Tekoälykehittämisen tilannekuva hyvinvointialueilla
Tekoälyn kehitystahti on johtanut kokeiluihin ja hyötyjen etsimiseen laajasti sosiaali- ja terveydenhuollon toimialalla. On nähty tärkeäksi, että hyvinvointialueet jakavat kokemuksia kokeiluista ja ottavat vastaan oppeja toisiltaan.
UNA:n fasilitoimassa hyvinvointialueiden tekoälyverkostossa seurataan aktiivisesti tilanteen kehittymistä ja tässä artikkelissa on ajantasainen tilannekuva tekoälykehittämisestä hyvinvointialueilla, Helsingin kaupungissa sekä HUS-yhtymässä. Tähän mennessä on tilannekuva kattaa 208 tunnistettu ja kuvattua tekoälyn kehittämiskohdetta tai kokeilua 22 eri toimijalla.
Tekoälykehittämisen tilanne hyvinvointialueilla
Sote-tekoälyn ekosysteemin alaisuudessa toimivan hyvinvointialueiden tekoälyverkoston toiminnan puitteissa ylläpidetään hyvinvointialueiden tekoälykehittämisen tilannekuvaa. Työtä fasilitoi UNA Oy. Tavoitteena on koota yhteen tieto hyvinvointialueilla jo toteutetusta sekä käynnissä olevasta tekoälyyn liittyvästä kehittämisestä läpinäkyvyyden ja tiedonjaon mahdollistamiseksi.
Tekoälykehittämisen tilannekuva tarjotaan hyödynnettäväksi tämä artikkelin kautta sekä dynaamisena raporttina, jonka avulla tietoaineistoa voi tarkastella hyödyntäen käyttöön tarjottuja näkymiä sekä suodattimia.
Tiedonkeruu on toteutettu yhteistyössä hyvinvointialueiden tekoälyverkostossa mukana olevien hyvinvointialueiden, Helsingin kaupungin sekä HUS-yhtymän kanssa. Tilannekuvan taustalla olevaa tietoaineistoa on kerätty loppuvuodesta 2024 alkaen ja tiedot on viimeksi päivitetty lokakuussa 2025. On tärkeää tiedostaa, että tekoälykehittämisen tilanne muuttuu ja kehittyy hyvinvointialueilla jatkuvasti. Lisäksi joidenkin hyvinvointialueiden tiedot tilannekuvassa ovat vielä puutteellisia. Tilannekuva pyritään kuitenkin pitämään mahdollisimman ajantasaisena ja tarkempia tietoa hyvinvointialuekohtaisesta kehittämisen tilanteesta voi tiedustella hyvinvointialueiden nimeämiltä yhteyshenkilöiltä tai -pisteistä, jotka löytyvät julkaistun raportin Kehittämiskohteet taulukossa -näkymän kautta.
Määrämuotoinen tietojen päivittäminen tehdään puolivuosittain hyvinvointialueiden tekoälyverkoston koordinaation puitteissa. Kannustamme alueita jakamaan ajantasaista tietoa tekoälykehittämisestään ja päivityspyyntöjä aineistoon voi osoittaa työn fasilitoijalle Henri Huttuselle (henri.huttunen@unaoy.fi) myös päivityskierrosten välillä.
Tilannekuvan visualisoinnit löytyvät alkuperäisestä artikkelista UNA OY:n verkkosivuilta ja ne on toteutettu UNA Oy:n toimesta yhteistyössä Pohjois-Savon hyvinvointialueen kanssa. Tekoälykehittämisen kohteet on luokiteltu verkoston määrittelemiä luokitteluja (kehittämisen luonne ja status sekä hyödynnetty tekoälyn osa-alue) hyödyntäen ja käyttötapausluokittelussa sovelletaan Sosiaali- ja terveysministeriön toimeksiannosta toteutetun Tekoäly hyvinvointialueilla -selvityksen määrittelemiä käyttötapausluokkia ja käyttötapauksia.
Tekoälyn hyödyntämistä edistetään laajalla rintamalla
Tilannekuvasta käy ilmi, että kaikilla hyvinvointialueilla on toimia meneillään tekoälyn hyödyntämiseen liittyen. Hyvinvointialueiden tekoälykehittämisen osalta on tällä hetkellä tunnistettuna 208 kohdetta, jotka jakautuvat 22:lle eri hyvinvointialueelle.
