, jos tarvitsen jeesiä jonkin uuden ohjelman käytössä – esimerkkinä vaikkapa integraatioalusta n8n tai MS:n Power Automate (se kuitenkin vinkkinä, että kannattaa alleviivata tekoälyille, minkäkielisellä käyttöliittymällä mitäkin ohjelmia käyttää…).
  • Omien apureiden, GPT:iden, luominen on varmaankin kaikista geniksistä sujuvinta. Itselläni säännöllisessä käytössä.
  • Hakujen automatisointi (esimerkiksi tietty haku kerran viikossa). Parhaimmillaan toimii hyvin.

Miinukset:

  • Integroitavuus parantunut, mutta tietoturva se aina vaan pohdituttaa. En esimerkiksi kytkisi tätä omaan sähköpostiini – jos kytkisin, tekisin sitä varten erillisen mailiosoitteen, kuten moni on tehnytkin. Tämä kertoo jo olennaisen luottamuksesta tietoturvaan, et vain voi olla varma. Tietoturvaepävarmuus korostuu etenkin, jos käytät erillistä Atlas-selainta, jossa on sinänsä hyviä puolia kyllä.
  • Tiettyjä outouksia ja epävarmuuksia liitettyjen tiedostojen käsittelyn kanssa, kuten jatkuvat hankaluudet Excel-muotoisten dokumenttien lukemisessa. Claude seurustelee erilaisten dokumenttien kanssa jotenkin varmemmin ja paremmin.
  • Hakujen automatisointi (esimerkiksi tietty haku kerran viikossa). Heikoimmillaan toimii ihmeen huonosti, mikä näkyy siinä, että sama hakuprompti yhdellä kerralla toimii, seuraavalla kerralla ei lainkaan (ChatGPT sanoo, ettei pystynyt suorittamaan toimintoa) ja sitä seuraavalla kerralla puolittain.

Claude

Plussat:

  • Suomen kieli. Ei ole sattumaa, että useissa mediataloissa omat tekstitekoälytyökalut on rakennettu Clauden mallien päälle.
  • Artifact-toiminto. Pienten, oikeasti hyvin toimivien äppisten rakentaminen on yhtä sujuvaa kuin Lovablessa. Oiva apu esimerkiksi tuotteiden konseptoinnissa.
  • Syvähakutoiminto jopa parempi kuin ChatGPT:ssä.
  • Projects-ominaisuus eli tapa hallita laajempaa aineistomäärää ja keskustella siitä. Toimii hieman eri logiikalla kuin ChatGPT:ssä.

Miinukset:

  • En tiedä johtuuko vain omista kokemuksistani, mutta mielestäni Claude tuppaa hallusinoimaan muita enemmän, tai ainakin enemmän kuin ChatGPT.
  • Kuvageneroinnin puuttuminen.

Gemini

Plussat:

  • Yllättävän hyvä suomen kielen kanssa.
  • Kuvagenerointi huipputasoa. Parhaimmillaan sinulla on kännykässäsi hyvin toimiva kuvaeditori. Siviilielämän puolelta vinkki: ota kuva lapsesi koulukirjasta. Voit putsata jo tehdyt tehtävät puhtaaksi ja käyttää niitä kokeeseen kerrattaessa uudelleen.
  • Integroitavuus tavalla, joka ainakin tuntuu suht turvalliselta. Käytän esimerkiksi siten, että avaan Drivestä dokumentin ja pyydän Gemini-sivuikkunassa etsimään tiettyjä teemoja tai tiivistämään. Toimii parhaimmillaan hyvin.
  • Google Docsissa Gemini-apu on ehkä ainoa tekoälyapu tekstinkäsittelydokumentissa, jota voisin kuvitella oikeasti käyttäväni. Wordin Copilot-avusta ei voi puhua samana päivänäkään.

Miinukset:

  • Integroitavuus ei ainakaan vielä tarkoita tiedonhaussa sellaista sujuvuutta kuin M365 Copilotissa. Jos esimerkiksi pyydän hakemaan tietyntyyppisiä teemoja sähköposteistani viimeisen vuoden ajalta, saan murto-osan.
  • Geminin omat ”GPT:t” eli gemit toimivat sysihuonosti.
Normaali
Strategia ja liiketoiminta, Yleisön ymmärtäminen & analytiikka

Näin Googlen Gemini 1,5 Pro, Anthropicin Claude 3 Opus ja Open AI:n ChatGPT4o tiivistävät suomeksi samaa englanninkielistä media-alan tutkimusmateriaalia

Generatiiviset tekoälyt alkavat olla jo erittäin hyviä tiivistämään, kääntämään ja versioimaan. Kielellinen laatu on niin korkeatasoista, että vaarana on unohtaa mallien yhä hallusinoivan, eli tietojen tarkistaminen on toistaiseksi yhtä tärkeää kuin ennenkin.

Latasin kolmelle tekoälylle pdf-tiedoston, joka sisältää Oxfordin yliopiston Reuters-instituutin Digital News Report -raportit vuosilta 2014 ja 2023, yhteensä 256 sivua.

Pyysin tekoälyjä tiivistämään materiaaleja seuraavanlaisella kehotteella:

“Tämä pdf-tiedosto sisältää kaksi media-alaan liittyvää tutkimusraporttia Oxfordin yliopiston Reuters-instituutilta. Toinen on Digital News Report vuodelta 2023 (sivut 1–160) ja toinen Digital News Report vuodelta 2014 (sivulta 161 eteenpäin). Olet mediatoimialaa seuraava analyytikko. Tehtävänäsi on tiivistää kumpikin englanninkielinen tutkimusraportti mahdollisimman selkeälle suomen kielelle niin, että nostat kummastakin raportista 5 keskeistä havaintoa. Tee yksi lyhyt lause per havainto. Tekemäsi tiivistelmän kohderyhmänä ovat henkilöt, jotka eivät tunne media-alaa hyvin, joten tee tekstistä mahdollisimman ymmärrettävää. Kun olet listannut kummankin vuoden raportista keskeiset havainnot, vertaile sen jälkeen kumpiakin raportteja kokonaisuudessaan toisiinsa ja kerro 5 keskeistä asiaa, jotka ovat yhdeksässä vuodessa muuttuneet.”

Kielellisesti kaikki tekoälyt tekivät mielestäni hyvää jälkeä, vaikka paikoin vielä huomaa, että aivan täydellistä ei ole. Mutta muutos esimerkiksi vuoden takaiseen tasoon on merkittävä. Pienellä jatkopromptailulla kieltä ja tiettyä aikamuotojen horjuntaa olisi vielä saanut parannettua. Eniten itseäni häiritsee otsikoiden tavuviiva, kun pitäisi olla ajatusviiva, heh. Substanssin osalta en heti huomannut suuria virheitä. Painotukset hieman vaihtelevat.

Tulokset löytyvät rinnakkain pääkuvasta. Tässä slideshow’na:

Digital News Report on maailman suurin uutistutkimus, jonka osana julkaistaan vuosittain myös Suomen-maaraportti Uutismedia verkossa. Digital News Report 2024 & Uutismedia verkossa 2024 julkaistaan tänä vuonna 17. kesäkuuta. Tiivistän tulokset blogiin. Aiempia kirjoituksiani DNR:stä löydät täältä.

Normaali