2. Tekoälyn kasvu- ja työllisyysvaikutukset

Luvun ovat valmistelleet työryhmän jäsenet Anu Järvensivu, Seija Ilmakunnas ja Ville Kyrki.

2.1 Digitalisaatio ja tekoäly teknologisena harppauksena

Digitaalisaatio on muovannut jo tähän mennessä perusteellisesti tuotanto- ja työtapoja monissa ammateissa ja eri aloilla. Se on myös hävittänyt aikaisempia tehtäviä ja synnyttänyt uusia. Digitalisaation viime vuosien merkittävimpiä ilmenemismuotoja ovat mobiilin internetin ja pilvipalvelujen käytön yleistyminen, laskentatehon kasvu ja big datan lisääntyvä hyödyntäminen. Tekoälyn ja koneoppimisen sekä näihin liittyvien sovellusten, kuten kehittyneen vuorovaikutteisen robotiikan ja autonomisen liikenteen, suurimmat vaikutukset työelämään ovat kuitenkin mitä ilmeisimmin vasta edessä (ks. raportin liite 2).

Digitalisaation ja tekoälyn yhteydessä voidaan puhua niiden aikaansaamasta teknologisen kehityksen murroksesta. Kyseessä on koko yhteiskuntaa muuttava teknologisen kehityksen harppaus, johon vaikuttavat monet eri tekijät. Viime kädessä kysymys on uudenlaisesta ihmisen ja koneen suhteesta tuotantotoiminnassa. Höyrykoneen ja sähköistymisen aikana koneet lähinnä korvasivat ihmisen fyysistä ponnistelua ja täydensivät inhimillistä työtä (ns. ensimmäinen koneaika). Teknologisen kehityksen mukana ja ns. toiseen koneaikaan siirryttäessä koneiden avulla kyettiin jo ohjaamaan fyysistä työtä ja myös helposti koodattavissa olevia kognitiivisia tehtäviä voitiin siirtää niiden tehtäviksi. Joissain ammateissa koneet saattoivat kokonaan korvata ihmistyön, ja tällaiset vähenevien töiden ammatit ovat usein olleet palkkajakauman keskivaiheella.

Supistuvien töiden tehtäväkuvia leimaavat rutiininomaisuus ja toisto, jonka tietokoneet suorittavat tehokkaammin. Esimerkkejä ovat suorittavan tason toimistoammatit (rutiiniluonteiset tietoammatit) ja tehtaiden kokoonpanoammatit (rutiiniluonteiset manuaaliset ammatit). Samanaikaisesti suhteellisesti asemiaan ovat kasvattaneet vähärutiiniset ammatit niin palkkajakauman ala- kuin yläpäässä. Niiden suhteellista asemaa on parantanut suorittamisessa tarvittava (ja vaikeammin digitalisoitava) vaade työhön liittyvästä henkilökohtaisuudesta, joustavuudesta, ongelmien ratkaisukyvystä tai luovuudesta. Näitä tietotekniikan ja globalisaation kehitykseen liittyviä muutoksia on käsitelty useissa työmarkkinoiden polarisaatioita käsittelevissä tutkimuksissa.

Toisen koneajan toisessa aallossa koneet eivät toimi vain ennalta ohjelmoitujen päättelysääntöjen mukaisesti, vaan ne oppivat itse hyödyntämällä neuroverkkoja ja isoja tietoaineistoja. Tämä on lisännyt mahdollisuuksia automaation hyödyntämiseen monissa uusissa sovelluksissa, jotka liittyvät muun muassa kielten käännöksiin, hahmontunnistukseen, sairauksien diagnostisointiin ja itseohjautuviin liikennevälineisiin. Nämä uudet sovellusalueet merkitsevät sitä, että niiden työllisyysvaikutukset koskettavat myös monia vähärutiinisia tietoammatteja, joita aiemman polarisaatiotutkimuksen valossa on pidetty pikemminkin osuuttaan kasvattavina kuin supistuvina ammatteina.

