Ennakoiva kehittämiskulttuuri työelämän murroksen tukena 22.8.2025 Artikkelikokoelma, Opinnäyte Tarkiainen, Anssi (toim.) Liiketoiminta ja yrittäjyys Metatiedot Tyyppi: Kokoomajulkaisu Julkaisija: Lapin ammattikorkeakoulu Oy Julkaisuvuosi: 2025 Sarja: Pohjoisen tekijät – Lapin ammattikorkeakoulun julkaisuja 12/2025 ISBN: 978-952-316-548-9 ISSN: 2954-1654 PDF-linkki: Pohjoisen tekijät 12 2025 Anssi Tarkiainen.pdf Oikeudet: CC BY 4.0 Kieli: suomi Kannen kuva: Tuovi Mäkinen, kuva luotu Microsoft Designer -AI sovelluksella. © Lapin ammattikorkeakoulu ja tekijät URN: urn:isbn:978-952-316-548-9 Kirjoittajat Tarkiainen, Anssi (toim.) Sisällysluettelo Näytä sisällysluettelo Artikkelikokoelma YAMK-opinnäytetöiden tuloksistaTiivistelmäEsipuheNäkymiä ja mahdollisuuksia: Ennakoiva kehittäminen työelämän murroksessaYhteisen ymmärryksen rakentuminen tulevaisuusverstaassaTyöelämän ennakointia: Adhd-aikuisten osallistaminen tulevaisuuskeskusteluunTekoälyn ja ohjelmistorobotiikan hyödyntäminen HR-prosesseissaKaakkois-Suomen ammattikorkeakoulun ennakointikyvykkyys Liitetiedostot Liitteet Petasnoro a Piiroinen Liitteet Maatta a Perasto Liitteet Martinmaki a Makinen Liitteet Aarimo Komonen Saahkari a Vuorela Jaa somessa Jaa Facebookissa Jaa Facebookissa (avautuu uuteen ikkunaan) Jaa LinkedInissä Jaa LinkedInissä (avautuu uuteen ikkunaan) Jaa X:ssä Jaa X:ssä (avautuu uuteen ikkunaan) Artikkelikokoelma YAMK-opinnäytetöiden tuloksista Toimitus ja esipuhe: Anssi Tarkiainen, KTT, Johtava tutkija, Lapin ammattikorkeakoulu Artikkelien kirjoittajat: Ringa Aarimo, tradenomi, yamk-opiskelija, Lapin ammattikorkeakoulu Katja Komonen, tradenomi, yamk-opiskelija, Lapin ammattikorkeakoulu Pertti Martinmäki, insinööri, yamk-opiskelija, Lapin ammattikorkeakoulu Tuovi Mäkinen, tradenomi, yamk-opiskelija, Lapin ammattikorkeakoulu Susanna Määttä, sairaanhoitaja, yamk-opiskelija, Lapin ammattikorkeakoulu Joel Perasto, tradenomi, yamk-opiskelija, Lapin ammattikorkeakoulu Annemari Petäsnoro, tradenomi, yamk-opiskelija, Lapin ammattikorkeakoulu Elsi-Mirjami Piiroinen, tradenomi yamk-opiskelija, Lapin ammattikorkeakoulu Teemu Saahkari, tradenomi, yamk-opiskelija, Lapin ammattikorkeakoulu Jarkko Vuorela, tradenomi, yamk-opiskelija, Lapin ammattikorkeakoulu Tiivistelmä Ennakoinnin ja kehittämisen asiantuntija YAMK-koulutuksessa opiskelijat tekevät opinnäytetyönsä monialaisissa pienryhmissä. Tässä julkaisussa esitetyt tulokset ovat syntyneet opinnäytetyöprosessissa, joka käynnistyi tammikuussa 2024 ja päättyi toukokuussa 2025. Opiskelijat työskentelivät neljässä teemaryhmää: 1) Hyvinvointi, 2) Johtajuus, 3) Kehittämiskulttuuri ja 4) Prosessinkehitys. Tämä julkaisu kokoaa Kehittämiskulttuuri -teemaryhmän työskentelyn tulokset. Julkaisun otsikoksi muotoutui prosessin aikana: ”Ennakoiva kehittämiskulttuuri työelämän murroksen tukena”. Organisaatioiden toimintaympäristöt ovat jatkuvassa muutoksessa. Tästä syystä ennakointi on organisaatioiden kehittämisen yksi perusedellytys. Tässä kokoomajulkaisussa ennakointia tarkastellaan yhteistoiminnallisen ennakoinnin näkökulmasta. Yhteistoiminnallisessa ennakoinnissa hyödynnetään moniammatillista yhteistyötä ja asiantuntijuutta. Tämän julkaisun alussa on opinnäytetöiden yhteinen tietoperusta, jossa esitellään ennakoivan kehittämiskulttuurin käsitteistöä ja käytettyjä tutkimusmenetelmiä. Julkaisun loppuosa koostuu neljästä opinnäytetyöartikkelista, joissa raportoidaan ennakoivan kehittämiskulttuurin kehittämistä eri näkökulmista. Ensimmäisessä artikkelissa tarkastellaan yhteisen ymmärryksen rakentumista tulevaisuus verstaassa. Toisessa artikkelissa käsitellään adhd-aikuisten osallistamista tulevaisuuskeskusteluun. Kolmas artikkeli käsittelee tekoälyn ja ohjelmistorobotiikan hyödyntämistä HR-prosessien automatisoinnissa. Ja neljäs artikkeli tarkastelee organisaation ennakointikyvykkyyttä. Kaikki neljä artikkelia ovat eri organisaatioille kehittämistoimeksiantona tehtyjä opinnäytetöitä. Kokonaisuutena tämä kokoomajulkaisu tarjoaa monipuolisen ja ajankohtaisen katsauksen yhteistoiminnallisen ennakoinnin kehittämiseen. Esipuhe Ennakoinnin ja kehittämisen asiantuntija -YAMK-koulutus vastaa ajankohtaisiin työelämän osaamistarpeisiin. Organisaatioiden toimintaympäristö on jatkuvassa muutoksessa, mikä vuoksi ennakoinnille on tarvetta toiminnan kehittämisessä. Ennakoinnissa korostuu epävarmuuksien ja mahdollisten vaihtoehtoisten kehityskulkujen tunnistaminen, ja siihen liittyy keskeisesti myös ajattelu tulevaisuuteen vaikuttamisesta kehittämistyön tuloksena. Ennakointi Suomessa on kansainvälisesti tarkasteltuna hyvällä tasolla ja Suomi mainitaankin yhtenä eniten ennakointia tekevänä maana (Sossa ym. 2021). Nykyisin ennakointi nähdään toimintana, jossa ei ole yhtä koulukuntaa tai lähestymistapaa, vaan käytettävät menetelmät ja lähestymistavat vaihtelevat tarkoituksen mukaan (Sossa ym. 2021). Cuhls ym. (2024) ovat tarkastelleet ennakoinnin kehittymistä 50 vuoden aikana, ja tunnistavat kolme keskeistä kehityssuuntaa ennakoinnissa: 1) ennakointi liittyy enenevässä määrin tavoitteelliseen uudistamiseen, jossa osallistavat lähestymistavat korostuvat 2) teknologian kehittyessä koneellisia lähestymistapoja (esim. koneoppiminen ja kielimallit) hyödynnetään enenevissä määrin, ja 3) ennakointi kytkeytyy poliittisiin päätöksiin ja strategiaprosesseihin. Moqaddamerad & Ali (2024) ovat tutkineet ennakoinnin roolia liiketoimintamallien innovaatioiden kehittämisessä suomalaisissa yrityksissä. Keskeisenä löydöksenä he havaitsivat, että ennakointitoiminta ei sellaisenaan suoraan vaikuta innovaatioihin, vaan ennakoinnilla tuotettua tietoa tulee käsitellä organisaatiossa yhteisen ymmärryksen muodostamisen ja oppimisen prosessien kautta. Tässä kokoomajulkaisussa julkaistavat YAMK-opinnäytetyöartikkelit kytkeytyvät keskeisesti näihin ennakoinnin kehityssuuntiin ja löydöksiin. Koska tulevaisuuteen pyritään vaikuttamaan, on tärkeää hyödyntää moniammatillista lähestymistapaa. Moniammatillisuuden ohella on hyvä huomioida se, että ennakointityöhön tulee osallistaa monipuolisesti kaikki työelämän sektorit ja varmistaa myös vähemmistöjen osallistaminen. Nämä työelämälähtöiset tarpeet korostuvat myös tässä kokoomajulkaisussa, joka kokoaa yhteen keväällä 2024 Ennakoinnin ja kehittämisen asiantuntija YAMK-koulutuksessa aloittaneiden kymmenen opiskelijan opinnäytetyöt ja niitä pohjustavan tietoperustan. Ennakoinnin ja kehittämisen asiantuntija YAMK-koulutuksen ydinopinnot korostavat ennakointia, työelämän kehittämistä ja kehittämistyön vaikuttavuutta. Tätä osaamista opiskelijat vievät työelämään erityisesti opinnäytetöissä, jotka tehdään aitoina työelämän kehittämiseen liittyvinä toimeksiantoina eri organisaatioille. Koulutuksen monialaiset opinnäytetyöt (MONT) tarjoavat opiskelijoille mahdollisuuden syventää TKI-osaamistaan monialaisessa työryhmässä ja hyödyntää vertaispalautetta työskentelyssään. Opiskelijat työskentelivät yhteisessä monialaisessa teemaryhmässä, joka keskittyi temaattisesti ennakointiin ja sen kehittämiseen organisaatioissa. Opinnäytetyöartikkeleita tässä kokoomajulkaisussa on neljä, ja ne liittyvät ennakointiin toimeksiantajaorganisaation työelämälähtöisen tarpeen näkökulmasta. Toimeksiantajina kehittämistyössä olivat Kansaneläkelaitos (KELA), ADHD-liitto, ja Kaakkois-Suomen ammattikorkeakoulu. Työskentely ennakointiin keskittyvässä teemaryhmässä synnytti runsaasti keskustelua ja ajatustenvaihtoa. Monialaisessa teemaryhmässä ovat työskennelleet Ringa Aarimo, Katja Komonen, Pertti Martinmäki, Tuovi Mäkinen, Susanna Määttä, Joel Perasto, Annemari Petäsnoro, Elsi-Mirjami Piiroinen, Teemu Saahkari ja Jarkko Vuorela. Ryhmän opiskelijoiden pohjakoulutukset ovat insinööri (AMK), tradenomi (AMK), ja sairaanhoitaja (AMK). Opiskelijat työskentelevät erilaisissa asiantuntija- ja kehittämistehtävissä, erilaisissa organisaatioissa niin julkisella kuin yksityisellä sektorilla. Teemaryhmä on edennyt aikataulussa puolentoista vuoden ajan muiden opintojen rinnalla. Opiskelijat osallistuivat aktiivisesti yhteisiin ryhmätapaamisiin, antaen toisilleen tärkeää vertaispalautetta ja -tukea. Omien opinnäytetyöartikkeliensa ohella opiskelijat ovat yhdessä laatineet teemaryhmän yhteisen tietoperustan. Tämä yhteinen tietoperusta avaa lukijalle ennakoinnin ja kehittämisen käsitteistöä. Ennakointiin liittyy keskeisesti myös tulevaisuudentutkimukseen lukeutuvat menetelmät, kuten vaikkapa tulevaisuusverstas tai -työpaja. Tämän kokoomateoksen yhteinen tietoperusta esittelee näitä, ja myös muita, tutkimus- ja kehittämismenetelmiä. Tämä yhteinen tietoperusta toimii erinomaisena johdantona artikkelimuotoisille opinnäytetöille, joista tämän kokoomajulkaisun loppuosa koostuu. Neljässä opinnäytetyöartikkelissa opiskelijat raportoivat opinnäytetyönä tehdyt tutkimus- ja kehittämistyönsä yksityiskohtaisemmin. Toimeksiannoissa korostuvat yllä kuvatut työelämän tarpeet. Osa artikkelimuotoisista opinnäytetöistä keskittyy ennakointitiedon tuottamiseen toimeksiantajaorganisaatioille hyödyntäen ennakoinnin menetelmiä. Osa artikkelimuotoisista opinnäytetöistä keskittyy kehittämään toimeksiantajaorganisaatioiden ennakointiosaamista erilaisissa organisaatioissa. Ensimmäinen artikkeli (Petäsnoro & Piiroinen) tarkastelee yhteisen ymmärryksen rakentumista. Toinen artikkeli (Määttä & Perasto) hyödyntää tulevaisuustaajuus -työpajaa adhd-aikuisten osallistamisessa tulevaisuuskeskusteluun. Kolmas artikkeli (Martinmäki & Mäkinen) keskittyy tekoälyn ja ohjelmistorobotiikan hyödyntämiseen HR-prosesseissa. Neljäs artikkeli (Aarimo, Komonen, Saahkari, & Vuorela) tarkastelee organisaation ennakointikyvykkyyttä. Kokonaisuutena tämä kokoomateos tarjoaa kattavan tietoperustan ennakoinnin käsitteistä ja siinä hyödynnettävistä menetelmistä, ja mielenkiintoisia artikkelimuotoisina opinnäytteinä esitettyjä työelämälähtöisiä ennakoinnin kehittämistöitä. Lämmin kiitos koko ryhmälle antoisasta ja opettavaisesta prosessista, sekä ahkerasta työskentelystä. Suuret kiitokset kuuluvat myös toimeksiantoja antaneille organisaatioille ja töiden ohjauksesta toimeksiantajaorganisaatiossa vastanneille henkilöille. Ja kiitokset viestinnän opettaja Sisko Häikiölle kirjoittamisprosessin ohjaamisesta. Rovaniemellä 20.8.2025 KTT Anssi Tarkiainenjohtava tutkija, Lapin ammattikorkeakoulu. Lähteet Cuhls, K., Dönitz, E., Erdmann, L., Gransche, B., Kimpeler, S., Schirrmeister, E., & Warnke, P. (2024). Foresight: Fifty years to think your futures. Teoksessa Systems and innovation research in transition: Research questions and trends in historical perspective (pp. 73-106). Cham: Springer Nature Switzerland. Moqaddamerad, S., & Ali, M. (2024). Strategic foresight and business model innovation: The sequential mediating role of sensemaking and learning. Technological Forecasting and Social Change, 200, 123095. Sossa, J. W. Z., Ríos, V. T. Á., López, C. A. G., & Piedrahita, J. C. P. (2021). Foresight by scenarios-a literature review. International Journal of Foresight and Innovation Policy, 15(4), 230-249. Näkymiä ja mahdollisuuksia: Ennakoiva kehittäminen työelämän murroksessa Ringa Aarimo, Katja Komonen, Pertti Martinmäki, Tuovi Mäkinen, Susanna Määttä, Joel Perasto, Annemari Petäsnoro, Elsi-Mirjami Piiroinen, Teemu Saahkari ja Jarkko Vuorela Johdanto Organisaatioiden toimintaympäristö on voimakkaassa muutoksessa. Globaalin toimintaympäristön taloudelliset, teknologiset ja ekologiset muutokset näkyvät ihmisten arjessa, työ- ja elinkeinoelämässä sekä yhteiskunnan toiminnassa (Dufva & Rekola 2023). Nopeasti muuttuvassa toimintaympäristössä tulevaisuuteen suuntautuvan ajattelun ja toiminnan, ennakoinnin, merkitys korostuu (Hiltunen 2012, 23; Leino-Haltia, Malmelin, Pihlajamaa & Komonen 2021). Samalla myös itse työelämä toimintaympäristönä on ollut murroksen kourissa jo usean vuoden ajan. Eteenpäin muutoksia ovat kirittäneet muun muassa koronapandemia, digitalisaatio, maailmantalouden kriisit ja sotatoimet. Etä- ja hybridityömuodot ovat vallanneet alaa, mikä voidaan nähdä paitsi haasteena, mutta myös mahdollisuutena tasa-arvoisemman työelämän muodostamisessa ennakointityötä hyödyntämällä. (Ranki 2023, 5–13.) Tähän ennakointityöhön tulee osallistaa toimijoita kaikilta työelämän sektoreilta huomioiden myös vähemmistöryhmien edustajat. Toimintaympäristöjen ja ongelmien monimutkaistuessa tarvitaan yhä enemmän moniammatillista yhteistyötä, monipuolista asiantuntijuutta sekä yhteistä ymmärrystä käsillä olevista ongelmista (Arthars, Markauskaite & Goodyear 2024, 406). Eri toimijoiden ja organisaatioiden välisenä tehtävää yhteistä ennakointityötä nimitetään yhteistoiminnalliseksi ennakoinniksi. Tällaisen ennakointimenetelmän etuna on erilaisten näkemysten moninaisuus, jolloin näkemykset tulevaisuudesta ovat monipuolisia (Jokinen 2022, 260). Jokisen (2022) mukaan yhteistoiminnallisuus on keskeinen osa eri toimijoita yhteen kokoavissa tavoissa luoda yhteistä tulevaisuutta, esimerkiksi tulevaisuusverstastyöskentelyssä. Tekoälyltä ei voi välttyä enää missään ja sen hyödynnettävyys työelämässä on laajentunut viime vuosien aikana nopealla vauhdilla. Ennusteet tekoälyn tuomasta tuottavuushyödystä vaihtelevat kuitenkin suuresti aloittain. Euroopan parlamentin teettämän raportin mukaan teollisuudessa työvoiman tuottavuuskasvuennuste vaihtelee 11 ja 37 prosentin välillä seuraavan kymmenen vuoden aikana (Eager 2020, 77). Samalla aikajaksolla Acemoglu (2024) ennustaa kokonaistuottavuuden kasvun olevan jopa alle 0,55 prosenttia. Ekonomisti Coyle toteaa uusien teknologioiden tuovan suurta tuottavuushöytyä vain niille, joilla on tarpeeksi kykyä valjastaa ne käyttöön (Bloom 2023). Sarlinin mukaan Suomella on pitkän tekoälytutkimuksen takia erinomaiset lähtökohdat nousta tekoälyn kärkimaaksi (Business Finland & AI Finland 2025, 4). Artikkeleiden teemat ja käsitteet Tulevaisuustieto Tietoa pidetään nykyisin organisaatioiden merkittävänä kilpailutekijänä (esim. Usman & Fadhilah 2020, 1). Erilaiset tiedonlajit ovat jaettavissa kolmeen: data, informaatio ja tietämys (Rowley 2007). Alavin ja Leinderin (2001, 111) mukaan tieto datana tai informaationa eli eksplisiittisenä tietona on vain yksi osa tiedon lähestymistapaa. Nonaka ja Takeuchi (1995, 59–61) korostavat hiljaista tietoa tiedon neljäntenä tasona. Hiljainen, intuitiivinen tieto, on aina henkilökohtaista ja sellaisena usein tiedostamatonta ja vaikeasi sanallistettavissa. Ennakoinnilla pyritään aina tuottamaan tulevaisuutta koskevaa tietoa, joka on informaatioon, dataan tai tietämykseen perustuvaa näkemyksellistä tietoa vaihtoehtoisista tulevaisuuksista. Se kohdentuu asioihin ja ilmiöihin, jotka eivät vielä ole olemassa kuin ehkä heikkoina signaaleina. Tästä näkökulmasta tulevaisuustieto on aina intentionaalista ja parhaimmillaankin epävarmaa. Se on siten erilaista kuin faktatieto (Dufva 2015; Ahvenharju, Pouru-Mikkola, Minkkinen & Ahlqvist 2020, 7.) Dufva ja Ahlqvist (2015) jakavat tulevaisuustiedon dokumenttitietoon, keskusteluissa esiin tuotuun tietoon, ennakointiin osallistuvien sisäistämään tietoon ja yksiköiden huomiokentän katvealueelle usein jäävään näkemykselliseen eli visionääriseen tietoon. Pouru ym. (2020, 62) toteavat, että raakadata ei ole varsinaista ennakointitietoa (foresight knowledge), joka jalostuu vasta prosessissa ja on siten kontekstuaalista. Ennakointitiedossa ei siis ole kyse ainoastaan tiedonkeruusta, vaan ennen kaikkea tulevaisuusnäkemysten muodostamisesta. Tulevaisuustiedon tulkintaan ja sen kommunikointiin vaikuttavat suurelta osin myös yksilön asenteelliset, kulttuuriset ja arvostukseen liittyvät lähtökohdat. Se ei siten ole koskaan arvovapaata. (Malaska 2003, 13.) Tulevaisuustieto liittyy Dufvan, Lähdemäki-Pekkisen, Poussan ja Rekolan (2024, 7) mukaan tulevaisuusvaltaan eli valtaan määritellä sitä, mitä tulevaisuudessa pidetään mahdollisena, toivottavana hyvänä ja arvokkaana. Pourun (ym. 2020 86) mukaan tulevaisuustiedon hyödyntämistä haittaavat kuitenkin useat organisatoriset tekijät: signaalien skannaaminen organisaation toimintaympäristöstä voi olla liian kapeaa ja keskittyä vain olemassa olevia oletuksia vahvistaviin signaaleihin, ennakointi kilpailee resursseista organisaation muiden toimintojen kanssa, ennakointi ja prosessit ovat rakenteettomia ja ennakointi tuottaa tietoa, joka ei ole yhteydessä organisaation arjen todellisuuteen ja toimintaan. Koska Pourun ym. (2020, 18–19) mukaan ennakointityössä korostuu tulevaisuuden epävarmuus ja useat erilaiset skenaariot, niiden hyödyntäminen päätöksenteossa on muuta tutkimustietoa haastavampaa. Ennakointi Ennakoinnilla (foresight) viitataan aktiiviseen, suunnitelmalliseen ja strategiseen tulevaisuuteen varautumiseen. Ennakointi ei ole ennustamista, vaan erilaisten vaihtoehtoisten tulevaisuuskuvien tunnistamista. (Jemala 2010, 65; Dufva 2015; Airaksinen 2022.) Ennakointi voidaan ymmärtää kapeasti tietyt kriteerit täyttävänä toimintana (esim. Molarius ym. 2020, 11), jolloin korostetaan ennakoinnin systemaattisuutta, osallistavuutta, keskipitkää tai pitkää aikajännettä, tulevaisuutta koskevan tiedon keräämistä, skenaarioiden luomista sekä kytköstä päätöksentekoon ja strategiatyöhön (European Foresight Platform 2010). Toisaalta se voidaan ymmärtää laajasti kaikkena tulevaisuustyönä. Ennakoinnin laaja määritelmä korostaa ennakointia yksittäisten toimijoiden tulevaisuustyön sijasta organisoituna toimintana, samoin kuin eksplisiittisesti tulevaisuutta käsittelevänä työnä, jolla pyritään vahvistamaan jonkin organisaation tai hallinnollisen alueen päätöksentekoa. (Pouru ym. 2020, 9–12.) Aallon (2022, 351) mukaan ennakoinnin avulla voidaan muokata vallitsevia näkemyksiä tulevaisuudesta, mutta myös luoda kokonaan uusia. Ennakoinnilla ei pystytä ennustamaan tulevaisuutta, vaan pyritään saamaan erilaiset yksilöt, yhteisöt tai organisaatiot jakamaan ja luomaan käsityksiä vaihtoehtoisista tulevaisuuksista. Tulevaisuuskuvien rakentaminen puolestaan vaikuttaa toimijoiden käyttäytymiseen ja siten myös muokkaa tulevaisuutta. Ennakointia lähestytään usein sen metodologiasta käsin. Ennakointimetodeista käytetyimpiä ovat toimintaympäristöanalyysit ja niiden pohjalta tehdyt skenaariot sekä delfoi-menetelmä ja osallistavat työkalut (Stoyanov 2020, 18–19; Keenan & Popper 2008, 30; Myllyoja, Rilla & Lima-Toivonen 2022, 12–13). Viime vuosina erilaiset kognitiiviset tyylit, tekstilouhinta sekä tekoälyn yleisestymisen myötä ennakoivien algoritmien käyttö ovat yleistyneet (Vuorinen & Huikkola 2023, 133; Lätti, Malho, Rowley & Frilander 2022, 313–315; Liz-Dominguez, Caeiro-Rodrigues, Llamas-Nistal & Mikic-Fonte 2019) Ennakoinnin merkitys on kasvanut 2000-luvulla yhteiskuntien kompleksisuuden lisääntyessä. Samalla myös ennakoinnin teemat ja ennakoinnin hyödyntäminen erilaisissa organisaatioissa ovat lisääntyneet (Aalto 2022, 347–348). Yhteinen ymmärrys Yhteistä ymmärrystä (Common/shared understanding) ja jaettua ymmärrystä (Shared understanding) käytetään suomalaisessa kirjallisuudessa osittain samaa tarkoittavina käsitteinä. Mm. Valvimo, Seppä-Kortelainen ja Kyrö (2022, 6) puhuvat yhteisestä jaetusta ymmärryksestä yhtenä käsitteenä. Tämä voi johtua siitä, että englanninkielisessä kirjallisuudessa sekä jaettua että yhteistä ymmärrystä voidaan kuvata samalla termillä. Kansalliskirjaston ylläpitämä sanastopalvelu Finto (2024) määrittelee jaetun ymmärryksen yhteisen ymmärryksen ohjaustermiksi. Finton (2024) määritelmän mukaan yhteisellä ymmärryksellä tarkoitetaan kaikkien päätöksentekoon osallistuvien henkilöiden riittävää ymmärrystä siitä, mistä he ovat samaa tai eri mieltä ja miksi. Yhteinen ymmärrys ei siis tarkoita sitä, että asiasta ollaan samaa mieltä, vaan ymmärrystä asiaan tai tilanteeseen vaikuttavista tekijöistä ja näkökulmista. Valvimo ym. (2022) ovat pohtineet yhteisen ymmärryksen muodostumista korkeakoulujen kansallisen yhteishanke Jatkumon yhteydessä. Useamman toimijan hankkeessa yhteisen ymmärryksen aikaansaaminen ja ylläpito on vaativaa työtä, mutta hyvin tehtynä se säästää aikaa työn muissa vaiheissa, kun aikaa ei kulu jatkuvaan yhteisen käsityksen muodostamiseen ja yhteensovittamiseen. Valvimo ym. (2022) ovat tarkastelleet yhteisen ymmärryksen muodostumista merkityksellistämisen (sense-making) käsitteen näkökulmasta. Englanninkieliselle termille sense-making on suomenkielisessä kirjallisuudessa myös muita käännöksiä, esimerkiksi tolkullistaminen. Kun yhteistyön alussa yhteinen ymmärrys käsillä olevan asian tilasta ja tavoitteista luodaan tuottamalla ne puheeksi tai tekstiksi, yksilöiden ei tarvitse merkityksellistää asiaa itselleen jatkuvasti yhteistyön edetessä, ja aikaa vapautuu konkreettiselle tekemiselle (Valvimo ym. 2022, 3–4). Valleala (2006) on tutkinut väitöskirjassaan yhteistä ymmärtämistä filosofisen hermeneutiikan pohjalta. Tämän mukaan tilanteen ymmärtäminen on ehtona osapuolten vuorovaikutuksessa mahdollisesti tapahtuvalle yhteiselle paremmin ymmärtämiselle. Vallealan (2006, 29) mukaan yhteinen ymmärrys syntyy muodostamalla yhteisiä merkityksiä vuorovaikutuksen ja dialogin kautta erilaisia näkökulmia esittämällä ja niitä yhdistämällä. Se on prosessi, jossa erilaiset esitetyt kannat tarkasteltavaan asiaan liittyen muuttuvat toistensa vaikutuksesta (Valleala 2002, 28). Voidaan siis ajatella, että näkökulmia jakamalla syntyy jaettu ymmärrys, mutta yhteisen ymmärryksen muodostuminen vaatii näiden näkökulmien yhdistämistä ja muuttamista vuorovaikutuksessa olevien henkilöiden yhteiseksi merkitykseksi. Tekoäly ja ohjelmistorobotiikka Tämän artikkelikokoelman opinnäytetöiden aloitusajankohtana suurimmalle osalle tekoälystä tuli ensimmäisenä mieleen vuonna 2022 julkaistu ChatGPT, joka edustaa generatiivista tekoälyteknologiaa. Järvilehto (2024, 1. Johdanto) kuvaa generatiivisen tekoälyn kykenevän luomaan esimerkiksi teksti- ja kuvasisältöjä, jotka ovat kilpailukykyisiä ihmisen kanssa tai jopa parempia. Nyt vuonna 2025 tekoäly on suurelle yleisöllekin paljon enemmän kuin vain selaimesta löytyvä chatti. Vaikka tekoälyyn liittyviä sovellutuksia on ollut olemassa jo pitkään, silti sille ei ole vielä tähän päivään mennessä yleistä määritelmää. Yhtenä sellaisena voisi pitää opetuksessa käytettyä määrittelyä, jonka mukaan ”tekoälyn käsite viittaa ohjelmiin ja laitteisiin, jotka kykenevät oppimaan ja auttamaan ihmistä niissä toiminnoissa, joita varten ne on suunniteltu” (Tuominen & Neittaanmäki 2019, 1–2). Tekoälyä voidaan tarkastella ja jaotella useilla eri tavoilla. Se voidaan jakaa muun muassa heikoksi, vahvaksi tai supertekoälyksi. Nykyiset tekoälyn sovellukset kuuluvat heikon tekoälyn ryhmään toimiessaan tietyissä sovelluksissa keskittyen joidenkin ongelmien tai tehtävien ratkaisemiseen. Vahva tekoäly vaatisi koneilta jonkinlaista itsenäisyyttä ja ainakin lähellä ihmistä olevaa älykkyyden tasoa. Vielä tätäkin itsenäisemmän ja älykkäämmän supertekoälyn kehittyminen ei näytä todennäköiseltä. (Pietikäinen & Silvén 2023, 19–20.) Yhden tarkastelun mukaan tekoäly muodostuu muun muassa useista teknologioista ja menetelmistä toimien ja käyttäen ihmisen älyllisyyteen liittyviä keinoja. Tekoälyä voidaan määritellä myös erottamalla sääntöpohjainen ja tekoälypohjainen automaatio. Näistä tekoälypohjaisen automaation sovellukset ovat selvästi itsenäisempiä. (Paasikivi, Tuohino, Mansnérus & Lång 2022, 13–20.) Business Finlandin ja AI Finlandin (2025, 11) koostaman katsauksen mukaan vuonna 2024 Suomessa tyypillisimpiä tekoälyn käyttökohteita ovat olleet ennakoiva kunnossapito ja resurssien optimointi, prosessien tehostaminen, uusien liiketoimintamahdollisuuksien kehittäminen sekä työn tehostaminen, joka on mahdollistanut keskittymisen rutiinitehtävien sijasta lisäarvoa tuottaviin tehtäviin. Ohjelmistorobotiikan määrittelyissä on jonkin verran eroja, vaikka usein taustalla on samantapainen perusajatus. Laavan, Markkion ja Kaartisen (2022, 12) mukaan ohjelmistorobotiikassa ohjelmistorobotti on ohjelmoitu muun muassa hyödyntämään toisia järjestelmiä. Samoin ohjelmistorobotiikka voidaan nähdä konfiguroitavissa olevina ohjelmistoina, jotka käyttävät muita järjestelmiä ihmisen tapaan (Kääriäinen ym. 2018, 8–9). Ohjelmistorobotiikkaa (engl. Robotic Process Automation, RPA) käytetään toimintojen suorittamisen automatisointiin. Sitä voidaan hyödyntää esimerkiksi liiketoiminnan eri prosesseissa. Toisaalta sen avulla voidaan automatisoida myös yksittäisiä tehtäviä. (Hofmann, Samp & Urbach 2020.) Tutkimusmenetelmät Perinteinen jako tutkimusmenetelmille on laadullisen ja määrällisen tutkimusotteen erottelu toisistaan. Molemmat menetelmät sisältävät systemaattisen tavan lähestyä valittua tutkimusongelmaa sekä tekniikat, joilla kerätään, analysoidaan ja tulkitaan tutkimuksessa saavutettuja tietoja. Siinä missä laadullinen tutkimus keskittyy subjektiiviseen, monimutkaisiakin ilmiöitä ymmärtämään pyrkivään syvällisyyteen, määrällinen tutkimusote luottaa objektiivisuuteen mittauksissaan ja tilastollisissa suhteissaan ja pyrkii yleistettävyyteen. (Abbadia 2023.) Kuitenkin menetelmissä käytetään osittain samoja tiedonkeruumetodeja riippuen siitä, miten tarvittavaa tietoa pyritään jatkossa soveltamaan. Tällaista laadullisen ja määrällisen tutkimusotteen ja analytiikan yhdistämistä voidaan kutsua monimenetelmälliseksi tutkimukseksi, jossa aineistot erottelevat tai täydentävät toisiaan muodostamalla joko poikkeamien virtaa tai integroinnin kautta syntyneitä yhteneväisyyksiä aineistojen vuoropuhelun kautta (Åkerblad & Seppänen-Järvelä 2024, 4). Artikkelikokoelman artikkelien tutkimusote tässä kokoomateoksessa painottuu laadulliseen tutkimusperinteeseen. Laadullinen tutkimusmenetelmä Laadulliset tutkimukset pyrkivät löytämään vastauksia monimutkaisiin millaisia– kysymyksiin, joiden prosesseissa saadaan harvoin yksiselitteisiä selkeitä vastauksia ja ne usein synnyttävät joukon jatkokysymyksiä (Juhila 2021). Niissä kuvataan todellista elämää sen luonnollisissa olosuhteissa ja siitä saatava tieto ymmärretään kokemuksellisena ja subjektiivisena. Laadullinen tutkimus soveltuu sellaisten ilmiöiden tutkimiseen, joiden perusta on ihmisten vuorovaikutuksessa ja sitä jäsentävässä kielessä. Rikkaan tiedontuotannon kautta tutkittavasta ilmiöstä pyritään paljastamaan jotain yllätyksellistä ja tuottamaan teoreettisesti mielekäs tulkinta kohteena olevasta ilmiöstä. Välittömän havaintotason ja todellisuuden pinnan alta pyritään tavoittamaan subjektiiviset tulkinnat. (Puusa & Juuti 2020, 76–77; Hirsjärvi, Remes & Sajavaara 2018, 164.) Ymmärtämisen sijasta laadullinen tutkimus voi kohdentua myös ilmiön kuvailuun tai aiemman ymmärryksen syventämiseen (Puusa & Juuti 2020, 77). Laadullisessa tutkimuksessa korostuu Puusan ja Juutin (2020, 80) mukaan avoimuus ja joustavuus, millä tarkoitetaan tutkimusasetelman muotoutumista koko tutkimuksen ajan. Myös Kiviniemi (2018, 73–74) korostaa laadullisen tutkimuksen prosessimaisuutta; tutkimuksen