Skill, skilli, taito. Se tarkoittaa tekoälykontekstissa on pysyvää ohjeistusta, joka tehdään tekoälyn taustalle. Se on periaatteessa prompti, joka on sopimus siitä, miten tiettyjä asioita tehdään. Ihan käytännössä se on tiedosto, joka tehdään itse esimerkiksi Claude Codella ja tallennetaan omalle koneelle tiettyyn kansioon, tai tekoälypalvelun web-versiossa (esim. Clauden selain- tai sovelluskäyttöliittymä), jolloin se tallentuu palveluntarjoajan pilveen.

Skillipankit – toimituksen uusi yhteinen muisti?

Ohjelmistokehityksessä on jo pitkään rakennettu ns. skillipankkeja: jaettuja tiedostoja, jotka kertovat tekoälylle miten organisaatiossa toimitaan.

Näyttäisi siltä, että olemme nyt siirtymässä aikakaudelle, jossa tällaiset itserakennetut ”keskusaivot” eivät välttämättä jää vain kehitysosastolle. Jaetut brändiohjeet, jaetut designohjeet, jaetut termipankit, jaetut tyylioppaat…tarpeita on.

Tätä puoltaa useampi kehityssuunta, ja suomalaisissa mediataloissa näitä asioita jo kokeillaan. Yksi kehityssuunta on, että taitoja on voinut jonkin aikaa luoda tekoälypalveluiden web-versioissa, mikä demokratisoi niiden luomista. Toinen on, että yhteisesti jaettu ”muisti” aidosti mahdollistaa uusien asioiden tekemisen yhdenmukaisesti, parhaimmillaan ehkä jopa sen kuuluisan hiljaisen tiedon siirtymisen laajemmin organisaation käyttöön. Kolmas on, että onhan se nyt kätevää ja monessa mielessä perusteltua, että yhteiset pelisäännöt ylipäänsä ovat samassa paikassa eivät levällään ympäri Sharepointia.

Tässä Suomesta yksi esimerkki, henkilöstöyhtiö Baronan markkinointitiimin skillipankki (Lähde: Baronan CMO:n Joni Helmisen postaus Linkedinissä):

En ihmettelisi, jos yksi tulevaisuuden keskeisistä rooleista uutismediassakin olisi tehtävä, jossa hallinnoidaan ja pidetään ajan tasalla näitä pankkeja. Ne olisivat enemmänkin organisaation muisti kuin IT-projekti, joten omistus ei välttämättä olisi edes teknologiapuolella, vaikka toki varmasti jollain tapaa yhteistyössä sen kanssa.

Avoimet mallit, automaatio ja agentit

Avoimet kielimallit ovat tekoälymalleja, joiden koodi ja joskus myös opetusdata ovat julkisesti saatavilla. Toisin kuin suljetut mallit – kuten ChatGPT tai Claude – niitä voi ajaa eli käyttää omalla koneella tai omalla palvelimella. Journalismin kannalta olennaista on, että kun malli pyörii omassa infrastruktuurissa, esimerkiksi arkaluonteinen lähdeaineisto ei kulje kolmansien osapuolten kautta. Avoimet mallit kehittyvät nopeasti, ja vaikka niiden ympärille ei ehkä voi rakentaa aivan kaikkea, niin sopivia käyttötarkoituksia löytyy yhä useammin. Jos journalistiset esimerkit kiinnostavat, niin tämä sivusto kerää esimerkkejä.

Automaatio tarkoittaa toistuvan työn siirtämistä koneelle. Idea ei ole uusi, mutta generatiivinen tekoäly on käytännössä romahduttanut kynnyksen luoda työn kulkuja. Työkalut kuten OpenAI:n Codex mahdollistavat jo automaatioiden rakentamisen ja ajamisen pilvessä ilman merkittävää teknistä osaamista. Agentit vievät tämän vielä pidemmälle, eli ne eivät vain suorita yksittäistä tehtävää, vaan ketjuttavat niitä itsenäisesti.

Tällä hetkellä automaatioita rakennetaan pitkälti puoliteknisillä alustoilla kuten n8n, Make tai Zapier. Ne ovat jo melko matalan kynnyksen työkaluja, mutta vaativat silti jonkin verran teknistä ymmärrystä – sen verran, että ei rivitoimittaja niitä ala mediataloissa käyttämään. Työkalun käyttö vaatii logiikan hahmottamista, integraatioiden rakentamista ja virheiden korjausta. Kun tulevaisuudessa automaatioiden rakentaminen onnistuu käytännössä pelkällä promptauksella, kynnys tehdä niitä madaltuu entisestään. Siinä on toki riskinsäkin. Eikä vähiten se, että kaikkea ei kannata eikä pidä automatisoida, jotta oma ajattelu pysyy vireänä (vinkit sen pitämiseen tikissä AI-aikana täällä).

Kun tähän vielä yhdistää mahdollisuuden kytkeä automaatio mutkattomasti mediatalon omiin järjestelmiin, kuten julkaisujärjestelmään, analytiikkaan tai vaikkapa arkistoon, alkaa syntyä toden teolla uutta. Pohjoismaissa näkyvin esimerkki on Bonnier Newsiltä. Se kertoi hiljattain uudistaneensa tekoälyalustansa, joka mahdollistaa agenttipohjaisten järjestelmien ja työnkulkujen luomisen kaikille työntekijöille. Lähes 2 000 toimittajaa käyttää toimituksellista avustajaa, ja 500 on koulutettu rakentamaan räätälöityjä tekoälyagentteja esimerkiksi uutisseurantaan.

Kyllä, mutta…perusasiat ensin kuntoon?

Kuulostiko ylläoleva liian optimistiselta tai epärealistiselta? Voi olla sitäkin. Kollegani Elina Lappalainen pohdiskelee asiaa osuvasti Linkedinissä, jossa hän toteaa, että tehokkuusloikat syntyvät usein ihan perustyökalujen ja -työnkulkujen kuntoon laittamisesta ennen kuin hypätään agentteihin ja automaatioihin. Ja näinkin se on. Perusta ensin kuntoon.

Vielä ollaan aika kaukana siitä maailmasta, jossa iso joukko toimittajia laajassa mitassa vaikkapa vibekoodaisi itselleen ja kollegoilleen sopivanlaisia työkaluja niin sanotusti tuotantokäyttöön. Ennen kuin tämä on mahdollista, organisaation on mietittävä kuntoon prosessit ja ”hiekkalaatikot”, jollaisia pelkät kokeilut vaativat.

Meidän ihmisten on samalla hyvä pyrkiä kehittämään niitä ominaisuuksiamme, joihin tekoäly ei pysty. Journalismissa se tarkoittaa esimerkiksi asioiden syvällisten merkityksien ymmärtämistä, kontekstointia, lähdeverkoston rakentamista, haastattelutaitoja, luottamuksen rakentamista ja tietysti kriittistä ajattelua. Entistä tärkeämpää tulee epäilemättä myös kyvystä ymmärtää, mitä töitä ylipäänsä kannattaa antaa koneelle ja mitä ei.