AI ja liiketoiminta
GDPR ja AI Act käytännössä: milloin liiketoimintatiedon analyysi muuttuu ihmisen arvioinniksi?
Peter Raikamo
27.10.2026
5 min lukuaika
Mitä yrityksen pitää huomioida, kun tekoäly tulkitsee myyntiä, asiakkuuksia ja työn tuloksia?
Käytännön työssä joudun pohtimaan, milloin tekoäly tukee liiketoiminnan johtamista ja milloin se alkaa arvioida ihmistä. Raja ei ole aina selvä. Esimerkiksi asiakasportfolion luvut kertovat sekä liiketoiminnan kehityksestä että siitä vastaavan henkilön työstä.
Tämä kirjoitus on oma käytännön tulkintani liiketoiminnan ja AI-ratkaisujen kehittäjänä, ei oikeudellinen kannanotto.
Tekoäly muuttaa tiedon käyttötapaa
Yritysten järjestelmissä on jo pitkään ollut henkilöihin yhdistettävää tietoa. CRM-järjestelmästä nähdään, kuka vastaa asiakkaasta. Projektijärjestelmästä nähdään työn eteneminen ja myynnin raportoinnista tulokset henkilöittäin.
Tekoäly ei välttämättä muuta käytettävää dataa. Se muuttaa sitä, mitä datasta tehdään.
Perinteinen raportti voi todeta:
Asiakasportfolion myynti on laskenut 12 prosenttia.
Tekoäly voi jatkaa:
Lasku painottuu kolmeen asiakkaaseen, joiden yhteydenpito on vähentynyt. Ota ensin yhteyttä asiakkaisiin A ja B ja selvitä niiden muuttunut palveluntarve.
Tässä tekoäly auttaa ihmistä kohdistamaan huomionsa ja suunnittelemaan seuraavia toimenpiteitä.
Sama järjestelmä voisi kuitenkin sanoa:
Asiakasvastaava ei ole hyödyntänyt portfolionsa potentiaalia ja suoriutuu muita heikommin.
Data voi olla sama, mutta käyttötarkoitus on muuttunut. Ensimmäinen tukee työn tekemistä. Jälkimmäinen arvioi työntekijää.
GDPR ja AI Act eivät estä liiketoiminnan johtamista
Yrityksen pitää pystyä johtamaan myyntiä, asiakkuuksia, kannattavuutta ja työn laatua. Henkilöihin yhdistettävää tietoa ei tarvitse automaattisesti poistaa kaikesta analytiikasta.
GDPR koskee henkilötietojen käsittelyä jo silloin, kun tiedot voidaan yhdistää tunnistettavaan henkilöön. Tämä koskee myös perinteistä raportointia ilman tekoälyä.
AI Act tuo omat vaatimuksensa tekoälyn käyttöön. Erityisesti työntekijöiden suoriutumisen ja käyttäytymisen seurantaan tai arviointiin tarkoitetut AI-järjestelmät voivat kuulua korkean riskin järjestelmiin.
Ratkaisevaa ei ole vain käytettävä data tai tekoälyn käyttämä sanamuoto. Olennaista on myös:
mitä tekoäly päättelee
kenelle tulos näytetään
mihin tulosta käytetään
vaikuttaako se ihmistä koskevaan päätökseen.
Asiakasvastaavalle annettava toimenpidesuositus on eri asia kuin esihenkilölle tuotettava arvio hänen suoriutumisestaan.
Jälkimmäinen ei välttämättä ole kielletty, mutta se on tunnistettava erilliseksi käyttötapaukseksi ja arvioitava sen mukaisesti.
Myös näennäisesti neutraali toimenpidesuositus voi muuttua työntekijän arvioinniksi, jos järjestelmää käytetään tosiasiassa hänen toimintansa järjestelmälliseen seurantaan ja arviointiin.
Miten tekoälyn vastuullinen käyttö varmistetaan käytännössä?
1. Määrittele, mihin tekoälyä käytetään – ja mihin ei
Aloita yhdestä käytännön kysymyksestä:
Mitä tekoäly arvioi: asiakasta, kauppaa, toimenpidettä vai ihmistä?
Kirjaa sen jälkeen käyttötarkoitus mahdollisimman selvästi:
Tekoäly analysoi asiakasportfolion kehitystä ja ehdottaa asiakasvastaavalle seuraavia toimenpiteitä.
Määrittele erikseen, käytetäänkö tekoälyä liiketoiminnan analysointiin, työn kehittämiseen vai työntekijöiden suoriutumisen arviointiin.
Jos järjestelmällä on useita käyttötarkoituksia, niiden vaatimukset on arvioitava erikseen. Näin myös käyttötarkoituksen myöhemmät muutokset voidaan tunnistaa.
2. Näytä, mihin tekoälyn tulkinta perustuu
Käyttäjän pitää nähdä keskeiset luvut, ajanjakso ja tietolähde.
Asiakkaan ostot ovat vähentyneet 20 prosenttia viimeisen kuuden kuukauden aikana.
Tämä on laskettu havainto. Tekoäly voi sen jälkeen esittää tulkinnan:
Muutos voi liittyä vähentyneeseen yhteydenpitoon, mutta myös asiakkaan tarpeet tai markkinatilanne ovat voineet muuttua.