eri vaiheet limittyvät toisiinsa, jolloin tutkimustehtävä, teoriaperustan muotoutuminen ja aineiston analyysi kehittyvät prosessin aikana. Tästä näkökulmasta laadullisessa tutkimuksessa on kyse jatkuvasta päätöksentekotilanteesta, mikä edellyttää myös tutkijalta reflektiivistä otetta ja oman tietoisuuden kehittymistä prosessin aikana. Laadullisen tutkimuksen tavoitteena on ymmärtää tarkasteltavaa ilmiötä tutkimuksen kohdejoukkona olevien henkilöiden näkökulmasta. Tällöin kiinnostus kohdentuu henkilöiden kokemuksiin ja niille annettuihin merkityksiin. Toisen henkilön kokemusmaailman sisällä pääseminen ja autenttisen eletyn kokemuksen tavoittaminen on itsessään mahdotonta, mutta laadullisen tutkimuksen menetelmien avulla on mahdollista tavoittaa ns. tutkimuksellinen kokemus. (Puusa & Juuti 2020, 9.) Laadullista aineistoa kerätään tutkittavan toiminnan keskellä ja tulkinnassa yritetään nähdä se, mitä pelkästään luokittelu ei kerro osin abstrakteistakin ilmiöistä. Aineistoja voidaan kerätä useilla eri tavoilla tutkimuksen tarpeiden mukaisesti. (Juhila 2021.) Usein tutkittavien omat näkemykset ovat kerättävässä aineistossa avainasemassa näytteenä todellisuudesta, mutta ei yleistettävänä totuutena (Jokinen 2021). Tutkijan läheisyys tutkimuskohteen kanssa voi aiheuttaa sen, että esimerkiksi haastatteluteemat ja -kysymykset lähtevät tutkijan ennakkokäsityksistä ja -oletuksista tutkittavasta ilmiöstä. Mikäli haastateltava tunnistaa tämän, on mahdollista, että hän vastaakin tutkijan toivomalla tavalla eikä omien käsitystensä tai kokemuksensa mukaisesti. Tällöin lopullinen aineisto ei välttämättä vastaa laadittuihin tutkimuskysymyksiin. (Vilkka 2021, 127–128.) Laadullisen tutkimusmenetelmän vahvuuksia on sen kyky kuvata todellista elämää. Sen avulla on mahdollisuus tutkia jonkin ilmiön luonnetta ja sen laadullisia ominaisuuksia. Laadulliselle tutkimusmenetelmälle tyypillisten aineistonkeruutapojen avulla on mahdollista tuottaa monipuolista tietoa, ymmärrystä ja merkitystä. Laadullisen tutkimuksen aineistoille on siten ominaista ilmaisullinen rikkaus, monitasoisuus ja kompleksisuus. (Eskola & Suoranta 1998.) Laadullisen tutkimusmenetelmän vahvuutena on pidetty myös osallistavuutta, millä tarkoitetaan tutkittavien oman näkökulman nostamista tutkimuksen keskiöön, mutta myös aktiivista vuorovaikutusta haastattelutilanteessa (Eskola & Suoranta 1998, 16). Laadullinen tutkimusmenetelmä on monissa kohdin määrällistä tutkimusmenetelmää työläämpi. Esimerkiksi tutkimushaastatteluiden toteutus vie paljon aikaa haastatteluista sopimisen sekä niiden toteuttamisen osalta (Hirsjärvi & Hurme, 2022; Tuomi & Sarajärvi, 2012, 3.1). Vaikka aineisto on usein pieni, analysointi on yleensä aikaa vievää. Esimerkiksi yhden haastattelutunnin litterointi kestää useamman tunnin. Aineiston analyysiin ei ole olemassa yhtä oikeaa tapaa, vaan analyysin yleisistä periaatteista huolimatta tutkija joutuu etsimään juuri omaan aineistoonsa soveltuvan tavan. Analyysi ei etene myöskään selkeästi vaihe vaiheelta eteenpäin, vaan aineistoa esimerkiksi voidaan joutua luokittelemaan yhtä uudelleen ja uudelleen. (Eskola 2018, 209–212.) Artikkeleissa käytetyt aineistonkeruu- ja kehittämismenetelmät Laadullisissa tutkimuksissa voidaan käyttää hyvin monipuolisesti erilaisia aineistonkeruumenetelmiä tutkimusasetelman vaatimalla tavalla. Yleisimpiä tapoja ovat erilaiset kyselytutkimukset avoimena tai strukturoituna, haastattelut lomakkeilla, teemoitettuna tai avoimena, havainnointi erilaisilla osallistuvuuden tasoilla sekä tutkimusaineiston kerääminen erilaisista dokumenteista, kuten kirjeet, päiväkirjat ja omaelämänkerrat. (Tuomi & Sarajärvi, 2012, 3–3.3.) Artikkeleissamme olemme myös hyödyntäneet erilaisia osallistavia ennakointi- ja kehittämismenetelmiä osana aineistonkeruuta. Teemahaastattelu Tutkimushaastatteluja voidaan toteuttaa monella eri tavalla. Usein erilaiset haastattelulajit jaetaan niiden vapaamuotoisuuden asteen perusteella strukturoituun haastatteluun, puolistrukturoituun haastatteluun, teemahaastatteluun ja avoimeen haastatteluun (Puusa 2020, 111–114). Teemahaastattelun lähtökohtana on se, että yksilöiden kokemuksia ja merkityksiä on mahdollista tutkia haastateltavan subjektiivisia käsityksiä ja kokemuksia käsiteltävässä teemassa. Teemahaastattelussa edetään ennalta laadittujen teemojen ja apukysymysten avulla (Puusa 2020, 112). Käytännössä teemahaastattelu etenee siten, että haastattelu aloitetaan yhdestä teemasta yleisellä tasolla, jonka jälkeen edetään yhden teeman osalta laajemmista syvempiin ja tarkempiin kysymyksiin. (Kananen 2017, 96–97.) Tiittulan ja Ruusuvuoren (2005, 23–24) mukaan haastattelut muistuttavat arkipäivän keskustelua, mutta eroavat niistä kuitenkin institutionaalisuutensa takia. Haastattelijan roolina on ohjata keskustelun etenemistä, esittää kysymyksiä ja fokusoida sitä useimmiten tiettyihin teemoihin, jossa haastateltavalla on enemmän passiivinen rooli. Koska tarkoituksena on saada mahdollisimman monipuolinen kuva tutkimuksen kohteena olevasta ilmiöstä, on olennaista antaa tilaa kohdejoukon kokemusten sanoittamiselle, jossa haastateltavat voivat puhua ja vastata vapaasti omin sanoin (Hirsjärvi & Hurme 2014, 47–48). Tällaisena teemahaastattelu on lähtökohdiltaan joustava ja vapaamuotoinen keskustelunomainen tilanne, jossa haastateltavaa kannustetaan kertomaan mahdollisimman vapaamuotoisesti kokemuksistaan (Puusa 2020, 112). Riippumatta siitä, kuinka strukturoituja tai strukturoimattomia haastattelut ovat, ne ovat aina vuorovaikutustilanteita (Tiittula & Ruusuvuori 2005, 29). Haastattelijan keskeinen tehtävä on luoda haastattelussa hyvä suhde haastateltavaan. Tätä edistävät empaattinen asennoituminen sekä erityisesti laajat ja helpot avauskysymykset. (Tiittula & Ruusuvuori 2005, 41.) Asiantuntijahaastattelu Asiantuntijahaastattelusta omana haastattelun lajinaan ei ole olemassa selkeitä määrittelyä. Alastalo ja Åkerman (2010, 374–376) korostavat, että asiantuntijuus syntyy, kun henkilölle on asemansa tai tehtäviensä myötä tullut erityistä tietämystä tiettyyn asiaan. Tyypillisesti asiantuntijahaastattelussa pyritään tavoittamaan henkilökohtaisten kokemusten sijasta käytäntöjä, prosesseja ja faktatietoa. Faktanäkökulma tarkoittaa, että tutkija on kiinnostunut tutkittavien todellisesta käyttäytymisestä, mielipiteistä ja siitä, mitä todella tapahtuu tai on tapahtunut. Asiantuntijahaastattelussa ei tutkimuksen kohteena ole niinkään haastateltava henkilö, vaan hänen tutkittavaa asiaa koskeva tietonsa ja tulkintansa aiheesta. Alastalo ja Åkerman (2010 378; 390) korostavat huolellisen valmistautumisen merkitystä asiantuntijahaastatteluissa. Asiantuntijat ovat usein tottuneita esiintyjiä ja puhujia oman ammattikuntansa edustajina. Tällöin he saattavat kuvata asioita yleisellä, prosessikuvauksen rakentamisen näkökulmasta suppealla tavalla ilman yksityiskohtia ja konkretiaa. Havainnointi Havainnointi on tutkimusmenetelmä, jossa aineistoa kerätään tarkkailemalla kohteita niiden luonnollisessa ympäristössä. Havainnoinnin etuna on mahdollisuus saada suoraa ja autenttista tietoa tutkittavasta ilmiöstä. Se voi olla osallistuvaa tai ei-osallistuvaa, riippuen siitä, onko tutkija vuorovaikutuksessa tutkittavien kanssa. (Kinnunen ja Kallinen 2021) Havainnointi on erityisen toimiva hiljaisen tiedon eli kokemuksellisen tietoon keskittyvän tutkimusaineiston keräämiseen, mutta suuritöinen ja aikaa vievä ja usein se yhdistetäänkin muiden menetelmien tukemiseen (Vilkka 2021, luku 5.4.1; Tuomi & Sarajärvi 2012, 3.2). Havainnoinnin soveltuminen aineiston keräämiseen toimii varsinkin tilanteissa, joissa havainnoitava ilmiö on tuntematon tai siitä ei saada riittävää tietoa muilla tavoin. Toisaalta havainnointi auttaa yhdistämään aineistoja toisiinsa ja tuo esiin normit, joita ilmiöihin liitetään. (Tuomi & Sarajärvi, 2012, 3.2.) Kyselytutkimus Laadullisessa tutkimuksessa on tavallista hyödyntää monipuolisia aineistoja ja usein yhdistetään sekä määrällisiä että laadullisia aineistonkeruumenetelmiä (Vuori 2021). Kyselytutkimus on yleisin määrällisen aineistonkeruun menetelmä (Vilkka 2021, luku 4), jossa vastaajilta kerätään tietoa ennalta määriteltyjen kysymysten avulla kyselylomakkeella, mutta sitä käytetään laajasti myös laadullisissa tutkimuksissa avoimien tai strukturoitujen kyselyjen muodossa (Tuomi & Sarajärvi 2012, 3–3.1). Kyselyllä kerätyn aineiston etuina ovat vastaajien anonymiteetti, mahdollisuus kerätä aineistoa laajalta joukolta ja edullisuus (Vilkka, 2021, luku 4; Tuomi & Sarajärvi 2012, 3.1). Onnistunut toteutus edellyttää huolellista perehtyneisyyttä aiheeseen, jotta kyselylomake voidaan suunnitella niin, että tutkittava asia on mitattavassa muodossa eli operationalisoitavissa ja kysymykset esitetään selkeällä ja ymmärrettävällä tavalla. Kyselytutkimuksen haasteina silloin, kun kyselyn toteuttaja ei ole vastaajan tavoitettavissa, nousee esiin muun muassa tiedonantajien valmiudet ja halukkuus osallistua, niukkasanaisuus, kokemattomuus tutkittavasta ilmiöstä ja osaamattomuus kirjalliseen ilmaisuun (Tuomi & Sarajärvi 2012, 3.1). Tulevaisuusverstas aineistonkeruu- ja kehittämismenetelmänä Osallistava tulevaisuusverstas soveltuu moninaisiin tulevaisuudentutkimuksen tarkoituksiin. Verstaiden rakennetta ja sisältöä voidaan muokata tarpeen mukaan, mikä tekee siitä monipuolisen menetelmän erilaisten tavoitteiden saavuttamiseksi (Armanto, Lauttamäki & Siivonen 2022, 222). Tässä artikkelikokoelmassa tulevaisuusverstastyöskentelyä ja yhtä sen sovellusta, Sitran Tulevaisuustaajuus-työpajaa, on käytetty aineistonkeruumenetelmänä ja osallistavana kehittämismenetelmänä. Tulevaisuusverstaassa kootaan monipuolinen joukko osallistujia yhteiseen tilaan tuottamaan yhdessä tulevaisuustietoa päätöksenteon tueksi. Verstastyöskentelyssä keskeistä on tiedon ja ajatusten vaihtaminen sekä uusien ideoiden ja ratkaisujen esiin tuominen. Tulevaisuuksien luomiseen osallistuminen on voimaannuttavaa ja tukee sitoutumista muutoksen tekemiseen, jota voi pitää yhtenä merkittävimmistä tulevaisuusverstaan hyvistä puolista. Menetelmänä tulevaisuusverstas on helposti omaksuttava ja monikäyttöinen, eikä vaadi osallistujilta ennakko-osaamista. Verstaan fasilitoijana voi toimia käsiteltävän aiheen ulkopuolinen henkilö, jonka kysymykset saattavat auttaa löytämään itsestäänselvyyksille kyseenalaistuksen kautta uudenlaisia tulevaisuusajatuksia. (Armanto, Lauttamäki & Siivonen 2022, 222, 224, 227, 233.) Tulevaisuusverstaaseen liittyviksi heikkouksiksi Mattila (2023, 7–8) nostaa mm. anonymiteetin puutteen, joka voi johtaa epärehellisiin mielipiteiden ilmaisuihin, sekä haasteen saada tarpeeksi monipuolinen osallistujien edustavuus ilman, että yhteisen ymmärryksen luominen kärsii. Tulevaisuusverstaassa työskentelyyn kuitenkin kuuluu kokeellisuus ja mielikuvituksellinen soveltaminen, mikä mahdollistaa sen, että työskentelyn kulkua voidaan arvioida ja tarvittaessa muuttaa työskentelyn aikana (Armanto, Lauttamäki & Siivonen 2022, 223, 232). Peste-analyysi ennakointiprosessin tukena Ennakointiprosessin ensimmäinen on usein toimintaympäristön analyysi, joka keskittyy muutokseen sekä vastaa kysymyksiin, mikä muuttuu ja mihin suuntaan. Lisäksi sen avulla pyritään tunnistamaan epävarmuuksia, joita mahdolliseen muutokseen liittyy. Jos ennakointiprosessin tavoitteena on luoda erilaisia tulevaisuuden skenaarioita, on tärkeää, että toimintaympäristön analyysi on tarpeeksi kattava ja erilaisia näkökulmia yhdistävä. Kattavan kuvan muodostumisen kannalta asioiden ryhmittely ja rajaaminen on tärkeää. Peste-analyysi on eniten käytetty ns. muistilista kattavan kuvan ja ryhmittelyn tueksi. (Dufva 2022, 106–107.) Peste-analyysi jakaa muutokset viiteen kategoriaan; poliittisiin (political), talouteen liittyviin (economical), sosiaalisiin (social), teknologisiin (technological) sekä ympäristöön liittyviin (environmental). Peste-analyysia voidaan tarpeen mukaan varioida ja siihen voidaan lisätä toimintaympäristön kannalta keskeisiä kategorioita. Jaottelu auttaa keskittymään yhteen teemaan kerrallaan, mutta samalla se voi hämärtää eri kategorioihin kuuluvien tekijöiden välisiä yhteyksiä. Siksi on tärkeää, että analyysin tuottamia tuloksia tarkastellaan myös kokonaisuutena niiden väliset linkit tunnistaen. (Dufva 2022, 107, 111.) Kuusi ajatteluhattua osallistavana menetelmänä Toimintaympäristön analyysin laatimisessa voidaan käyttää apuna esimerkiksi De Bonon vuonna 1990 kehittämää osallistavaa, ideointia ja analysointia yhdistävää Kuusi ajatteluhattua-menetelmää. Tässä yhteisöllisessä menetelmässä vaihdellaan erivärisiä (kuvitteellisia) hattuja, joista jokainen kuvaa tiettyä ajattelutapaa tai näkökulmaa. Hattuja vaihtamalla osallistujia ohjataan tarkastelemaan käsillä olevaa ongelmaa eri näkökulmista, esimerkiksi kriittisesti, optimistisesti tai luovasti. Yhdenväristä hattua voidaan sovittaa kaikille ryhmän jäsenille kerrallaan tai vaihtoehtoisesti ryhmän jäsenet tarkastelevat asiaa itsenäisesti tai pienryhmissä yhdestä näkökulmasta kerrallaan. Tavoitteena on, että keskustelussa saadaan aikaan kattavasti erilasia näkökulmia. (Ojasalo ym. 2021, 165–166.) Menetelmässä käytettävät hatut ovat valkoinen, punainen, musta, keltainen, vihreä ja sininen. Valkoinen hattu korostaa neutraaliutta sekä objektiivisia faktoja ja sen haltija keskittyy olemassa olevaan tietoon, joita käsiteltävään asiaan tai ongelmaan liittyy. Punainen hattu puolestaan korostaa tunteita sekä intuitiota ja sen haltija keskittyy aavistuksiin ilman, että hänen tarvitsee perustella näkemyksiään faktoilla tai järkiperäisesti. Musta hattu korostaa ongelmaan liittyviä uhkia sekä kriittisyyttä, jolloin hatun haltija keskittyy pohtimaan käsiteltävään asiaan liittyviä ongelmia ja uhkia. Erotuksena punaisesta hatusta esitettyjen riskien ja uhkien on kuitenkin oltava perusteltavissa loogisesti. (Ojasalo ym. 2021, 166.) Keltaisen hatun haltija korostaa optimismia ja pitää yllä koko ryhmän motivaatiota, koska hän uskoo ratkaisuun ja esittelee sen etuja ja hyötyjä perustellusti. Vihreä hattu korostaa luovuutta ja sen haltija hakee aktiivisesti erilaisia uusia ideoita sekä jalostamaan näitä ideoita pidemmälle. Kuudes hattu on sininen, ja sen haltija on yleensä tilanteen tai työpajan johtajalla, joka rytmittää ja valvoo tilannetta osallistuen ideointiin itsekin. Sininen hattu sopii esimerkiksi työpajan fasilitaattorille, joka voi tarvittaessa ohjata keskustelua tunnistaen, mitä väriä milloinkin tarvitaan. Menetelmä sopii siis myös tilanteisiin, joissa jäsenten lukkiutuneita asenteita on tarvetta ohjailla hattujen avulla. (Ojasalo ym. 2021, 166–167.) Laadullisen aineiston analyysi Laadullisen tutkimuksen aineiston analyysissä korostuu teorian sidonnaisuus aineiston tulkinnassa ja päättelyprosessin muodossa. Perinteisesti analyysiä tehdään aineistolähtöisesti, jolloin aineiston kautta pyritään luomaan uutta teoriaa, teoriasidonnaisesti, jolloin teoria käytetään apuna aineistoon yhdistäen ja samalla uutta luoden tai teorialähtöisesti, jolloin teoriaa testataan uudessa kontekstissa käyttäen sitä analyysin ohjaajana. (Tuomi & Sarajärvi 2012, 4.2.) Sisällönanalyysi on yleisin laadullisen aineiston analyysimenetelmä. Yksittäisen menetelmän sijasta se voidaan ymmärtää väljänä metodisena kehyksenä, joka mahdollistaa monenlaisia sovelluksia. Useimmiten sisällönanalyysi jaetaan aineisto- tai teorialähtöiseen toteuttamistapaan. Molemmissa analyysi etenee aineiston pelkistämisestä ja teemoittelusta kohti käsitteellisempää tulkintaa tutkittavasta ilmiöstä eli pyritään informaatioarvon lisäämiseen ja loogisen päättelyn kautta muodostuviin luotettaviin johtopäätöksiin. (Puusa 2011, 117–118; Tuomi & Sarajärvi 2012, 4.4.2.) Teemoittelussa kerättyä aineisto luokitellaan ja yksinkertaistetaan, jotta sen ydinasiat voidaan analysoida tehokkaammin (Juhila 2021). Laadullisen tutkimuksen aineiston analyysiin ei ole olemassa yhtä oikeaa tapaa, vaan analyysin yleisistä periaatteista huolimatta tutkija joutuu etsimään juuri omaan aineistoonsa soveltuvan tavan. Analyysi ei etene myöskään selkeästi vaihe vaiheelta eteenpäin, vaan aineistoa esimerkiksi voidaan joutua luokittelemaan yhtä uudelleen ja uudelleen. (Eskola 2018, 209–212.) Luotettavuus ja eettisyys Tutkimuksen luotettavuuden arvioinnilla tarkoitetaan Aaltion ja Puusan (2020, 178–179) mukaan tutkimustulosten riippumattomuutta satunnaisista tekijöistä. Tutkimuksen luotettavuutta arvioidaan yleisesti reliabiliteetti- ja validiteettikäsitteiden avulla (Kananen 2014, 145–152). Validiteetti tarkoittaa sitä, onko tutkittu juuri sitä ilmiötä, mikä on ollut tarkoituskin eli, että tutkimus on pätevää ja tutkimusmenetelmillä pystytään tutkimaan ja mittaamaan niitä asioita, jotka tutkimuksen kohteena ovat. Reliabiliteetti taas tarkoittaa mittaustilanteen tarkkuutta, tulosten toistettavuutta ja pysyvyyttä. (Aaltio & Puusa 2020, 178–179, Kananen 2014, 146–147, ja Vilkka 2021, 193–198). Erityisesti nämä käsitteet sopivat kvantitatiivisen tutkimuksen mittareiksi, mutta niitä voidaan käyttää myös kvalitatiivisen tutkimuksen arviointiin (Kananen 2014, 146–147). Kvalitatiivisen tutkimuksen arviointiin liittyy luotettavuuden näkökulmasta vaikeampi todennettavuus kuin kvantitatiivisessa tutkimuksessa. Koska laadullisessa tutkimuksessa tarkastellaan yksittäisiä tapauksia se ei tuota yleistettävää aineistoa. Tutkimuksessa oleellista on osallistuvien ihmisten näkökulma ja tutkijan vuorovaikutus aineiston tuottamisessa. Etäisyys tutkijan ja hänen tuottamansa aineiston ja tutkimuskohteen välillä on pieni, mikä sekä haastaa tutkijan vuorovaikutus- ja tutkijantaitoja että voi osaltaan heikentää tutkimuksen luotettavuutta (Puusa & Juuti 2011, 47–48). Vilkka (2021, 196–197) toteaa tutkijan rehellisyyden olevan kvalitatiivisen tutkimuksen keskeinen luotettavuuden mittari. Laadullisen tutkimuksen aineistonkeruumenetelmiin sisältyy sekä tutkimuksen validisuutta estäviä että edistäviä tekijöitä. Tutkimushaastatteluun sisältyy myös monia vuorovaikutukseen liittyviä pulmia. Haastateltavat saattavat esimerkiksi pyrkiä vastaamaan sosiaalisesti odotettavalla tavalla, mitä kutsutaan myös onnellisuusmuuriksi. (Hirsjärvi & Hurme 2022, 35.) Toisaalta laadullisen tutkimusmenetelmän aineistonkeruumenetelmät ovat useimmiten sellaisia, jotka edistävät tutkimuksen luotettavuutta. Tutkimushaastattelussa on esimerkiksi mahdollisuus varmistaa, että haastateltava ymmärtää esitetyt kysymykset. Tämä edistää osaltaan sitä, että tutkija pääsee kiinni tutkittavaan ilmiöön. (Vilkka 2021, 127–128.) Artikkeleidemme validiteettia voidaan arvioida myös metodiseen triangulaatioon (useiden menetelmien yhtäaikainen tutkimuskäyttö) perustuen, mikä on mahdollistanut moninäkökulmaisuuden esiintulon ja leveyden ja syvyyden lisääntymisen aineistoissamme, vaikkakaan yhtä ainoaa totuutta emme olisi tutkimuksissamme löytäneetkään (Tuomi & Sarajärvi 2012, 6.5). Tutkimukset toteutettiin eettisesti ja niissä noudatettiin hyvän tieteellisen käytännön ohjeistuksia. Eurooppalainen tutkimuseettinen ohjeistus listaa keskeisiksi asioiksi luotettavuuden ja rehellisyyden sekä vastuunkannon ja arvostuksen (TENK 2023, 11–14). Tutkimuksissa on noudatettu myös Tutkimuseettisen neuvottelukunnan (TENK) ohjeistuksia osallistamisen näkökulmasta. Sen mukaan huomioitavia asioita ovat muun muassa osallistujien ihmisarvo ja itsemääräämisoikeus sekä perustuslakiin kuuluvat oikeudet. (TENK 2019, 7.) Hyvien tieteellisten käytänteiden mukaan tutkimuksissa on käytetty asiaankuuluvalla tavalla myös Arenen (2020) eettisiä suosituksia käytettyihin teoksiin ja menetelmiin viittaamisessa. Lähteet Aaltio, I. & Puusa, A. 2020. Mitä laadullisen tutkimuksen arvioinnissa tulisi ottaa huomioon. Teoksessa A. Puusa, & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 177–178. Aalto, H.-K. 2022. Ennakointi – tulevaisuuksiin varautumisen ja virittäytymisen näkökulma. Teoksessa H-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi. Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022. Tulevaisuuden tutkimuskeskus, Turun yliopisto, 347–358. Viitattu 4.6.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Abbadia, J. 2023. Teoriasta käytäntöön: Tutkimusmenetelmien hallitseminen menestystä varten. Mind the graph by Editage –sivusto. Viitattu 16.3.2025 https://mindthegraph.com/blog/fi/tutkimusmenetelmat/. Acemoglu, D. 2024. The Simple Macroeconnics of AI*. Massachusetts Institute of Technology. Viitattu 15.3.2025 https://economics.mit.edu/sites/default/files/2024-04/The%20Simple%20Macroeconomics%20of%20AI.pdf. Ahvenharju, S., Pouru-Mikkola, L., Minkkinen, M. & Ahlqvist, T. 2020. Tulevaisuustiedon lähteillä. Analyysi ennakointiraporteista ja tulevaisuuden ilmiöistä. Eduskunnan tulevaisuusvaliokunnan julkaisu 6/2020. Viitattu 2.3.2024 https://www.eduskunta.fi/FI/naineduskuntatoimii/julkaisut/Documents/tuvj_6+2020.pdf. Airaksinen, J. 2022. Tulevaisuustyöllä kohti parempia strategioita. Viitattu 31.1.2024 https://valtioneuvosto.fi/-/jenni-airaksinen-tulevaisuustyolla-kohti-parempia-strategioita. Alastalo, M. & Åkerman, M. 2010. Asiantuntijahaastattelun analyysi: faktojen jäljillä. Teoksessa J. Ruusuvuori, P Nikander & M. Hyvärinen (toim.) Haastattelun analyysi. Tampere: Vastapaino, 372–392. Alavi, M. & Leidner, D.E. 2001. Review: Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research Issues, Vol 25 Nro 1 (2001), 107–136. Viitattu 18.6.2024 https://doi.org/10.2307/3250961. Arene 2020. Ammattikorkeakoulujen opinnäytetöiden eettiset suositukset. Viitattu 11.6.2024 https://www.arene.fi/wp-content/uploads/Raportit/2020/AMMATTIKORKEAKOULUJEN%20OPINN%C3%84YTET%C3%96IDEN%20EETTISET%20SUOSITUKSET%202020.pdf?_t=1578480382 Armanto, R., Lauttamäki, L. & Siivonen, K. 2022. Monimuotoinen tulevaisuusverstas. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi. Perusteita ja menetelmiä. Turku: Tulevaisuuden tutkimuskeskus, Turun yliopisto, 222–236. Arthars, N., Markauskaite, L., & Goodyear, P. (2024). Constructing shared understanding of complex interdisciplinary problems: Epistemic games in interdisciplinary teamwork. Journal of the Learning Sciences, 33(2), 405–442. Viitattu 10.3.2025 https://doi.org/10.1080/10508406.2024.2341390. Bloom, J. 2023. Why is technology not making us more productive? BBC. Viitattu 15.3.2025 https://www.bbc.com/news/business-66233654. Business Finland & AI Finland 2025. Tekoälyn tila Suomessa 2025. Viitattu 26.3.2025 https://www.businessfinland.fi/ajankohtaista/uutiset/2025/tekoalyn-tila-suomessa-2025-kasvava–ekosysteemi-kaipaa-rohkeita-investointeja. Dufva, M. 2022. Toimintaympäristön analyysi: Peste ja sen variaatiot. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi. Perusteita ja menetelmiä. Turku: Tulevaisuuden tutkimuskeskus, Turun yliopisto, 105–112. Viitattu 12.6.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Dufva, M. 2015. Knowledge creation in foresight: A practice- and systems-oriented view. Väitöskirja. Aalto-yliopisto. Helsinki. Dufva, M. & Ahlqvist, T. 2015. Miten edistää hallituksen ja eduskunnan välistä tulevaisuusdialogia? Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 17/2015. http://urn.fi/URN:ISBN:978-952-287-200-5. Dufva, M., Lähdemäki-Pekkinen, J., Poussa, L. & Rekola, S. 2024. Tulevaisuusvalta. Lisää ääniä tulevaisuuskeskusteluun. Sitra, muistio 18.1.2024. Viitattu 12.3.2024 https://media.sitra.fi/app/uploads/2024/01/sitra_tulevaisuusvalta.pdf. Dufva, M. & Rekola, S. 2023. Megatrendit. Ymmärrystä yllätysten aikaan. Sitran selvityksiä 224. Viitattu 26.2.2024 https://media.sitra.fi/app/uploads/2023/01/sitra_megatrendit-2023_ymmarrysta-yllatysten-aikaan.pdf. Eager, J. 2020. Opportunities of Artificial Intelligence. Study for the committee on Industry, Research and Energy. Policy Department for Economic, Scientific and Quality of Life Policies. Luxembourg: European Parliament. Viitattu 16.3.2025 https://www.europarl.europa.eu/RegData/etudes/STUD/2020/652713/IPOL_STU(2020)652713_EN.pdf. Eskola, J. 2018. Laadullisen tutkimuksen juhannustaiat: laadullisen aineiston analyysi vaihe vaiheelta. Teoksessa R. Valli (toim.) Ikkunoita tutkimusmetodeihin 2. Näkökulmia aloittelevalle tutkijalle tutkimuksen teoreettisiin lähtökohtiin ja analyysimenetelmiin. Jyväskylä: PS-kustannus, 209–231. Eskola, J. & Suoranta, J. 1998. Johdatus laadulliseen tutkimukseen. Tampere: Vastapaino. European Foresight Platform. 2010. What is Foresight? Viitattu 16.4.2024 http://www.foresight-platform.eu/community/forlearn/what-is-foresight/. Finto Sanastot ja ontologia 2024. Yhteinen ymmärrys. Viitattu 3.3.2024 http://urn.fi/URN:NBN:fi:au:tt:t71. Hiltunen, E. 2012. Matkaopas tulevaisuuteen. Helsinki: Talentum. Hirsjärvi, S. & Hurme, H. 2014. Tutkimushaastattelu. Teemahaastattelun teoria ja käytäntö. Helsinki: Gaudeamus. Hirsjärvi, S., Remes, P. & Sajavaara, P. 2018. Tutki ja kirjoita. 22. painos. Helsinki: Tammi. Hofmann, P., Samp, C., & Urbach, N. 2020. Robotic process automation. Electronic Markets 30, 99–106 (2020). Viitattu 17.6.2024 https://doi.org/10.1007/s12525-019-00365-8. Jemala, M. 2010. Evolution of foresight in the global historical context. Foresight, Vol 12 Nro 4 (2010), 65–81. Viitattu 23.3.2024 https://doi.org/10.1108/14636681011063004. Jokinen, A., 2021. Laadullisen tutkimuksen näkökulmat. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 19.12.2024 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/mita-on-laadullinen-tutkimus/laadullisen-tutkimuksen-nakokulmat/. Juhila, K. 2021. Laadullisen tutkimuksen ominaispiirteet. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 17.12.2024. https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/mita-on-laadullinen-tutkimus/laadullisen-tutkimuksen-ominaispiirteet/. Juuti, P. & Puusa, A. 2020. Johdanto. Mitä laadullisella tutkimuksella tarkoitetaan? Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 9–19. Järvilehto, L. 2024. Tekoälyn pikaopas. Näin käytät tekoälyä tietotyössä. Versio 2.5. Viitattu 28.5.2024 https://www.laurijarvilehto.fi/tekoalyn-pikaopas. Kananen, J. 2014. Laadullinen tutkimus opinnäytetyönä: miten kirjoitan kvalitatiivisen opinnäytetyön vaihe vaiheelta. Jyväskylän ammattikorkeakoulu. Kananen, J. 2017. Laadullinen tutkimus pro graduna ja opinnäytetyönä. Jyväskylän ammattikorkeakoulu. Keenan, M. & Popper, R. 2008. Comparing foresight “style” in six world regions. Foresight, Vol 10 Nro 6 (2008), 16–38. Viitattu 16.3.2024 https://doi.org/10.1108/14636680810918568. Kinnunen, T. & Kallinen T. 2021. Etnografinen havainnointiaineisto. