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
Strategia ja liiketoiminta

LIVE TRACKER: GenAI in media – 130+ tools and products from around the world (in English and in Finnish)

A screenshot of the list and some of the sources. A scrollable list can be found at the end of this blog.

I was asked to do this list in English as well and not just in Finnish, so here you go: in this blog you can now find an updating list of GenAI tools and products in media, both in English and in Finnish. My name is Kalle Pirhonen, and I work as an AI producer in Ilta-Sanomat, a Finnish tabloid owned by Sanoma Media Finland. I guess you could call me a media analyst as well because this blog is just a hobby of mine and media analysis was a part of my previous job at the Finnish Broadcasting Company.

I am updating this list using several publicly available sources such as press releases from media companies, media industry events, publications, and newsletters, LinkedIn (e.g. Ezra Eeman’s Wayfinder and Martin Schori’s Aftonbladet’s AI Hub Buzz), Nordic AI Journalism network, Wan-Ifra, INMA, Reuters Institute, Thomson Reuters Foundation, JournalismAI website (Case studies), Newsroom Robots podcast etc. In the list I’ve also included media industry value chain placement for the examples and also, whether the example is mostly about text, audio or video. Please note that the dates are clickable links to the source.

I will update the list continuously in this blog. My motive for making this list is to simply put all the interesting examples in one place because they are scattered over the internet. My apologies if you detect some mistakes – if you notice any or want to tip me about some new great examples or sources for updating this list, please contact me via Linkedin here!

The List in English – scrollable horizontally and vertically & with clickable links (works best on computer, not by phone):

The List in Finnish – Finnish examples are highlighted green:

***

The name of this blog, ”Numeroiden takaa”, means ”Behind numbers” and it deals with the media industry’s operating environment. I’ve written the blog mainly in Finnish since 2017.

Normaali
Strategia ja liiketoiminta

Sanoma Median tekoälyopit ja konkreettiset esimerkit esillä Microsoftin tapahtumassa Helsingissä

“Ihmiset, prosessit, data. Mahdollistavien asioiden pitää olla kunnossa. Kivijalan on oltava sellainen, että sen päälle voidaan rakentaa.”

Muun muassa näin luonnehti Sanoma Media Finlandin Chief AI Officer Pauli Tölli mediayhtiön lähestymistapaa tekoälyyn Microsoft AI Tour Helsinki -tilaisuuden julkisesti striimatussa osuudessa.

Hän myös korosti, että tärkeää on paitsi ketterä kokeileminen ja tuotantoon vieminen, tarvittaessa myös rohkeus olla viemättä jotakin sinänsä hyvää ideaa tuotantoon. Syynä voi olla vaikkapa heikko panos–tuotos-suhde.

Tölli kävi läpi esimerkkejä Sanoman sisäisistä tekoälytyökaluista (mm. Digiarkistochat, Uutiskoostaja, Videokäsikirjoittaja, Dokumenttipöyhin sekä kunnallispäätöksiä haravoiva ja niiden uutisarvoa arvioiva Vahtikoira) sekä kuluttajatuotteista. Kuvat löytyvät yllä olevasta kuvakarusellista (kolme viimeistä kertovat Sanoma Median yleisestä lähestymistavasta tekoälyyn, sekä viime vuosien opeista).

– Aina tekoälytoteutus ei vaadi isoa IT-projektia, hän huomautti. Tölli nosti esimerkiksi “pienellä teknisellä työllä” toteutetun myyntityössä auttavan Teleapurin, joka pohjautuu viiteen sille syötettyyn ohjedokumenttiin.

Kehittäjien osalta Tölli totesi, että pari vuotta sitten käyttöön otettu Github Copilot -ohjelmointityökalu mm. tiimeille, jotka kehittävät HS:n ja IS:n verkkopalveluita, on johtanut siihen, että asioita saadaan tehtyä entistä enemmän, nopeammin ja vähemmän kerrallaan.

Toimituksellisten työkalujen osalta peruslogiikka noudattelee muidenkin mediatalojen tapaa toimia, eli että ne löytyvät yhdestä paikasta. Sanomilla työkalunäkymästä löytyy myös linkit Microsoftin Copilotiin ja Good Tapen äänenlitterointipalveluun. Copilot-kokeiluista Tölli totesi, että niitä on tarvittaessa helppo ja nopea laajentaa.