Hyvin suuri osa hyvinvointialueista panostaa merkittävästi tekoälykehittämiseen ja hakee tekoälyn hyödyntämisen kautta tukea tuottavuuden parantamiseen niin hallinnollisessa kuin asiakastyössäkin. Myös tekoälykehittämistä tukevien hallintamallien ja kehitämisen tiekarttojen laatimista on edistetty isolla osalla alueista. Erityisesti tiedonkeruun yhteydessä käytyjen keskustelujen pohjalta on kuitenkin käynyt ilmi, että osa hyvinvointialueista suhtautuu vielä varovaisesti tekoälyn hyödyntämiseen. Näillä hyvinvointialueilla odotetaan oppeja muilta hyvinvointialueilta, ratkaisujen sekä sääntelyn kypsyyden kehittymistä ja panostetaan tulevaa kehittämistä tukevien politiikkojen sekä hallintakäytänteiden laadintaan. Huomiona todettakoon, että kehittämiskohteiden määrien perusteella ei pysty yksiselitteisesti tulkitsemaan yksittäisen hyvinvointialueen aktiivisuutta tai suhtautumista tekoälyn hyödyntämiseen.
Generatiiviseen tekoälyyn panostetaan nyt merkittävästi, mutta myös muut tekoälyn osa-alueet kehittyvät
Generatiivinen tekoäly on yksi tämän vuosikymmenen merkittävimmistä läpimurroista. Se voi luoda uutta tietoa tai sisältöä sen sijaan, että vain analysoisi tai luokittelisi olemassa olevaa. Generatiivisen tekoälyn potentiaali on merkittävä, ja se näyttää myös painottuvan käynnissä olevassa kehittämisessä ja on antanut piristysruiskeen hyvinvointialueiden tekoälykehittämiseen laajemminkin.
Koneoppiminen, syväoppiminen ja luonnollisen kielen käsittely ovat tekoälyn osa-alueina olleet jo pitkään hyödynnettävissä ja niiden hyödyntämiseen liittyvää kehittämistä on edelleen käynnissä paljon. Tämä kehittäminen on pääsääntöisesti kohdistunut erilaiseen diagnostiikan tukemiseen sairaalaympäristöissä muun muassa poikkeamien tai tiettyjen indikaattorien havaitsemiseen kuvista sekä tekstiaineistoista, mutta myös esimerkiksi tekoälyavusteiseen laadunvarmistamiseen. Erityisesti kone- ja syväoppimisen hyödyntäminen erilaisissa diagnostisissa toiminnoissa on edelleen selkeä kehittämisen fokusalue.
Generatiivisen tekoälyn kehittyminen on mahdollistanut tekoälyn tuomisen hyödynnettäväksi uudenlaisissa käyttötapauksissa läpileikaten hyvinvointialueen toimintaa aina hallinnosta erityistason palveluihin. Viimeisen parin vuoden aikana generatiivisen tekoälyn osa-alueella onkin käynnistynyt iso määrä erilaisia kehittämistoimia. Yhteensä 39 tunnistetusta piloteista tai kehittämiskohteesta on jo saatu päätökseen ja niiden pohjalta on saatu vietyä ratkaisuja tuotantokäyttöön astikin.
Kehittämisessä sovellettavien tekoälyn osa-alueiden osalta on syytä huomioida, että usein tietyssä kehittämiskohteessa hyödynnetään monia eri tekoälyn osa-alueiden kyvykkyyksiä. Nykyisessä tiedonkeruumallissa ei ole pystytty luokittelemaan tällaisia montaa eri tekoälyn osa-aluetta hyödyntäviä ratkaisuja. Lisäksi joissain tapauksissa on ollut vaikeaa ylipäätään tulkita, mitä tekoälyn osa-aluetta ratkaisussa lopulta hyödynnetään. Tämä saattaa hieman vääristää tilannekuvassa eri tekoälyn osa-alueisiin kohdistuvien kehittämiskohteiden lukumääriä, mutta kokonaisuuden kannalta vaikutusta ei voi pitää merkittävä. Dynaamisessa raportissa onkin tämän takia yhdistetty muut kuin generatiivisen tekoälyn osa-aluiden ratkaisut.
On nähtävissä, että tulevaisuudessa generatiivisen tekoälyn hyödyntämisen kasvu tulee jatkumaan kielimallien kehittyessä ja erilaisten käytännön sovelluskohteiden tunnistamisen myötä. On myös hyvin todennäköistä, että muiden tekoälyn osa-alueiden hyödyntäminen ja erityisesti erilaisten menetelmien yhteiskäyttö tulee lisääntymään generatiivisen tekoälyn kehittymisen ja tekoälytietoisuuden lisääntymisen myötä – Generatiivinen tekoäly ei ole paras ratkaisu kaikkiin käyttötapauksiin.
Tekoälyn hyödyntämistä edistetään monin eri tavoin
Tilannekuvasta käy ilmi, että tekoälyn hyödyntämistä edistetään hyvinvointialueilla monin eri tavoin. Tällä hetkellä vaikuttaa siltä, että varsinaisten ideoiden toteutuskelpoisuuden kokeiluista on osin jo päästy etenemään lähemmäs tilannetta, jossa lähtökohtaisesti tavoitellaan tuotannollisen kyvykkyyden saavuttamista.