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 13.3.2025 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/laadullisen-tutkimuksen-prosessi/aineiston-tuottaminen/. Kiviniemi, K. 2018. Laadullinen tutkimus prosessina. Teoksessa R. Valli, (toim.) Ikkunoita tutkimusmetodeihin 2. Näkökulmia aloittelevalle tutkijalle tutkimuksen teoreettisiin lähtökohtiin ja analyysimenetelmiin. Jyväskylä: PS-kustannus, 73–87. Kääriäinen, J., Aihkisalo, T., Halén, M., Holmström, H., Jurmu, P., Matinmikko, T., Seppälä, T., Tihinen, M. & Tirronen, J. 2018. Ohjelmistorobotiikka ja tekoäly – soveltamisen askelmerkkejä. Viitattu 24.6.2024 http://urn.fi/URN:ISBN:978-952-287-616-4. Laava, T., Markkio, H-R & Kaartinen, V. 2022. Mitä ohjelmistorobotiikka on?. Teoksessa H.-R. Markkio, & V. Kaartinen (toim.) Ohjelmistorobotiikka: Kohti rutiinitehtävien automatisointia. Jyväskylän ammattikorkeakoulu. Viitattu 24.6.2024 https://urn.fi/URN:ISBN:978-951-830-651-4. Leino-Haltia, M., Lindeman, T., Matikainen, E. & Ruotsi, J. 2021. Ennakointi päätöksentekoketjussa. Helsinki: Boardman. Liz-Dominguez, M., Caeiro-Rodriguez, M., Llamas-Nistal, M. & Mikic-Fonte, F. A. 2019. Systematic Literature Review of Predictive Analysis Tools in Higher Education. Applied Sciences, Vol 9 Nro 24 (2019). Viitattu 5.3.2024 https://doi.org/10.3390/app9245569. Lätti, R., Malho, M., Rowley, C. & Frilander, O. 2022. Skenaarioiden rakentaminen tulevaisuustaulukkomenetelmällä. Teoksessa H-K., Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022, Tulevaisuuden tutkimuskeskus, Turun yliopisto, 313–336. Viitattu 29.3.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Malaska, P. 2003. Tulevaisuustietoisuus ja tulevaisuuteen tunkeutuminen. Teoksessa M.- Vapaavuori & S. von Bruun (toim.) Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura ry. Toinen, uudistettu painos, 9–16. Mattila, O. 2023. Ennakoisinko tulevaisuusverstas-menetelmällä? Lumen – Lapin ammattikorkeakoulun verkkolehti (2/2023). Viitattu 21.3.2025 https://urn.fi/URN:NBN:fi-fe2023050340553. Molarius, R., Jukarainen, P., Kekki, T., Keränen, J., Laitinen, K., Riikonen, R. & Norri-Sederholm, T. 2020. Alueellinen turvallisuuden tila (ATT) – alueellista turvallisuussuunnittelua ja varautumista tukeva seuranta-, arviointi- ja ennakointimalli. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 2020:21. Viitattu 9.3.2024 https://julkaisut.valtioneuvosto.fi/handle/10024/162196. Myllyoja, J., Rilla, N. & Lima-Toivanen, M. 2022. Strengthening futures-oriented agenda for building innovation ecosystems. European Journal of Futures Research, Vol 10 Nro 24 (2022). Viitattu 3.6.2024 https://doi.org/10.1186/s40309-022-00211-9. Nonaka, I. & Takeuchi, H. 1995. The Knowledge creating company. How Japanese Companies Create the Dynamics of Innovation. New York: Oxford University Press. Ojasalo, K., Moilanen, T. & Ritalahti, R. 2021. Kehittämistyön menetelmät. Uudenlaista osaamista liiketoimintaan. 3.-7 painos. Helsinki: Sanoma Pro Oy, 204. Paasikivi, O., Tuohino, J., Mansnérus, J. & Lång, J. 2022. Tekoälyn käyttömahdollisuudet julkisella sektorilla. Oikeudelliset reunaehdot ja kansainvälinen vertailu. Viitattu 24.6.2024 https://www.sitra.fi/julkaisut/tekoalyn-kayttomahdollisuudet-julkisella-sektorilla/. Pietikäinen, M. & Silvén, O. 2023. Miten tekoäly vaikuttaa elämäämme 2050-luvulla? Viitattu 26.6.2024 http://urn.fi/urn:isbn:9789526236865. Pouru, L., Minkkinen, M., Aufferman, B., Rowley, C., Malho, M. & Neuvonen, A. 2020. Kansallinen ennakointi Suomessa. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 2020:17. Viitattu 16.1.2024. http://urn.fi/URN:ISBN:978-952-287-948-6. Puusa, A. 2011. Laadullisen aineiston analysointi. Teoksessa A. Puusa & P. Juuti (toim.) Menetelmäviidakon raivaajat. Perusteita laadullisen tutkimuslähestymistavan valintaan. Helsinki: JTO, 114–125. Puusa, A. 2020. Haastattelutyypit ja niiden metodiset ominaisuudet. Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 103–117. Puusa, A. & Juuti, P. 2020. Johdanto. Laadullisen tutkimuksen olemus. Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 75–85. Ranki, S. 2023. HELP-katsaus: Työelämän muutosnäkymät. Helsinki: Työterveyslaitos. Viitattu 10.6.2024 https://urn.fi/URN:ISBN:978-952-391-067-6. Rowley, J. 2007. The wisdom hierarchy: representations of the DKIW hierarchy. Journal of Information science, Vol 33 Nro 2 (2007). Viitattu 17.6.2024 https://doi.org/10.1177/0165551506070706. Stoyanov, S. 2020. ‘State of research in foresight studies on education and training’, NESET Ad hoc report no. 1/2020. Viitattu 5.3.2024 https://pmb.cereq.fr/doc_num.php?explnum_id=7242 Tiittula, L. & Ruusuvuori, J. 2005. Johdanto. Teoksessa J. Ruusuvuori & J. Tiittula, L. (toim.) Haastattelu. Tutkimus, tilanteet ja vuorovaikutus. Jyväskylä: Vastapaino, 9–21. Tuomi, J. & Sarajärvi, A. 2012. Laadullinen tutkimus ja sisällönanalyysi. Yhdeksäs, uusittu painos. Helsinki: Tammi. Tuominen, H. & Neittaanmäki, P. (toim.) 2019. Tekoälyn perusteita ja sovelluksia. Jyväskylä: Jyväskylän yliopisto. Viitattu 1.3.2024 https://jyx.jyu.fi/bitstream/handle/123456789/64975/1/Tekoalyn_Perusteita_edit.pdf. Tutkimuseettinen neuvottelukunta TENK 2019. Ihmiseen kohdistuvan tutkimuksen eettiset periaatteet ja ihmistieteiden eettinen ennakkoarviointi Suomessa: Tutkimuseettisen neuvottelukunnan ohje 2019. Tutkimuseettisen neuvottelukunnan julkaisuja 3/19. Helsinki: Tutkimuseettinen neuvottelukunta. Viitattu 24.1.2025 https://tenk.fi/sites/default/files/2021-01/Ihmistieteiden_eettisen_ennakkoarvioinnin_ohje_2020.pdf. Tutkimuseettinen neuvottelukunta TENK 2023. Hyvä tieteellinen käytäntö ja sen loukkausepäilyjen käsitteleminen Suomessa. Viitattu 16.2.2025 https://tenk.fi/sites/default/files/2023-03/HTK-ohje_2023.pdf. Usman, M. & Fadhilah. 2020. Knowledge Management Practice For Competitive Advantage Through Innovation. International Journal of Business and Management Invention, Vol 9 Nro 7 (2020), 1–5. Viitattu 2.3.2024 https://www.ijbmi.org/papers/Vol(9)7/Ser-1/A0907010105.pdf. Valleala, U. 2006. Yhteinen ymmärtäminen koulutuksessa ja työssä. Kontekstin merkitys ymmärtämisessä opiskelijaryhmän ja työtiimin keskusteluissa. Jyväskylä University Printing. Viitattu 6.3.2024 https://urn.fi/URN:ISBN:951-39-2565-X. Valvimo R., Seppä-Kortelainen S. & Kyrö J. 2022. Yhteisen ymmärryksen aikaansaaminen ja ylläpito yhteishankkeessa on vaativaa työtä. Lumen 2/2022 Teema-artikkeli. Viitattu 5.3.2024 https://urn.fi/URN:NBN:fi-fe2022050432506 Vilkka, H. 2021. Tutki ja kehitä. 5., päivitetty painos. Keuruu: PS-kustannus. Vuori, J. 2021. Aineiston tuottaminen. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 13.3.2025 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/laadullisen-tutkimuksen-prosessi/aineiston-tuottaminen/. Vuorinen, T. & Huikkola, T. 2023. Strategiakirja. 25 työkalua. Helsinki: Alma Talent. Åkerblad, L. & Seppälä-Järvelä, R. 2024. Monimenetelmällinen tutkimus: opas suunnitteluun ja toteutukseen. Gaudeamus: Helsinki. Yhteisen ymmärryksen rakentuminen tulevaisuusverstaassa Annemari Petäsnoro ja Elsi-Mirjami Piiroinen Fostering mutual understanding in a Futures Workshop This thesis addresses the development of shared understanding between two organizational units regarding the current state and future of their industry, using the Futures Workshop method and other participatory approaches. In complex environments with many actors, differing perspectives can hinder collaboration. Shared understanding can help mitigate these challenges and improve interaction and foresight capability. The aim of this study was to examine the effectiveness of the used participatory methods in fostering shared understanding at Kela, the Social Insurance Institution of Finland, focusing on two different units working on the same benefit. Additionally, the study sought to explore how shared understanding of the industry’s current state influences individuals’ perceived foresight capability. Another purpose was to develop a model applicable also elsewhere in the Kela organisation. This study combines theoretical knowledge and practical methods that support the development of shared understanding and foresight capability. The thesis was conducted as a research-based development project, in which selected methods were tested in two workshops. The suitability of these methods was assessed through workshop observations and an analysis of participant surveys. The key finding of this study was that the Futures Workshop method, combined with other participatory approaches, effectively surfaces diverse perspectives, fosters future-oriented dialogue, and strengthens collaboration. Additionally, physical presence, face-to-face interaction, and personal relationships were found crucial in building shared understanding. Keywords: shared understanding, Futures Workshop, participatory approaches, foresight Johdanto Toimintaympäristöjen ja ongelmien monimutkaistuessa päätöksentekoon tarvitaan yhä enemmän moniammatillista yhteistyötä, monipuolista asiantuntijuutta sekä yhteistä ymmärrystä käsillä olevasta ongelmasta. Eri toimijoilla voi kuitenkin olla toisistaan poikkeavia näkemyksiä samasta kontekstista ja erilaiset näkemykset sekä tulkinnat vaikeuttavat yhteistyötä (Arthars, Markauskaite & Goodyear ym. 2024, 406). Yhteinen ymmärrys toimijoiden välillä helpottaa asioiden yhteistä käsittelyä ja vapauttaa aikaa varsinaiseen työhön (Valvimo, Seppä-Kortelainen & Kyrö 2022, 10). Jotta samalla toimialalla työskenteleville henkilöille voidaan synnyttää tulevaisuushenkinen yhteisesti jaettu visio, tarvitaan yhteinen ymmärrys nykytilanteesta. Opinnäytetyön tavoitteena on selvittää, kuinka tulevaisuusverstas-menetelmä yhdessä muiden osallistavien menetelmien kanssa soveltuu kahden toimijan välisen yhteisen ymmärryksen rakentamiseen toimialan nykytilasta ja tulevaisuudesta. Menetelmien toimivuutta yhteisen ymmärryksen rakentumisessa arvioidaan Kelan vammaisten tulkkauspalvelun etuuden ohjeistavan ja toimeenpanevan yksikön välillä järjestetyissä tulevaisuusverstaissa. Tulevaisuusverstas-menetelmän yhdistämistä muihin osallistaviin keinoihin testataan työpajatyöskentelyssä, jonka aikana pyritään tunnistamaan yksiköiden välillä toisistaan mahdollisesti poikkeavia näkökulmia ja yhdistämään näkemykset yhteiseksi tilannekuvaksi. Tämän jälkeen tavoitteena on yhdessä tunnistaa toimialan tulevaisuuteen liittyviä tekijöitä ja niiden vaikutuksia työhön ja toimialaan pidemmällä aikavälillä. Työpajatyöskentelyllä pyritään lisäksi kehittämään yhteistä ennakointikyvykkyyttä ja luomaan tulevaisuusorientoitunutta keskustelua yksiköiden välille. Työn keskiössä ovat yksiköissä työskentelevät asiantuntijat ja heidän osallistamisensa keskusteluun. Työpajoissa käytettävien menetelmien soveltuvuutta yllä mainittujen tavoitteiden saavuttamiseen arvioidaan myöhemmin työpajojen fasilitaattorien sekä osallistujien näkökulmasta osallistujille lähetettävällä sähköisellä kyselylomakkeella. Opinnäytetyön toivottavana tuotoksena syntyy useamman toimijan välisen yhteisen ja tulevaisuusorientoituneen ymmärryksen saavuttamiseen soveltuva toimintamalli, jota voidaan hyödyntää myös muualla Kelan organisaatiossa. Toimintaympäristö Kelan uusi strateginen tulevaisuuskuva julkaistiin kesäkuussa 2024. Tulevaisuuskuvassa kuvataan Kelan tavoitetilaa pitkällä, kymmenen vuoden aikavälillä. Strategisen tulevaisuuskuvan muodostamisen pohjana on käytetty Kelan tuottamaa ennakointi- ja tulevaisuustietoa (Kela 2024a). Tulevaisuuskuva on muodostettu kuuden osa-alueen ympärille, joista yksi on henkilöstö, kulttuuri ja osaaminen. Tämän osa-alueen tavoitteena on muutoskyvykkyydelle ja yhteistyölle rakentuva kulttuuri, jossa osaaminen sekä itse- ja yhteistyöohjautuvuuden taso ovat korkealla. (Kela 2024b.) Kelan vammaisten tulkkauspalvelu koordinoi valtakunnallisesti kuulovammaisten, kuulonäkövammaisten ja puhevammaisten henkilöiden tulkkauspalvelua. Vammaisten henkilöiden tulkkauspalvelun tavoite on mahdollistaa vammansa perusteella tulkkausta tarvitseman henkilön yhdenvertainen osallistuminen yhteiskunnan jäsenenä. (Kela 2024c.) Vammaisten tulkkauspalvelu on keskitetty Kelassa kahteen yksikköön: suunnitteluyksikköön ja Vammaisten tulkkauspalvelukeskukseen. Vammaisten tulkkauspalvelun suunnittelusta ja kehittämisestä vastaa Kelan etuuksien ja palveluiden suunnitteluyksikön vammaisetuusryhmä. Ryhmän tehtävänä on vastata vammaisten henkilöiden tulkkauspalveluun liittyvistä linjauksista, sisältöohjauksesta ja tuesta sekä palvelutoiminnalle että kumppaneille. Tähän sisältyy mm. etuuslainsäädännön kehittäminen, vammaisten tulkkauspalvelun etuusprosessien määrittäminen sekä sopimuskumppanien ja tulkkauspalvelun toimeenpanon ohjeistaminen. Vammaisetuusryhmä vastaa myös tulkkauspalveluun liittyvissä hankinnoissa sisällön määrittelystä ja sopimushallinnasta sekä tietojärjestelmien sisällön määrittämisestä ja kehittämisestä. (Peltomäki 2025.) Vammaisten tulkkauspalvelukeskus (myöhemmin Vatu-keskus) kuuluu Kelan valtakunnallisten asiakkuuspalveluiden tulosyksikköön ja vastaa kuulovammaisten, kuulonäkövammaisten ja puhevammaisten henkilöiden tarvitsemien tulkkauspalveluiden toimeenpanosta, Kelan järjestämän kuntoutuksen vieraan kielen tulkkivälityksestä sekä näihin liittyvien kustannusten korvaamisesta. Vatu-keskuksen tehtäviin kuuluu myös asiakaspalvelu, palveluntuottajien ja yhteistyötahojen neuvonta sekä etäpalvelu suomalaisella viittomakielellä. (Paloposki 2025.) Opinnäytetyö keskittyy edellä kuvattujen ryhmien asiantuntijoiden parissa tehtyyn tutkimukseen. Yhteinen ymmärrys ennakoinnin perustana Yhteisen ymmärryksen määritelmää ja syntymekanismeja teorian tasolla on esitelty tarkemmin artikkelikokoelman yhteisessä tietoperustassa. Yhteistä ymmärrystä (common/shared understanding) ja jaettua ymmärrystä (shared understanding) käytetään suomalaisessa kirjallisuudessa osittain samaa tarkoittavina käsitteinä (mm. Valvimo ym. 2022, 6). Tässä työssä puhutaan yhteisestä ymmärryksestä, koska käsitämme yhteisen ymmärryksen ja sen muodostumisen jaettua ymmärrystä syvällisempänä prosessina. Olemme kiinnostuneita erityisesti yhteisen ymmärryksen syntymiseen liittyvistä vuorovaikutusprosesseista ja niiden edistämisestä. Yhteisen ymmärryksen rakentumista on tutkittu eri toimialoilla erilaisin tutkimusmenetelmin. Tutkimusten mukaan yksi yhteisen ymmärryksen syntymisen kannalta keskeinen tekijä on kommunikaatio sekä tiedon ja näkökulmien näkyväksi tekeminen ja jakaminen prosessiin osallistuvien kesken (mm. Vance, Alzen & Smith 2022; Arthars ym. 2024). Vancen ym. (2022, 55) mukaan yhteinen ymmärrys asiasta syntyy, kun se on todettu kaikkien osapuolten välillä tosiasiaksi ja kaikki osapuolet tietävät sen. Barberin (2012, 3) mukaan sen voidaan myös ajatella rakentuvan yksilöiden käsityksistä tarkasteltavaan asiaan. Ryhmän tuottama yhteinen ymmärrys rakentuu tällöin yksilöiden käsityksistä ja vaikuttaa samalla näiden käsitysten muodostumiseen. Mäkelä (2002) on lähestynyt yhteisen ymmärryksen käsitettä organisaatiokulttuurin, viestinnän ja tiedon vuorovaikutuksen kautta. Yhteinen ymmärrys muodostuu näiden kolmen elementin limittäisyydestä, jota käytännössä työstetään pitkän aikavälin vuorovaikutussuhteissa tapahtuvassa tolkullistamisessa (sense-making) ja yhteisen kokemuksen kautta. Sense-making -termille on useita määritelmiä, mutta määritelmissä viitataan yhteisesti niihin prosesseihin, joilla ihmiset pyrkivät ymmärtämään moniselitteisiä asioita tai tapahtumia (Brown, Colville & Pyen 2015, 266). Myös Valleala (2006, 19) näkee ymmärryksen yhteisöllisenä merkityksenantotapahtumana yksittäisen ihmisen mielessä tapahtuvan prosessin sijasta, mikä tekee ymmärtämisen alkuperästä sosiaalisen. Yhteisestä ymmärryksestä on Mäkelän (2002) mukaan havaittavissa seuraavat elementit: jaetut merkitykset, jaetut toimintatavat, jaettu tieto, jaettu päämäärä sekä luottamus. Jaetuilla merkityksillä tarkoitetaan mm. yhteisiä käsitteitä, kieltä ja arvoja. Jaetut toimintatavat ovat yhdessä sovittuja rooleja ja tehtäviä sekä prosesseja ja menetelmiä. Jaettu tieto koskee yhteistyön sisältöä ja kohdetta sekä sen ymmärtämistä. Jaettu päämäärä käsittää yhteiset tavoitteet ja odotukset sekä omien ja kumppanien omat tavoitteet ja odotukset. Luottamus puolestaan perustuu uskomukseen kumppanin kyvykkyydestä ja hyvistä ominaisuuksista. Kun osapuolten välille rakentuu yhteinen ymmärrys yhteisestä toiminnasta, syntyy samalla yhteinen viitekehys, joka ohjaa ja jäsentää toimijoiden päätöksentekoa ja käytännön toimintaa (Jaatinen & Lavikka 2007, 2). Mäkelän (2002) mukaan organisaatiokulttuuri luo kehyksen yhteiselle tolkullistamiselle. Organisaation kulttuuri muodostuu yhteisesti jaetuista merkityksistä ja yhteisestä ymmärryksestä. Jos kahden organisaation kulttuurit ovat hyvin erilaisia, on tärkeää muodostaa niiden elementeistä yksi yhteinen sekoitus. Mäkelä (2002) suosittelee tutkimuksensa perusteella yhteistyön alussa kaikkien osapuolten tapaamista kasvokkain ja painottaa asiantuntijoiden henkilökohtaisten kontaktien syntymisen tärkeyttä. Kun vuorovaikutussuhteita on syntynyt, voidaan kokemustiedon vaihtoa tehdä. Tällaisella tiedon jakamisella synnytetään yhteistä ymmärrystä. Yhteisen ymmärryksen syntymistä tukevat mm. tavoitteiden kirkastaminen, toimenpiteiden selkeä aikataulutus sekä erilaisten toimijoiden huomioiminen ja prosessin joustavuus. Yhteinen ymmärrys ja merkityksellistäminen vaativat myös ylläpitoa ja muistuttamista yhteistyön edetessä. Lisäksi on tärkeää välttää odotusten tekemistä ja tunnistaa yhteisen ymmärryksen muodostumisen haasteita. Näitä haasteita voivat olla mm. monitulkintaiset dokumentit ja termit, yksilöiden ja yksiköiden erilaiset tulkintatavat sekä yhteisten arvioinnin mittareiden ja kriteerien puute. (Valvimo ym. 2022, 6.) Yhteinen ymmärryksen syntymisen prosessi Mönkkönen ja Kekoni (2021, 79) ovat havainneet yhteisen ymmärryksen syntymisen prosessissa kolme keskeistä vaihetta: kysymysohjattu keskustelu, dialogiset hetket sekä konfrontaatiot. Nämä vaiheet on tarkoitus saada toteutettua tulevaisuusverstaiden työskentelyn aikana hyödyntäen erilaisia ennakointiin soveltuvia, osallistavia menetelmiä. Esittämämme kysymykset ja tapa, jolla esitämme niitä, vaikuttavat yhteistyön laatuun. Hyvän kysymyksen kautta saadaan olennaista tietoa käsiteltävästä aiheesta, kun se kysytään tavalla, joka vahvistaa osapuolten yhteistyötä. Hyvän kysymyksen rakenne voidaan ymmärtää koostuvan kysymyksestä, vastauksesta ja vastauksen parafraasista. Kysymyksen esittäminen, vastausten kuunteleminen ja sisäistäminen, kysymyksen esittäjän mallintaminen sekä tarvittaessa näiden vaiheiden toistaminen, ovat yhteisen ymmärryksen syntymisen kannalta oleellisia tekijöitä. (Vance & Smith 2021, 997, 1006.) Työpajoissa kysymysohjattua keskustelua pyritään synnyttämään käyttämällä keskustelun pohjana PESTE-toimintaympäristöanalyysin teemoja. PESTE-analyysissä toimintaympäristöä tarkastellaan poliittisten (Political), sosiaalisten (Social), taloudellisten (Economical), teknologisten (Technological) ja ympäristöön (Environmental) liittyvien tekijöiden kautta, mikä varmistaa tarkastelun kattavuuden. Peste-analyysia voidaan tarpeen mukaan varioida ja siihen voidaan lisätä toimintaympäristön kannalta keskeisiä kategorioita (Dufva 2022, 105-107). PESTE-analyysia ja sen variaatioita käsitellään syvemmin artikkelikokoelman yhteisessä tietoperustassa. PESTE-analyysilla pyritään ohjaamaan osallistujia keskittymään yhteen teemaan ja kysymykseen kerrallaan sekä tarkastelemaan ja kommunikoimaan siitä ryhmässä monipuolisesti. Dialogisten hetkien tavoitteena on saada osallistujat jakamaan aidosti tunteensa ja näkemyksensä, jolloin keskustelu on avointa ja läsnä olevaa (Mönkkönen & Kekoni 2021, 81). Myös Artharsin ym. (2024, 419) mukaan yhteisen ymmärryksen kannalta on keskeistä, että kaikki osallistujat ovat avoimia keskusteluun. Osallistujien välillä ei saa jäädä epäilyksiä siitä, vastaako toisen henkilön tulkinta asiasta omaa tulkintaa (Vans ym. 2022, 55). Monipuoliseen dialogiin pyritään mm. käyttämällä osallistavia ja erilaisia näkökumia esille tuovia menetelmiä sekä vaihdellen keskusteluryhmien kokoonpanoja työpajojen aikana. Lisäksi työpajojen fasilitaattorit toimivat tarvittaessa puheenvuorojen jakajan roolissa varmistaen kaikkien osallistumisen. Konfrontaatiolla tarkoitetaan niitä dialogisen keskustelun hetkiä, joissa osapuolet voivat esittää myös eriäviä ja kiistanalaisia mielipiteitä (Mönkkönen & Kekoni 2021, 83). Erilaisia näkökulmia esittämällä ja niitä yhdistämällä syntyy yhteisiä merkityksiä, jotka ovat keskeisiä yhteisen ymmärryksen syntymisen kannalta (Valleala 2006, 29). Mönkkösen ja Kekonin (2021, 83) mukaan eriävät mielipiteet ovatkin toivottuja, koska näiden näkemysten hyväksyminen ja niiden yhdistäminen on keskeinen osa yhteisen ymmärryksen syntymistä. Myös Arthars ym. (2024, 417–418) korostavat, että erilaiset käsitteelliset ja kokemukselliset näkökulmat auttavat tarkastelemaan asioita eri sidosryhmien näkökulmasta ja arvioimaan sekä kyseenalaistamaankin toisten esittämää tietoa sen luotettavuuden ja pätevyyden osalta.Erilaisten, toisistaan selkeästi poikkeavienkin näkökulmien ja ajatustapojen esille tuomista pyritään edistämään työpajoissa kuuden ajatteluhatun mallilla, johon liittyvää teoriaa on avattu enemmän artikkelikokoelman yhteisessä tietoperustassa. Menetelmän avulla osallistujia ohjataan tarkastelemaan aihealueita erilaisista, toisistaan poikkeavista näkökulmista, kuten faktat, tunteet, uhka, optimismi ja luovuus (Ojasalo, Moilanen & Ritalahti 2021, 166). Menetelmässä erilaisia näkökulmia kuvataan erivärisillä kuvitteellisilla hatuilla, joita kuvataan tässä opinnäytetyössä erivärisillä post-it-lapuilla. Kaikkien on tärkeä tietää, mikä hattu kelläkin on käytössä, jotta osallistujat uskaltavat ottaa vastakkaisia rooleja ja esittää jopa sellaisia näkemyksiä, joihin eivät itse edes usko (Ojasalo ym. 2021, 165). Eri näkökulmien tarkastelua tehdään parityöskentelynä, mikä edistää jokaisen osallistujan ajatusten kuulemista. Vuorovaikutuksen tasot yhteisen ymmärryksen syntymisessä Mönkkönen ja Kekoni (2021, 80) ovat tarkastelleet yhteisen ymmärryksen syntymistä dialogisen vuorovaikutuksen teorian mukaisilla tasoilla, joita ovat läsnäolo tilanteessa, yksisuuntainen vuorovaikutus, vastakkainasettelu sekä kaksi eritasoista yhteistyön tasoa. Nämä yhteistyön tasot ovat yhteiseen tavoitteeseen perustuva yhteistyö (collaboration) sekä luottamukseen perustuva yhteistyö (cooperation). Tutkimuksen mukaan tilanteissa, joissa yhteistyö perustuu luottamukseen, keskustelu on enemmän tulevaisuuteen suuntaava ja osapuolilla on selkeä yhteinen tavoite (Mönkkönen & Kekoni 2021, 78). Siinä missä Mäkelä (2002) arvioi luottamuksen olevan osa kahden toimijan yhteisen ymmärryksen syntyelementtejä, Jaatinen ja Lavikka (2007, 20) arvioivat luottamuksen olevan seurausta osapuolten toistensa tuntemisesta ja toisen kompetenssin tuntemisesta. Myös yhteisen resurssin ja sen tuoman yhdistetyn osaamisen lisäarvon tunnistaminen lisäävät heidän mukaansa luottamusta kumppaniin. Koska työpajojen tarkoituksena on yhteisen ymmärryksen lisäksi kehittää osallistujien yhteistä ennakointikyvykkyyttä, olisi vuorovaikutuksessa erittäin tärkeää ja hyödyllistä päästä luottamukseen perustuvan yhteistyön tasolle. On kuitenkin tiedostettava, ettei luottamus yhteistyön alussa ole itsestään selvä asia. Luottamuksen kehittyminen voikin tapahtua vaiheistetussa prosessissa yhteisen keskustelun ja yhteistyön myötä läpi työpajatyöskentelyn ja työpajojen jälkeisessä yhteistyössä (Savolainen & Ikonen 2016, 16). Tulevaisuusverstas yhteisen ymmärryksen rakentamisen ja ennakoinnin työkaluna Ennakoinnin teoriaa sekä tulevaisuusverstasta kehittämis- ja aineistonkeruumenetelmänä on käsitelty laajemmin artikkelikokoelman yhteisessä tietoperustassa. Ennakointityöhön soveltuu useat menetelmät, joista tämän opinnäytetyön tapaukseen sopii erityisesti menetelmäosaamista vaatimaton, luonteeltaan osallistava tulevaisuusverstas (Mattila 2023, 4). Tulevaisuusverstaita voidaan varioida useisiin tulevaisuudentutkimisen tarkoituksiin. Se soveltuu nykyisten toimintojen arviointiin, vaihtoehtoisten suuntien ja ratkaisujen löytämiseen olemassa olevan tulevaisuustiedon valossa sekä luomaan uusia tulevaisuuskuvia (Lauttamäki 2014, 2–3). Verstas voi myös toimia tulevaisuusajattelun ja toimijuuden aloituspisteenä, jonka myötä vaihtoehtojen pohtiminen, näkökulmien laajentaminen, suunnan hahmottaminen, kehittäminen ja verkostoituminen kasvaa (Armanto 2024, 8). Verstaiden sisältö ja rakenne voidaan muokata tarpeen mukaiseksi sekä antaa osallistujien toiminnan ohjata työskentelyä. Työskentelyssä keskeistä on koolle kutsutun joukon avoin ajatusten ja tiedon vaihto, jonka kautta on mahdollista synnyttää uusia tulevaisuuden ideoita ja ratkaisuja. (Armanto ym. 2022, 222–223.) On tärkeää, että jokaisen osallistujan mielikuvitukselle annetaan tilaa, sillä juuri yksilöiden tunteisiin ja haaveisiin liittyvät mielettömät ehdotukset vievät tulevaisuusverstas-työskentelyssä rakentaviin ratkaisuihin (Jungk & Müllert 1987, 31). Ennakointi- ja kehittämismenetelmän lisäksi tulevaisuusverstas-työskentely voidaan nähdä paikkana tiedon jakamiselle, jalostamiselle sekä kriittiselle tarkastelulle, mikä laajentaa ymmärrystä muiden osallistujien näkökulmista ja lähtökohdista (Armanto ym. 2022, 227). Tulevaisuusverstasta voidaankin käyttää menetelmänä monimutkaisten ongelmien käsittelyyn, jossa eriävätkin mielipiteet täytyy sovittaa yhteen (Lauttamäki 2014, 2). Tästä näkökulmasta tulevaisuusverstas soveltuu ennakoinnin lisäksi myös yhteisen ymmärryksen rakentamiseen. Tulevaisuusvertasprosessi rakentuu perinteisesti viidelle vaiheelle: valmisteluvaihe ennen verstasta, ongelmavaihe, mielikuvitusvaihe, todellistamisvaihe ja jälkitoimenpiteet verstaan jälkeen. Ongelmavaiheen tavoitteena on määritellä käsiteltävän aiheen tai ongelman nykytilanne. Tämän jälkeen mielikuvitusvaiheessa pyritään löytämään vaihtoehtoisia ratkaisuja ja tulevaisuudensuuntia nykytilanteen haasteisiin. Lopuksi todellistamisvaiheessa muodostetaan konkreettisia toimintasuunnitelmia toivotun tulevaisuuden toteutumiseksi. (Jungk & Müllert 1987, 54-55; Mattila 2023, 5-6.) Tässä opinnäytetyössä keskitytään ongelma-, mielikuvitus- ja todellistamisvaiheeseen. Tulevaisuusverstas-menetelmän sovellettua käyttöä ja muita työpajojen käytännön toimia esitellään tarkemmin tutkimuskysymysten jälkeen. Tutkimuskysymykset ja -menetelmät Opinnäytetyö on luonteeltaan tutkimuksellinen kehittämistyö, jonka tarkoituksena on etsiä ja kehittää uusia toimintatapoja ja viedä niitä käytäntöön organisaatiossa. Tutkimuksellisen kehittämistyön tarkoituksena on saada aikaan käytännön parannuksia tai uusia ratkaisuja organisaation toimintaan pelkän uuden teorian tuottamisen sijaan (Ojasalo ym. 2021, 21). Kehittämisen kohteena on Kelan vammaisten tulkkauspalvelun etuuden ohjeistavan ja toimeenpanon piirissä työskentelevien asiantuntijoiden yhteisen ymmärryksen parantaminen toimialan nykytilasta sekä tulevaisuudesta. Koska yhteinen ymmärrys sisältää eri toimijoiden näkökulmia ja niiden