Litterointityökalut ovat mediataloissa olleet toimittajien suosituimpia tekoälyapureita, sillä ne säästävät paljon aikaa. Ajansäästön ja rahansäästön yhteydestä – onko sitä aina ja missä määrin aidosti – käytettiin Microsoftin tapahtumassa useampia kiinnostavia puheenvuoroja.

Kuluttajatuotteista Tölli totesi, että “olemme tarkoituksella aloittaneet aika varovasti”, aloittaen Hesarin Silmu Sisustaja ja Kuura Kokkaaja -boteista sekä USA:n vaaliapurista.

– Uskoisin, että jatkamme tällaisten tekemistä, Tölli viittasi mediapalveluissa näkyviin botteihin, joiden kautta asiakkailta saatua dataa ja palautetta hän myös luonnehti arvokkaaksi.

Suomen Lehdistön tuoreesta koontijutusta voit lukea lisää suomalaismedian tekoälytyökaluista ja -tuotteista.

Hiljattain tekemästäni agenttikokeilusta voit puolestaan lukea täältä – selvitin, miten syntyy ilmaisohjelmalla ”Varkaus-harava”, jolla voit automaattisesti tilata mailiisi Varkauden julkiset hankinnat, yhdistystiedot, kuntapäätökset, hyvinvointialueen päätökset ja tiedotemaininnat.

Koostamiini esimerkkeihin ruotsalaismedian tekoälytyökaluista voit puolestaan tutustua täällä.

Kansainvälisen uutismediajärjestön INMA:n Global Media Awards -tekoälyehdokkaisiin voit tutustua täällä.

Loppuun vielä lukuvinkki: Amerikkalaisen mediaprofessori Jeremy Caplanin ”9 parasta promptausvinkkiä journalisteille”.

Normaali
Strategia ja liiketoiminta

Julkiset hankinnat, yhdistystiedot, kuntapäätökset, sh-piirin päätökset ja tiedotemaininnat automaattisesti mailiisi: Näin rakennat toimittajan Varkaus-haravan

Olen tässä blogissa aiemminkin kertonut kokeiluistani brittiläisen, nopeasti kasvavan startupin Convergence AI:n Proxy-työkalulla, jolla voi helposti rakentaa nettiä automaattisesti koluavan tekoälyagentin ja lähetyttää sen hakemat tulokset omaan sähköpostiinsa vaikkapa kerran viikossa.

Tämä uusin testi on tähänastisista pisimmälle viety: halusin havainnollistaa, mihin kaikkeen Proxy pystyy samaan aikaan – vai pystyykö, ja miten laadukkaalla lopputuloksella. Otin esimerkkikunnaksi syntymäkuntani Varkauden ja annoin Proxylle seuraavan pitkän kehotteen:

”Haluan rakentaa toiminnon, jossa on viisi eri osaa. Ota näitä toimintoja toteuttaessasi huomioon, että toimit kuten huippuluokan tutkiva journalisti, joka on erityisen taitava hakemaan tietoa sekä tekemään tietojen perusteella uutisia etenkin paikallisista asioista Suomessa.

Osa 1: Tiivistä Varkauden kaupunginhallituksen seuraavan kokouksen esityslistan asiat siten, että arvioit, millä listan asialla voisi olla mahdollisesti uutisarvoa. Uutisarvoa arvioidessasi otat huomioon ainakin nämä seikat: kuinka paljon löydös poikkeaa aiemmasta datasta, kuinka moni ihminen tai yritys on asianosainen, onko aiheesta jo olemassa keskustelua somessa tai muissa uutislähteissä, ovatko vastaavat aiheet aiemmin päätyneet uutisotsikoihin tai sisältääkö asia mahdollisesti jonkinlaista kitkaa. Pidä erittely tiivinä, kerro sen yhteydessä esityslistan julkaisupäivämäärä ja linkkaa lähdesivulle.

Varkauden esityslistat, pöytäkirjat, viranhaltijapäätökset ja kuulutukset löydät täältä: https://varkaus.fi/fi/sivu/osallisuus-ja-paatoksenteko/paatoksenteko

Osa 2: Varkaus kuuluu Pohjois-Savon hyvinvointialueeseen. Tee edellämainittu erittely myös hyvinvointialueen aluehallituksen tulevan kokouksen esityslistalle huomioiden kohdat, joissa mainitaan Varkaus. Voit myös arvioida, mikäli jokin esityslistan asia olisi Varkauden kannalta erityisen tärkeä, vaikka Varkautta ei mainittaisikaan. Listat löytyvät täältä: https://pshyvinvointialue.fi/esityslistat-ja-poytakirjat

Osa 3: Hae yhdistysrekisterin julkisesta hausta (https://yhdistysrekisteri.prh.fi/) tiedot siitä, milloin Varkaus-nimiseen kaupunkiin on viimeksi (huom: huomioi Varkautta koskevista hakutuloksista viimeisin rekisteröintipäivä eli vain tuorein merkintä kaikista) perustettu jokin yhdistys, ja kerro tiedot yhdistyksestä tiedot tiiviisti. Kerro myös yhdistysmerkinnän julkaisupäivämäärä ja linkkaa lähdesivulle.