Yhteiskunnan murroskohtien tunnistamiseen liittyy – ainakin etukäteen – tulkinnanvaraisuutta. Itse teknologian kehityksen vauhtiin liittyy epävarmuutta, eivätkä muutokset työllisyydessä todennäköisesti ole yhtä nopeita kuin teknologinen kehitys antaisi odottaa. Teknologisen kehityksen vaikutukset yhteiskuntaan suodattuvat monien tekijöiden läpi. Yritykset voivat ensinnäkin olla haluttomia ottamaan käyttöön uutta teknologiaa, jos käyttöönotto edellyttää suuria organisaatiomuutoksia. Uusiin olosuhteisiin soveltumaton lainsäädäntö ja ratkaisua vaativat eettiset kysymykset voivat vähintään hidastaa kehitystä.

Tulkintaa perustavaa laatua olevasta murroksesta kuitenkin tukevat useat seikat. Niihin lukeutuu se, että tekoäly yleiskäyttöisenä teknologiana jo nyt mahdollistaa radikaalejakin tuote- ja prosessi-innovaatioita useilla eri aloilla. Muutokset voivat olla nopeita, ja ne voivat tehdä olemassa olevasta fyysisestä ja henkisestä pääomasta tuottamatonta ennakoimattomassa tahdissa. Tietotekniikan kehitys on merkinnyt myös sitä, että entistä useamman tuotteen markkinat ovat globaalit, digitaalisten tuotteiden monistaminen on usein lähes ilmaista ja tuotannon skaalaedut ovat suuret. Tällöin muutokset markkinoilla ovat nopeita, ja niiden ”voittaja(t) vie(vät) kaiken”-ilmiö on useille markkinoille tyypillistä. Hyvin pieni yritysjoukko voi viedä suurimman osan voitoista ja markkinoista. Mahdollisuus monopoliaseman hyväksikäyttöön ja kilpailun puute ovat omiaan lisäämään riskiä tulojen epätasaisesta jakautumisesta. Uhkana voidaan pitää sitä, että hyödyt uudesta teknologisesta harppauksesta jakautuvat epätasaisemmin kuin hyödyt aiemmista vastaavista.

Kansantalouden tilastoissa digitalisaatiokehitys on näkynyt ennakoitua vaimeampana talouskasvuna (Itkonen 2017). Samaan aikaan digitalisaation kanssa havaittu heikko tuottavuuskehitys on johtanut tulkintaa vaativaan ristiriitaan. Taustalla on yhtäältä se, että digitaalisten hyödykkeiden taloudellista merkitystä on ollut vaikea mitata. Digitalisaation mittaamisen haasteiksi ovat osoittautuneet kokonaan uudet hyödykkeet, ilmaispalvelut, laadun muutokset ja globaali aineeton pääoma. ICT-laitteiden ja -palveluiden laadun paraneminen on tekijä, jonka vaikutusta hintakehitykseen on ollut vaikea arvioida. Käytännössä hintakehitys on yliarvioitu muun muassa siksi, että ICT-tuotteiden laadun paraneminen on huomioitu vain osittain ja parempi laatu onkin näkynyt virheellisesti korkeampina hintoina. Tällöin vastaavasti talouskasvu eli kiintein hinnoin mitatun bruttokansantuotteen kehitys on aliarvoitu. Johtopäätöksenä voidaan todeta, että digitalisaation elintasoa parantava vaikutus ei ole näkynyt täysimääräisesti taloustilastoissa.

Toinen selitys on se, että tuottavuuskasvu tapahtuu laajassa mitassa vasta, kun kehitetään ja otetaan käyttöön laajalti ihmistyötä täydentäviä innovaatioita, kuten uusia työn organisointitapoja. Tämä taas edellyttää niin yhteiskunnan kuin yritystenkin tasolla investointeja aineettomaan pääomaan, esimerkiksi koulutukseen ja tutkimukseen. Vaikka tällä hetkellä tekoälyteknologia mahdollistaisi monenlaista kannattavaa liiketoimintaa, visiot eivät toteudu, elleivät ihmiset keksi ja kehitä tarvittavia täydentäviä innovaatioita. Näistä osa on luonteeltaan teknologisia, mutta huomattava osa sosiaalisia tai sosioteknisiä (Brynjolfsson ym. 2017).

On mahdollista myös tulkita nykyinen tilanne perustavanlaatuisemmin eräänlaiseksi innovaatiokäsityksen taantumaksi ja paluuksi teknologiseen determinismiin.