yhteensovittamista, vuorovaikutus ja kommunikaatio ovat kehittämistehtävässä keskeisenä teemana. Kehittämistehtävän luonteeseen soveltuu toimintatutkimus, jonka menetelmissä korostuu ihmisten aktiivinen osallistuminen sekä heidän välisensä vuorovaikutus (Ojasalo ym. 2021, 37). Tutkimuskysymykset ovat seuraavat: Miten tulevaisuusverstas-menetelmä ja muut osallistavat menetelmät edistävät yhteisen ymmärryksen syntymistä toimialan nykytilasta? Miten tulevaisuusverstas-menetelmä ja muut osallistavat menetelmät auttavat yksiköitä tunnistamaan ja käsittelemään toimialan tulevaisuuteen liittyviä tekijöitä? Miten yhteisen ymmärryksen syntyminen ja tulevaisuusverstastyöskentely vaikuttavat yksiköiden välisiin toimintaprosesseihin ja -tapoihin? Miten yhteisen ymmärryksen syntyminen muuttaa osallistujien ajatuksia ja näkökulmia toimialan nykytilasta ja tulevaisuudesta? Miten tulevaisuusverstastyöskentely vaikuttaa koettuun ennakointikyvykkyyteen? Tutkimuskysymyksiin pyritään vastaamaan työpajojen ympärillä toteutettujen kyselyiden sekä niiden aikana kerätyn havainnointiaineiston avulla. Kyselyitä sekä havainnointia menetelminä on avattu tarkemmin artikkelikokoelman yhteisessä tietoperustassa. Työpajojen tavoitteet ja toteutus Kehittämistyö toteutettiin kahtena työpajapäivänä. Osallistujat muodostuivat Kelan vammaisten tulkkauspalvelun etuuden ohjeistavan ja toimeenpanevan yksikön asiantuntijoista, joiden osallistumisen ryhmien esihenkilöt olivat ennalta vahvistaneet. Ensimmäiseen työpajapäivään osallistui yhteensä 10 henkeä ja toiseen yhteensä 8 henkeä kahdesta eri yksiköstä. Ennen työpajoja osallistujille lähetetyssä orientaatiosähköpostissa (Liite 1) esitettiin ennakkoon pohdittavia kysymyksiä omasta käsityksestään toimialan nykytilasta ja tulevaisuudesta. Alla olevaan kuvioon (Kuvio 1.) on koottu yhteisen ymmärryksen rakentumisen elementtejä ja menetelmiä, joiden keinoilla työpajoissa ja sen jälkeisellä toiminnalla pyritään rakentaa yhteistä ymmärrystä. Kuvio 1. Kooste yhteisen ymmärryksen rakentumiseen käytetyistä menetelmällisistä keinoista Yhteisen ymmärryksen syntymisen teoriasta keskeistä tässä opinnäytetyössä oli Mönkkösen ja Kekonin (2021) havaitsemat yhteisen ymmärryksen syntymisen prosessin kolme vaihetta sekä dialogisen vuorovaikutuksen teorian mukaiset vuorovaikutuksen tasot. Lisäksi Mäkelän (2002) yhteisestä ymmärryksestä havaitsemat elementit; jaetut merkitykset, jaetut toimintatavat, jaettu tieto, jaettu päämäärä sekä luottamus pyrittiin saavuttaa työpajatyöskentelyn aikana. Ensimmäinen työpaja: yhteinen ymmärrys, sovellettu ongelmavaihe Ensimmäisen työpajapäivän tavoitteena oli rakentaa toimijoiden välille yhteinen ymmärrys toimialan nykytilanteesta, mikä vaatii erilaisten näkökulmien huomioimista ja yhteensovittamista. Tällaisissa tilanteissa on tärkeää, että osallistujat pystyvät tarkastelemaan asiaa ja tilannetta eri näkökulmista. Yhteisen ymmärryksen syntymiseksi asioita olisi kyettävä tarkastelemaan erityisesti niistä näkökulmista, jotka ovat keskeisiä muiden toimijoiden näkökulmista omien sijaan. Tähän tavoitteeseen pääsemiseksi käytettiin kuuden ajatteluhatun menetelmää, jonka ideana on katsoa tilannetta tai ongelmaa eri näkökulmista sekä tietoisesti yllyttää osallistujia vaihtamaan näkökulmaa (Ojasalo ym. 2021, 165). Työpajassa menetelmää sovellettiin siten, että kahden eri yksikön toimijoista muodostettiin parit, joiden tehtävänä oli yhdessä tarkastella eri aiheita tai esitettyjä ongelmia heille annetuista näkökulmista eli hatuista käsin. Keskusteluja ohjaavia aihealueita jäsennettiin PESTE-taulukon avulla. Osallistujia ohjattiin keskustelemaan yhdestä aihealueesta 20 minuuttia, jotta kaikki näkökulmat tuli huomioiduksi työskentelyn aikana. Aihealueet, joiden kautta toimialan nykytilaa tarkasteltiin, olivat PESTE-analyysin mukaisesti politiikka (sisältäen lainsäädännön), talous, sosiaaliset tekijät, teknologia ja ympäristö. Tässä työssä PESTE-analyysia varioitiin siten, että keskusteluun otettiin mukaan organisaation sisäiset tekijät (=L). Parityöskentelyn aikana annetun hatun mukaisesta näkökulmasta nousseet ajatukset kirjattiin anonyymeina sähköiseen fläppitauluun. Sähköisenä fläppitauluna käytettiin Howspace-alustaa, jolle fasilitaattorit olivat luoneet valmiit PESTEL-taulukon sisällöt ja hattujen värejä vastaavat vastauskentät sekä värien määritelmät. Parityöskentelyn jälkeen jokainen pari esitteli muille osallistujille alustalle kirjaamaansa kommentit, jonka jälkeen avattiin yhteinen keskustelu siitä, millaisia ajatuksia esitetyt näkökulmat muissa herättivät. Ensimmäisen työpajapäivän pääteeksi osallistujat saivat äänestää niitä PESTEL-taulukon mukaisia teemoja, joihin olisi hyödyllistä pureutua tarkemmin seuraavassa, toimialan tulevaisuuteen ja konkreettisten toimien luomiseen keskittyvässä työpajassa. Tämän lisäksi työpajan jälkeen fasilitaattorit kävivät läpi äänestettyjen teemojen (neljä kappaletta) alle Howspace-alustalle kertyneen materiaalin tarkastellen niitä samankaltaisuuksien ja esiintymiskertojen näkökulmasta. Tällä tavalla tunnistettiin sellaiset toimialan tulevaisuuteen mahdollisesti vaikuttavat tekijät, jotka nousivat useimmin esille ja herättivät eniten keskustelua ensimmäisessä pajassa. Verstaiden tarkempaa substanssia ei tässä työssä tietosuoja syiden takia esitellä. Toinen työpaja: ennakointi, sovellettu mielikuvitus- ja todellistamisvaihe Opinnäytetyön toisena tavoitteena oli yhteiseen ymmärrykseen pohjautuen pyrkiä ennakoimaan toimialan tulevaisuutta ja lisätä ennakointiosaamista organisaatiossa. Toinen työpajapäivä keskittyikin ongelmavaiheessa nousseiden neljän teeman ja näkökulmien tarkasteluun niin, että niihin alettiin muodostaa mielikuvituksellisia ratkaisuja, ehdotuksia ja ideoita. Tavoitteena oli siis ennakoida, miltä toimialan tulevaisuus voisi näyttää kyseisten aihealueiden osalta. Osallistujat jaettiin ensimmäisestä työpajasta nousseiden teemojen pohjalta kolmeen yhtä aihealuetta käsittelevään pienryhmään. Työskentelyn tukena käytettiin tulevaisuustaulukkoa, johon ryhmä kirjasi omasta aihealueestaan muuttujia, joita he tarkastelivat eri näkökulmista. Tämän jälkeen pienryhmä muodosti taulukon perusteella viiden vuoden päähän tähtäävän toivotun skenaarion. Pienryhmätyöskentelyn päätteeksi jokaisen ryhmän tuotos esiteltiin kaikille osallistujille. Tämän osuuden pääasiallisena tavoitteena oli kehittää osallistujien ennakointiosaamista sekä edistää tulevaisuusorientoitunutta keskustelukulttuuria. Neljäs teema käsiteltiin kaikkien osallistujien yhteisenä työskentelynä samalla tavalla kuin pienryhmissä tulevaisuustaulukkoa ja skenaarioita hyödyntäen. Tässä työskentelyn viimeisessä vaiheessa siirryttiin tulevaisuusverstaan ns. todellistamisvaiheeseen, jonka tavoitteena on Jungkin & Müllertin (1987, 55) mukaan esitettyjen ratkaisuehdotusten ja todellisten toteutumismahdollisuuksien kriittinen arviointi. Ryhmässä päätettiin aihealuetta koskeviin, yhdessä muodostettuihin skenaarioihin liittyen kaksi tavoitetta, joihin laadittiin toimintasuunnitelma, jotta toivottu tapahtuma kulku etenee. Suunnitelmaan kirjattiin konkreettiset tavoitteet ja toimenpiteet, mittarit välitavoitteiden mittaamiseksi sekä vastuutahot ja -henkilöt vuoden, kolmen vuoden ja viiden vuoden päähän tavoitteeseen asti (Liite 2). Toimintasuunnitelman muistiinpanot julkaistiin kaikille työpajassa käytetyllä Howspace-alustalla, jotta aiheiden työstöä voidaan työpajojen jälkeen organisaatiossa jatkaa. Aineistonkeruu ja -analysointi Työssä käytettyjä aineistonkeruu ja analyysimenetelmiin liittyvää teoriaa käsitellään tarkemmin artikkelikokoelman yhteisessä tietoperustassa. Tutkimuskysymyksiin pyrittiin vastaamaan työpajoihin osallistuville toteutettavien kyselyiden sekä fasilitaattorien toteuttaman osallistuvan havainnoinnin avulla. Kyselyt rakentuivat numeerisista asteikkokysymyksistä ja avoimista vastauskentistä (Liitteet 3-4). Kyselyissä kartoitettiin osallistujien kokemuksia mm. työpajatyöskentelyn hyödyllisyydestä, käytettyjen menetelmien soveltuvuudesta asetettuihin tavoitteisiin nähden sekä mahdollisia oppimiskokemuksia. Aineiston koostuessa osittain kirjoitetusta tekstistä, joka on lähtökohtaisesti monimerkityksellistä, analyysin eteneminen ja päättely edellyttää aina jonkinlaista tulkintaa (Karjalainen, Mertala & Ronkainen 2008, 18). Kyselyiden analyysissä korostui tutkijoiden ymmärrys ja analyyttinen osaaminen. Työpajojen aikana fasilitaattorit tekivät havainnointia. Havainnointi ja osallistuva havainnointi aineistonkeruumenetelmänä mahdollistaa kyselyllä kerätyn tiedon kytkemisen sen asiakontekstiin. Havainnoinnissa keskitytään tarkastelemaan vuorovaikutustilanteen ilmiöitä, kuten mitä osallistujat sanovat ja tekevät, kuinka he reagoivat sekä muita vuorovaikutustilanteeseen liittyviä olosuhdetekijöitä, joilla voi olla vaikutusta vuorovaikutukseen (Grönfors 2015, 148, 156). Näistä vuorovaikutustilanteiden ilmiöistä oltiin kiinnostuneita erityisesti yhteisen ymmärryksen syntymisen näkökulmasta. Siksi ensimmäistä työpajatyöskentelyä varten oli luotu suuntaa antava havainnointilomake (Liite 5), jotta fasilitaattorit osasivat keskittyä tutkimuskysymysten kannalta keskeisiin asioihin. Questback-kyselyiden tekninen toteutus ja lähetys tehtiin yhteistyössä Kelan digitaalisen tiedonkeruu ryhmä kanssa. Ryhmä toimitti kyselyidentulokset opinnäytetyöntekijöille sähköisessä Excel-muodossa. Tuloksista oli saatavana raakadata sekä yhteenveto vastaajamääristä ja kirjallisista vastauksista kysymyksittäin. Tulokset Ensimmäiseen työpajapäivään osallistui yhteensä 10 henkilöä kahdesta eri yksiköstä ja toiseen työpajapäivään yhteensä 8 henkilöä kahdesta eri yksiköstä. Noin puolet ensimmäisen työpajan osallistujista olivat mukana myös toisessa päivässä. Ensimmäisen työpajapäivän jälkeen lähetettyyn kyselyyn vastasi 6 osallistujaa ja vastausprosentti oli 60. Toiseen työpajan jälkeiseen kyselyyn vastasi myös 6 osallistujaa ja vastausprosentti oli 66. Tulevaisuusverstaiden keskeiset tulokset esitellään alla olevassa kuviossa (Kuvio 2.). Tulokset ovat koottu havainnoinnin ja osallistujille lähetettyjen kyselyiden pohjalta. Keskeisimpiä tuloksia on avattu seuraavissa alaluvuissa tarkemmin tutkimuskysymyksittäin. Kuvio 2. Tulevaisuusverstaiden keskeiset tulokset Tulevaisuusverstas-työskentelyyn oltiin yleisesti tyytyväisiä. Työpajoihin osallistujat antoivat asteikolla 1–5 kahdelle työpajalle keskiarvoksi 4. Käytetyt osallistavat menetelmät tukivat työpajapäiviin osallistujien mukaan työpajoille ennakkoon asetettuja ja esiteltyjä tavoitteita. Työskentelyn kokonaissuunnitelma, jako kahteen päivään, eteneminen ja menettelytapa, jossa päästiin konkreettisiin ja hyödynnettäviin suunnitelmiin, osallistujat arvioivat onnistuneeksi. Myös työskentelyn ohjaamisen ja aikataulutuksen onnistuminen nostettiin esiin. Menetelmien toimivuus yhteisen ymmärryksen rakentamisessa toimialan nykytilanteesta Ensimmäisen työpajan “ongelmavaiheessa” toimialan nykytilaa lähdettiin kartoittamaan PESTEL-analyysin teemojen mukaisesti. Tämän avulla keskustelu pysyi hallittuna teema kerrallaan ja se saatiin syvenemään. Kaikkien osallistujien mukaan PESTEL-taulukon teemat auttoivatkin tarkastelemaan toimintaympäristöä eri näkökulmista melko hyvin tai erittäin hyvin. Osan mielestä PESTEL-analyysin mukaiset teemat kuitenkin rajasivat keskustelua liikaakin, koska useat toimialalla vallitsevat asiat ja ilmiöt kuuluvat useampaan PESTEL-analyysin mukaiseen teemaan samanaikaisesti. Kuuden ajatteluhatun menetelmä auttoi erittäin hyvin tuomaan esille erilaisia näkökulmia eri teemoista. Kaikki osallistujat pitivätkin kuuden ajatteluhatun menetelmää yhteisen ymmärryksen luomisessa erittäin toimivana tai melko toimivana. Palautteiden mukaan ajattelua auttoi, kun tiettyä teemaa katsottiin aina yhdestä näkökulmasta (hatusta) kerrallaan. Hatut koettiin hyödylliseksi myös siitä näkökulmasta, että sai ottaa tietyn roolin, jonka kautta uskallettiin tuoda esille ajatuksia, jotka ehkä muuten jäisivät keskustelusta puuttumaan. Kaikki palautekyselyyn vastanneista olivat erittäin tyytyväisiä ensimmäisen työpajan sisältöön ja rakenteeseen. Työpajaan osallistuneiden mielestä erityisen onnistunutta oli mm. rento tunnelma sekä avoin, hyvähenkinen ja monipuolinen keskustelu molempia yksiköitä koskevista aiheista. Rento ja avoin keskusteluilmapiiri oli havaittavissa myös fasilitaattorien näkökulmasta, ja keskustelu oli aktiivista ja monipuolista koko työpajan ajan. Alla olevaan kuvioon (Kuvio 3.) on koottu ensimmäisen työpajan jälkeen lähetetyn kyselyn numeerisesti arvioitavien kysymysten tuloksia. Kysymyksillä kartoitettiin mm. osallistujien ajatuksia kuuden ajatteluhatun menetelmästä yhteisten ymmärryksen rakentumisen näkökulmasta, PESTEL-analyysin käytöstä toimintaympäristön tarkastelussa ja yleisesti työpajan sisällöstä ja rakenteesta. Kuvio 3. Kooste ensimmäisen työpajan palautteista työpajan sisällöstä ja menetelmistä Työpajan aikana osallistujat istuivat pareittain puolikaaressa. Tämä havaittiin toimivaksi, koska kaikki osallistuja näkivät koko ajan toistensa kasvot. Toisten puheenvuoroihin reagoitiin ilmein ja elein, mikä jää puuttumaan etäyhteyksin keskusteltaessa. Havaittiin, että toisten osallistujien hyväksynnäksi ja kannustukseksi tulkittavat eleet veivät keskustelua edelleen syvemmälle ja osallisti myös muita esittämään mielipiteitään. Positiivisena tekijänä yhteistyön ja yhteisen ymmärryksen syntymisen kannalta havaittiin myös se, että hyvin varhaisessa vaiheessa ensimmäisen työpajan aikana eri yksiköiden asiantuntijat alkoivat puhua kaikista läsnä olevista “meinä” ja todettiin, että ollaan tekemässä töitä samojen tavoitteiden saavuttamiseksi. Yhteisen ymmärryksen syntymisen vaikutus osallistujien ajatuksiin ja näkökulmiin toimialan nykytilasta ja tulevaisuudesta Kaikki ensimmäisen työpajan jälkeiseen palautekyselyyn vastanneet kokivat, että osallistujat vaihtoivat erilaisia näkökulmia työpajan aikana melko hyvin tai erittäin hyvin. Edelleen koettiin, että osallistujien välinen vuorovaikutus tuki yhteisen ymmärryksen kehittymistä erittäin hyvin (67 %) tai melko hyvin (33 %). Osallistujien mielestä vuorovaikutusta tuki erityisesti avoimesti esille tuodut kehitysehdotukset ja osallistujien aktiivisuus. Vuorovaikutuksen osalta hyvänä koettiin se, että työparit oli yhdistetty kahdesta eri yksiköstä. Tämä lisäsi ymmärrystä toisen yksikön näkökulmasta. Vuorovaikutusta olisi palautekyselyn mukaan edelleen voitu parantaa hiljaisempien osallistujien aktivoimisella keskusteluun fasilitaattorien toimesta. Alla olevasta kuviosta (Kuvio 4.) on nähtävissä tarkemmin vastaajien kokemuksia mm. yhteisen ymmärryksen rakentumisesta sekä pari- ja ryhmäkeskustelujen toimivuudesta. Kuvio 4. Kooste ensimmäisen työpajan menetelmistä ja vuorovaikutuksesta Suurin osa toiseen palautekyselyyn vastanneista koki, että ensimmäisessä työpajassa muodostunut käsitys toimialan nykytilasta auttoi tulevaisuuteen liittyvää työskentelyä erittäin hyvin (20 %) tai melko hyvin (60 %). Keskustelusta oli myös havaittavissa hyviä elementtejä yhteisen ymmärryksen rakentumisesta. Osallistujat nostivat keskustelussa esille mm. sen, että ristiriitojen tai tulkintaerojen tunnistamiseksi ja poistamiseksi olisi tärkeää, että asioista puhutaan samoilla käsitteillä. Lisäksi tärkeänä pidettiin sen sanallistamista, millaisena arkipäiväinen työ kummankin yksikön osalta näyttäytyy. Keskustelu oli läpi työpajan dialogista, kysymyksiä esittävää sekä oivaltavaa, mikä vastaa yhteisen ymmärryksen syntymiseen liittyvää teoriaa. Menetelmien vaikutus yksilöiden kykyyn tunnistaa toimialan tulevaisuuteen liittyviä muuttujia Toisessa tulevaisuusverstastyöpajassa lähdettiin ennakoimaan valittuihin teemoihin liittyviä mahdollisia kehityskulkuja pienryhmissä tulevaisuustaulukon avulla. Tavoitteena oli tarkastella valittuun teemaan tai haasteeseen liittyviä muuttujia eri näkökulmista, luoda näiden muuttujien variaatioista erilaisia skenaarioita ja löytää yhteinen toivottu tulevaisuuden skenaario. Tulevaisuustaulukon työstöä tehtiin pienryhmissä, joissa oli osallistujia molemmista yksiköistä. Tulevaisuustaulukon käytön ennakoitiin auttavan tarkastelemaan muuttujia useista eri näkökulmista. Palautekyselyn vastausten perusteella tulevaisuustaulukko kuitenkin koettiin hankalaksi hahmottaa ilman aiempaa kokemusta. Sen koettiin auttavan toimialan tulevaisuuden uhkien ja mahdollisuuksien kartoittamisessa melko hyvin (33 %) tai jonkin verran (67 %). Tehtävän ohjeistamisessa olisi toivottu tarkempia esimerkkejä tai kysymyksiä, jolla taulukon käyttö olisi avautunut paremmin. Lisäksi työskentelyyn annettu aika koettiin liian lyhyenä. Työpajan menetelmiin liittyviä osallistujien kokemuksia on koottu alla olevaan kuvioon (Kuvio 5.). Kuvio 5. Kooste toisen työpajan menetelmistä Myös havaintojen perusteella taulukon käyttäminen tuntui osittain osallistujille haastavana ja pikemminkin ajattelua rajoittavana. Pienryhmäkeskusteluja havainnoimalla voitiin todeta, että muuttujien tarkastelu rajautui taulukkoa käytettäessä pääasiassa toivotun skenaarion muuttujien kirjaamiseen. Lisäksi huomattiin, että osallistujat keskustelivat ja kirjasivat muuttujia ratkaisukeskeisestä näkökulmasta ja taulukon muuttujille pyrittiin jo löytämään ratkaisuja. Tämä ei kuulunut tehtävänantoon. Vaikka osa työpajassa käytetyistä ennakoinnin menetelmistä koettiin haasteellisina, toiseen työpajaan osallistuneista 83 % koki olleensa erittäin tyytyväinen (33 %) tai melko tyytyväinen (50 %) työpajan sisältöön ja rakenteeseen. Kaikki vastaajat arvioivat työpajan lisänneen ryhmien yhteistä ymmärrystä toimialan tulevaisuuden haasteista ja mahdollisuuksista sekä halutusta tulevaisuudesta. Lisääntyneen yhteisen ymmärryksen mittareiksi osallistujat kertoivat olevan muun muassa ymmärrys siitä, että yksiköissä koetaan samankaltaisia haasteita, vaikka työ on erilaista. Lisäksi tunnistettiin, että ajatukset tulevaisuudesta ovat molemmissa yksiköissä samansuuntaiset. Yhteisen ymmärryksen syntymisen ja tulevaisuusverstastyöskentelyn vaikutus yksiköiden välisiin toimintaprosesseihin ja -tapoihin Ennakkoon valikoituneista teemoista ”yhteistyön kulttuuri” käsiteltiin koko ryhmän yhteistyönä. Teeman sisällä käsiteltiin yksiköiden välisiä käytännön toimintaprosesseja ja -tapoja, joita haluttiin yhteistyössä kehittää. Valitun teeman sisällä muodostettiin kaksi toivotun yhteistyön tavoitetta, joiden toteutumiseen laadittiin viiden vuoden toimintasuunnitelma. Pohjalla käytettiin valmista täytettävää taulukkoa (Liite 1). Yhteistyön tavoitteiden muodostumisessa havaittiin kuitenkin haasteita ja fasilitaattorien osallistuminen nousi tässä vaiheessa tärkeään rooliin. Ajatuksia kehitettävistä tavoitteista nousi paljon ja niiden pilkkominen riittävän pieniin tavoitteisiin ja toimenpiteisiin, vei ryhmätyöskentelyssä aikaa. Palautekyselyyn vastanneiden mukaan haasteena toimenpiteiden miettimisessä koettiin muun muassa se, etteivät osallistujat tienneet, oliko työskentelyssä tarkoitus ideoida vapaasti vai ottaa realistiset tämänhetkiset resurssit huomioon. Tähän olisi toivottu esihenkilöiltä tarkempaa ohjeistusta, jolloin ideointi olisi ollut helpompaa. Muodostettuihin toimintasuunnitelmiin kirjattiin välitavoitteena suoritettavat toimenpiteet, vastuuhenkilöt, mittaristo ja aikataulu. Osallistujien mukaan työpajassa erityisen onnistuneeksi koettiin se, että yhteisen keskustelun ja ideoinnin pohjalta saatiin luotua konkreettisia tavoitteita ja toimenpiteitä niiden saavuttamiseksi. Luodut päätavoitteet ja niiden mittarina toimivat välitavoitteet osallistujat kokivat realistisiksi ja mahdollisiksi toteuttaa yhteisen suunnitelman mukaisesti. Tämä tulos tukee Valvimo ym. (2022, 6) esittämien yhteisen ymmärryksen syntymistä tukevien elementtien, kuten tavoitteiden kirkastamisen, toimenpiteiden selkeän aikataulutuksen ja erilaisten toimijoiden huomioimisen vaikutusta yhteisen ymmärryksen rakentumisessa. Osallistujat myös kokivat olevansa motivoituneita sitoutumaan yhteisiin tavoitteisiin, kun ne ovat yhdessä laadittuja. Tulevaisuusverstastyöskentelyn vaikutus koettuun ennakointikyvykkyyteen Ennakointikyvykkyyden mahdollista paranemista on vaikea arvioida heti työpajojen jälkeen. Palautekyselyyn vastanneet eivät kokeneet, että työpaja itsessään olisi auttanut heitä kehittämään kykyä ennakoida tulevaisuuteen liittyviä tekijöitä erityisen hyvin. Suurin osa ei osannut sanoa, oliko henkilökohtainen ennakointikyky mahdollisesti parantanut työpajojen aikana. Avovastauksissa kuitenkin todettiin, että ryhmän keskeinen ennakointi oli kehittynyt, vaikkei vastaaja itse kokenut osaamisensa liioin kehittyneen. Alla on kuvattu osallistujien kokemuksia ennakoinnin kehittymisestä työpajojen aikana ja saavutetun tiedon integroimisesta omaan työskentelyyn (Kuvio 6). Kuvio 6. Osallistujien koettu ennakointikyvykkyys ja arvio työpajassa käytettyjen ennakointimenetelmien ja keskustelun integroinnista omaan työhön Ennakointi noin viiden vuoden päähän ja konkreettisiin tavoitteiseen koettiin helppona, mutta pitkälle yli kymmenen vuoden päähän tehtävä ennakointi vaikeampana. Ennakoinnin pohjalle olisi myös kaivattu selkeitä ohjeita esihenkilöiltä mitkä mahdollisesti ovat tulevaisuuden resurssit, jotka on ennakoinnissa otettava huomioon. Työpajoissa käytettyjen menetelmien ja käydyn keskustelun hyödyntäminen tai integroiminen omaan työskentelyyn koettiin vaihtelevasti. Puolet vastaajista arvio pystyvänsä hyödyntämään oppimaansa erittäin tai melko hyvin, kaksi vastaajista vain jokseenkin hyvin ja yksi vastaaja ei osannut arvioida työpajatyöskentelyn hyödyntämistä omaan työskentelyyn. Kysymykselle ei ollut avointa vastauskenttää, jolloin tarkempia syitä tulokselle ei tässä työssä saatu selvitettyä. Johtopäätökset ja pohdinta Yhteinen ymmärrys ja vuorovaikutus Opinnäytetyössä voitiin todentaa useiden yhteisen ymmärryksen tutkimuksessa tunnistettujen tekijöiden merkitystä. Mm. Mäkelän (2022) korostama kasvokkain tapaamisen ja henkilökohtaisten kontaktien syntymisen merkitys yhteisen ymmärryksen syntymisessä nousi esille työpajojen aikana. Työpajojen yksi suurimmista hyödyistä kyselytulosten sekä havaintojen perusteella olikin fyysisesti yhteen tuleminen ja ajatusten vaihtaminen. Ensimmäisen työpajapäivän alussa osallistujat huomasivat tapaavansa ensimmäistä kertaa kyseisellä kokoonpanolla kasvotusten samassa tilassa. Henkilökohtaisten suhteiden syntymistä haluttiin edistää läsnäolotilaisuuden lisäksi sillä, että työpajojen työparit ja pienryhmät muodostettiin kahden eri yksikön työntekijöistä. Osa työpareista huomasikin, etteivät olleet koskaan aiemmin keskustelleet kahdestaan. Vapaamuotoisella, työasioihin liittymättömillä keskusteluilla, joita myös työpajojen aikana kuultiin, on todennäköisesti positiivista vaikutusta vuorovaikutussuhteiden syntymiselle. Näiden vuorovaikutussuhteiden syntymisen myötä voidaan tehdä helpommin kokemustiedon vaihtoa, jonka jakamisella puolestaan synnytetään yhteistä ymmärrystä (Mäkelä 2002.) Työpajan lopussa osallistujien yhdessä muodostamiin tulevaisuuden toimenpiteisiin myös kirjattiin matalan kynnyksen yhteydenpito eri yksiköiden asiantuntijoiden välillä. Valvimo ym. (2006, 6) korostaa, että yhteisen ymmärryksen muodostumisen haasteena on usein yksilöiden ja yksiköiden erilaiset termit ja tulkinnat sekä yhteisten arvioinnin mittareiden ja kriteerien puute. Osallistujat havahtuivat keskustelussa yhteneväisten termien käytön tärkeyteen yhteistyössä, jotta varmistutaan, että eri yksiköt puhuvat ylipäänsä samasta asiasta. Tämä tukee Vallelan (2006) ajatusta yhteisen ymmärryksen syntymisestä muodostamalla yhteisiä merkityksiä vuorovaikutuksen ja dialogin kautta erilaisia näkökulmia esittämällä ja niitä yhdistämällä. Yhteisen ymmärryksen osalta myös koettiin, että asiassa päästiin työpajoissa hyvin alkuun, mutta paremman yhteisen ymmärryksen kehittyminen vaatii lisää aikaa ja työpajan kaltaisia vastaavia tilaisuuksia, joissa jaetaan ja kuullaan toisten ajatuksia. Käydyt keskustelut auttoivat osallistujia hahmottamaan yhteistä palvelua eri näkökulmista, mikä koettiin erittäin hyödylliseksi yhteistyön jatkamisen kannalta. Kuten Mönkkönen ja Kekoni (2021, 86) ovat osoittaneet, yhteinen ymmärrys perustuu luottamusta rakentavaan prosessiin. Yhteistyön säännöllinen jatkuminen ja sen mahdollistama luottamuksen syventyminen on siis yhteisen ymmärryksen kannalta keskeistä. Käytetyt menetelmät Työpajojen tavoitteiden saavuttamiseen vaadittiin hyvin valmisteltu strukturoitu aikataulu. PESTE-taulukon yhden teeman käsittelylle oli varattu yksi tunti, mutta joidenkin teemojen kohdalla keskustelua olisi jatkunut paljon pidempään. Toisaalta jotkin teemat eivät vieneet niin paljon aikaa. Fasilitaattorien yhtenä tärkeänä tehtävänä oli seurata aikataulua ja ohjata osallistujia sen mukaisesti. Työpajaan osallistujien kohtuullinen määrä mahdollisti kaikkien ajatusten kuulemisen ja aikataulusta kiinni pitämisen, mutta suuremman joukon kohdalla tämä ei välttämättä olisi ollut mahdollista. Suuremman joukon työskentelyssä voi olla tarpeen PESTE-taulukon teemojen jakaminen ja työstäminen kahdessa perättäisessä ongelmavaiheeseen liittyvässä verstaassa ja työskentelyn toteuttaminen pienryhmissä parityöskentelyn sijaan. Käytetyistä menetelmistä erityisen onnistuneeksi ja toimivaksi koettiin kuuden ajatteluhatun menetelmä. Sen avulla osallistujat saivat tuotua esille mm. faktojen sijaan tunteisiin perustuvia ja mielettömiltäkin kuulostavia ”hulluttelevia” ajatuksia, jotka Jungk & Müllert (1987, 31) arvioivat tulevaisuusverstas-työskentelyssä tärkeäksi osaksi rakentavien ratkaisujen syntymisestä. Hattujen avulla osallistujat myös kokivat turvalliseksi ideoida ja tuoda erilaisia ajatuksiaan esiin ilman pelkoa niiden tyrmäämisestä. Hattujen kautta esiin nousseista ajatuksista käytiin kaikkia osallistavaa keskustelua, jonka aikana osallistujat ilmaisivat sanoin tai non-verbaalein elein olevansa samaa mieltä sekä ilmaisivat eriäviä mielipiteitä hyvässä hengessä. PESTE-analyysin ja kuuden ajatteluhatun yhdistämisen avulla keskusteluihin saatiin luotua Mönkkösen ja Kekonin (2021, 79) yhteisen ymmärryksen rakentumisen vaiheet kysymysohjatusta keskustelusta dialogiin ja konfrontaatioon. PESTE-analyysin mukautettu käyttäminen palvelun tulevaisuuden tekijöiden tarkasteluun todettiin pääsääntöisesti toimivaksi. Yhteen aihealueeseen keskittyminen ja sen tarkastelu erilaisista näkökulmista (hatuista) käsin, toi laaja-alaisen kuvan käsiteltävästä aiheesta. PESTE-analyysin muokkaaminen koskemaan myös organisaation sisäisiä tekijöitä oli hyödyllinen lisäys, sillä sen avulla osallistujat pystyivät tarkastelemaan myös niiden vaikutusta niin nykytilaan kuin tulevaisuuteen. Sisäiset tekijät nähtiin myös vahvasti vaikuttavan tulevaisuuteen tähtäävien toimintatapojen perustana. Dufvan (2022, 111) mukaan