Osa 4: Hae julkisia hankintoja listaavalta Hilma-sivustolta viimeisin merkintä, jossa Varkaus-niminen kaupunki on mukana. Kerro merkinnän julkaisupäivämäärä sekä tiedot merkinnästä muutamalla virkkeellä siten, että siitä ymmärtää helposti, mistä hankinnassa on kyse.

Osa 5: Kerro tiiviisti kolme tuoreinta merkintää STT:n julkaisemista lehdistötiedotteista, joissa mainitaan Varkaus-niminen kaupunki. Kerro merkinnän julkaisupäivämäärä ja tiedot merkinnästä hyvin tiiviisti siten, että siitä ymmärtää helposti, mistä on kyse. STT:n lehdistötiedotteet löytyvät täältä: https://www.sttinfo.fi/

Tee kaikista edellämainituista kohdista esitystavaltaan suurin piirtein yhdenmukaisia esimerkiksi bullet pointein jäsentäen. Käytä mahdollisimman selkeää ja kansantajuista suomen kieltä. Kokoa kaikki tulokset samaan vastaukseen, kiitos.”

Muutama huomio kehotteesta. Annoin Proxylle valmiiksi muutaman linkin suoraan, vaikka se olisi löytänyt ne itsekin, mutta olen huomannut, että linkkien vinkkaaminen nopeuttaa sen toimintaa.

Huomiona itse testistä: tässäkään asiassa kone ei korvaa journalistista silmää – mikään kehote ei ole niin täydellinen, että se hoksaisi kaikki mahdolliset uutisarvoiset aiheet. Työtä se toki helpottaa. Mutta mikä tärkeintä ja sanon tämän, vaikka on itsestään selvää: tekoäly ei tietenkään kaivele sellaisia potentiaalisia uutisaiheita, joiden jäljille ei pääse digitaalisista lähteistä.

Tässä Proxyn antama vastaus:

Kokeilin tässä testissä sekä Proxyn maksullisen tilauksen (20e/kk) sisältämää Deepwork-toimintoa että ilmaista. Deepwork oli ehkä jopa huonompi tähän tarkoitukseen, koska se esitti tarpeettoman paljon täsmentäviä kysymyksiä, vaikka ilmankin niitä tulos oli samankaltainen. Ilmaiseksi tällaisia agentteja voi tehdä Proxyllä yhden päivässä – niistäkin voit kyllä tilata sähköpostin tulemaan itsellesi säännöllisesti.

On syytä huomioida, että kaikki ei aina mene odotetusti: tietoja tarkistaessani huomasin, että yhdistyshaussa tekoäly ei ollut hakenut tuoreinta merkintää (joka olisi ollut vuodelta 2021 eikä 2019), eikä se useista täsmennyspyynnöistä huolimattakaan kyennyt ottamaan tuoreinta merkintää mukaan. Voi myös hyvin olla, että tuloksista puuttuu edelleen jotakin olennaista, mitä en vain hoksaa. Pintapuolisesti katsottuna tekoäly tiivisti kunnanhallituksen ja hyvinvointialueen hallituksen esityslistat kertaheitolla melko hyvin. STT:n tiedotehausta se ei poiminut tuoreinta, vaan kolmanneksi tuoreimman, mutta tämä saattoi johtua antamastani kehotteesta, jossa pyysin tekoälyä arvioimaan uutisarvoa (tuoreemmat tiedotteet liittyivät Voice of Finland -ohjelmaan, johon osallistuu Varkaudesta kotoisin oleva kilpailija, mitä tekoäly ei tässä ehkä tulkinnut uutisarvoiseksi – mitä se paikallislehdelle kuitenkin varmasti olisi). Myös julkisten hankintojen merkintä meni tekoälyltä kerralla oikein.