Erilaisia tekoäly pilotteja edistetään hyvinvointialueilla tällä hetkellä kaikkein eniten. Pilotoinneissa arvioidaan jonkin olemassa olevan tekoälyä hyödyntävän tuotteen tai teknologian kyvykkyyttä tuotannonkaltaisessa käyttöympäristössä rajatussa käyttötapauksessa tai käyttäjäkunnalla. Pilotointien yhteydessä kasvatetaan myös ymmärrystä laajemman käyttöönoton vaatimista vaikutusten arvioinneista ja muista huomioon otettavista asioista. Hyvin yleinen esimerkki pilotista on tällä hetkellä Microsoft Copilotin pilotointi hallinnollisen työn tukemiseen. Yleisesti pilotointeja edistetään selkeästi eniten generatiivisen tekoälyn osa-alueella. Pilotoinnin jatkona tai rinnalla edistetään myös hyvin paljon erilaisten tuotteiden tai olemassa olevien teknologisten kyvykkyyksien käyttöönottoja. Käyttöönotoissa tähdätään siihen, että olemassa oleva tekoälyjärjestelmä viedään aina tuotannolliseen käyttöön asti laajassa tai suppeammassa käyttökontekstissa.
Myös tekoälyratkaisujen kehittämistä edistetään alueilla melko laajasti. Kehittämisessä on kyse joko hyvinvointialueen omana työnä tai kumppanin kanssa toteutettavasta tutkimuksesta, tekoälyjärjestelmän tai tekoälymallin kehittämisestä tiettyyn käyttötapaukseen. Kehittämisen kohtuullisen iso määrä voidaan nähdä erityisen positiivisena asiana, koska sitä kautta voi syntyä uusia tekoälyratkaisuja tukemaan myös muita hyvinvointialueita. Kehittäminen voi myös kasvattaa suomalaista tekoälyosaamista ja voi parhaimmillaan johtaa kansainvälisiinkin menestystarinoihin.
Tekoälykehittämisen käyttötapauskirjo on laajenemassa
Aiempina vuosina tekoälykehittäminen on ensisijaisesti kohdistunut erilaisiin diagnostiikkaa tukeviin, ennusteiden toteuttamiseen ja osin tiedon tuottamista tukeviin käyttötapauksiin kone- sekä syväoppimisen menetelmiä soveltaen. Viimeisen parin vuoden aikana kehittämisen fokukseen ovat kuitenkin nousseet erilaiset tiedon rakenteistamiseen, koosteiden tuottamiseen sekä päätöksenteon tukeen liittyvät käyttötapaukset. Hyvinvointialueiden tekoälykehittämisen tilannekuvaa on analysoitu suhteessa sosiaali- ja terveysministeriön toimeksiannosta DigiFinland Oy:n ja NHG Finlandin yhteistyössä tuottamassa selvityksessä ”Tekoäly hyvinvointialueilla: sosiaali- ja terveydenhuollon käyttötapaukset ja kansallinen edistäminen” kuvattuihin käyttötapausluokkiin sekä käyttötapauksiin. Kehittämissä korostuu toimet, jotka kohdistuvat hoitotyötä ja diagnostiikkaa sekä tukitoimintoja edistäviin käyttötapauksiin.
Tarkemmalla tasolla kehittämisen kohdistumista eri käyttötapauksiin voi tarkastella julkaistun dynaamisen raportin kautta.
Hoitotyön ja diagnostiikan käyttötapausluokassa kehittäminen kohdistuu tällä hetkellä erityisesti potilaskirjausten automatisointiin sekä diagnostiikan tekoavusteiseen tulkintaan liittyviin käyttötapauksiin. Useammalla hyvinvointialueella edistetään myös taustatietoja koostavaa, suosituksia antavaa sekä kirjaamista tukevaa hoitajakuiskaaja-käyttötapausta.
Asioinnin ja oma- ja itsehoidon käyttötapausluokkaan kohdistuu kehitystoimia vielä melko vähäisesti eikä uusia kehityskohteita ole kovinkaan paljoa valmistelussa. Käyttötapausluokassa on edistetty erityisesti asiakasohjausta tukevaa ja asiakkaan kanssa keskustelua käyvien chatbot-ratkaisujen toteutusta.
Tukitoiminnoissa keskeisenä käyttötapauksena on hallinnollisen työn tuottavuuden parantaminen, joka tarkoittaa käytännössä tekoälyapurien käyttöönottamista hallinnon prosessien tehostamiseen. Tämän ohella reaaliaikaisen tulkkauksen, käännökset eri kielille sekä tiedonhaut ja tiivistelmät ovat kehityksen kohteena useammalla hyvinvointialueella.