PESTE-analyysin hyötynä onkin, että sitä voidaan varioida sen mukaan, mitä sillä tavoitellaan. Toisen työpajan mielikuvitus- ja todellistamisvaiheen menetelmät eivät kyselyn ja havainnoinnin perusteella toimineen yhtä hyvin kuin ensimmäisessä työpajassa käytetyt menetelmät. Tulevaisuustaulukon täyttäminen koettiin osittain haastavaksi ja siihen liittyvä ohjeistus ei ehkä ollut täysin onnistunut. Menetelmän käyttöä voisi helpottaa fasilitaattorien esittämillä tukikysymyksillä kuitenkaan liikaa ajattelua ohjaamatta. Tätä vaihetta olisi voitu yksinkertaistaa myös valitsemalla vain kaksi tärkeintä muuttujaa ja näille molemmille kahden kehityskulun määrittämistä. Toisaalta tällaisen nelikentän haasteena taas on valita juuri keskeisimmät muuttujat ja ennen kaikkea näiden kehitysvaihtoehdot (Lätti ym. 2022, 325). Yksilön ennakointikyvykkyyden kehittymisestä työpajojen aikana ei tässä tutkimuksessa saatu selkää näyttöä. Koetun kyvykkyyden arvioimiseen palautekyselyissä olisi voitu esittää tarkempi sanallinen mittaristo, millä eri tavoin ennakointikyvykkyys ilmenee. Tällöin osallistujien olisi ollut helpompi arvioida mahdollista kehittymistä. Armannon (2024, 1, 8) tutkimuksen mukaisesti voidaan kuitenkin olettaa, että tulevaisuustyöskentelyllä on osallistujiin istutettu “siemen”, jonka vaikutuksesta tulevaisuusajattelu kehittyy osaksi jokapäiväistä toimintaa ja ajattelua. Parityöskentelyssä syntyvien ajatusten kirjaaminen Howspace-alustan muistilapuille ja niiden yhteinen läpi käynti koettiin perinteistä kynää ja paperia tehokkaampana keinona. Ajatusten kirjaaminen alustalle anonyymisti koettiin myös hyvänä toimintatapana, jolloin itse ajatuksen kirjaajaan roolia ei painotettu. Valmiin alustan käyttäminen sujuvoitti työskentelyä myös fasilitaattorien näkökulmasta siten, että materiaalia voitiin päivittää ja jakaa osallistujille reaaliajassa. Lisäksi kaikki työpajan aikana syntyneet kommentit ja tuotokset jäivät alustalle talteen, jolloin niiden työstämistä työpajojen jälkeen on helppo jatkaa. Eettinen tarkastelu Tutkimus noudatti eurooppalaiselle tutkimuseettiselle ohjeistukselle perustuvan Hyvän tieteellisen käytännön (HTK) ja menetelmiä ohjeistusta, joissa korostuu luotettavuus, rehellisyys, arvostus ja vastuunkanto. (Tutkimuseettinen neuvottelukunta 2023, 11–14.) Tuloksia on tarkasteltu osallistujilta saatujen palautteiden ja fasilitaattorien tekemien havaintojen perusteella. Organisaation sisällä tehtävän kyselyn vastausprosentti on yleensä noin 35–40 % ja yksilötasolla noin 50 % (Baruck & Holtom 2008, 17). Työpajoihin osallistuneista palautekyselyihin vastasi yli 60 % osallistujista. Vastausprosentin ollessa yli 50 %, kyselyn tulokset voidaan arvioida antavat luotettavan ja kattavan käsityksen kysytystä aiheesta. Kyselyt toteutettiin anonyymisti ja tulosten tarkastelussa huomioitiin, ettei yksittäinen vastaajaa ole tunnistettavissa. Työpajojen fasilitaattoreina toimi tämän opinnäytetyön tekijät, joille oli määritelty tarkemmat tehtävät. Toisella fasilitaattorilla on fasilitointiin suoritettu koulutus. Lisäksi hänellä on käsiteltävästä toimialasta hyvä tuntemus sekä työpajoihin osallistujat olivat hänelle entuudestaan tuttuja. Tutkimuksen asettelussa nämä seikat otettiin huomioon ja kyseisen fasilitaattorin roolina oli toimia työskentelyn fasilitoijana ja objektiivisena keskustelun ja toiminnan havainnoijana. Toinen fasilitaattori keskittyi pääasiassa työskentelyn ja kommunikaation havainnointiin. Havainnoinnin pohjana käytettiin fasilitaattorien tekemää havainnointilomaketta, johon molemmat kirjasivat havaintoja pitkin työskentelyä. Fasilitaattorien tekemät havainnot olivat keskenään samankaltaisia ja tukevat kyselyllä saatuja tuloksia. Tietosuojan varmistamiseksi tuloksiin ei ole raportoitu työskentelyssä nousseita substanssiin liittyviä aiheita tarkemmin. Lopuksi Sovelletun tulevaisuusverstastyöskentelyn koettiin soveltuvan yhteisen ymmärryksen rakentamiseen kahden eri yksikön asiantuntijoiden välillä. Yhteistä ymmärrystä saatiin synnytettyä muodostamalla yhteisiä merkityksiä vuorovaikutuksen ja dialogin kautta näkökulmia jakamalla ja niitä yhdistämällä. Tulevaisuusverstas-työskentelyn arvioitiin myös laajentaneen ymmärrystä muiden osallistujien lähtökohdista, mikä on myös yksi Armannon ym. (2022, 277) esiin nostamista tulevaisuusverstaan hyödyistä. Yhdessä muodostettu käsitys toimialan nykytilasta auttaa tulevaisuuteen liittyvää työskentelyä. Tulevaisuusverstaiden vaiheistettu eteneminen ajatusten ja näkökulmien vaihdosta jaettujen merkitysten luomiseen edistää tulevaisuuteen tähtäävien konkreettisten toimintasuunnitelmien syntymistä. Sen sijaan henkilökohtaisen ennakointikyvykkyyden kehittymistä työpajan aikana on vaikea arvioida. Ennakointikyvykkyyden tosiasiallisen kehittymisen arvioiminen ei olekaan mahdollista opinnäytetyön toteuttamisaikataulun puitteissa. Arviointi vaatisi pidemmän seurantajakson ja sen selvittäminen olisi mielenkiintoinen, tätä työtä täydentävä jatkotutkimusaihe. Lähteet Aalto, H-K. 2022. Ennakointi – Tulevaisuuksiin varautumisen ja virittäytymisen näkökulma. Teoksessa H-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen, (toim.) 2022. Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022, Turun yliopisto: Tulevaisuuden tutkimuskeskus, 347-358https://urn.fi/URN:ISBN:978-952-249-563-1. Armanto, R. 2024. Futures participation as anticipatory practice — what do futures workshops do? European Journal of Futures Research 12, 3/2024. Viitattu 10.2.2025 https://doi.org/10.1186/s40309-024-00226-4. Armanto, R., Lauttamäki, V, & Siivonen, K. 2022. Monimuotoinen tulevaisuusverstas. Teoksessa H-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen, (toim.) 2022. Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022, Turun yliopisto: Tulevaisuuden tutkimuskeskus, 222-236.https://urn.fi/URN:ISBN:978-952-249-563-1. Barber, N., W. 2012. The Significance of the Common Understanding In Legal Theory. Oxford Legal Studies Research Paper No. 2/2012, 3. Viitattu 11.1.2025 http://dx.doi.org/10.2139/ssrn.1995809. Baruch, Y. & Holtom C. 2008. Survey response rate levels and trends in organizational research, Volume 61(8), 1139-1160. Viitattu 1.2.2025 https://doi.org/10.1177/0018726708094863. Brown, A. D., Colville, I. & Pye, A. 2015. Making Sense of Sensemaking in Organization Studies. Organization studies, 36(2), 265-277. Viitattu 5.3.2024 https://doi.org/10.1177/0170840614559259. Dufva, M. 2022. Toimintaympäristön analyysi: Peste ja sen variaatiot. Teoksessa H-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen, (toim.) 2022. Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022, Turun yliopisto: Tulevaisuuden tutkimuskeskus, 105-112.https://urn.fi/URN:ISBN:978-952-249-563-1. Finto Sanastot ja ontologia 2024. Viitattu 3.3.2024 http://urn.fi/URN:NBN:fi:au:tt:t71. Grönfors, M. 2015. Havaintojen teko aineiston keräyksen menetelmänä. Teoksessa J. Aaltola & R. Valli (toim.) 2015. Ikkunoita tutkimusmetodeihin 1. Metodien valinta ja aineistonkeruu: virikkeitä aloittelevalle tutkijalle. 4. uudistettu ja täydennetty painos. Jyväskylä: PS-Kustannus, 146-161. Jaatinen, M. & Lavikka, R. 2007. Common understanding as a basis for coordination. Corporate Communications An International Journal 13(2). Viitattu 6.5.2024 ACRISaccmanus_jaatinen_lavikka_2008.pdf. Jungk, R. & Müllert, N. 1987. Tulevaisuusverstaat – käsikirja demokratian elvyttämisen mahdollisuuksista. Suom. Kai Vaara, Keskinäisen sivistyksen seura Suomen lataamo, Helsinki, Helsingin yliopiston ylioppilaskunta. Karjalainen A., Mertala S. & Ronkainen S. 2008. Kvalitatiivisuus, kvantit ja sähköinen tutkimuskysely. Teoksessa A. Karjalainen & S. Ronkainen (toim.) 2008. Sähköä kyselyyn! Web-kysely tutkimuksessa ja tiedonkeruussa. Rovaniemi, Lapin yliopistonpaino. Kela 2024a. Ajankohtaista. Kelan strateginen tulevaisuuskuva suuntaa sosiaaliturvan palveluiden johtamista ja kehittämistä. Viitattu 1.9.2024 https://www.kela.fi/ajankohtaista/kelan-strateginen-tulevaisuuskuva-suuntaa-sosiaaliturvan-palveluiden-johtamista-ja-kehittamista. Kela 2024b. Kelan strateginen tulevaisuuskuva. Viitattu 1.9.2024 https://www.kela.fi/documents/d/guest/kelan-strateginen-tulevaisuuskuva-png. Kela 2024c. Tutustu tulkkauspalveluun. Viitattu 14.5.2024 https://www.kela.fi/vammaisten-tulkkauspalvelu-tutustu-tulkkauspalveluun. Lauttamäki, V. 2014. Practical guide for facilitating a futures workshop. Finland Futures Research Centre. Viitattu 10.2.2025 Ville-Lauttamaki_futures-workshops.pdf. Lätti, R., Malho, M., Rowley, C., Frilander, O. Skenaarioiden rakentaminen tulevaisuustaulukkomenetelmällä. Teoksessa H-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen, (toim.) 2022. Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022, Turun yliopisto: Tulevaisuuden tutkimuskeskus, 313-336.https://urn.fi/URN:ISBN:978-952-249-563-1. Mattila, O. 2023. Ennakoisinko tulevaisuusverstas-menetelmällä? Lumen – Lapin ammattikorkeakoulun verkkolehti (2)2023. Viitattu 3.6.2024 https://urn.fi/URN:NBN:fi-fe2023050340553 Mäkelä, K. 2002. Yhteisen ymmärryksen muodostuminen. Organisaatiokulttuurin, viestinnän ja tiedon yhteisvaikutus yritysten välisissä TK-projekteissa. Pro-gradu tutkielma, Helsingin yliopisto. Viitattu 7.3.2024 http://hdl.handle.net/10138/10831. Mönkkönen, K. & Kekoni, T. 2021. Constructing shared understanding in interprofessional client sessions. Nordic Social Work Research 13(1), 76-90. Viitattu 12.9.2024 https://doi.org/10.1080/2156857X.2021.1947877. Ojasalo, K., Moilanen, T. & Ritalahti, J. 2014. Kehittämistyön menetelmät. Uudennaista osaamista liiketoimintaan. 3. uudistettu painos. Helsinki: SanomaPro. Paloposki, S. 2025. Kelan Vammaisten tulkkauspalvelukeskuksen edustajan haastattelu sähköpostitse 21.3.2025. Peltomäki, S. 2025. Kelan vammaisetuusryhmän edustajan haastattelu sähköpostitse 21.3.2025. Savolainen, I., T. & Ikonen, M. 2016. Process dynamics of trust development: Exploring and illustrating emergence in the team context. In S. Jagd and L. Fuglsang (eds.) Trust, Organization and Social Interaction: Studying Trust as Process within and between Organizations. Edward Elgar Publishing, 16. Viitattu 27.9.2024 https://doi.org/10.4337/9781783476206.00022. Tutkimuseettinen neuvottelukunta 2023. Hyvä tieteellinen käytäntö ja sen loukkausepäilyjen käsitteleminen Suomessa. Viitattu 9.1.2025 https://tenk.fi/sites/default/files/2023-03/HTK-ohje_2023.pdf. Valleala, U. 2006. Yhteinen ymmärtäminen koulutuksessa ja työssä. Kontekstin merkitys ymmärtämisessä opiskelijaryhmän ja työtiimin keskusteluissa. Jyväskylä University Printing. Viitattu 6.3.2024 https://jyx.jyu.fi/handle/123456789/13294. Valvimo R., Seppä-Kortelainen S. & Kyrö J. 2022. Yhteisen ymmärryksen aikaansaaminen ja ylläpito yhteishankkeessa on vaativaa työtä. Lumen 2/2022 Teema-artikkeli. Viitattu 5.3.2024 https://urn.fi/URN:NBN:fi-fe2022050432506. Vance, E. A., Alzen, J. L. & Smith, H. S. 2022. Creating shared understanding in statistics and data science collaborations. Journal of Statistics and Data Science Education, 30(1), 55-64. Viitattu 25.9.2024 https://doi.org/10.1080/26939169.2022.2035286. Vance, E. A., Smith, H. S. 2021. Asking great questions: Part of communication in interdisciplinary collaboration. JSM 2021 – Section on Statistical Consulting Proceedings, 995-1008. Viitattu 25.9.2024 https://par.nsf.gov/servlets/purl/10310043. Viljakainen, K. 2022. Tulevaisuusverstas osallistamisen ja vaikuttamisen menetelmänä. Teoksessa I.Kujanpää (toim.) Etukenossa eteenpäin. Kokeiltuja keinoja, ajattelun aiheita ja rekrytointivinkkejä osaajapulaa ratkoville yrityksille. Xamk Inspiroi 50, Kaakkois-Suomen ammattikorkeakoulu. Viitattu 13.5.2024 https://urn.fi/URN:ISBN:978-952-344-464-5. Liitteet Liite 1. Työpajassa käytetty tavoitelomake Liite 2. Ennakkokysely tulevaisuuspajaan osallistujalle Liite 3. Palautekysely ensimmäisen verstastyöskentelyn jälkeen Liite 4. Palautekysely kahden verstastyöskentelyn jälkeen Liite 5. Havainnointilomake Työelämän ennakointia: Adhd-aikuisten osallistaminen tulevaisuuskeskusteluun Susanna Määttä ja Joel Perasto Work life´s foresight: Involving adults with ADHD in the discussion about the future This thesis explores the experiences and perspectives of adults with ADHD regarding working life and aims to identify development needs from their point of view. The study investigates how foresight methods can support the futures thinking of adults with ADHD and strengthen their agency in working life. Additionally, the study evaluates the applicability of these methods in peer support activities. The theoretical framework is based on the concept of neurodiversity and theories related to the transformation of working life, participatory foresight, and futures thinking. Neurodiversity describes the natural variation in neurological functions and is utilized in the work life context to challenge existing prejudices. Participatory foresight is examined through the concept of power to define futures, which emphasizes the inclusion of new social groups in discussions about possible futures. The study was conducted as a qualitative research project, with the Futures Frequency workshop serving as the primary data collection method. In the work-shop, adults with ADHD were introduced to futures thinking and examined their agency in working life. Data collection was supplemented with participatory observation and pre- and post-assessment surveys, which were used to evaluate changes in participants’ futures thinking and the applicability of the method. The collected data was analyzed using qualitative content analysis. The results indicate that adults with ADHD face challenges in working life, particularly related to the work environment and interactions within work communities. The Futures Frequency workshop enabled participants to recognize key working life phenomena and strengthen their role as active contributors to the futures. Based on the findings, recommendations are made to the ADHD Finland to improve the suitability of the workshop for the target group, as well as reflections on the benefits of foresight in organizational activities. Keywords: work life, foresight, participatory foresight, futures thinking, neurodiversity, adhd Johdanto Työelämän jatkuva muutos ja ennakoimattomuus edellyttävät uudenlaisia tapoja kehittää työyhteisöjä ja työn tekemisen käytäntöjä. Muuttuvat osaamisvaatimukset ja odotukset vaikuttavat eri tavoin yksilöihin ja erityisesti adhd-aikuiset kohtaavat työelämässä sekä haasteita että mahdollisuuksia. Adhd-aikuisten työelämäkokemuksia tarkastellaan usein patologisen paradigman (sairausperusteisen ajattelutavan) kautta, mikä voi johtaa rajoittaviin tulkintoihin ja haasteisiin työelämässä. Vaihtoehtoisen näkökulman neurokognitiivisiin eroavaisuuksiin tuo neurodiversiteetin käsite, joka korostaa hermoston luonnollista vaihtelua osana ihmisyhteisöjen monimuotoisuutta (Singer 1998, 35–36, 2024). Tästä näkökulmasta tarkasteltuna ympäristön ja työelämän rakenteiden rooli korostuu yksilön kokemuksessa työelämästä. Adhd-aikuisten asemaan työelämässä kohdennetun opinnäytetyön toimeksiantajana toimii adhd-oireisten valtakunnallinen etujärjestö ADHD-liitto, jolle raportoimme tulevaisuusvallan jakamisen teoriaan perustuvan kokeilun tuloksia. Tulevaisuusvallalla pyritään käsitteellistämään ja laajentamaan osallisuutta siihen, ketkä määrittävät sen, miltä toivottavat tulevaisuudet näyttävät ja mitä pidetään mahdollisena (Dufva, Lähdemäki-Pekkinen, Poussa & Rekola 2024, 10). Tutkimuksen tavoitteena on tuoda esiin adhd-aikuisten näkemyksiä työelämästä ja sen tulevaisuudesta sekä tarkastella osallistavan ennakoinnin hyödyntämismahdollisuuksia ADHD-liiton toiminnassa. Kolmeen tutkimuskysymykseen vastaamalla selvitetään, miten Tulevaisuustaajuus-työpaja voi tukea adhd-aikuisten osallisuutta sekä millaisia kokemuksia ja mahdollisia muutoksia osallistuminen tuo heidän tulevaisuusajatteluunsa. Tutkimuksessa hyödynnetään laadullisia menetelmiä, kuten osallistuvaa havainnointia ja kyselyitä, jotta saadaan monipuolinen ymmärrys osallistujien työelämäkokemuksista sekä työpajan vaikuttavuudesta ja soveltuvuudesta. Ennakoinnin ja kehittämisen asiantuntija -koulutuksen (ylempi AMK) opinnäytetyö on osa moniammatillista opinnäytetyöprosessia (MONT), jossa tutkitaan työelämän ajankohtaisia ilmiöitä ja haasteita. Tutkimusaihe valikoituu tekijöiden kiinnostuksen perusteella ja sen ympärille rakennetaan työelämälähtöinen tutkimuksellinen kehitystyö ennakoinnin lähestymistavalla. Tutkimus tuottaa tietoa työelämäkokemuksista ja ennakointimenetelmien hyödyntämisestä, mikä voi tukea ADHD-liiton kehittämistyötä ja edistää adhd-aikuisten osallisuutta yhteisen tulevaisuuden rakentamisessa. Kohderyhmä ja ADHD-liitto toimijana Suomessa adhd-aikuisia yleisen arvion mukaan on n. 2,5–3,4 % väestöstä (Tarnanen, Berggren & Koivunen, 2019). Oireilujen vaihtelevuutta ja jatkuvuutta lapsuudesta aikuisuuteen huomioivien arvioiden mukaan määrä saattaa ylittää 4 % (Määttä 2023; ADHD-liitto 2024b). Adhd:n keskeisimmiksi oireiksi luetaan aktiivisuuden (yli- tai alivilkkaus), tarkkaavuuden säätelyn ongelmat ja impulsiivisuus sekä alivilkkaustilanteissa ilmenevä hitaus ja kykenemättömyys toimia (Puustjärvi 2019, 201). ADHD-liitto on perustettu adhd-oireisten tukijärjestöksi ja se on toiminut vuodesta 1989 valtakunnallisena tiedon välittäjänä ja vaikuttajana sekä paikallisyhdistysten kattojärjestönä ja tukijana. Järjestön strategisia painopisteitä ovat hyvinvoinnin, toimintakyvyn ja yhdenvertaisuuden edistäminen sekä myönteisen asenneilmapiirin rakentaminen. (ADHD-liitto 2024a.) Opinnäytetyömme kytkeytyy strategisiin tavoitteisiin kohderyhmän osallisuuden ja toimijuuden kehittämisen kautta. ADHD-liiton syksyllä 2023 adhd-aikuisille teettämässä tutkimuksessa tunnistettiin tarve lisätä vertaistukea. Tutkimuksen mukaan vertaistuen koettiin parantavan hyvinvointia ja sitä kaivanneet ilmaisivat toiveita ohjatusta toiminnasta, jota voitaisiin soveltaa ryhmien tarpeiden mukaisesti (Barnett-Erlandsson & Suni 2023). Vertaistoiminnassa yksilöt tukevat toisiaan yhteisen aiheen, toiminnan tai haasteen parissa. Yleisesti voidaan todeta, että jokainen on oman toimintansa, kokemuksiensa ja ajattelumalliensa asiantuntija. Näin myös adhd-aikuisilla ja muilla neurokognitiivisilta toiminnoilta eroavilla henkilöillä on erityinen rooli auttaa neurotyypillisiä kiinnostumaan ja olemaan uteliaita erilaista ajattelumaailmaa ja kokemusta kohtaan (Bernard ym. 2023, 51). Adhd-liitto tarjoaa kohderyhmälle työelämäkohtaista sisältöä mm. oppaina sekä teemoitettuina webinaareina. Työelämän murros Työelämä on jo pitkään ollut murroksessa, jossa työnantajat ja työntekijät kohtaavat jatkuvasti uusia haasteita. Kansainvälisesti yhteen kytkeytynyt maailma on lisännyt ilmiöiden ja kriisien nopeaa vaikutusta työelämään ja sen kautta työhyvinvointiin. Vuonna 2020 alkanut pandemia on esimerkki monimutkaisista vaikutusketjuista sen kiihdyttäessä digitalisaatiota ja johtaen äkillisiin muutoksiin erityisesti tietotyössä (Ranki 2023, 5–6). Etä- ja hybridityön yleistyminen vaati uudenlaista lähestymistapaa työntekoon, sillä itseohjautuvuuden lisääntyminen siirsi myös osan työkyvyn ylläpidon vastuusta työntekijöille (Ranki 2023, 12–13). Jo ennen pandemiaa alkanut autonomian lisääntyminen työssä tarjoaa joustavuutta ja mahdollisuuden vaikuttaa omaan työhön, mutta se myös vaatii työntekijöiltä kykyä sopeutua ja kehittyä jatkuvasti. Työterveyslaitoksen (TTL) Työn Suomi -hankkeen aikana vuonna 2022 kerättyyn aineistoon perustuvassa raportissa tuodaan esiin yli 7000 työntekijän kokemuksia. Suomalaisessa työelämässä keskeisinä haasteina pidetään psyykkistä jaksamista sekä osaamisvaatimusten ja eriarvoistumisen kehitystä (TTL 2024, 16). Taulukossa 1 on nostettu esiin TTL:n raportista kerättyjä ajankohtaisia suomalaisten työkykyyn ja työhyvinvointiin vaikuttavia ilmiöitä. Taulukko 1. Työelämäelementit ja kyselypalautteen prosentuaaliset vastaukset TyöelämäelementtiPalaute %Työhön liittyvien epävarmuustekijöiden ja uhkakuvien kokeminenEnnakoimattomat muutokset 40 % Työtehtävien lakkautus 16 % Toisiin tehtäviin siirto 14 % Lomautus 12 % Irtisanominen 10% (aEtätyö TyöaikaTyöikäisistä 57 % osittain tai kokonaan yli 20 % lähes 50 h/vko, muuten normatiivinen (bNiukat resurssit Päällekkäiset työtehtävät Tietotulva46 % kokee resurssit riittämättömiksi 42 % tekee useita tehtäviä samanaikaisesti 32 % kokee tietomäärän kuormittavaksi tehtävissään (cTyön ja kodin liukuvat rajat39 % työ vie liikaa aikaa muulta (dTyön merkityksellisyys Työn itsenäisyys Sosiaalinen tuki85 % kokee työnsä merkitykselliseksi 78 % kokee voivansa tehdä itsenäisiä päätöksiä työssään 79 % kokee saavansa tukea työhönsä työyhteisöltään (eFyysinen kuormitus työssän. 32 % raskas ruumiillinen työ yli 50 % istuu yli puolet työajasta 15 % melua yli puolet työajasta (fKonfliktitilanteet ja niiden muodostaman uhkan kokeminen11 % kokee syrjintää 11 % kokee henkisen väkivallan uhkaa 14 % kokee fyysisen väkivallan uhkaa 11 % kokee seksuaalista häirintää (gTyön imu Työuupumus75 % kokee muutaman kerran viikossa 9 % työvoimasta (hTyökyky Palautuminen työstä Työssä suoriutuminenn. 12 % työkyky heikko 15 % huonosti 73 % suoriutuu hyvin (i (TTL, Työn Suomi 2024: (a Alasoini & Varje 2024, 28, (b Ropponen, Vanttola & Härmä 2024, 34–35, (c Toivanen & Väänänen 2024, 38–39, (d Toivanen 2024, 43, (e Selander & Toivanen 2024, 49, (f Roponen & Kausto 2024, 56–60, (g Selander & Ervasti 2024, 64–67, (h Hakanen & Kaltiainen 2024, 79 ja (i Joensuu, Selander, Koponen & Laitinen 2024, 75–77). Osaamisvaatimuksien kehityssuunnat Osaamisen ennakointifoorumi (OEF) on opetus- ja kulttuuriministeriön sekä Opetushallituksen yhteinen ennakoinnin asiantuntijaelin, jonka tarkoituksena on analysoida, tuottaa ja levittää ennakointitietoa koulutuksen ja työelämän tulevaisuuden tarpeita huomioiden, on julkaissut ensimmäisiä ennakointituloksiaan raportissa “Osaaminen 2035” (Opetushallitus 2024). Raportissa tarkastellaan 30 toimialan osaamistarpeita ja niistä on laadittu 15 kohdan osaamistarveluettelo vuoteen 2035. Keskeisimmiksi osaamisalueiksi nousevat organisaatioiden näkökulmasta asiakaslähtöisten palveluiden kehittämisosaaminen, kestävän kehityksen periaatteiden tuntemus sekä tiedon arviointitaidot (OEF 2019, 31). Lisäksi digitaalinen osaaminen, sen hyödyntäminen, hallinta, ohjaus ja luova käyttötaito (teknologinen kyvykkyys) ovat merkittävässä roolissa tulevaisuuden osaamistarpeissa. Nykyisessä työelämässä korostuneet innovaatio-osaaminen, vuorovaikutus-, viestintä- ja kommunikointitaidot sekä elinikäinen oppiminen ja osaamisen kehittäminen säilyvät edelleen keskeisinä osaamisalueina. Tulevaisuuden työelämässä myös luovuus, ongelmanratkaisutaidot ja kokonaisuuksien hallinta arvioidaan tärkeiksi vaatimuksiksi. (OEF 2019, 31; World Economic forum 2023, 39.) Neurodiversiteetti Neurodiversiteetin käsitteen katsotaan kehittyneen sosiaalisen liikkeen myötä ja sen on tehnyt tunnetuksi laajemmalle yleisölle australialainen sosiologi Judy Singer. Singer määrittelee neurodiversiteetin seuraavasti: ”Biologinen tosiasia, joka viittaa ihmisen hermoston rajattomaan vaihteluun, jossa ympäristötekijät eivät mahdollista kahden samankaltaisen kehittymistä” (Singer 2024). Neurodiversiteetti-paradigman mukaan neuromonimuotoisuus heijastaa ihmiskunnan monimuotoisuutta. Neurokognitiivisten toimintojen vaihtelun ymmärtämiseksi ja tutkimiseksi käytetään usein käsitteitä neurotyypillinen (neurotypical) ja neuroepätyypillinen (neurodivergent). On kuitenkin tärkeää huomioida, että nämä termit kuvaavat yhteiskunnallisesti vallitsevaa käsitystä normaalista ja poikkeavasta, eivätkä absoluuttisia biologisia eroja. Tutkimus on perinteisesti perustunut lääketieteelliseen malliin, jossa neuroepätyypillisyys nähdään patologisena tilana. Tällöin kyseessä on sairaus tai häiriö, joka aiheuttaa yksilölle haittaa ja ilmenee toiminnallisina rajoitteina. Lääketieteellisessä lähestymistavassa tavoitteena on usein auttaa yksilöä saavuttamaan neurotyypillisten toimintamallit ja parantaa hänen toimintakykyään (Dwyer 2022, 73–76). Tässä työssä neurodiversiteetin määritelmää tarkastellaan adhd-aikuisten osalta Dwyerin (2022) artikkelissaan esittämien näkökulmien pohjalta: “Toimintakyvyn haasteet ovat neuroepätyypillisen yksilön ja häntä ympäröivän maailman vuorovaikutuksen ilmentymiä Toimintakyvyn haasteisiin voidaan vaikuttaa uudelleenmuotoilemalla ympäristöä ja yhteiskuntaa ja vaikuttamalla yksilöön muun muassa oppimisen kautta Tavoitteena ei ole neuroepätyypillisen parantaminen tai “normaaliksi” tekeminen Mielen ja aivojen monimuotoisuutta tulisi pitää arvossa ja yksilöt, joilla on neurologisia toiminnan haasteita, tulisi hyväksyä omanlaisenaan” (Dwyer 2022, 77.) Kohderyhmä työelämässä Neuroepätyypillisten kokemia haasteita ja vahvuuksia työelämässä on tutkittu kansainvälisesti kattavasti. McDowallin, Doylen ja Kiselevan (2023) raportissa on nostettu esiin yli 1100 osallistujan vastauksiin ja valaisee neuroepätyypillisten työntekijöiden kokemuksia työelämässä. Lisäksi Liebelin, Langloisin ja Gaman (2024) tutkimus käsittelee aihetta tapaustutkimuksessa, joka keskittyy adhd-oireisten ohjelmistoinsinöörien työelämäkokemuksiin. Tietoisuuden lisääntymisestä ja tutkimuksista huolimatta ennakkoluulot adhd-aikuisten toimintakyvystä työelämässä ovat yhä vahvasti läsnä erityisesti työllistymismahdollisuuksien osalta. USA:ssa vuonna 2022 tehdyn tutkimuksen mukaan työnantajat välttelevät neuroepätyypillisten henkilöiden palkkaamista, koska heitä pidetään vähemmän pätevinä vastuullisiin ja monimutkaisiin tehtäviin (McIntosh, Hyde, Bell & Yeatts 2023, 234). Ennakkoluulot voivat siis rajoittaa mahdollisuuksia ja heijastella työelämän haasteita, mutta samalla myös luoda vääristyneitä käsityksiä kohderyhmän potentiaalista. Supervoima – Yksilölliset vahvuudet Goldberg (2023) tarkastelee neurotieteellisestä näkökulmasta kognitiivisten ominaisuuksien yksilöllisyyttä. Hän korostaa, että neurologiset rakenteet ja toiminnot eivät ainoastaan heijasta ihmiskunnan biologista ja kognitiivista monimuotoisuutta, vaan myös tuovat esiin ainutlaatuisia kykyjä ja ominaisuuksia. Näillä kyvyillä ja ominaisuuksilla voi olla merkittävää hyötyä niin yksilöille kuin yhteisöillekin (Goldberg 2023, 972–980). Aiemmissa tutkimuksissa korostuvat johdonmukaisesti samat kohderyhmän vahvuudet työelämässä: luovuus, kompleksinen ajattelu ja päättelykyky (systeemiajattelu), ongelmanratkaisukyvyt sekä kiinnostus uuteen tietoon (uteliaisuus). (McDowall, Doyle & Kiseleva 2023, 13, 16; Liebel, Langlois & Gama 2023, 58; LeFevre-Levy, Melson-Siliman, Harmata, Hulett & Carter 2023, 11–12.) Suomessa ja kansainvälisesti erityisesti IT-alan yritykset, kuten edelläkävijät Google, IBM ja Microsoft, ovat