Normaali
Strategia ja liiketoiminta

Uutismedia- ja tekoälynostot Amy Webbin 1000-sivuisesta trendijärkäleestä

Amerikkalaisfuturisti Amy Webbin Future Today -instituutti on julkaissut massiivisen, tänä vuonna tasan 1000-sivuisen 2025 Tech Trends -raportin, jossa käydään läpi teknologian tulevaisuuden suuntaviivoja.

Tiivistän tähän blogiin kaksi osiota, joista toinen liittyy tekoälyn kehitykseen ja toinen uutismediaan.

Tekoälyn kehityksessä raportti nostaa esiin muun muassa nämä kehityskulut:

  • Tekoäly alkaa toimia kuin käyttöjärjestelmä – suuret kielimallit (LLM) muuttuvat alustoiksi, jotka pyörittävät monia sovelluksia taustalla. Käyttäjän ei tarvitse enää erikseen avata AI-työkalua, vaan se tulee osaksi kaikkea tekemistä (osaksihan näin on jo tapahtunut).
  • Autonomiset tekoälymallit ottavat enemmän päätäntävaltaa – LAM-mallit (”Large Action Models”) eivät ainoastaan suosittele päätöksiä, vaan alkavat tehdä niitä itsenäisesti. Tämä olisi askel eteenpäin tekoälyagenteista, joiden luominen vaatii ihmiseltä vielä toistaiseksi jonkin verran aktiivisuutta.
  • Kun Yhdysvallat ja Kiina käyvät “tekoälyn kylmää sotaa”, se vaikuttaa suoraan esimerkiksi teknologiasääntelyyn ja yritysten innovaatioihin.

Uutismedian tulevaisuutta raportti pitää epävarmana. Se ennakoi muun muassa näitä kehityskulkuja:

  • Journalismi siirtyy yhä enemmän maksumuurien taakse tai lahjoituspohjaiseksi.
  • Mediatalot joutuvat kehittämään uusia ansaintamalleja, kun somen tuoma liikenne verkkosivuille vähenee (ja on jo vähentynyt). Lisäksi, kun ihmiset lukevat yhä useammin tekoälyn koostamia uutistiivistelmiä tekoälypalveluista tai Googlesta, se vähentää alkuperäisten juttujen klikkauksia.
  • Faktantarkistus vaatii entistä älykkäämpiä keinoja, koska tekoäly.
  • Yhä useammat uutismediat tarjoavat tekoälypohjaisen haun ja äänikäyttöliittymien avulla personoituja, keskustelunomaisia kokemuksia, mikä lisää käyttäjien sitoutumista.
  • Tekoälyn luomat avatarit avaavat uutismedioille uusia jakelukanavia, mikä auttaa kustantajia tavoittamaan uusia yleisöjä ja suojelemaan toimittajia vaarallisilla alueilla.
    • Esimerkiksi Venezuelassa toimittajat ovat käyttäneet tekoälyavatareja salatakseen henkilöllisyytensä ja raportoidakseen tapahtumista uhkauksista huolimatta.
    • Perussa puolestaan tekoälyavatareja on käytetty tavoittamaan aliedustettuja ryhmiä: San Marcosin yliopisto kehitti tekoälyuutisankkurin, joka kertoo Tiktokissa uutisia vähemmistökieli ketšuaksi, joka oli aikoinaan inkavaltakunnan pääkieli.
Normaali
Strategia ja liiketoiminta

Alma Median tekoälyhanke Global Media Awardsin palkintoehdokkaaksi, Intia ja Norja ehdokkuusrohmuja – tässä tiivistelmä kaikista ehdokkaista

Alma Median tekoälytyökalu, joka arvioi Iltalehden juttujen herättämät tunnetilat ja havaitsi että inspiroivilla jutuilla on paras tilaajapito, on yksi palkintoehdokkaista kansainvälisen uutismediajärjestön INMA:n Global Media Awardsin listalla kategoriassa “Best Innovation in Newsroom Transformation”.

Työkalun tavoitteena on ehkäistä uutisten välttelyä ja sitä on tarkoitus laajentaa muihinkin Alman uutisbrändeihin. Tarkoituksena on seuraavaksi yhdistää työkalun tuomaa ymmärrystä uutispalveluiden suosittelujärjestelmiin. Lehden mukaan kuukausittaiset sivulatausmäärät ovat nousseet työkalun käyttöönoton jälkeen.