Teknologiseen determinismiin perustuvalla innovaatiokäsityksellä tarkoitetaan mallia, jossa tutkimuksessa kehitettyjen teknologioiden oletetaan leviävän yrityksiin ja vaikuttavan lineaarisesti kasvuun, työllisyyteen sekä työnteon muotoihin ja käytäntöihin. Kuitenkin jo vuosikymmeniä sitten tämä malli on haastettu, kun on tarjottu tilalle yhteistoiminnallisia innovaatiomalleja, kuten ”open innovation”tai ”quadruple helix”. Näissä päättäjät ja hallinto, elinkeinoelämä, tutkijat ja kansalaiset toimivat yhdessä luodakseen tulevaisuutta ja toteuttaakseen rakenteellisia muutoksia (Kopp ym. 2017; Arnkil ym. 2010.).

2.2 Työllisyysvaikutuksista tutkimuksen valossa

Tämänhetkinen keskustelu tekoälyn työelämävaikutuksista on jaettavissa kahteen päälinjaan. Ensinnäkin pohditaan työllisyysvaikutuksia, eli a) syntyykö katoavien töiden tai tehtävien tilalle riittävästi uusia töitä vai kasvaako työtä ja toimeentuloa vailla olevien määrä sekä b) mitkä ammatit ovat pahiten uhattuina ja millaisia uusia tehtäviä kehkeytyy (mm. Frey & Osborne 2013; Pajarinen & Rouvinen 2014; McKinsey 2017; Linturi & Kuusi 2018). Toisaalta keskustellaan työelämän laadullisista muutoksista, eli siitä, millaisia muutoksia tapahtuu tehtävien sisällä ja työnteon tavoissa, kuten työsuhdemalleissa, työnteon ajoissa, paikoissa ja organisoitumisessa, ja olisiko koko työtä ja työelämää koskeva käsitteistö pohdittava uudelleen (Järvensivu 2010; Gratton 2011; Dufva ym. 2017; Antila ym. 2018). Tämän raportin tarkastelun painopiste on tekoälyn työllisyysvaikutuksissa.

Automaation työllisyysvaikutuksista on keskusteltu jo teollisen yhteiskunnan alkuvaiheista asti. Viimeisin keskustelu teknologioiden työllisyysvaikutuksista ja niiden mittaluokasta alkoi Freyn ja Osbornen (2013) artikkelista. Siinä ammatit luokiteltiin sen suhteen, miten todennäköisesti ne ovat automatisoitavissa. Ammatit luokiteltiin korkean, keskitason ja matalan riskin kategorioihin. Tulosten mukaan USA:n työllisyydestä jopa 47 % automatisoidaan 70 %:n todennäköisyydellä 20 vuoden kuluessa. Vastaava analyysi Suomen osalta osoitti automaation uhan kohdistuvan kolmannekseen työllisyydestä (Pajarinen & Rouvinen 2014).

Ammatit koostuvat monenlaisista tehtävistä, joiden automatisoinnin todennäköisyys vaihtelee huomattavasti. OECD:n kansainvälinen aikuiskoulutustutkimusaineisto (PIAAC) mahdollistaa analyysin kohdistamisen tehtäviin. Tätä aineistoa hyödyntävissä OECD:n julkaisemissa tutkimuksissa on todettu, että edellä mainitut ennakoinnit ovat todennäköisesti yliarvioineet automaation vaikutukset. Vuonna 2016 julkaistu tutkimus käsitti 21 jäsenmaata ja tehtävätason tarkastelut viittasivat siihen, että työllisyydestä vain noin 9 % olisi automatisoitavissa. Maiden väliset erot osoittautuivat merkittäviksi, esimerkiksi Suomessa automatisoitavissa olevia työpaikkoja arvioitiin olevan vain alle 7 % (Arntz ym. 2016).

Tuoreimmassa OECD:n tutkimuksessa maajoukko laajentui käsittämään 32 maata. Sen tulosten mukaan 14 % työpaikoista on sellaisia, missä automatisoinnin riski on korkea (Nedelkoska & Quintini 2018). Tämän lisäksi noin kolmannes työpaikoista on sellaisia, missä automatisoinnin riski on 50–70 %. Näihinkin töihin sisältyy siis huomattava osuus automatisoitavissa olevia tehtäviä, mikä lisää merkittävästi paineita taitovaatimusten muutoksille niissä työskenteleville. Suomea koskevien tulosten mukaan noin kolmannes työpaikoista kuuluu joko korkean (yli 70 %) tai keskitason (50–70 %) automatisoinnin riskin piiriin. Luku on kolmanneksi alhaisin Norjan ja Uuden-Seelannin jälkeen.