tunnistaneet neuroepätyypillisten henkilöiden ainutlaatuiset vahvuudet ja kehittäneet rekrytointikäytäntöjään niiden huomioimiseksi. (LeFevre-Levy, Melson-Siliman, Harmata, Hulett & Carter 2023, 3–4; Anttonen & Pesu 2023.) Tasapaino – Haasteiden huomioinen De Houting (2018, 271–273) tarkastelee artikkelissaan kriittisesti neurodiversiteetin käsitteen käyttöä. Hän tuo esiin, että joissakin tapauksissa käsite saattaa olla liian idealistinen, yksipuolisen positiivinen tai yksinkertaistettu. De Houtingin kritiikin tavoitteena on edistää tasapainoisempaa näkökulmaa, jossa huomioidaan sekä neurologisten erojen mahdollisuudet että niihin liittyvät haasteet. Aiemmissa tutkimuksissa kohderyhmän omaan toimintaan kohdistuvissa haasteissa korostuvat psyykkisen hyvinvoinnin ylläpitäminen, sosiaaliset suhteet työyhteisöissä, oman työn organisoinnin ja ajanhallinnan haasteet sekä tarkkaavaisuuden ja keskittymisen häiriöt työtehtävissä (McDowall, Doyle & Kiseleva 2023, 17; Liebel, Langlois & Gama 2023, 58, 61–62). Ennakointi Ennakointi on läheisesti yhteydessä tulevaisuudentutkimuksen teoriaan ja sen käytänteisiin (Aalto 2022, 348). Sen tavoitteena ei ole tulevaisuuden ennustaminen, vaan vaihtoehtoisten kehityskulkujen tunnistaminen ja toiminnan suuntaaminen niiden pohjalta (Halonen, Hyytinen & Kurki 2022, 14). Tulevaistutkimuksen terminologia auttaa kuvaamaan ilmiöitä sekä yksilöllisiä kykyjä tulevaisuusorientoituneessa ajattelussa. Ennakointitoiminnan kehittämisen kannalta on tärkeää tunnistaa käsitteiden merkityksiä, jotta voidaan selkeyttää ennakointitoiminnan tavoitteita ja arvioida sen vaikuttavuutta. Ennakoinnin teoreettista taustaa on käsitelty laajemmin yhteisessä tietoperustassa. Osallistaminen ennakoinnissa Opinnäytetyömme keskiössä oli kohderyhmän osallisuuden lisääminen ja osallistamismahdollisuuksien kehittäminen. Osallistaminen tarkoittaa prosessia, jossa pyritään saamaan päätöksentekoon ja toimintaan mukaan lisää henkilöitä käsiteltävän aiheen ympäriltä. Terveyden ja hyvinvoinnin laitoksen (THL) mukaan osallisuus on yksilöllinen kokemus, joka liittyy kuuluvuuden tunteeseen merkitystä tuottavan yhteisön kanssa (THL 2024). Jurvansuu ja Rissanen (2019, 3–4) tuovat järjestötoiminnan tutkimuksessaan esiin, että vapaaehtoistoimintaan toivotun kansalaisaktiivisuuden toteutuminen riippuu tarjotuista mahdollisuuksista ja niiden muodoista. He viittaavat Hasenfeldin ja Gidronin teoriaan, jonka mukaan järjestökentällä osallistuminen toteutuu parhaiten vertais- ja apuryhmissä, kun toiminnasta vastaavat osallistujat itse. On kuitenkin huomioitava, että ennakointikyvykkyyden kehittäminen ei ole aina yksinkertaista, sillä käytettävissä olevien resurssien on vastattava toiminnan vaatimuksia. Tämä on erityisen tärkeää järjestötoiminnassa, joka perustuu usein vapaaehtoisuuteen. Ennakointi nähdään usein organisaation johdon strategisen päätöksenteon tukena, mutta se on pohjimmiltaan tekijöidensä näkökulmista rakentuva prosessi. Siinä hyödynnetään vaihtoehtoisia näkökulmia sekä osallistavaa toimintaa, jossa kaikilla toimijoilla on aito mahdollisuus vaikuttaa (Aalto 2022, 348–352; Dufva, Lähdemäki-Pekkinen, Poussa & Rekola 2024, 34). Tulevaisuusvallan jakamisen näkökulmasta tarkasteltuna ennakointiin osallistuvat usein vain tahot, joilla on jo olemassa olevia intressejä lopputulokseen (Dufva, Lähdemäki-Pekkinen, Poussa & Rekola 2024, 36). Samankaltaisesti ajattelevat sidosryhmät eivät välttämättä kykene monimuotoiseen ajatteluun vaihtoehtoisista tulevaisuuksista (Aalto 2022, 351), mikä voi tiedostamattomasti rajoittaa muiden osallistumismahdollisuuksia (Dufva, Lähdemäki-Pekkinen, Poussa & Rekola 2024, 34). Avoin osallistuminen voi laajentaa ymmärrystä aiheesta, mutta samalla se saattaa lisätä ristiriitaisuuksia ja päällekkäisyyksiä, jotka vaikeuttavat prosessista saatavan tiedon hyödyntämistä (Aalto 2022, 352). Tulevaisuusajatteluun ja -taitoihin tiiviisti liittyvä ennakointikyvykkyys voidaan määritellä yhteisön kykynä luoda vaihtoehtoisia tulevaisuuksia ja toimia suunnitelmallisesti niiden pohjalta. Kun ennakoinnissa painotetaan prosessia ja koko yhteisön kyvykkyyden kehittymistä, voidaan yhteisössä muodostaa rakenteita, jotka tukevat toimijuuden ja osallisuuden vahvistumista muutoksen edessä. (Halonen, Hyytinen & Kurki 2022, 14–15.) Säännöllinen kokoontuminen osana ennakointikyvykkyyden kehittämistä luo tilan toiminnalle ja vuorovaikutukselle, joka tuottaa tulevaisuustietoa systemaattisesti osana organisaation tai yhteisön toimintaa (Aalto 2022, 352–353). Tulevaisuusajattelu Ollila ja Hujala (2022, 406) kuvaavat tulevaisuusajattelun ”yleiskäsitteenä, joka viittaa kaikkeen tulevaisuutta koskevaan mielessä”, jonka pohjalta tässä opinnäytetyössä käsite määritellään. R. Vance Peavy (2004) tarkastelee tulevaisuusajattelua sosiodynaamisesta näkökulmasta, jossa korostuvat tulevaisuuteen ja vuorovaikutukseen liittyvät tekijät. Hän kuvailee tulevaisuutta seuraavasti: ”Tulevaisuus ei ole paikka, joka on olemassa, se ei odota, se on täysin kuvitteellinen. Kuitenkin sillä on voimaa aiheuttaa ihmisissä liikettä. Tulevaisuus voi voimaannuttaa tai heikentää.”Se, miten ajattelemme tulevaisuudesta, voi vaikuttaa huomattavasti nykyhetkeen ja tulevaisuuden tavoitettavuuteen. Tulevaisuus on kuviteltava, jotta sitä voidaan tavoitella ja sille on annettava yksilöllinen merkitys, jotta motivaatio suuntautua kohti tavoiteltua tulevaisuutta syntyy. Tavoitellun tulevaisuuden saavuttaminen edellyttää myös valmiuksia ja kykyjä rakentaa elämää tulevaisuuden suuntaan sekä toimijuudentuntoa ja reflektiokykyä oman elämänpiirin hahmottamisessa (Peavy 2004, 89–90). Tulevaisuustietoisuus Ahvenharju, Minkkinen, Lalot ja Quiamzade (2021) esittävät teoriassaan tulevaisuustietoisuuden muodostuvan viidestä ulottuvuudesta. Näiden ulottuvuuksien avulla voidaan paremmin ymmärtää yksilöllisiä ominaisuuksia sekä mitata ja kehittää tulevaisuustaitoja. Taulukossa 2 kuvataan tulevaisuustietoisuuden ulottuvuuksiin liittyviä psykologisia ilmiöitä, joiden avulla voidaan tunnistaa yksilöllisten ajattelutapojen eroja. Taulukko 2. Tulevaisuustietoisuuden viisi ulottuvuutta ja niitä kuvaavat psykologiset konseptit (Ahvenharju & Pourula-Mikkola 2022, 392) Ulottuvuus Kuvaus Psykologinen ilmiö Aikakäsitys Kuinka paljon suuntaamme tulevaisuuteen ja ymmärrämme toiminnan seurauksia Tulevaisuusorientaatio Tulevien seurausten huomioiminen Toimijuus Kuinka paljon luotamme omaan kykyymme vaikuttaa tulevaisuuteen Minäpystyvyys Hallintakäsitys Optimismi Avoimuus Kuinka paljon kyseenalaistamme totuttua ja kuinka avoimia olemme vaihtoehtoisille tulevaisuuksilleAvoimuus uusille kokemuksille Kriittinen ajattelu Systeemisyys Kuinka helposti näemme eri järjestelmien välisiä yhteyksiä ja tunnistamme päätösten monimuotoisia vaikutuksiaSysteeminen ajattelu Ekopsykologinen minäkäsitys Vastuullisuus Kuinka laajalti sisällytämme fyysisesti tai ajallisesti kaukaiset ihmiset omaan arvomaailmaamme Itsensä ylittäminen: universalismi ja hyväntahtoisuus Samaistuminen koko ihmiskuntaan Taipumukset vaikuttavat suoraan siihen, millaisia tulevaisuuskuvia voidaan muodostaa (Ahvenharju & Pourula-Mikkola 2022, 391–392). Tulevaisuustietoisuuden määrittelystä ei ole tutkijoiden keskuudessa toistaiseksi täyttä yksimielisyyttä käsitteen monimutkaisuuden vuoksi (Ollila & Hujala 2022, 406). Tulevaisuustietoisuusteoriaa on kuitenkin testattu kolmessa eri kansallisessa ihmisryhmässä ja sen nähdään olevan hyödyllinen tulevaisuustyöpajojen muutoksen mittaamisessa (Lalot, Ahvenharju, Minkkinen & Wensing 2019, 19–20). Kohderyhmän tulevaisuustaidot Tulevaisuustaitoja voidaan tarkastella oppimisen näkökulmasta, jolloin ne muodostuvat kehitettävistä kyvyistä tunnistaa ja arvioida sekä muiden että oman päättelyn perustana toimivia uskomuksia, arvoja ja tulevaisuusoletuksia (Ollila & Hujala 2022, 403). Adhd-aikuisille ominaiset vahvuudet näyttäytyvät usein ennakoinnin ja tulevaisuustaitojen näkökulmasta edullisina. Tästä huolimatta on tärkeää säilyttää käsiteltävästä kontekstista tasapainoinen kuva, kuten työelämästä, jossa kohderyhmän toimintakyky vaihtelee yksilöllisesti. Tämä voi vaikuttaa valmiuteen hyödyntää tulevaisuustaitoja erityisesti silloin, kun valmius määritellään omaa toimijuutta vahvistavana suhtautumisena tulevaisuuteen (Ollila & Hujala 2022, 406). Tutkimuksen tarkoitus ja tavoitteet Opinnäytetyön tarkoituksena oli tuottaa tietoa ennakoinnin lähestymistavasta ratkaisukeskeisenä vertaistoimintana ajankohtaista haastetta käsitellen. Suunnitteluvaiheessa keskusteluissa toimeksiantajan kanssa työelämä tunnistettiin kohderyhmälle ajankohtaiseksi teemaksi, jonka lisäksi toimeksiantajan toimintaympäristössä nousi esiin lisääntynyt tarve vertaistoiminnalle. Pyrimme vastaamaan tähän tarpeeseen hyödyntämällä osallistavaa tulevaisuustyöpajaa kohderyhmän ja toimeksiantajan eduksi. Tavoitteinamme oli: Tuottaa tietoa adhd-oireisten henkilöiden tulevaisuuden työelämään liittyvistä toiveista, ennakointikyvykkyydestä ja tulevaisuusajattelusta. Tuottaa tietoa adhd-oireisille kohdistettavasta ennakoinnin lähestymistavasta, jossa yhdistyvät tulevaisuusvallan laajentaminen, vertaistoiminta ja kokemustiedon tuottaminen Pilotoida Tulevaisuustaajuus-työpajan käyttö adhd-oireisille henkilöille ja muodostaa suositukset menetelmän teemoittamisesta sekä mahdollisista muokkauksista ADHD-liitolle. Tutkimuskysymyksiksemme valikoituivat seuraavat: Millainen on tavoiteltava tulevaisuuden työelämä adhd-aikuisten näkökulmasta? Millaista kehitystä Tulevaisuustaajuus-työpaja on tuonut osallistujan tulevaisuusajatteluun? Soveltuuko Tulevaisuustaajuus-työpaja teemoitettuna ADHD-liiton vertaistoimintaan, ennakointikyvyn kehittämiseen ja uuden tiedon tuottamiseen? Menetelmällinen toteutus Tutkimuksellinen lähestyminen Tutkimusprosessimme rakentui tutkimuksellisen kehittämistyön viitekehykseen, jonka keskeisenä tavoitteena on yhdistää käytännön kehittämistarpeet ja tutkimuksellinen ote työelämäkontekstissa opintojemme tavoitteiden mukaisesti. Aihetta lähestyttiin laadullisen tutkimuksen konstruktionistisesta näkökulmasta, jossa todellisuus nähdään toimintana, puheessa rakentuvana rakennelmana ja niiden seurauksina (Jokinen 2021). Tätä näkökulmaa tukien tutkimusaineistomme perustuu osittain ihmisten väliseen konstruoituun sosiaaliseen todellisuuteen ja osittain sen siirtämiseen tulevaisuuteen. Kehittämisen näkökulmasta tavoitteena oli valjastaa tulevaisuusajattelua ja ennakointikykyä muutoksen ajuriksi. Ennakoinnin lähestymistavan nähdään toimivan yhdistävänä tekijänä tarpeen ja tavoitteiden kannalta, prosessina, joka tukee ihmisiä ajattelemaan ja toimimaan toivottavan tulevaisuuden puolesta (Dufva, Lähdemäki-Pekkinen, Poussa & Rekola 2024, 22). Tällöin konstruktionistinen näkökulma tarkentuu sosiaalisen konstruktionismin suuntaan, jossa keskeistä on se, miten todellisuutta ja merkityksiä rakennetaan vuorovaikutuksessa (Jokinen 2021), mihin työpajatyöskentelyllä pyrimmekin. Kuviossa 1 visualisoidaan tutkimusprosessin eteneminen suunnittelusta pohdintaan. Kuvio 1. Tutkimusprosessin kuvaus Aihevalinnassa yhdistyivät toteuttajien opintojen tavoite sekä toimeksiantajan toimintaympäristössä tunnistamat tarpeet ja haasteet. Suunnitteluvaiheessa keskeisiä käsitteitä jäsennettiin ajatuskarttojen avulla ja toimintaympäristön kuvausta laadittiin perehtymällä aiempaan kansalliseen ja kansainväliseen tutkimustietoon kohderyhmän asemasta työelämässä sekä toimeksiantajan toimialasta. Tietoperustaa suomalaisesta työelämästä rakennettiin aiemman kansallisen ennakointityön pohjalta. Käsitteellisen ymmärryksen syventämisen jälkeen määriteltiin tutkimusasetelma ja tutkimuksen aihetta rajattiin alustavasti. Kun tutkimusaineisto koostuu suurilta osin subjektiivisesta kokemuksellisesta tiedosta ja vuorovaikutuksen havainnoinnista, siihen soveltuvat parhaiten laadulliset aineistonkeruumenetelmät (Jokinen 2021). Työssämme hyödynnettiin laadullisia aineistonkeruumenetelmiä kuten havainnointia, kokemustietoa kerääviä kyselyitä sekä työpajatyöskentelyä. Käytetyistä aineistonkeruumenetelmistä kerrotaan lisää yhteisessä tietoperustassa. Analysointivaiheessa työpajan aikana osallistujien täyttämistä Padlet-työpohjista, kyselylomakkeista ja kirjallisesta palautteesta nostettiin aineistolähtöisesti esiin keskeisiä aiheita koodauksen avulla, minkä jälkeen ne jäsenneltiin tavoitteiden mukaisesti taulukkoihin 3 ja 4 visualisoimaan analyysin tuloksia. Kyselytulosten analysoinnissa käytettiin myös Webropol-palvelun analyysityökaluja. Tekoälyä analyysivaiheessa hyödynnettiin mm. työpohjien koodituksessa Lapin AMKin (2024) ohjeiden mukaisesti tarjoamaan analyysiin vaihtoehtoinen näkökulma. Tekoälypalveluihin ei syötetty anonymisoimatonta tutkimusaineistoa. Tekoälyä käytettiin prosessin aikana myös ideointiin, tekijöiden tuottaman tekstin muotoiluun sekä tiedonhakuun. Työssä käytetyt tekoälypalvelut olivat OpenAI ChatGPT:n versiot 4 ja 4o. Tulevaisuustaajuus-tulevaisuustyöpajamenetelmä Sitran kehittämä Tulevaisuustaajuus-työpajamenetelmä perustuu tulevaisuusverstasmalliin (ks. yhteinen tietoperusta). Sen keskeisenä tausta-ajatuksena on tulevaisuusajattelun hahmottaminen opittavana ja kehitettävänä taitona (Dufva 2022, 246), mikä vastaa tämän työn tavoitteisiin ja tarkoitukseen. Menetelmä on helppokäyttöinen ja se voidaan toteuttaa myös verkon välityksellä. Työpajan perimmäisenä tarkoituksena ei ole tuottaa tietoa tulevaisuuskuvilla ja skenaarioilla, vaan tutustuttaa osallistujat tulevaisuusajatteluun ja löytää oppimisen kautta keinoja toivottavan tulevaisuuden rakentamiseen (Poussa, Lähdemäki-Pekkinen, Ikäheimo & Dufva 2021, 3–4). Työpajan kulku koostuu neljästä osasta, jotka ohjaavat osallistujia asteittain oman toimijuuden tunnistamiseen. Aluksi osallistujat perehdytetään tulevaisuusajattelun perusteisiin, minkä jälkeen heitä haastetaan tunnistamaan ja kyseenalaistamaan omia tulevaisuusoletuksiaan. Työpajan toisessa osassa hahmotellaan vaihtoehtoisia tulevaisuuksia ja lopuksi keskitytään tarvittavien vaikutuskeinojen tunnistamiseen (Poussa, Lähdemäki-Pekkinen, Ikäheimo & Dufva 2021, 3). Työpajan toteutus noudatti ”Tulevaisuustaajuus – Käsikirja työpajan vetäjälle” -teoksen mukaista perusrakennetta (Poussa, Lähdemäki-Pekkinen, Ikäheimo & Dufva 2021, 14–28.) Tehdyt muutokset koskivat työelämäteemoitusta ohjeissa sekä tehtävien työpohjien luomista Padlet-palveluun. Lisäksi ensimmäinen kysely sijoitettiin työpajan alkuun ja kertausosiota lyhennettiin kyselyn keston verran. Työpajaan rekrytointi toteutettiin toimeksiantajan sosiaalisen median ja toteuttajien verkostojen kautta välitetyn kutsun avulla (Liite 1). Työpaja järjestettiin verkon välityksellä viikonloppuiltapäivänä. Sosiaalisen median kautta toteutetun rekrytoinnin oletettiin mahdollistavan kokeilulle riittävän näkyvyyden tavoitellun osallistujamäärän saavuttamiseksi. Työpajaan osallistui kahdeksan (8) henkilöä, kun tavoiteltu osallistujamäärä oli 10–12. Ennakko- ja jälkimittauskyselyt Webropol-palvelussa toteutetulla ennakko- ja jälkimittauskyselyillä pyrittiin todentamaan tapahtunutta muutosta ja tuomaan esiin toiminnan merkityksellisyyttä (Halonen, Hyytinen & Kurki 2022, 29) sekä käyttämään niitä työpajan vaikuttavuuden arvioinnin tukena. Muutoksen tunnistamiseen käytettiin itsearviointia Likert-asteikolla 1–5 (1 Täysin eri mieltä, 2 jokseenkin eri mieltä, 3 ei samaa eikä eri mieltä, 4 jokseenkin, samaa meiltä, 5 täysin samaa mieltä). Strukturoitua Likert-asteikollista itsearviointia hyödynnettiin tulevaisuusajattelun (Liite 3), tulevaisuustietoisuuden (Liite 4) ja osallistumiskokemuksen (Liite 6) kartoittamiseen. Ennakkokyselyn kolmas osio (Liite 5) sisälsi avoimia kysymyksiä, joilla kartoitettiin kohderyhmän kokemuksia työelämän vahvuuksista, haasteista sekä tarjolla olevasta ja käytettävissä olevasta tuesta. Lisäksi jälkimittauksessa kolmannessa osiossa (Liite 6) avoimilla kysymyksillä 4. ja 5. kerättiin kehitysehdotuksia työpajan jatkokehittämistä varten. Tulevaisuusajattelun muutosta mittaavat ja osallistumiskokemusta kartoittavat kysymykset perustuivat Sitran aiempaan työpajojen vaikutusarviointimalliin (Halonen, Hyytinen & Kurki 2022). Tulevaisuustietoisuuden muutosten mittaamiseen laaditut kysymykset pohjautuivat viiteen ulottuvuuden teoriaan. Jokaisesta ulottuvuudesta muotoiltiin kolme työelämäkontekstiin liittyvää kysymystä (ks. Taulukko 2). Osallistuva havainnointi Osallistuva havainnointi soveltuu vuorovaikutuskäyttäytymisen tutkimiseen, jossa fasilitoijat mahdollistavat osallistujien oppimisen ja samalla astuvat ulos asiantuntijaroolistaan oppien itsekin (Tuomi & Sarajärvi, 62, 72). Tässä lähestymistavassa fasilitaattorin omat näkemykset, menetelmän muokkaukset sekä kyky tiedostaa oma rooli ja valta-asema ovat olennaisia arviointiprosessissa (Halonen, Hyytinen & Kurki 2022, 51–53). Työpajan soveltuvuuden arvioinnissa tukena käytettiin havainnointilomaketta (Liite 2), joka sisälsi valmiin pohjan ryhmädynamiikan, työpajan ilmapiirin, osallistujien aktiivisuuden ja käytännön toteutuksen tarkasteluun. Lomakkeen tarkoituksena oli helpottaa työpajassa tapahtuvan vuorovaikutuksen havainnointia. Tulokset ja johtopäätökset Työpaja ja havainnointi Taulukko 3 kiteyttää osallistujien näkemykset toiveista ja koetuista vaikutusmahdollisuuksista sekä nostaa esiin keskusteluissa ja kirjallisissa tehtävissä esiin nousseita aiheita työpajan eri osioiden aikana. Taulukko 3. Työpajan aikana esiin nousseita työelämän ilmiöitä ja vaikutusmahdollisuuksia Työpajan osio ja tavoiteToiveita työelämälleMuuttujia, joihin vaikuttaaMahdollisuuksiaIntro, Tutustuminen tulevaisuusajatteluunRakenteisiin ja käytänteisiin muutosta Vahvuusperustainen roolitus työtehtävissä Inhimillisyys Muiden arvostaminen ja kunnioittaminenTyöympäristö TyöajatInklusiivisuus ja erilaisuusOsio 1, Haasta olemassa olevia oletuksia tulevaisuudestaTyötehtävät Vuorovaikutus OsaaminenErilaisuuden hyödyntäminen Erikoisosaamisen arvostaminen Ihmislähtöisyyttä kehityssuunnaksiOsio 2, Kuvittele toivottava tulevaisuusTyöhyvinvoinnin merkityksellisyys Työelämän joustavuus ja saavutettavuusSukupolvien välinen kommunikaatio Työkulttuuri Työ ja vapaa-aika tasapainoKansalaisaktivismi Yhteistyön merkitys KoulutuksetOsio 3, Toimi ja vaikuta tulevaisuuteenNykyisten normien kyseenalaistaminen Kysymyksiä oletuksien ja ennakkoluulojen sijaan Tasavertaisempi yhteiskuntaItsetuntemus Vuorovaikutustaidot Tietoisuus Oma toimijuusKoulutuksen ja työelämän yhteistyö Yhteisöllinen aktiivisuus Oikeuksien puolustaminen Asennemuutosten tukeminenKonkreettisia toimiaAjankohtainen viestintä Oma toimijuus epäkohtien esiin nostamisessa työelämässä Osallistuminen muutoksen tekemiseen (tutkimukset, koulutukset) Rohkeus toimia omalla esimerkillä Työpajassa toistui osallistujille merkityksellisiä teemoja koko kokonaisuuden ajan, kuten työelämän inhimillisyys, yksilöllisten vahvuuksien huomioiminen sekä työelämän muutostarpeet, jotka liittyvät työkulttuuriin, työtehtäviin ja työaikoihin. Mahdollisuuksien nähtiin usein syntyvän yhteistyön ja yhteisöllisyyden kautta. Suhde työelämän muuttujiin, joihin koettiin liittyvän vaikutusmahdollisuuksia, siirtyi työpajan tavoitteen mukaisesti ympäristötason tarkastelusta kohti omaa toimijuutta ja konkreettisia tekoja. Työpajan ja havainnoinnin tulokset vastasivat tutkimuskysymykseen 1: ”Millainen on tavoiteltava tulevaisuuden työelämä adhd-aikuisten näkökulmasta?”. Osallistujat toivoivat erityisesti asenteellista muutosta siihen, miten työyhteisöissä ratkotaan haasteita. Tavoiteltava työelämä nähtiin sellaisena, joka huomioi erilaisuuden ja yksilölliset vahvuudet, on joustava ja ihmislähtöinen sekä vuorovaikutteinen ja muutoskykyinen. Palaute Kohderyhmältä kerättiin palautetta heti työpajan jälkeen sähköpostitse sekä jälkimittauskyselyssä. Kirjallinen palaute jäsenneltiin koodauksen jälkeen positiivisiin ja negatiivisiin kokemuksiin sekä suoriin kehitysehdotuksiin, jotka esitetään kolmessa tavoitteen kannalta oleellisessa sarakkeessa. Palautetta antoi neljä osallistujaa kahdeksasta. Taulukossa 4 kuvatussa osallistujapalautteessa positiivisina kokemuksina korostuivat aiheen ajankohtaisuus ja tarpeellisuus. Negatiivisina kokemuksina esiin nousivat työpajan ajankäytölliset haasteet ja fasilitoinnin laatu. Tehtäviin varattu aika koettiin liian lyhyeksi, mikä teki työskentelyn temposta kuormittavan. Osallistujat toivoivat rauhallisempaa työskentelytahtia. Taulukko 4. Osallistujien palautteista koostettu palaute tavoitteiden mukaan SoveltuvuusKriittiset havainnotKehittämiskohteet1. Aiheiden tärkeys ja ajankohtaisuus 2. Aiheiden merkityksellisyys 3. Osallisuuden kokemus ja tiedon jakaminen 4. Yhteistyö1. Ajallinen resurssi riittämätön 2. Nopea tempo haastava, kuormittava, keskittymisen ongelmat 3. Ohjeiden/tehtävänantojen epäselvyydet1. Ajallisen resurssin lisääminen 2. Rauhallinen tempo ja selkeät ohjeistukset 3. Osa-alueiden selkeämpi ja jatkuva teemoittaminen Osallistujapalautteet yhdessä havaintojen kanssa muodostivat pohjan menetelmän soveltuvuuden arvioinnille tutkimuskysymyksen 3 osalta: ”Soveltuuko Tulevaisuustaajuus-työpaja teemoitettuna ADHD-liiton vertaistoimintaan, ennakointikyvyn kehittämiseen ja uuden tiedon tuottamiseen?” Tulevaisuustaajuus-työpajan rakenteellinen peruskulku sellaisenaan ja tutkimuksessa toteutetussa muodossa ei ole täysin soveltuva kohderyhmälle. Vuorovaikutushavaintojen perusteella kuitenkin avoin ja innostunut ilmapiiri säilyi koko työpajan ajan. Osallistujat toivat rohkeasti ajatuksiaan esiin, työstivät niitä ryhmänä ja osoittivat kunnioitusta toisiaan kohtaan. Palautteen mukaan osallisuus, tiedon jakaminen ja yhteistyö vastasi kohderyhmän tarpeita, mutta työpajan ajallinen rakenne ja tehtäväkokonaisuudet vaativat muokkaamista. Palautteen ja havaintojen perusteella voidaan todeta, että työpaja tukee ADHD-liiton strategisia tavoitteita erityisesti myönteisen ilmapiirin rakentamisen sekä osallisuuden mahdollistamisen osalta (ADHD-liitto 2024a). Ennakko- ja jälkimittauskyselyiden tulokset Ennakkomittauskyselyssä vastaajia oli seitsemän (7), jolloin vastausprosentti oli 88 %. Jälkimittaukseen vastasi neljä (4) osallistujaa, ja vastausprosentti jäi 50 %:iin. Jälkimittauskyselyn alhainen vastausprosentti heikentää mahdollisuuksia luotettavaan vertailuun tulevaisuusajattelun ja -tietoisuuden muutoksista, mikä vaikeuttaa vastaamista tutkimuskysymykseen 2: ”Millaista kehitystä Tulevaisuustaajuus -työpaja on tuonut osallistujan tulevaisuusajatteluun?” Tuloksia voidaan käyttää havainnollistamaan aineistonkeruun tarkoituksenmukaisuutta ja arvioimaan vaikuttavuutta ainoastaan yleisellä tasolla, sillä vastausmäärän vähäisyys heikentää tulosten painoarvoa. Tulevaisuusajattelun muutoksen mittaus Osallistujat arvioivat tulevaisuusajattelukyvykkyyttään myönteisesti ennakkomittauskyselyn tuloksissa ollen jokseenkin samaa mieltä, mikä ilmeni keskiarvona 4,2 Likert-asteikolla 1–5 (1 = täysin eri mieltä, 5 = täysin samaa mieltä). Tätä havainnollistamme kuviossa 2. Kuvio 2. Tulevaisuusajattelu ennakkomittauskyselyssä Jälkimittauskyselystä (kuvio 3) haluamme, huolimatta vähäisestä vastaajamäärästä, kuitenkin nostaa esiin tulevaisuusajattelukyvykkyydessä selkeänä negatiivisena muuttujana esiin nousevan väittämän “Pystyn edistämään tulevaisuusajattelua työelämässäni” sekä selkeänä positiivisena muuttujana esiin nousevan väittämän “Pystyn muodostamaan käsityksiä tulevaisuudesta vuorovaikutuksessa muiden kanssa”. Negatiivisen väittämän osalta on mahdollista, että työelämä kontekstina ei edelleenkään mahdollista osallistumista tulevaisuustyöskentelyyn ja kehittämistoimiin johtoportaan ulkopuolisille toimijoille ja työpajan kautta tämä ajattelutapa on kohderyhmässä myös realisoitunut nyt selkeämmällä tavalla. Positiivinen muutos voi viitata osittain kokemukseen työpajasta, joka mahdollisti kohderyhmän yhteistyön ja avoimen vuorovaikutuksen. Kuvio 3. Tulevaisuusajattelu jälkimittauskyselyssä (keskiarvo 4,3) Kun tuloksia vertaillaan Tulevaisuustaajuus-työpajamenetelmän vaikuttavuuden arviointitutkimukseen, siinä korkein positiivinen muutos oli toteutunut väittämissä “Pystyn omalla osaamisellani tuomaan arvokkaan panoksen tulevaisuusprojekteihin” ja “Pystyn edistämään tulevaisuusajattelua omassa organisaatiossani (vrt. työelämässäni)”, mikä jälkimmäisen osalta on täysin vastakkainen saamamme tuloksen kanssa. Negatiivisena muutoksena taas arviointitutkimuksessa nousivat esiin väittämät “Pystyn kuvittelemaan, että tulevaisuudella on monia eri vaihtoehtoja” sekä “Pystyn muodostamaan käsityksiä tulevaisuudesta vuorovaikutuksessa muiden kanssa”, mikä jälkimmäisen osalta on jälleen täysin päinvastainen tulos kohderyhmämme kanssa. (Halonen, Hyytinen & Kurki 2022, 29–30.) Tulevaisuustietoisuuden muutoksen mittaus Osallistujat arvioivat tulevaisuustietoisuuttaan ennakkomittauskyselyssä keskimäärin myönteisesti ja he olivat pääosin jokseenkin samaa mieltä väittämien kanssa. Keskiarvo asteikolla 1–5 (1 = täysin eri mieltä, 5 = täysin samaa mieltä) oli 4,18. Jälkimittauksen keskiarvo oli 4,27, mikä osoittaa pientä positiivista muutosta itsearvioinnissa (+0,09). Taulukko 5. Ennakko- ja jälkimittauskyselyn keskiarvot ja muutos UlottuvuusKysymys (K1 – K 15)Ennen ka.Jälki ka.MuutosAikakäsitysPohdin usein, miten ympäristöni ja aikaisemmat kokemukseni ovat vaikuttaneet työuraani. (K1)4.714.75+ 0.04Pohdin usein, miten nykyiset työhön liittyvät päätökseni vaikuttavat urakehitykseen. (K2)4.574.5– 0.07Pohdin aktiivisesti tulevaisuuden työelämän vaatimuksia suunnitellessani uraani. (K3)4.04.25+ 0.25ToimijuusPystyn vaikuttamaan oman työurani kehittämiseen. (K4)4.294.5+ 0.21Pystyn vaikuttamaan oman työympäristöni kehittämiseen. (K5)3.433.25– 0.18Pystyn saavuttamaan haluamani tavoitteet työurallani. (K6)3.574.0+ 0.43AvoimuusOlen avoin muuttamaan näkemyksiäni työurastani uuden tiedon valossa. (K7)4.574.5– 0.07Tarkastelen kriittisesti työelämän rakenteita ja haastan työyhteisöni käytänteitä. (K8)4.434.75+ 0.32Havaitsen vaihtoehtoisia suuntia työuralleni tulevaisuudessa. (K9)4.574.75+ 0.18SysteemisyysYmmärrän työtehtäväni merkityksen osana suurempaa kokonaisuutta. (K10)4.574.75+ 0.18Tunnistan, miten työelämän ulkopuoliset arvoni vaikuttavat uravalintaani. (K11)4.434.25– 0.18Pohdin säännöllisesti, miten työni vaikuttaa ympäristöön ja yhteiskuntaan laajemmin. (K12)4.144.75+ 0.61VastuullisuusPohdin usein, miten työni vaikuttaa ihmisiin eri puolilla maailmaa. (K13)2.572.25– 0.32Kiinnitän huomiota työyhteisöni hyvinvointiin ja etsin aktiivisesti tapoja parantaa sitä. (K14)4.143.75– 0.39Haluan vaikuttaa seuraavan sukupolven mahdollisuuksiin parempaan työelämään. (K15)4.715.0+ 0.29 Keskiarvot ja muutos4.184.27+ 0.09 Tulevaisuusorientoitunut ajattelu, avoimuus vaihtoehdoille sekä kriittisen ajattelun ja systeemiajattelun eli järjestelmien välisten