Global Media Awardsissa eniten palkintoehdokkaita 199 ehdokkaan joukossa on Intiasta (22) ja Norjasta (21). Suomesta ehdokkaita on kaksi. Toinen on Keskisuomalainen kategoriassa “Best New Digital Product”. Keskisuomalaisen 22 paikallista uutissovellusta jakavat saman teknologian, joten niiden teknistä ylläpitoa hoitamaan tarvitaan konsernin mukaan vain kaksi henkilöä – ensimmäiset 19 sovellusta julkaistiin sekä Androidille että iOsiin vain kolmessa kuukaudessa. Sovelluksia ladattiin 367 000 kertaa vuonna 2024.

Vaikka Alma Median hanke hyödyntää generatiivista tekoälyä, se ei ollut ehdolla varsinaisten tekoälyhankkeiden kategorioissa, joita olivat ”Best Use of AI for Internal Productivity” ja ”Best Use of AI in Customer-Facing Products”. Tässä noiden kategorioiden ehdokkaat.

TOIMITUSTEN SISÄISET TEKOÄLYTYÖKALUT

”Best Use of AI for Internal Productivity” (suorat linkit ehdokkaiden pidempiin englanninkielisiin kuvauksiin löydät täältä):

  • A Gazeta do Espírito Santo, Brasilia: Tekoälyn avulla tehdään videoita tekstimuotoisista elokuva-arvosteluista.
  • Amedia, Norja: Amedia sai puolet toimittajistaan käyttämään säännöllisesti tekoälyä yksinkertaisilla ratkaisuilla, jotka helpottavat päivittäistä työtä.
  • Badischer Verlag, Saksa: BZ.Echo on toimituksen monipuolinen tekoälytyökalu: otsikointia, optimointia, versiointia, luonnosten generointia. Toimittajien ajansäästöä kuvataan merkittäväksi.
  • Hearst Newspapers, Yhdysvallat: Hearst käyttää tekoälyä julkishallinnon päätösten seuraamiseen, mikä tekee prosessista sujuvamman ja aikaa säästävän. Työkalu on lisännyt skuuppien määrää.
  • Russmedia, Itävalta: Tekoälypohjainen julkaisujärjestelmä mm. automatisoi otsikoiden luomisen, artikkelien kategorisoinnin ja tekstin tiivistämisen, kieliopin tarkistuksen ja tyyliehdotukset. Toinen työkalu tuottaa reaaliaikaisia päivityksiä kriittisistä aiheista, kuten liikennekatkoista ja kunnallisista päätöksistä. Räätälöidyt GPT-mallit automatisoivat monimutkaisia tehtäviä kuten tekijänoikeustarkistuksia ja eettistä ohjeistusta.
  • Constructive Institute, Tanska: News Mirror -työkalu hyödyntää tekoälyä auttaakseen toimitusta ns. rakentavan journalismin teossa, mikä parantaa sisältöjen monipuolisuutta.
  • KG Media, Indonesia: AI Media Intelligence for SDGs -projekti käyttää tekoälyä kestävän kehityksen tavoitteiden seurantaan ja raportointiin.
  • Ringier, Sveitsi: Floorian on tekoälyavusteinen automaattinen pohjahinnan hallintajärjestelmä ohjelmalliseen mainontaan.
  • Schibsted, Norja: Tekoälypohjainen User Interest Predictions (UIP) -järjestelmä tunnistaa käyttäjien kiinnostuksen kohteita yli brändirajojen. UIP luokittelee ja ennustaa käyttäjien kiinnostuksen kohteita heidän selaushistoriansa perusteella.
  • United Daily News Group, Taiwan: AiAssist-hanke paransi tuottavuutta, kustannustehokkuutta ja yleisön sitoutumista. Tekoälyn integrointi on myös yhdistänyt eri tiimejä ja luonut yhteistyöhön perustuvan mallin uutistoimitukseen.

KULUTTAJATUOTTEET JA TEKOÄLY

”Best Use of AI in Customer-Facing Products” (suorat linkit ehdokkaiden pidempiin englanninkielisiin kuvauksiin löydät täältä):