Sote-johtamisen käyttötapausluokassa on melko vähän tunnistettuna uusia kehityskohteita, mutta resurssien, kustannusten ja hoidontarpeen ennustamiseen sekä palautteiden analysointiin liittyviä kehittämistoimia on hyvinvointialueilla käynnissä useita.
Ainakin keskustelujen ja kansallisen tason rahoitusohjauksen kautta on odotettavissa, että myös ennaltaehkäisyn sekä sosiaalihuollon käyttötapausluokissa on käynnistymässä lähiaikoina uusia kehitystoimia. Kuitenkaan vielä viimeisimmän tiedonkeruun yhteydessä tämä ei vielä tilannekuvassa erityisesti näyttäydy. Näissä käyttötapausluokissa kehittämisen mahdollisuudet ja potentiaali on varmasti suuri.
Yhteenveto hyvinvointialueiden tekoälykehittämisestä
Hyvinvointialueilla nähdään, että tekoälyn hyödyntämisellä on käänteentekevää potentiaalia tuottavuuden parantamisessa sekä ammattilaisten työajan vapauttamisessa merkitykselliseen työhön. Palvelutarve kasvaa nopeammin kuin rahoitusmahdollisuudet, joten ammattilaisten työn tehokkuuden ja vaikuttavuuden kehittäminen on ensiarvoisen tärkeää. Jo pelkästään kirjaamisen automatisoinnin tukeminen nähdään erittäin tärkeäksi. Liian suuri osa sote-ammattilaisten työajasta kuluu kirjallisiin tehtäviin, kuten tietojen etsimiseen ja kirjaamiseen. Ajan vapauttaminen asiakas- ja potilaskohtaamisiin voi tuoda mukanaan merkittäviä säästöjä. Myös muissa kliinisissä käyttötapauksissa sekä hallinnollisen työn tehostamisessa hyötypotentiaalia tunnistetaan laajasti.
Useat kokeilut ja pilotit ovat viimeisimpien vuosien aikana olleet vielä rajallisia, eikä niitä ole koestettu oikeassa tai laajassa käytössä. Kuitenkin kokeiluista saatujen hyvien kokemusten seurauksena, sekä sääntelyn reunaehtojen pikkuhiljaa selventyessä, ollaan hyvinvointialueilla kasvattamassa pilottien laajuutta sekä aiempaa selkeämmin tähtäämässä tuotantokäyttöön päätyvien ratkaisujen kehittämiseen.
Toki edelleen on olemassa jonkin verran haasteita, jotka vaikeuttavat tai hidastavat kehittämistä. Tekoälysääntelyn tulkintaan liittyy edelleen avoimia kysymyksiä tietosuojavaikutusten arviointiin sekä erityisesti lääkinnällisten laitteiden sääntelyn ja tekoälyasetuksen väliseen vuorovaikutukseen liittyen. Kehittämisen valmisteluun joudutaan joissain tapauksissa käyttämään kohtuuttoman paljon aikaa. Toki näin varmistetaan, että kehittämisessä voidaan tarvittaessa edetä aina tuotantokäyttöön asti, riskit ja sääntelyn vaatimukset halliten.
Myös suomen kielen pienuus näyttäytyy haasteellisena laajoissa kielimalleissa sekä isojen teknologiatoimittajien osin rajallisina panostuksina erityisesti sote-sektorilla. Kansallisen sote-kielimallin kehittämistä tai ainakin tarvittavien koulutusaineistojen tuottamista kansallisessa yhteistyössä pohditaan, mikä voisi tukea hyvin hyvinvointialueilla tapahtuvaa tekoälykehittämistä. Merkittävä asia on myös tekoälyn hyödyntämisen mukanaan tuomat tarpeet toiminnan muutokselle sekä muutosjohtamiselle. Jotta tekoälyn mahdollisuuksista saadaan kaikki irti, tulee myös toiminnan ja sote-ammattilaisten olla valmis sitä hyödyntämään ja oikeissa käyttökohteissa. Koulutusta ja tekoälylukutaidon kehittämistä tarvitaan siis myös paljon.
Yleisesti ottaen hyvinvointialueilla ollaan siirtymässä tilanteeseen, jossa tekoälyteknologioiden ja erityisesti generatiivisen tekoälyn potentiaalisia hyötyjä päästään vaiheittain ulosmittaamaan. Vähintäänkin päästään tilanteeseen, jossa hyötyjä ja vaikuttavuutta päästään mittaamaan laajemmassa käytössä ja moninaisissa käyttötapauksissa.