yhteyksien tunnistamisen -väittämät koettiin keskimäärin hyvin samaistuttaviksi molemmissa kyselyissä. Toimijuuden osalta luottamus omaan kykyyn työelämässä oli lähtötilanteessa keskimääräistä matalampi (K5, K6). Vastuullisuus-ulottuvuuden väittämä paremmasta työelämästä tuleville sukupolville koettiin eniten samaistuttavana (K15), kun taas koko kyselyn osalta vähiten samaistuttiin käsitykseen oman työn vaikuttavuudesta fyysisesti kaukana oleviin ihmisiin (K13). Itsearvioinnin tulosten perusteella toimijuuden ja vastuullisuuden osa-alueet heijastelevat tutkimusaineistossa tunnistettuja toimintamahdollisuuksien haasteita työelämässä. Systeemisyyden ja avoimuuden ulottuvuuksissa suuri samaistuttavuus ja positiivinen kasvu voidaan tulkita kohderyhmän työelämässä tunnistettujen vahvuuksien, kuten luovuuden ja kokonaisuuksien hahmottamisen (ks. Supervoima – Yksilölliset vahvuudet) korostumisena myös tulevaisuusajattelussa. Avoimet kysymykset kokemuksista työelämästä Vastaukset avoimiin kysymyksiin (Liite 5) tukevat tehtyjä havaintoja toimintaympäristöstä sekä kohderyhmän taipumuksista työelämäkontekstissa. Haasteet ja ratkaisut (K3): Haasteina korostuivat kognitiiviset ja emotionaaliset piirteet, joita ei aina huomioida tai hyödynnetä työyhteisössä. Näitä olivat esimerkiksi sosiaalisten tilanteiden kuormittavuus, työyhteisön tuen puute ja työympäristön joustamattomuus. Vahvuudet työelämässä (K4): Suurimpina vahvuuksina osallistujat mainitsivat poikkeavan ajattelun, luovuuden, kokonaisuuksien hallinnan, tehokkuuden ja tunneälyn. Ennakkoluulot ja asenteet (K5): Yleisillä ennakkoluuloilla ja negatiivisilla stereotypioilla arvioitiin olevan merkittävä vaikutus mahdollisuuksiin työelämässä. Esimerkkeinä mainittiin oletukset älyllisistä heikkouksista ja emotionaalisesta epävakaudesta. Työnantajan tarjoamat tukikeinot (K6): Yli puolet vastaajista ilmoitti, ettei saanut tukea työnantajaltaan. Yksi vastaaja koki saavansa kaiken tarvitsemansa tuen työnantajalta. Työterveyshuollon tarjoamat tukikeinot (K7): Yksi vastaaja koki työterveyshuollon tukevan hänen toimintakykyään ja työhyvinvointiaan. Toiveet kohdistuivat työyhteisön avoimuuteen, tietoisuuden lisäämiseen, työn joustavuuteen sekä parempaan yhteistyöhön työterveyshuollon ja työnantajan välillä. Työelämäkontekstissa yhteneväisyyksien ohella nousee esiin myös ristiriitaisuuksia, jotka heijastavat yksilöllisen toimintakyvyn vaihtelua (Tarnanen, Berggren & Koivunen 2019). Ristiriitaisuudet voivat osaltaan kuvastaa työelämän moninaisuutta ja vaihtelua, johon vaikuttavat sekä kysymysten asettelu että vastausten tarkastelunäkökulma. Vuorovaikutuskokemuksiin liittyy työyhteisöissä ristiriitoja, sillä tunneäly ja vuorovaikutustaidot koettiin osallistujien keskuudessa vahvuuksiksi (K4), mutta samalla vuorovaikutus nähtiin kuormittavaksi ja haasteelliseksi (K5). Eroavaisuudet kokemuksissa viestivät myös työelämän eriarvoistumisesta, sillä työhyvinvoinnin haasteisiin saatavilla oleva tuki vaihtelee merkittävästi (K6, K7). McDowallin ym. (2023, 18–23) tutkimuksessa tuotiin esiin kohderyhmän hyödylliseksi kokemia tukikeinoja, mutta oman kyselymme tulokset viittaavat siihen, etteivät osallistujat ole vastaavia tukitoimia työnantajaltaan pyytäneet, mahdollisesti siksi, ettei niitä ole edes saatavilla (K3, K6, K7). Tämä tukee osaltaan näkemystä vallitsevista stereotypioista (K5) sekä työelämässä ilmenevistä tukitoimien ja ymmärryksen puutteista (McIntosh, Hyde, Bell & Yeatts 2023, 234). On kuitenkin myös huomioitava, että monet nykyisen työelämän haasteista eivät kohdistu vain kohderyhmään (ks. Taulukko 1). Samalla monet tulevaisuuden osaamistarpeet voidaan nähdä kohderyhmälle edullisina (ks. Osaamisvaatimusten kehityssuunnat). Pohdinta Prosessin arviointi Laadulliselle tutkimukselle on ominaista, että tutkijan ennakkokäsitysten muutokset ovat osa prosessia ja ilmenevät osana tulkintoja (Juhila 2021c). Oma näkökulmamme muotoutui opinnäytetyön aikana jatkuvasti niin teoriapohjan kasvaessa kuin käytettävien menetelmien, suunniteltujen ja lopulta toteutuneiden tutkimuksellisten toimien myötä. Prosessissa käsitellyt aiheet olivat monimutkaisia ja haastavia, mutta toteuttajien oppimisen näkökulmasta ne muodostivat ymmärrystä syventävän kokonaisuuden tutkimusmenetelmistä ja käsiteltävistä teemoista. Tuloksena pystyttiin havaitsemaan tulevaisuusvallan laajentamisen käytännön vaatimuksia ja esittelemään toimeksiantajalle prosessiraportti sekä jatkokehitysehdotukset ennakoinnin lähestymistavan hyödyntämisestä. Tulevaisuusvallan ja neurodiversiteettikäsitteen määritelmissä tunnistimme yhtymäkohtia vaihtoehtoisten tulevaisuuksien toteutumiseen sekä toimijuuden ja osallisuuden kehittämiseen. Molemmissa tavoitellaan konkreettista, idealistiselta kuulostavaa muutosta yhteiskunnan tasolla vaikuttamalla ympäristöön ja mielikuviin. Neurodiversiteettinäkökulma tukee vallitsevien ennakkoluulojen purkamista ja mahdollistaa myönteisemmän lähtökohdan mahdollisuuksien tunnistamiselle. Tulevaisuusvallan jakamisen prosessissa syntyneiden vaihtoehtoisten tulevaisuuksien on kuitenkin kiinnityttävä muutoksentekijöiden eli kohderyhmän ja järjestön käytettävissä oleviin resursseihin, voimavaroihin, sekä arjen todellisuuteen, jotta tavoiteltava tulevaisuus ei jää ilman tekijöitä. Tulosten luotettavuus ja eettisyys Tulosten luotettavuuden kannalta on huomioitava, että fasilitointi onnistui osittain. Työpajan fasilitoinnin aikataululliset ja tekniset haasteet, sekä jälkimittauksen alentunut vastausprosentti ja negatiivinen palaute viestivät siitä, että työpajaa ei koettu riittävän vaikuttavaksi, mikä saattoi osalta heikentää motivaatiota jälkimittauskyselyyn vastaamiseen. Työpaja myös peruuntui kahdesti liian vähäisen osallistujamäärän vuoksi, mikä osaltaan vaikutti aikataulullisiin haasteisiin ja muutoksiin suunnitellusta työpajan järjestämistavasta. Tämä lyhensi merkittävästi opinnäytetyöprosessin aineistonkeruun jälkeistä analyysi- ja pohdintavaihetta. Vaikuttavuuden arvioinnin näkökulmasta tehdyt toimet jäävät tässä työssä osittain tulkinnanvaraisiksi. Tulevaisuusajattelun muutoksen tunnistamiseen käytetty aiempi malli on vain yksi osa monikriteeristä ja laajempaa vaikuttavuuden arviointikokonaisuutta. Tulevaisuustietoisuuden muutoksen mittaamisen tulosten luotettavuuden kannalta on huomioitava, että osion kysymykset perustuvat tieteenalalla yksimielisesti määrittelemättömään teoriaan (Ollila & Hujala 2022, 406) ja toteuttajien soveltamana kokeiluna, ei valmiiseen rakenteeseen. Vaikuttavuutta pyrittiin kuitenkin tarkastelemaan aktiivisesti havainnoimalla menetelmän soveltuvuutta, keräämällä palautetta sekä tunnistamalla fasilitaattorin rooli ja valta-asema (Halonen, Hyytinen & Kurki 2022, 51–53).Jo aihevalinnan osalta jouduimme rajauksen suhteen pohtimaan eettisiä näkökulmia sulkiessamme toisia ihmisryhmiä pois tutkimusaineistostamme, vaikka todennäköisesti monet muutkin ihmisryhmät olisivat hyötyneet osallisuudesta. Työssämme eettisyyden painopiste sisältyi voimakkaimmin kuitenkin työpajatyöskentelyyn. (Kallinen & Kinnunen 2021.) Tämän myötä korostimme ohjeistuksissamme luottamuksellisuutta, vapaaehtoisuutta, ymmärrettävyyttä ja tiedonsaantioikeuksia läpi koko tutkimusprosessin (TENK, 2019, 8–9). Tietosuojakäytänteiden mukaisesti osallistujille tiedotettiin tutkimuksen tarkoituksesta, aineiston käsittelystä ja heidän oikeuksistaan. Suostumus osallistumiseen pyydettiin ilmoittautumisen yhteydessä ja vahvistettiin työpajassa (Liite 1). Kehitysehdotukset ja jatkotutkimusaiheet Työelämän tulevaisuuskeskusteluun osallistaminen Tulevaisuusvallan jakamisen näkökulmasta on tärkeää pohtia, miten myös kohderyhmän sisällä ne, jotka eivät yleensä osallistu tulevaisuuskeskusteluun tai järjestön toimintaan, voidaan saada mukaan (Dufva, Lähdemäki-Pekkinen, Poussa & Rekola 2024, 36). Etujärjestöjen rooli voidaan nähdä vuorovaikutteisen alustan tarjoajana, jossa työelämän vaihtoehtoisia kehityssuuntia voidaan tarkastella ymmärtävässä ja turvallisessa ympäristössä. Ideaalitilanteessa tulevaisuustiedon tuottaminen kehittyisi pitkällä aikavälillä osaksi vapaaehtoistoimintaa, mikä voidaan nähdä toteutuvan parhaiten silloin, kun vastuu siitä on vapaaehtoisilla itsellään (Jurvansuu & Rissanen 2019, 3–4). ADHD-liiton roolina tällaisessa tilanteessa olisi ennakointiprosessissa kerätyn asiakaslähtöisen tulevaisuustiedon analysointi ja hyödyntäminen, jonka avulla voidaan tunnistaa uusia mahdollisuuksia ja jopa kumppanuuksia (Aalto 2022, 351–353). Ennakoinnin merkitys ei rajoitu vain oikeiden päätösten löytämiseen, vaan prosessin aikana rakentuva ymmärrys ja toivo paremmasta tulevaisuudesta ovat yhtä olennaisia. Työpajatyöskentely ei välttämättä sovi kaikille kohderyhmän jäsenille, mutta niille, jotka haluavat vaikuttaa, ennakoinnin tavoitteellisuus tarjoaa passiivisen tuen vastaanottamisen sijaan myös keinon osallistua yhteisen tulevaisuuden rakentamiseen (Jurvansuu & Rissanen 2019, 3–4; Aalto 2022, 351–352). Suosittelemme lähestymään tulevaisuustyöpajamenetelmiä yksittäisten kokeilujen kautta ja keräämään lisää palautetta soveltuvuudesta vertaistoimintana sekä osallistamaan myös muita neuroepätyypillisten ryhmiä. Tulevaisuustaajuus-työpajan muokkaaminen Näemme, että muokattuna Tulevaisuustaajuus-työpaja soveltuu kohderyhmän vapaaehtoisten osallistamiseen silloin, kun tavoitteena on tulevaisuuskeskustelun laajentaminen. Kokeilun palautteen ja havaintojen pohjalta kehitysehdotukset kohderyhmälle ovat seuraavat: Ajallisten resurssien haasteet ovat merkittäviä sekä osallistujien että fasilitoinnin näkökulmasta. Työelämän ja arjen kiireet vaikeuttavat aikataulujen yhteensovittamista osallistumiseen. Suosittelemme, että työpajan ensimmäiset osiot (Intro, Osio 1) suoritetaan ennakkotehtävinä yhteiselle alustalle. Tämä vähentää aikaan ja tilaan sidotun osallistumisen kuormittavuutta, mahdollistaa ryhmätyöskentelyyn keskittymisen sekä sitouttaa ja valmistelee osallistujia ilmoittautumisen ja työpajan välisenä aikana. Työpajassa käytettävien työpohjien tulee olla selkeitä ja yhtenäisiä. Suosittelemme, että osallistujat voivat käyttää yhtä työskentelypohjaa koko työpajan ajan. Tehtävien ohjeistuksessa tulisi panostaa ymmärrettävyyteen sekä varmistaa, että osallistujilla on mahdollisuus esittää tarkentavia kysymyksiä työpajan aikana. Teemoittamisen tarpeellisuutta on syytä harkita erityisesti, jos fasilitaattori toimii ensi kertaa ja, jos tavoitteena on tutustua tulevaisuusajatteluun. Teemoitus moninkertaistaa muokkauksessa huomioitavia asioita ohjeistuksessa ja työpohjissa. Toisaalta se mahdollistaa työpajan suuntaamisen osallistujien osaamisalueen ja tarpeiden mukaisesti, jos halutaan keskittyä tiettyyn aiheeseen. Näillä muutoksilla voidaan vähentää sekä aikataulupaineita että työpajasta aiheutuvaa kuormitusta, mikä lisää menetelmän soveltuvuutta kohderyhmälle. On myös syytä mainita mahdollisuus hyödyntää kokeneita Tulevaisuustaajuus-työpajan fasilitoijia, joita Sitra tarjoaa verkkosivuillaan (Sitra 2024). Tulevaisuustietoisuuden mittaustutkimus Tämän tutkimuksen tulosten perusteella kohderyhmän tulevaisuustaitojen potentiaalia voidaan ainoastaan spekuloida, joten aihe soveltuu mielenkiintoiseksi jatkotutkimusaiheeksi. Lisätietolähteeksi tulevaisuusajattelun edullisista taipumuksista suosittelemme tutustumaan tulevaisuustietoisuuden käsitteen kehittäneiden tutkijoiden omaan mittaustutkimukseen, josta lisätietoa on saatavilla Finland Futures Research Centren (FFRC 2024) verkkosivuilla. FFRC:n laatiman testin avulla saatavissa on luotettavampaa ja vertailtavampaa dataa erilaisista ryhmistä ja heidän tulevaisuusajattelun taipumuksistaan. Vahvuuksia ja haasteita on ensin tunnistettava, jotta niitä voidaan tutkia, kehittää ja hyödyntää tulevaisuusajattelun ja ennakoinnin yhteydessä. Lähteet Aalto, H.-K. 2022. Ennakointi – Tulevaisuuksiin varautumisen ja virittäytymisen näkökulma. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki ja M. Pöllänen (toim.), 2022. Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemia julkaisuja 1/2022. Turku: Tulevaisuuden tutkimuskeskus, Turun yliopisto, 389–397. Viitattu 11.12.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. ADHD-liitto 2024a. ADHD-liiton strategia 2021–2025. Viitattu 12.8.2024 https://adhd-liitto.fi/adhd-liitto/strategia/. ADHD-liitto 2024b. ADHD ja parisuhde. Viitattu 3.2.2024. https://adhd-liitto.fi/adhd-julkaisut/adhd-ja-parisuhde/. Ahvenharju, S., Lalot, F., Minkkinen, M. & Quiamzade, A. 2021. Individual futures consciousness: Psychology behind the five-dimensional Futures Consciousness scale. Futures, Vol. 128. Viitattu 16.6.2024 https://doi.org/10.1016/j.futures.2021.102708. Ahvenharju, S. & Pouru-Mikkola, L. 2022. Tulevaisuustietoisuus ja tulevaisuuslukutaito – kuinka kohtaamme, kuvittelemme ja käytämme tulevaisuutta? Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki ja M. Pöllänen (toim.), 2022. Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemia julkaisuja 1/2022. Turku: Tulevaisuuden tutkimuskeskus, Turun yliopisto, 389–399. Viitattu 11.12.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Alasoini, T. & Varje, P. 2024. Työn epävarmuustekijät ja uhat. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 27–32. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Anttonen, M. & Pesu I. 2023. Hyvän työntekijän ihanne istuu tiukassa, mutta se on muuttumassa – tässä viisi keinoa, miten ottaa nepsy-piirteet huomioon työelämässä. YLE 17.10.2023. Viitattu 28.12.2024 https://yle.fi/a/74-20054759. Arene 2020. Ammattikorkeakoulujen opinnäytetöiden eettiset suositukset. Viitattu 11.6.2024 https://www.arene.fi/wp-content/uploads/Raportit/2020/AMMATTIKORKEAKOULUJEN%20OPINN%C3%84YTET%C3%96IDEN%20EETTISET%20SUOSITUKSET%202020.pdf?_t=1578480382 Barnett-Erlandsson, J. & Suni, K. 2023. Tutkimus osoitti puutteen vertaistuessa. Helsinki: ADHD-liitto. Viitattu 10.6.2024 https://adhd-liitto.fi/tutkimus-osoitti-puutteen-vertaistuessa/. Bernard, L., Fox, S., Kulason, K., Phanphackdy, A., Kahle, X., Martinez, L., Praslova, L., & Smith, NA. 2023. Not your “typical”research: Inclusion ethics in neurodiversity scholarship. Industrial and Organizational Psychology 16, 50–54. Viitattu 22.2.2025 https://doi.org/10.1017/iop.2022.100. De Houting, J. 2018. Neurodiversity: An insider’s perspective. Autism, Vol 23 Nro 2 (2019), 271–273. Viitattu 8.3.2024 https://doi.org/10.1177/1362361318820762. Dufva, M. 2022. Tulevaisuustaajuus-työpaja: Haasta, kuvittele ja toimi. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki ja M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemia julkaisuja 1/2022. Turku: Tulevaisuuden tutkimuskeskus, Turun yliopisto, 244–250. Viitattu 13.5.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Dufva, M., Lähdemäki-Pekkinen, J., Poussa, L. & Rekola, S. 2024. Tulevaisuusvalta: Lisää ääniä tulevaisuuskeskusteluun. Sitra muistio 1.18.2024. Helsinki: Sitra. Viitattu 6.5.2024 https://media.sitra.fi/app/uploads/2024/01/sitra_tulevaisuusvalta.pdf . Dwyer, P. 2022. The neurodiversity approach(es): what are they and what do they mean for researchers? Human development 2022; 66:73–92, Viitattu 17.12.2022 https://karger.com/hde/article-pdf/66/2/73/3750964/000523723.pdf. Finland Futures Research Centre (FFRC) 2024. Futures Consciousness Scale. Viitattu 11.1.2025. https://futuresconsciousness.utu.fi/. Goldberg, H. 2023. Unraveling Neurodiversity: Insights from Neuroscientific Perspectives. Encyclopedia, Vol 3 Nro 3 (2023), 972–980. Viitattu 8.3.2024 https://doi.org/10.3390/encyclopedia3030070. Hakanen, J. & Kaltiainen, J. 2024. Työn imu ja työuupumus. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 70–74. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Halonen, M., Hyytinen, K. & Kurki, S. 2022. Tulevaisuusajattelu kansalaistaidoksi: Tulevaisuustaajuus-työpajamenetelmän arviointitutkimuksen tulokset. Sitran selvityksiä 221. Helsinki: Sitra. Viitattu 10.5.2024 https://media.sitra.fi/app/uploads/2022/10/sitra_tulevaisussajattelu-kansalaistaidoksi_final.pdf. Joensuu, M., Selander, K., Koponen, P. & Laitinen, J. 2024. Työkyky, palautuminen ja työssä suoriutuminen. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 75–80. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Jokinen, A., 2021. Laadullisen tutkimuksen näkökulmat. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 19.12.2024 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/mita-on-laadullinen-tutkimus/laadullisen-tutkimuksen-nakokulmat/. Juhila, K. 2021a. Koodaaminen. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 17.12.2024 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/analyysitavan-valinta-ja-yleiset-analyysitavat/koodaaminen/. Juhila, K. 2021b. Teemoittelu. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 17.12.2024 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/analyysitavan-valinta-ja-yleiset-analyysitavat/teemoittelu/. Juhila, K. 2021c. Laadullisen tutkimuksen ominaispiirteet. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 17.12.2024 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/mita-on-laadullinen-tutkimus/laadullisen-tutkimuksen-ominaispiirteet/. Jurvansuu, S. & Rissanen, P. 2019. Toimijoiden osallistuminen ja aktiivisen kansalaisuuden tukeminen päihde- ja mielenterveysyhdistyksissä. Tietopuu: Tutkimussarja 2/2019: 1–17. Tietopuu: Tutkimussarja 2/2019 A-klinikkasäätiö, Helsinki. Viitattu 11.6.2024 https://doi.org/10.19207/TIETOPUU8. Kallinen, T. & Kinnunen, T. 2021. Etnografia. Teoksessa J. Vuori (toim.) Laadullisen tutkimuksen verkkokäsikirja. Tampere: Yhteiskuntatieteellinen tietoarkisto. Viitattu 18.6.2024 https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvali/teoreettis-metodologiset-viitekehykset/etnografia/. Lalot, F., Ahvenharju, S., Minkkinen, M., & Wensing, E. 2019. Aware of the Future?: Development and Validation of the Futures Consciousness Scale. European Journal of Psychological Assessment. Viitattu 11.6.2024 https://doi.org/10.1027/1015-5759/a000565. Lapin AMK 2024. Tekoälyn hyödyntäminen oppimisessa. Viitattu 11.6.2024 https://www.lapinamk.fi/fi/Opiskelijalle/Oppaat-ja-ohjeet/Tekoalyn-hyodyntaminen-oppimisessa. LeFevre-Levy, R., Melson-Siliman, A., Harmata, R., Hulett, A.L. & Carter, N.T. 2023. Neurodiversity in the workplace: considering neuroatypicality as a form of diversity. Industrial and Organizational Psychology (2023), 16, 1–19, United Kindom: Cambidge university press. Viitattu 16.12.2024 http://dx.doi.org/10.1017/iop.2022.86. Liebel, G., Langlois, N. & Gama, K. 2024. Challenges, Strengths, and Strategies of Software Engineers with ADHD: A Case Study. In Software Engineering in Society (ICSE-SEIS’24), April 14–20, 2024, Lisbon, Portugal. ACM, New York, NY, USA Viitattu 16.12.2024 https://dl.acm.org/doi/pdf/10.1145/3639475.3640107. McDowall, A., Doyle, N. & Kiseleva, M. 2023. Neurodiversity at work 2023: demand, supply and a gap analysis. Birkbeck University of London. Viitattu 16.12.2024 https://www.researchgate.net/publication/369474902_Neurodiversity_at_Work_2023#fullTextFileContent. McIntosh, C.K., Hyde, S.A., Bell, M.P. & Yeatts, P.E. 2023. ”Thriving at work with ADHD: antecedents and outcomes of proactive disclosure”, Equality, Diversity and Inclusion, Vol. 42 No. 2, pp. 228-247. Viitattu 13.12.2024 https://doi.org/10.1108/EDI-02-2022-0033. Määttä, M. 2023. Vierailevan psykiatrian erikoislääkärin esitys: “Mitä? ADHD vai ADT” Helsinki: ADHD-liitto, Tutkiminen ja monimuotoinen tuki – webinaari 9.10.2023. Ollila, J. & Hujala, T. 2022. Tulevaisuustaidot ja tulevaisuusoppiminen. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki ja M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemia julkaisuja 1/2022. Turku: Tulevaisuuden tutkimuskeskus, Turun yliopisto, 400–415. Viitattu 11.12.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Opetushallitus 2024. Osaamisen ennakointifoorumi. Viitattu 13.12.2024 https://www.oph.fi/fi/palvelut/osaamisen-ennakointifoorumi-oef. Osaamisen ennakointifoorumi OEF 2019. Osaaminen 2035. Opetushallitus, raportit ja selvitykset 2019:3. Helsinki: Opetushallitus. Viitattu 13.12.2024 https://www.oph.fi/sites/default/files/documents/Osaaminen%202035.pdf. Peavy, R. V. 2004. Sosiodynamic counselling – a practical approach to meaning making. A Taos institute publication, reprint 2010. USA: Taos institute Poussa, L., Lähdemäki-Pekkinen, J., Ikäheimo, H. & Dufva, M. 2021 Tulevaisuustaajuus – Käsikirja työpajan vetäjälle – Työpaja toisenlaisten tulevaisuuksien rakentamiseen. Sitran selvityksiä 173. Helsinki: Sitra. Viitattu 13.5.2024 https://media.sitra.fi/app/uploads/2021/01/sitra-tulevaisuustaajuus-kasikirja-tyopajan-vetajalle-v4.pdf. Puustjärvi, A. 2019. ADHD. Lääkärin käsikirja. Lääketieteellinen Aikakauskirja Duodecim 2019;135(2):201–6. Viitattu 18.9.2024 https://www.duodecimlehti.fi/xmedia/duo/duo14724.pdf. Ranki, S. 2023. HELP-katsaus: Työelämän muutosnäkymät. Helsinki: Työterveyslaitos. Viitattu 10.6.2024 https://urn.fi/URN:ISBN:978-952-391-067-6. Ropponen, A. & Kausto, J. 2024. Fyysinen kuormitus työssä. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 56–62. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Ropponen, A., Vanttola, P. & Härmä, M. 2024. Työajat ja etätyö. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 33–37. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Selander, K. & Ervasti, J. 2024. Konfliktitilanteet ja konfliktiuhka työssä. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 63–69. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Selander, K. & Toivanen, M. 2024. Työn merkityksellisyys, itsenäisyys ja sosiaalinen tuki. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 49–55. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Singer, J. 1998. Odd People In: The Birth of Community Amongst People on the “Autistic Spectrum” A personal exploration of a New Social Movement based on Neurological Diversity. Australia: University of Technology Sydney (UTS) Teoksessa Singer, J., 2017. Neurodiversity: The birth of an idea. ISBN 9780648154709 Viitattu 10.6.2024 https://www.amazon.com/NeuroDiversity-Birth-Idea-Judy-Singer-ebook/dp/B01HY0QTEE/. Singer, J. 2024. Reflections on neurodiversity. Neurodiversity: Definition and Discussion. Neurodiversity 2.0, Blogger-cite. Viitattu 5.3.2024 https://neurodiversity2.blogspot.com/p/what.html. Sitra 2024. Tulevaisuustaajuus. Viitattu 31.12.2024. https://www.sitra.fi/hankkeet/tulevaisuustaajuus/. Tarnanen, K., Berggren, K. & Koivunen, M., 2019. Käypä hoito potilasversio: ADHD – varhaisella tuella arki toimivaksi. Helsinki: Suomalainen lääkäriseura Duodecim. Viitattu 16.6.2024 https://www.kaypahoito.fi/khp00071. Terveyden ja hyvinvoinnin laitos (THL) 2024. Ohjeita osallistamiseen. Viitattu 13.12.2024 https://thl.fi/aiheet/hyvinvoinnin-ja-terveyden-edistamisen-johtaminen/osallisuuden-edistaminen/heikoimmassa-asemassa-olevien-osallisuus/osallisuuden-edistamisen-mallit/osallisuutta-edistava-hallintomalli-tukee-osallisuustyon-johtamista/ohjeita-osallistamiseen. Toivanen, M. 2024. Työn ja kodin liukuvat rajat. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 43–48. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Toivanen, M. & Väänänen, A. 2024. Niukat henkilöstöresurssit, päällekkäiset työtehtävät ja tietotulva. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 38–42. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Tuomi, J. & Sarajärvi A. 2017. Laadullinen tutkimus ja sisällönanalyysi. Helsinki: Tammi. Tutkimuseettinen neuvottelukunta TENK 2019. Ihmiseen kohdistuvan tutkimuksen eettiset periaatteet ja ihmistieteiden eettinen ennakkoarviointi Suomessa: Tutkimuseettisen neuvottelukunnan ohje 2019. Tutkimuseettisen neuvottelukunnan julkaisuja 3/19. Helsinki: Tutkimuseettinen neuvottelukunta. Viitattu 24.1.2025 https://tenk.fi/sites/default/files/2021-01/Ihmistieteiden_eettisen_ennakkoarvioinnin_ohje_2020.pdf. Työterveyslaitos (TTL) 2024. Työn Suomi –hanke 1/2022–12/2028. Helsinki: Työterveyslaitos Viitattu 13.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Vilkka, H. 2021. Tutki ja kehitä. 5. päivitetty painos. Keuruu: PS-Kustannus Väänänen, A. 2024. Johdanto – Työssäkäyvä väestö ja työ tänään. Teoksessa A. Väänänen, M. Toivanen, K. Selander, M. Joensuu ja J. Airaksinen (toim.) Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos, 15–18. Viitattu 14.