  • Amar Ujala, Intia: Asiakaspalveluchatbot.
  • Hearst Newspapers, Yhdysvallat: Kamala Harrisiin liittyviin kysymyksiin vastaava chatbot.
  • NTM, Ruotsi: Tekoälyvetoinen audioratkaisu, jonka tavoitteena on houkutella nuorempia yleisöjä ja syventää nykyisten tilaajien sitoutumista. Se tunnistaa luetuimmat artikkelit, tiivistää ne tekstiksi ja muuntaa ne audiolähetyksiksi ElevenLabsin ääniteknologian avulla.
  • Stampen Media, Ruotsi: Neljä tekoälypohjaista laskuria, jotka liittyvät henkilökohtaiseen talouteen: asuntolainan korkolaskuri, asuntojen hintojen vertailu, verolaskuri, lainanlyhennyslaskuri.
  • Stuff Group, Uusi-Seelanti: Democracy.AI etsii potentiaalisia uutisaiheita päätöksentekodokumenteista. Pilottialueella Waikato Times lisäsi juttumääräänsä 25:llä viikossa, ja digitaaliset tilaukset yli kaksinkertaistuivat. (ei ole kuluttajatuote, mutta on tässä kategoriassa, koska työkalulla tehdyille jutuille tehtiin verkkosivuille oma osionsa)
  • Prisa, Espanja: VerificAudio käyttää tekoälyä äänitallenteiden autenttisuuden varmistamiseen, mikä parantaa sisällön luotettavuutta.
  • Ringier, Sveitsi: Beobachter-chatbot tarjoaa juridista neuvontaa tekoälyn avulla.
  • Ringier Axel Springer, Puola: AI-Powered Travel Planner uudistaa sisältömarkkinointia tekoälyn avulla. Botti helpottaa matkasuunnittelua.
  • Schibsted Media, Ruotsi (Norja): Ruotsalaisen iltapäivälehti Aftonbladetin EU-vaaliapuri ja USA-vaaliapuri.
  • Stuff Group, Uusi-Seelanti: Tekoälyn avulla käännetään uutisia maoriksi.
Normaali
Yleisön ymmärtäminen & analytiikka

Tämä harjoitus vei tekoälyagentilta 4 minuuttia – kolusi itse viiden median otsikot, laski merkkimäärät, analysoi sisältöä ja teki taulukon

Termiä tekoälyagentti käytetään nykyään melko hövelisti, mutta alun perin sillä on viitattu tekoälyn kykyyn hoitaa peräkkäisiä tehtäviä automaattisesti.

Tässä kirjoituksessa käsittelemäni esimerkki on tehty lontoolaisen startupin Convergence AI:n Proxy-työkalulla, jolle antamani komento oli seuraava:

Käy läpi suomalaismedioiden Ilta-Sanomat, Iltalehti, Yle, Helsingin Sanomat ja Keskisuomalainen verkkosivujen osa, joka kertoo luetuimmat jutut sillä hetkellä. Tämän jälkeen laadi taulukko, joka sisältää kunkin median nimen, viisi luetuinta otsikkoa, niiden keskimääräisen merkkimäärän (ilman välilyöntejä) sekä kolme pointtia, mitkä seikat yhdistävät kunkin tiedotusvälineen luetuimpia juttuja.

”Normaali” keskusteleva tekoälytyökalu ei kykenisi tekemään tämänkaltaista moniosaista tehtävää, mutta Proxyllä tässä kesti noin viisi minuuttia, eikä se tarvinnut täsmentäviä ohjeita, mitä se joskus kysyy. Proxyn tekoäly siis käytännössä käy promptissa mainituilla sivustoilla ja etsii niiden luetuimmat-osiot. Muutaman kohdalla tekoäly meni niille googlaamalla ensin ”Iltalehti luetuimmat”, osan kohdalla menemällä suoraan palvelun etusivulle ja etsimällä sieltä luetuimmat-osion. Proxy tarvitsi tehtävän toteuttamiseen 17 vaihetta, joista viimeinen oli pyytämäni taulukko. Kauneusvirhe oli se, että Proxy ei kyennyt tekemään taulukkoa täydellisenä Markdown-versiona keskustelunäkymään, eikä liitetiedostona, vaan tiedot oli itse kopioitava käsin tässä tapauksessa Google Sheetsiin:

Proxyn työstönäkymä näytti tältä:

Huono asia perinteisen median kannalta on ainakin se, että Proxy näyttäisi ohittavan sivustojen blokkausyritykset tekoälyille mm. ottamalla sivustoilta kuvakaappauksia. Median vinkkelistä tekoälyagenteille on helppo nähdä myös mahdollisuuksia, vaikkapa tutkivien toimittajien omiin seuranta-alueisiin erikoistuneiden tekoälyapureiden rakentamiseen. Kävin tätä puolta hieman enemmän läpi aiemmassa blogikirjoituksessani.

Normaali