Uusin OECD:n tutkimus pyrkii myös kuvaamaan suurimman muutosriskin työllisyyttä sen suhteen, mitä väestöryhmiä muutokset eniten koskettavat. Raportin mukaan muutokset kohdistuvat eniten matalan taitotason työllisyyteen ja automatisoinnin riski vähenisi varsin suoraviivaisesti koulutus- ja osaamistason noustessa. Suurin riski kohdistuu nuoriin, jotka usein työskentelevät sellaisissa työmarkkinoiden sisääntuloammateissa, joissa on korkea automatisoinnin riski.

Myös isot kansainväliset liikkeenjohdon konsulttiyritykset ovat osallistuneet keskusteluun teknologian työllisyysvaikutuksista. Jonkin verran julkisuudessa olleessa McKinseyn (2017) raportissa analyysitasona ovat toiminnot ja niiden suorittamiseen tarvittavat kyvykkyydet. Raportin mukaan noin puolet toiminnoista olisi nykyteknologialla mahdollista automatisoida, mutta kokonaisista ammateista vain noin 5 % olisi täysin automatisoitavissa. Kuitenkin jopa 60 % ammateista sisältää automatisoitavissa olevia toimintoja.

Tutkimuksista voidaan havaita, että ennusteet vaihtelevat suuresti. Niissä on käytetty erilaisia tarkastelutasoja ja käsitteistöjä sekä analysoitu erilaisia aikavälejä. Kokonaiskuvaa katoavista töistä on vaikea hahmottaa, eikä tilannetta helpota se, että tekoälyn vaikutuksia on hankala erottaa muun teknologian vaikutuksista. Johtopäätöksenä voidaan kuitenkin todeta, että automatisointi ei todennäköisesti hävitä kokonaan moniakaan ammatteja, mutta korvaa useissa tehtävissä ihmistyötä (Koski 2018). Samalla se muuttaa tehtäväkuvia. Ennusteeseen luo huomattavaa epävarmuutta se, että myös uusia tehtäviä ja ammatteja syntyy (Linturi & Kuusi 2018).

On myös hyvä huomioida, että tekoäly ei vaikuta samalla tavalla kaikkien työhön ja työllisyyteen. Uusien teknologioiden käyttöönotolla on myös tulonjakovaikutuksia. Tekoälyllä niitä voi olla aiempaa enemmän, koska sen odotetaan vaikuttavan rutiinitehtävien ohella myös korkean asiantuntijuuden tehtäviin. Polarisaation ja eriarvoisuuden kasvun riskit ovat olemassa (Korinek & Stiglitz 2017), kuten myös sosiaalisen ja poliittisen epäjärjestyksen mahdollisuudet erityisesti lyhyellä aikavälillä (Eurofound 2018). Tästä syystä yhteiskunnallisten ja taloudellisten instituutioiden kehittäminen on tarpeen. Kehittämisessä tulisi ottaa huomioon teknologiseen determinismiin kohdistettu kritiikki ja soveltaa eri tahojen osallisuutta laajasti sallivia ja tukevia toimintatapoja, joita digitaaliset välineet hyvin mahdollistavat.