Laskettua tietoa ja tekoälyn mahdollista selitystä ei pidä esittää yhtä varmoina asioina.
3. Tunnista, milloin liiketoiminnan analyysi on myös ihmisen arviointia
Liiketoiminnan tulokset syntyvät ihmisten toiminnasta. Esimerkiksi myyntisuppilon tunnusluvut kertovat samanaikaisesti myyntiprosessin toimivuudesta ja yksittäisten myyjien tuloksista.
Mittari | Liiketoiminnan näkökulma | Henkilön näkökulma |
|---|---|---|
Aktiivisuus | Riittääkö myyntityön määrä? | Kuinka aktiivisesti myyjä toimii? |
Konversio | Kuinka tehokkaasti myyntiprosessi toimii? | Kuinka hyvin myyjä onnistuu? |
Laatu | Kuinka laadukkaita asiakaskohtaamiset ovat? | Millainen on myyjän työn laatu? |
Arvo | Kuinka paljon kannattavaa kauppaa syntyy? | Minkä verran arvoa myyjän vastuulla syntyy? |
Tekoäly voi esimerkiksi havaita:
Myyjän tarjouskonversio on 18 prosenttia, kun vertailuryhmän keskiarvo on 30 prosenttia. Selvitä hävittyjen tarjousten syyt ja mahdolliset kehitystoimenpiteet.
Samaa analyysiä voidaan käyttää sekä myyjän työn kehittämiseen että esihenkilön tekemään suoriutumisen arviointiin. On kuitenkin muistettava, etteivät tulokset yksin kerro kaikkea myyjän osaamisesta tai toiminnasta.
Ihmisen suoriutumisen arviointi ei ole lähtökohtaisesti kiellettyä. Olennaista on tunnistaa, milloin tekoälyä käytetään tähän tarkoitukseen ja mitä vaatimuksia käyttötapaukseen liittyy.
Pelkkä toimenpidesuositusten antaminen ei ratkaise asiaa. Myös niitä tuottavaa tekoälyjärjestelmää voidaan käyttää työntekijöiden arviointiin, jolloin sen käyttötarkoitus ja sääntelyvaatimukset on arvioitava sen mukaisesti.
4. Sovi, kuka näkee tiedot ja mihin niitä saa käyttää
Yrityksessä kannattaa määritellä selkeät pelisäännöt:
näkeekö työntekijä oman analyysinsa
näkeekö esihenkilö yksilötason tulokset
saako työntekijöitä vertailla keskenään
saako tuloksia käyttää palkitsemiseen tai tehtävien jakamiseen
kuinka kauan henkilöön yhdistettäviä tulkintoja säilytetään.
Työntekijöiden on tiedettävä, mitä tietoja heistä analysoidaan, mihin tekoälyä käytetään ja miten tulokset voivat vaikuttaa heitä koskeviin päätöksiin.
Yrityksen on samalla varmistettava, että henkilötietojen käsittely on lainmukaista ja että käyttötapaan liittyvät muut velvoitteet huomioidaan.
Mitä enemmän tekoälyn tulokset vaikuttavat yksittäisen työntekijän asemaan, sitä tärkeämpää on varmistaa arvioinnin perusteet ja oikeudenmukaisuus.
5. Anna ihmiselle mahdollisuus tarkistaa ja korjata tulkinta
Tekoäly näkee käytettävissä olevan datan, mutta ei välttämättä tunne tilanteen koko taustaa.
Asiakkaan ostot voivat olla vähentyneet esimerkiksi sovitun muutoksen, toimitusongelman tai asiakkaan oman tilanteen vuoksi.
Käyttäjän pitää voida korjata väärä tieto, täydentää puuttuva asiayhteys ja sivuuttaa tilanteeseen sopimaton suositus.
Ratkaisua kannattaa kokeilla ensin muutamalla hallitulla tapauksella. Sen jälkeen voidaan arvioida, mitkä tulkinnat auttoivat, mitkä johtivat harhaan ja mitä tietoa tekoälyltä puuttui.
Käytännöllinen tapa edetä
Minulle selkein lähtökohta on tämä:
Data laskee, tekoäly tulkitsee ja ihminen arvioi sekä päättää.
Yrityksen ei tarvitse tehdä jokaisesta AI-ratkaisusta raskasta juridista projektia. Pitkälle pääsee jo määrittelemällä käyttötarkoituksen, erottamalla faktat tulkinnoista ja sopimalla, kuka saa käyttää tuloksia ja mihin. Samalla on tunnistettava tilanteet, joissa lainsäädäntö edellyttää tarkempaa arviointia ja lisätoimenpiteitä.
Ihmisen tekemä lopullinen päätös on tärkeä periaate, mutta se ei yksin poista tekoälyn käyttöön liittyviä lakisääteisiä velvoitteita.
Hyvin suunniteltuna tekoäly voi auttaa ihmistä ymmärtämään tilanteensa, kohdistamaan huomionsa oikein ja tekemään parempia päätöksiä.
Olennaista on tunnistaa, mihin tekoälyä käytetään, millaisia johtopäätöksiä se tekee ja miten nämä vaikuttavat ihmisiin.
Peter Raikamo Co-Founder, CIFI