2.3 Politiikkasuositukset

  1. Kansallisissa tekoälyohjelmissa tulee panostaa ihmistyötä täydentäviin innovaatioihin, joista huomattava osa on sosiaalisia ja sosioteknisiä. Tuottavuus kasvaa laajassa mitassa vasta sitten, kun tekoälyn rinnalla otetaan käyttöön sitä tukevia muutoksia työtavoissa ja organisaatioissa.
  2. Koulutussisällöissä on huomioitava tarve teknologia- ja vuorovaikutustaitojen yhdistämiselle, koska tekoäly tulee muokkaamaan useimpien ammattien tehtäväsisältöjä. Vaikka kokonaan automatisoitavissa olevaa työllisyyttä on suhteellisen pieni osa, huomattavaan osaan työpaikkoja kuitenkin sisältyy automatisoitavia tehtäviä. Se merkitsee, että työntekijöiden taitovaatimukset muuttuvat.
  3. Teknologiseen kehitykseen liittyy myös tekoälyn yhteydessä ns. osaamisvinouma: osaajista on puutetta samalla, kun vähemmän koulutetut eivät löydä töitä. Jotta työllisyys olisi riittävän korkea ja syrjäytymisriski pieni, on perusteltua varmistaa riittävät oppimisvalmiudet kaikille ja pitää huolta, että pelkän peruskoulun varaan jääviä olisi mahdollisimman vähän.
  4. Tekoälyteknologian skaalautuvuuden vuoksi monopolien syntyminen on mahdollista. Markkina-aseman väärinkäyttöön tulee puuttua älykkäällä sääntelyllä ja kilpailuvalvonnalla.
  5. Työvoiman liikkuvuutta tulee tukea siten, että työntekijät siirtyvät paremmin osaamistaan vastaaviin tehtäviin, esimerkiksi työnvälitystä kehittämällä. Kilpailukieltojen käyttöä tulee rajoittaa.

Lähdeluettelo

Anttila, J., V. Eranti, J. Jousilahti, J. Koponen, M. Koskinen, J. Leppänen, A Neuvonen, M. Dufva, M. Halonen, J. Myllyoja, V.-V. Pulkka, M. Annala, H. Hiilamo, H., J. Honkatukia, A. Järvensivu, M. Kari, J. Kuosmanen, M. Malho & M.

Malkamäki (2018). Tulevaisuusselonteon taustaselvitys. Pitkän aikavälin politiikalla läpi murroksen – tahtotiloja työn tulevaisuudesta. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 34/2018.

Arnkil, R., A. Järvensivu, P. Koski & T. Piirainen (2010). Exploring Quadruple Helix. Outlining user-oriented innovation models. University of Tampere, Work Research Centre, Working papers 85/2010.

Arntz, M., T. Gregory & U. Zierahn (2016). The risk of automation for jobs in OECD countries: a comparative analysis. OECD Social, Employment and Migration working paper 189. OECD, Paris.

Brynjolfsson, E., C. Syverson & D. Rock (2017). Artificial intelligence and the modern productivity paradox: a clash of expectations and statistics. NBER Working Paper 24001.

Dufva, M., M. Halonen, M. Kari, T. Koivisto, R. & J. Myllyoja (2017). Kohti jaettua ymmärrystä työn tulevaisuudesta. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 33/2017.

Eurofound (2018) Automation, digitalisation and platforms: Implications for work and employment.

Publications Office of the European Union, Luxembourg.

Frey, C. B & M. A. Osborne (2013). The future of employment: how susceptible are jobs to computerization? The Oxford Martin School, Programme on Technology and Employment, Working Paper.

Gratton, L. (2011). The Shift. The future of work is already here. Collins, London.

Ikonen, J. (2017). Digitalisaation mittaushaasteiden vaikutus kansantalouden kokonaiskuvaan. Kansantaloudellinen aikakauskirja 4/2017.

Järvensivu, A. (2010). Tapaus työelämä – ja voiko sitä muuttaa? Tampere: TUP.

Kopp, R., J. Howaldt & J. Schultze (2016). Why industry 4.0 needs workplace innovation: a critical look at the German debate on advanced manufacturing. European journal of workplace innovation 2(1), 7–24.
Korinek, A. & J. Stiglitz (2017). Artificial intelligence and its implications for income distribution and unemployment. NBER Working Paper 24174.

Koski, O. (2018). Tekoäly ja muuttuva työ. Työpoliittinen aikakauskirja 1/2018, 11–22.

Linturi, R. & O. Kuusi (2018). Suomen sata uutta mahdollisuutta 2018–2037. Yhteiskunnan toimintamallit uudistava radikaali teknologia. Eduskunnan tulevaisuusvaliokunnan julkaisu 1/2018.

McKinsey (2017). A future that works: Automation, employment, and productivity. McKinsey Global Institute.

Nedelkoska, L. & G. Quintini (2018). Automation, skills use and training. OECD Social, Employment and Migration Working Papers 202. OECD, Paris.

Pajarinen, M. & P. Rouvinen (2014). Computerization Threatens One Third of Finnish Employment. ETLA muistio 22, 13 January 2014.

Mitä mieltä sinä olet?

Mitä mieltä sinä olet?