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. Väänänen, A., Toivanen, M., Selander, K., Joensuu, M. & Airaksinen, J. (toim.) 2024. Työn Suomi: Työolot, työkyky ja työhyvinvointi Terve Suomi –tutkimuksessa. Helsinki: Työterveyslaitos. Viitattu 13.12.2024 https://urn.fi/URN:ISBN:978-952-391-157-4. World economic forum 2023. Future of Jobs Report 2023: insight report. World economic forum. Cologny/Geneva, Switzerland Viitattu 16.12.2024 https://www3.weforum.org/docs/WEF_Future_of_Jobs_2023.pdf. Liitteet Liite 1. Webropol – Tutkimuskutsu ja ilmoittautumislomake Liite 2. Havainnointilomake Liite 3. Ennakko- ja jälkimittauskyselyn osio 1 (Tulevaisuusajattelu) Liite 4. Ennakko- ja jälkimittauskyselyn osio 2 (Tulevaisuustietoisuus) Liite 5. Ennakkokyselyn osio 3 Liite 6. Jälkikyselyn osio 3 Tekoälyn ja ohjelmistorobotiikan hyödyntäminen HR-prosesseissa Pertti Martinmäki ja Tuovi Mäkinen Utilization of AI and software robotics in the HR processes The topic and main question of the thesis was how can artificial intelligence (AI) and software robotics be utilized in HR processes? The aim of the research and development work was to present proposals on the possibilities of utilizing of these technologies to improve the efficiency of the HR management of the Finnish Transport Infrastructure Agency. The theoretical framework consisted of the application of AI and software robotics in HR processes, as well as the regulation of AI related to these processes. The research was conducted as a case study using a qualitative approach. The research process consisted of five phases: definition, collection, analysis, sharing, and reflection. The methods used in the research and development work included a preliminary survey and the Future Workshop method. The preliminary survey mapped the respondents’ own readiness to utilize AI in their work within the HR unit of the Finnish Transport Infrastructure Agency. The survey also gathered respondents’ views on the potential use of AI in various HR functions. The Future Workshop served as a co-development method, where members of the HR unit criticized current practices and brainstormed solutions for the use of AI and software robotics in HR processes. The research implemented in the thesis produced 11 development proposals for further study with the support of the Finnish Transport Infrastructure Agency’s own AI and robotics competence center, AIRO. Some of the proposals are intended to be presented to the Finnish Government Shared Services Centre for Finance and HR (Palkeet). Based on the research, the commissioning organization was found to have interest and readiness in utilizing AI and software robotics in its own operations. However, there was a perceived need for additional skills to ensure ethical and safe practices, especially in the handling of personal data. The results also highlighted the need to develop an impact assessment framework to monitor and evaluate the effects of AI usage. Keywords: artificial intelligence, robotics, personnel administration, central government Johdanto Yksittäinen työntekijä voi tehostaa työtään käyttämällä tekoälyä tukiälynä luovassa työssä tekstin sujuvoittamiseen tai kokonaisen esityksen laatimiseen. Tässä opinnäytetyössä emme kuitenkaan ole tutkimassa tekoälyn hyödyntämistä pelkästään yksittäisten työntekijöiden näkökulmasta, vaan siitä, miten tekoälyä ja ohjelmistorobotiikkaa voisi hyödyntää Väyläviraston HR-prosesseissa. Tekoälyn hyödyntäminen on tunnistettu julkisen hallinnon toiminnan kehittämisessä (Valtiovarainministeriö 2025), ja valtionhallintoon kuuluvana virastona Väylävirasto (2023; 2024b) on tehnyt päätöksiä tekoälyn hallitusta hyödyntämisestä toiminnoissaan. Valtionhallinnon tuottavuusohjelma (Valtiovarainministeriö 2024a) haastaa Väyläviraston monien toimintojen säilyttämistä laadukkaalla tasolla henkilöresurssien vähentyessä. Tämän opinnäytetyön tavoitteena on tuottaa Väylävirastolle ehdotus siitä, missä HR-prosesseissa viraston henkilöstöyksikkö voisi hyödyntää tekoälyä ja ohjelmistorobotiikkaa toiminnan tehostamiseksi. Opinnäytetyöntekijöistä Mäkinen työskentelee toimeksiantajan henkilöstöyksikössä. Hän on yhtenä yksikön prosessivastaavista hyvin perillä viraston HR-prosessista tuoden opinnäytetyöhön oman osaamisensa siltä osa-alueelta. Martinmäellä ei ole työkokemusta HR-prosesseista, mutta hänellä on kiinnostuksen lisäksi insinöörikoulutuksen ansiosta valmiuksia selvittää prosesseihin liittyvää teknologista osa-aluetta. Opinnäytetyön aihe on monelta näkökannalta ajankohtainen ja edustaa ennakoivaa kehittämiskulttuuria. Aiheesta ei ole saatavilla juurikaan suomalaista tai eurooppalaistakaan tieteellistä vertaisarvioitua tutkimusta. Tämän vuoksi opinnäytetyö täyttää omalta osaltaan tätä tutkimusaukkoa, vaikka kohdistuukin yhteen organisaatioon. Työn tuotoksena syntyviä ehdotuksia tekoälyn käyttömahdollisuuksista HR-prosesseissa on varmasti hyödynnettävissä myös muissa valtion organisaatioissa. Väyläviraston toimintaympäristö Liikenne- ja viestintäministeriön alaisena virastona Väylävirasto vastaa valtion liikenneväylien ylläpidosta ja kehittämisestä. Viraston hallinnoima noin 20 miljardin euron arvoinen väyläomaisuus koostuu tie-, rata- ja vesiliikenteen väyläverkostosta. Toimivien liikenneväylien ylläpidolla ja kehittämisellä virasto edistää yhteiskunnan hyvinvointia, varautumista ja elinkeinoelämän kilpailukykyä, sekä rajoittaa liikenteen aiheuttamia ympäristöhaittoja. Yhtenä viraston lakisääteisenä tehtävänä on edistää liikenteen palveluiden ja liikennejärjestelmän digitalisaatiota ja automatisaatiota (Laki Väylävirastosta 13.11.2009/862 § 2). Virastossa työskentelee kuudella paikkakunnalla yhteensä noin 490 virkamiesasiantuntijaa ja lisäksi viraston on arvioitu työllistävän välillisesti noin 18.000 ihmistä. (Väylävirasto 2024c.) Väyläviraston HR-prosessin palvelukokonaisuudet Väyläviraston henkilöstöyksikön tarkoituksena on tuottaa virastolle henkilöstöpalveluita operatiivisella ja strategisella tasolla viraston HR-prosessin mukaisesti. HR-prosessi sisältää palveluita, joiden avulla tuetaan viraston tuloksellista toimintaa. Lisäksi prosessi tarjoaa henkilöstölle neuvontaa, ohjausta ja työvälineitä palvelussuhteen koko elinkaaren ajan. Väyläviraston HR-prosessi muodostuu osaprosesseista, jotka muodostavat 10 palvelukokonaisuutta: Esihenkilötyö Henkilöstösuunnittelu Matkustaminen Osaamisen hallinta ja kehittäminen Palkkaus ja palkitseminen Palvelussuhdeasiat Rekrytointi Työhyvinvointi ja työterveys Työsuojelu Yhteistoiminta (Väylävirasto 2024a.) Palkeet yhtenäisten henkilöstöhallinnon palvelujen tuottajana Valtionhallinnon organisaationa Väylävirasto sitoutuu hankkimaan tietyt henkilöstöhallinnon peruspalvelut Valtion talous- ja henkilöstöhallinnon palvelukeskuksen, Palkeet, kautta. Palkeiden tehtävä on tuottaa valtion organisaatioille talous- ja henkilöstöhallinnon palveluja yhtenäisillä prosesseilla ja järjestelmillä. Henkilöstöhallinnon palveluista keskeisimmät Palkeiden tuottamat kokonaisuudet ovat palkanlaskenta ja palvelussuhteiden hallinta. Virastot voivat peruspalveluiden lisäksi sopia Palkeiden kanssa erillisistä lisäpalveluista. (Palkeet 2024a.) Väylävirasto hyödyntää Palkeiden lisäpalveluista HR-asiantuntijoiden ja esihenkilöiden lisäpalvelua, rekrytointipalvelua, työaikojen hallintaan liittyviä osatehtäviä, virkamiesten neuvontaa matkustusasioissa ja matkalaskujen asiatarkastuspalvelua. Valtiovarainministeriön (2024b) johdolla valmisteltu ensimmäinen valtionhallinnon yhteinen henkilöstöstrategia julkaistiin alkuvuodesta 2024. Palkeissa (2024b) on meneillään strategian mukainen HR-prosessien yhtenäistämistyöhanke, jossa asiakkaat pääsevät eri vaiheissa osallistumaan yhteiskehittämiseen. Hankkeen aikana Väylävirastollakin on mahdollisuus tuoda esille ideoita myös siitä missä prosesseissa tekoälyä ja ohjelmistorobotiikkaa voisi hyödyntää. Tekoälyn käyttö valtionhallinnossa Tekoälyteknologiat kehittyvät nopealla tahdilla, mutta valtionhallinnon ohjeistus virastoille tekoälyn käytön suhteen ei ole yhtä nopeaa, vaikka tekoälypohjaisten palvelujen kehittäminen on mukana tälläkin hallituskaudella (Valtiovarainministeriö 2023). Monissa virastoissa toivotaan poikkihallinnollista tekoälysovellusten pohjaratkaisua, joka auttaisi virastoja jatkokehittämään tekoälyn hyödyntämistä turvallisesti ja kustannustehokkaasti (Penttilä, Holkko, Mäkilä & Tammes-Peters 2024, 57; Sulkko & Gynther 2024). Sulkko ja Gynther (2024) suosittavat aloittamaan tekoälyn hyödyntämisen valtionhallinnossa matalariskisillä ja vähän resursseja vaativilla käyttötapauksilla. Kotimaisissa julkishallinnon kokeiluissa on koettu hyödyllisiksi mekaanisten ja toistuvien työtehtävien tehostaminen, tiedon löytäminen ja tuottaminen sekä keskustelevat käyttöliittymät. Tässä vaiheessa heikoimmin hyödynnettäväksi on koettu ennustamiseen, suunnitteluun ja päätöksentekoon liittyvät käyttökohteet. (Penttilä ym. 2024, 28, 55.) Väyläviraston tekoälyn ja robotiikan osaamiskeskus AIRO Väyläviraston (2023) johto on päättänyt tekoälyn hallitun hyödyntämisen olevan kannustettavaa viraston toiminnoissa. Päätöksen vaikutuksesta Väylävirastoon (2024b) perustettiin viraston omaan käyttöön tekoälyn ja robotiikan osaamiskeskus, AIRO, jonka tehtävänä on varmistaa virastossa hyödynnettävän tekoälyn ja ohjelmistorobotiikan suhteen yhteisiä toimintamalleja, teknologioita ja palveluita hallitusti tavoitteiden mukaisesti. AIRO koostuu viraston omien tietohallintoasiantuntijoiden lisäksi kilpailutetusta yhteistyökumppanista, jolla on laajaa kokemusta digitalisaatiokehitystyöstä. Tekoälyn ja ohjelmistorobotiikan hyödyntäminen Tekoäly henkilöstöhallinnossa Tekoälyn avulla on mahdollista analysoida suuria tietomääriä. Se nähdäänkin potentiaalisena käyttökohteena julkisen sektorin toiminnoissa, joissa käsitellään suuria tietomääriä ja tarvitaan suurta tiedonkäsittelytehoa. (Paasikivi, Tuohino, Mansnérus & Lång 2022, 12.) Aikaisemmissa tutkimuksissa käsitellyt tekoälyn ja ohjelmistorobotiikan hyödyntämiskohteet voidaan jakaa kolmeen ryhmään, jotka esitetään kuviossa 1. Kuvio 1. Aikaisemmista tutkimuksista tunnistetut kolme tekoälyn ja ohjelmistorobotiikan hyödyntämiskohdetta. Allal-Chérif, Aránega ja Sánchez (2021) keskittyvät tutkimuksessaan tekoälyn hyödyntämiseen laajasti rekrytoinnissa ja myös sopivien ehdokkaiden löytämisessä. Tekoälyn avulla voidaan tehostaa rekrytointiprosessia ja parantaa myös valintojen osuvuutta. Radonjić, Duarte ja Pereira (2022) tutkivat henkilöstöhallinnon ammattilaisten näkemyksiä tekoälyn käyttökohteista HR-prosesseissa. Tuloksissa korostui erityisesti suurten tietomäärien käsittely esimerkiksi päätöksenteon tukena. Tekoäly voi analysoida ja tehdä tulkintoja tiedosta, jolloin päätöksentekijöiden on helpompi ja nopeampi tehdä päätöksiä. Myös Paasikiven (ym. 2022, 26–28) julkaisussa käsitellään tekoälyn hyödyntämistä päätöksenteon taustaprosesseissa valmistelun tukena. Tämä nähdään toimivana erityisesti julkisella sektorilla, jossa esimerkiksi päätöksenteolle on erilaisia laeista tulevia vaatimuksia. Cho, Choi ja Choi (2023) esittelevät julkisen sektorin henkilöstöhallintoon keskittyvässä katsauksessaan HR-analytiikan henkilöstöhallinnon toimintaan integroimiseen liittyvän viisiportaisen prosessin. Sen vaiheet ovat määrittely, kerääminen, analysointi, jakaminen ja reflektointi. Huang, Yang, Zheng, Feng ja Zhang (2023) näkevät tekoälyn ja HR-analytiikan mahdollisuudet tehokkuuden parantamisen lisäksi myös yksilöllisemmässä työntekijöiden hallinnassa. Myös Nawazin, Arunachalamin, Pathin ja Gajenderanin (2024) artikkelissa personointia ja yksilöllistämistä pidetään yhtenä keskeisenä tekoälyn hyödyntämisen mahdollisuuksista. Mukauttamalla palveluja sen avulla yksilöllisempään suuntaan voidaan parantaa työntekijöiden sitoutumista ja tyytyväisyyttäkin. Personoidut henkilöstöhallinnon palvelut voidaan jakaa kolmeen ryhmään. Ensimmäiseen kuuluvat personoidut HR-suositukset, kuten personoitu urasuunnittelu ja koulutusohjaus. Toiseen puolestaan esimerkiksi personoidut joustavat työjärjestelyt ja mahdollisuus valita itselleen sopivimmat HR-käytännöt. Kolmantena ovat kokonaiset personoidut HR-ohjelmat, jotka vaihtelevat yksilöllisellä tasolla. (Huang ym. 2023.) Tekoälypohjaisilla HR-järjestelmillä voidaan tuottaa esimerkiksi uusille työntekijöille personoituja perehdytyssuunnitelmia tausta ja aiemmat työroolit ja koulutustarpeet huomioiden. Nämä järjestelmät mahdollistavat myös työntekijän taitoihin, suorituskykyyn ja päämääriin perustuvien räätälöityjen kehityssuunnitelmien tekemisen. (Kumar Tyagi, Jit Singh, Kumar Singh, Saxena, Tyagi & Mehta 2023.) Ohjelmistorobotiikka henkilöstöhallinnossa Ohjelmistorobotiikan avulla on mahdollista tehostaa monia henkilöstöhallinnon prosesseja. Mahdollisuuksia on esimerkiksi palkanlaskennassa, erilaisten pyyntöjen käsittelyssä ja tietojen päivittämisessä järjestelmiin. Myös analytiikassa voisi olla mahdollisuuksia esimerkiksi tietojen hankkimisessa ja raportoinnissa. HR-prosesseja on mahdollista automatisoida hyödyntämällä ohjelmistorobotiikkaa. Mahdollisia käyttökohteita ovat esimerkiksi rekrytoinnin yhteydessä hakemusten käsittely ja haastattelujen aikataulutus. Myös työntekijöiden tietojen hallintaan ohjelmistorobotiikka voi tarjota mahdollisuuksia. Tällöin prosesseihin saadaan enemmän tehokkuutta ja henkilöstö voi keskittyä tärkeämpiin tehtäviin. (Paasikivi ym. 2022.) Nawaz ym. (2024) tunnistavat ohjelmistorobotiikan mahdollisuudet tehostaa henkilöstöhallinnon prosesseja automatisoimalla toistuvia tehtäviä. Tällaisia voisivat olla esimerkiksi rekrytoinnin yhteydessä ehdokkaiden valikointi. Myös perehdyttämisessä ja palkanlaskennassa voisi olla soveltuvia käyttökohteita. Tässä tutkimuksessa ei havaittu tekoälyn ja automaation myötä lisääntyneen laskentatehon ja -kapasiteetin vaikutusta ajan tai kustannusten säästöön. (Nawaz ym. 2024.) Laava, Markkio ja Kaartinen (2022, 17–18) mainitsevat ohjelmistorobotiikan soveltuvan tietojen raportointiin, päivittämiseen ja tarkistamiseen liittyvissä työtehtävissä. Esimerkkeinä he nostavat esiin henkilöstö- ja taloushallinnon sekä myyntiin liittyvät tehtävät. Henkilöstöhallinnon puolella käyttökohteena voisi olla esimerkiksi työvuorosuunnittelu. Tekoälyn sääntely henkilöstöhallintoon liittyen 1.8.2024 voimaan astuneen EU:n tekoälyasetuksen tarkoituksena on varmistaa, etteivät EU:n alueella käytettävät tekoälyjärjestelmät vaaranna ihmisten terveyttä, turvallisuutta ja perusoikeuksia. Henkilöstöhallinnon prosesseissa on huomioitava erityisesti tekoälyasetuksen kohta, jossa suuririskiseksi tekoälyjärjestelmäksi tarkoitetaan järjestelmiä, joita on tarkoitus käyttää henkilöiden rekrytointiin; päätösten tekemiseen, jotka vaikuttavat työsuhteiden ehtoihin, tehtävien jakamiseen yksilöllisen käyttäytymisen tai henkilökohtaisten ominaisuuksien perusteella tai henkilöiden suoritusten ja käyttäytymisten seurantaan ja arviointiin tällaisissa tapauksissa. (Työ- ja elinkeinoministeriö 2025; Euroopan parlamentin ja neuvoston asetus (EU) 2024/1689.) Tekoälyjärjestelmät toimivat usein pilvipalveluissa, jolloin niiden käytössä on huomioitava valtionhallinnon pilvipalvelulinjaukset. Henkilötietojen käsittely pilvipalveluissa on sallittua, kunhan tietoturvallisuus, tietosuoja ja jatkuvuudenhallinta on toteutettu vaatimusten mukaisesti. Käytännössä henkilötietojen käsittely on tällä hetkellä sallittua fyysisesti EU ja ETA-alueella sijaitsevissa pilvipalveluissa, sekä maissa joihin Euroopan komissio on tehnyt vastaavuuspäätöksen. (Kangasaho, Kaarlonen, Viiman, Vuorikallio & Vuojärvi 2024, 7, 22–23.) Tarkoitus, tavoitteet ja tutkimuskysymykset Opinnäytetyön tarkoituksena on selvittää, miten tekoälyä ja ohjelmistorobotiikkaa voisi hyödyntää Väyläviraston HR-prosessien tehostamiseksi. Viraston on tehostettava HR-prosessejaan, jotta se pystyy jatkossakin tarjoamaan laadukkaita palveluita, vaikka henkilöstöyksikön henkilömäärä vähenee valtionhallinnon tuottavuusohjelman (Valtiovarainministeriö 2024a) vaikutuksesta. Opinnäytetyön tavoitteena on tuottaa viraston henkilöstöyksikölle ehdotus missä HR-prosesseissa tekoälyn ja ohjelmistorobotiikan hyödyntämistä kannattaisi lähteä jatkoselvittämään viraston oman tekoälyn ja robotiikan osaamiskeskuksen (AIRO), tuella. Ehdotuksessa pyritään ottamaan myös kantaa siihen, mitkä kehitysideoista tulisi viedä eteenpäin Valtion talous- ja henkilöstöhallinnon palvelukeskukselle, Palkeille, joka tuottaa virastolle osan henkilöstöpalveluista ja vastaa viraston käyttämistä henkilöstöhallinnon järjestelmistä. Opinnäytetyön pääkysymyksenä on: Miten tekoälyä ja ohjelmistorobotiikkaa voidaan hyödyntää HR-prosesseissa? Selvitettäviä alakysymyksiä ovat: Mitkä ovat henkilöstöyksikön asiantuntijoiden omat valmiudet edistää tekoälyn hyödyntämistä prosesseissa? Mitä kehitysideoita henkilöstöyksikön asiantuntijat nostavat esille? Mitä kehitysideoita kannattaa esittää AIROlle jatkoselvitettäväksi? Mitä kehitysideoita voi viedä eteenpäin Palkeiden kehitystyöhön? Menetelmällinen toteutus Tutkimusmenetelmät Lähestymistavaksi valittiin laadullinen tapaustutkimus, joka Ojasalon, Moilasen ja Ritalahden mukaan (2015, luku ”Tapaustutkimus”) soveltuu työelämän kehittämistehtäviin, joissa on tarkoitus tuottaa tietylle organisaatiolle kehittämisehdotuksia. Työssä käytettiin kahta jäljempänä kuvattavaa aineistonkeruu- ja kehittämismenetelmää. Ojasalon ym. (2015, Luku ”VAIHE 6 – kehittämistyötä tukevien menetelmien käyttäminen”) mukaan on suositeltavaa käyttää rinnakkain useampaa menetelmää, koska ne täydentävät toisiaan. Opinnäytetyön toteutuksen pohjana on hyödynnetty sovelletusti Chon ja kumppaneiden 2023 esittämää viisiportaista prosessia HR-analytiikan implementoinnista julkisella sektorilla. Opinnäytetyön tutkimusprosessi on kuvattu kuviossa 2. Prosessin päävaiheistuksena ovat määrittely, kerääminen, analysointi, jakaminen ja reflektointi. Määrittely sisältää tutkimuksen kohderyhmän ja tutkimuskysymysten määrittelyt. Seuraavana vaiheena on aineiston kerääminen. Ensimmäisenä aineistonkeruumenetelmänä käytettiin alkukartoituskyselyä, jonka tuloksista tunnistettuja ydinteemoja höydynnettiin tulevaisuusverstaissa. Kysely toteutettiin anonyyminä Webropol-kyselynä. Kuvio 2. Opinnäytetyön tutkimusprosessi. Toisena aineistonkeruumenetelmänä käytettiin tulevaisuusverstasta, joka toimi samalla yhteiskehittämisen menetelmänä. Mattilan (2023, 3) mukaan tulevaisuusverstas toimii, kun tarkoituksena on aktivoida kohderyhmänä olevat ihmiset osallistumaan tulevaisuutensa tekemiseen. Menetelmävalinnalla pyrittiin vahvistamaan osallistujien sitoutumista kehittämistyöstä syntyviin jatkokehittämisprojekteihin. Tulevaisuusverstasmenetelmästä on kerrottu enemmän artikkelikokoelman yhteisessä tietoperustassa. Tutkimusprosessin kolmanteen eli analysointivaiheeseen kuuluu tutkimustulosten analysointi ja johtopäätösten teko. Jakaminen sisältää kehittämisehdotusten viemisen valituille toimijoille. Viimeinen vaihe, eli reflektointi, muodostuu tulosten hyödyntämismahdollisuuksien sekä tutkimusprosessin arvioinnista. Aineistonkeruun ensimmäinen vaihe ennakkokyselyllä Aineistonkeruuprosessi aloitettiin ennakkokyselyn kysymyspatteriston laadinnalla (liite 1). Ennen kyselyn julkaisua sen ymmärrettävyyttä ja teknistä toimivuutta testasivat opinnäytetyön tekijöiden lisäksi toimeksiantajan edustajana toimiva ohjaaja, sekä viraston Webropol-pääkäyttäjä. Kyselyn alussa kartoitettiin vastaajien näkemystä omista valmiuksistaan tekoälyn hyödyntämisessä työtehtävissä, sekä käyttökohteita, joissa vastaajat ovat tietoisesti käyttäneet tekoälysovelluksia työssään. Seuraavaksi kysyttiin vastaajien näkemyksiä missä viraston HR-toiminnoissa tekoäly voisi tehostaa prosessia. Viraston HR-prosessin 10 palvelukokonaisuutta oli jaettu kysymyksessä 12 HR-toimintoon, jotka muodostivat valmiiksi teemat myös seuraavaan aineistonkeruuvaiheeseen, sekä toimivat jatkumona tulosten analysointiin. Kyselyn lopussa vastaajilla oli mahdollisuus kertoa vapaasti ajatuksia ja toiveita kyselyn aiheisiin liittyen. Ennakkokyselyn kohderyhmänä oli Väyläviraston henkilöstöyksikön kaikki jäsenet, joita oli kyselyajankohtana töissä 13 henkilöä. Myös opinnäytetyöhön osallistuvalla Mäkisellä oli mahdollisuus vastata kyselyyn. Koska vastaajajoukko oli pieni ja koostui 1–3 hengen samankaltaisia työtehtäviä tekevistä tiimeistä, ei nähty mielekkääksi kysyä vastaajien taustatietoja. Kyselyn aineiston analysointi Kyselyyn vastasi 10 henkilöä, joten vastausprosentiksi muodostui 80. Webropolilla toteutetusta ennakkokyselystä saatiin kahden monivalintakysymyksen vastauksista suoraan järjestelmän luomat raportit, jotka on esitelty tulososiossa. Kyselyn kolmannessa kysymyksessä pyydettiin esittämään ideoita tekoälyn hyödyntämisestä viraston eri HR-toiminnoissa. Yhteistoimintaprosessia lukuun ottamatta kaikkiin toimintoihin oli annettu ideoita. Ideoista muodostettiin WordArt -sovelluksella sanapilvi, jossa eniten toistuneet sanat näkyvät suurimpina (kuvio 3). Robotiikka ja chatbotit mainittiin useimmissa ideoissa tekoälyn hyödyntämisen konkreettisina keinoina. Sanapilvestä poistettiin lauseissa eniten esiintynyt sana ”tekoäly”, sekä sanoja, jotka eivät olleet kyselyn tulosten esittelyn kannalta merkityksellisiä, kuten: ”voi”, ”esim.”, ”ja” jne. Kuvio 3. Sanapilvi ideoista tekoälyn hyödyntämisessä. Sanapilveä sekä Webropolista saatuja valmiita raportteja hyödynnettiin sellaisinaan seuraavissa tulevaisuusverstasvaiheissa. Aineistonkeruun toinen vaihe tulevaisuusverstaissa Toisessa aineistonkeruuvaiheessa toteutettiin tulevaisuusverstas kahdessa osassa. Ensimmäisellä kerralla kaikkien osallistujien oli tarkoitus olla läsnä Väyläviraston päätoimipisteessä ja tilaisuuden fasilitointimenetelmät oli suunniteltu sen mukaisesti. Yksi osallistujista olikin estynyt saapumasta paikalle ja hänen annettiin osallistua Teamsillä. Siten kaikki henkilöstöyksikön sen hetkiset töissä olevat jäsenet osallistuivat ensimmäiseen tulevaisuusverstaaseen. Martinmäki ja Mäkinen toimivat tulevaisuusverstaiden fasilitoijina, eikä Mäkinen osallistunut mihinkään ryhmätyövaiheeseen kohderyhmän osallistujan roolissa. Tulevaisuusverstaan suunnitteluun kysyttiin vinkkejä Copilot-tekoälysovellukselta. Copilot-vinkkien lisäksi hyödynnettiin Nurmelan (2013, 213–217) ja Mamasoulan (2018) menetelmäkuvauksia. Tulevaisuusverstas aloitettiin valmisteluvaiheella, jossa käytiin läpi tilaisuuden tavoite ja menetelmät. Seuraavaksi aihetta alustettiin kertomalla tekoälyn käyttöön liittyvistä säädöksistä, sekä tekoälyn käyttömahdollisuuksista julkisella sektorilla poimintoina Suomen tekoälystrategiasta (Työ- ja elinkeinoministeriö 2017) ja Sitran selvityksestä (Paasikivi ym. 2022). Valmisteluvaiheen tärkein osio oli esitellä ennakkokyselyn tulokset, joita osallistujat eivät olleet vielä nähneet. Tulevaisuusverstaan toinen vaihe oli kritiikkivaihe, jossa osallistujia pyydettiin tunnistamaan ennakkokyselyn vastauksissa annettuihin ideoihin liittyviä ongelmia ja kriittisiä huomioita. Osallistujat työskentelivät kahdessa ryhmässä ja kirjasivat huomionsa ryhmän yhteisinä vastauksina Padlet-työtilaan. Ryhmät esittelivät kirjauksensa ääneen toiselle ryhmälle. Lopuksi jokainen äänesti henkilökohtaisesti merkittävimmiksi kokemiaan kirjauksia. Äänestys toteutettiin anonyymisti siten, että vastaajat esiintyivät Padletissä järjestelmän antamilla käyttäjänimillä. Kaikilla oli käytettävissään 10 ääntä, eli peukkumerkkiä Padletissä. Tulevaisuusverstaan kolmas vaihe oli mielikuvitusvaihe, joka kannustaa luovuuteen ja innovatiiviseen ajatteluun. Ensimmäisenä esimerkkinä skenaariotyöstä esiteltiin otteita Työterveyslaitoksen (2010) 15 vuotta sitten julkaisemasta teoksesta, joka käsitteli skenaarioita työstä ja hyvinvoinnista vuoden 2025 Suomessa. Toisena skenaarioesimerkkinä esiteltiin Copilot-tekoälysovelluksella laadittu utopistinen skenaario HR-prosesseista 15 vuoden päästä. Esimerkkiskenaarioiden jälkeen osallistujia pyydetiin laatimaan ryhmissä omat utopistiset skenaariot HR-työstä 2040-luvulla. Tavoitteena oli käyttää mielikuvitusta ilman rajoitteita ideoiden toteutusmahdollisuuksista. Ideoinnin jälkeen ryhmät kertoivat ääneen omat skenaarionsa, joista kirjattiin fläppitaululle vain avainsanoja. Skenaarioiden laadinta ei ollut osa tiedonkeruuta, vaan toimi harjoituksena kohderyhmän ennakointiajattelun laajentamiseksi. Mielikuvitusvaiheen varsinaisessa ideointivaiheessa osallistujia pyydettiin kääntämään edellisessä kritiikkivaiheessa merkityksellisemmiksi äänestettyjen ideoiden ongelmat positiivisiksi. Työskentely jatkui ryhmissä, jotka kirjasivat positiiviset ideat edelleen Padlet-työtilaan. Kokonaan uusien ideoiden synnyttäminen ilman edeltävää kritiikkikirjausta oli myös sallittua. Lopuksi ryhmät esittelivät omat ideansa ääneen ja osallistujat äänestivät seuraavaan vaiheeseen haluamansa ideat. Koska edellisten vaiheiden käsittelyt olivat vieneet aikaa ennakoitua enemmän, päätettiin tulevaisuusverstaan neljäs ja viimein vaihe, todellistamisvaihe, järjestää kokonaan omana tilaisuutena. Sopiva ajankohta seuraavalle tulevaisuusverstaalle järjestyi neljän viikon päähän edellisestä ja se pidettiin hybridikokouksena Martinmäen ja yhden kohderyhmäläisen osallistuessa Teamsillä, muiden osallistujien ollessa läsnä Väyläviraston päätoimipisteessä. Yksi edelliskerran osallistujista oli estynyt osallistumasta kokonaan. Osallistujat jatkoivat ryhmätyötä lähes samoissa ryhmissä kuin edellisen verstaan aikana. Todellistamisvaiheen tarkoituksena on muuttaa edellisessä vaiheessa valitut ideat konkreettisiksi toimenpide-ehdotuksiksi. Osallistujia pyydettiin kirjaamaan ryhmissä ideat jälleen Padletiin, sekä esittämään myös huomioita haasteista tai seikoista, joista on otettava selvää. Jälleen oli sallittua lisätä kokonaan uusia ideoita. Lopuksi osallistujat äänestivät jatkoselvittelyn kannalta kiinnostavimmista ja kehityskelpoisimmista ideoista. Liitteessä 2 on ote Padlet-työskentelystä. Tulevaisuusverstaiden aineiston analysointi Ensimmäisen tulevaisuusverstaan aineiston analysoinnista osa tehtiin jo verstaan edetessä. Siksi tätä osuutta ja sen tuloksia ei analysoida tässä tarkasti vaiheittain, vaan käsitellään pikemminkin kokonaisuutena. Toisessa eli kritiikkivaiheessa Padletiin kirjatut huomiot ryhmiteltiin aihealueittain. Aineistolle suoritettiin äänestys, jonka perusteella aihealueilta valittiin jatkokäsittelyyn tietyt kriittiset ajatukset. Mielikuvitusvaiheen ideoinnissa kritiikkivaiheen ajatuksia jalostettiin eteenpäin. Myös tämän vaiheen lopussa järjestettiin äänestys. Aineiston analysointi näille tehtiin verstaan toteuttamisen aikana ryhmittelemällä vastaukset teemoittain ja laskemalla ideoiden saamat äänimäärät. Analysoinnin tavoitteena tässä vaiheessa oli löytää verstaaseen osallistuneiden mielestä kaikkein kehityskelpoisimmat ideat ja saada ne todellistamisvaiheen keskusteluun ja sitä kautta mahdollisiksi eteenpäin esitettäviksi toimenpide-ehdotuksiksi. Todellistamisvaiheen eli toisen verstaan tulosaineistona saatiin edellisestä vaiheesta eteenpäin toimenpide-ehdotuksiksi työstetyt kehittämisideat ja niiden äänestyksessä saamat äänimäärät. Analysoinnissa huomioitiin aihealueiden mukainen jaottelu ja verstaan jälkeen aineistosta poimittiin toimenpide-ehdotusten saamien äänimäärien mukaan keskeisimmät eteenpäin esitettäviksi toimenpiteiksi. Analysoinnissa pyrittiin huomioimaan myös mahdolliset päällekkäisyydet ja erilaiset yhteydet ehdotusten välillä. Valintojen tekeminen jatkoon äänestetyistä ideoista jäi tutkijoille. Tulokset Ennakkokyselyn tulokset Kyselyn ensimmäisessä kysymyksessä kartoitettiin vastaajien omaa näkemystä valmiudestaan ja asenteestaan hyödyntää tekoälyä omissa työtehtävissä. Vastaajista 80 % halusi ehdottomasti olla mukana ideoimassa, miten tekoälyä voisi hyödyntää, tai oli jo hyödyntänyt sitä työtehtäviin liittyen (kuvio 4). Kuvio 4. Vastaajien kokemus omista valmiuksista tekoälyn hyödyntämiseen työtehtävissä Toiseen kysymykseen 60 % vastaajista kertoi sanallisin esimerkein, minkälaisissa työtehtävissä olivat tekoälyä hyödyntäneet tai uskoivat sen olevan hyödynnettävissä. Vastauksissa annetut käyttökokemukset liittyivät tiedonhakuun sekä tekstin tuottamiseen ja muokkaamiseen: Alkuselvityksissä; Esimerkiksi kartoittanut mitä jokin termi, käsite tai teoria tarkoittaa, mitä olennaista se sisältää ja mistä siitä voi löytyä lisää tietoa. Tekoälyä voi hyödyntää monenlaiseen, kuten tiedotteiden laatimiseen, vastineiden laatimiseen, työpaikkailmoitusten laatimiseen, rekrytoinnissa hakijamassan läpikäyntiin (täytyy muistaa ettei luovuta henkilötietoja), ylipäätään asioiden tarkistamiseen ja sparrailuun. Kolmannessa kysymyksessä kysyttiin, missä HR-toiminnoissa vastaaja uskoisi tekoälyn hyödyntävän prosessia. Kaikki toiminnot saivat vähintään yhden äänen (kuvio 5). Rekrytointiprosessin arvioitiin lähes yksimielisesti hyötyvän tekoälyn käytöstä (yhdeksän vastaajaa kymmenestä). Vähiten hyötyä nähtiin palkitsemiseen ja yhteistoimintaan. Kuvio 5. Kannatusmäärät missä HR-toiminnoissa tekoälyn uskotaan tehostavan prosessia Kyselyn lopussa oli mahdollisuus kertoa vapaasti mitä ajatuksia tai toiveita kyselyn aihe vastaajissa herätti. Vastauksissa esiintyi tarve hankkia lisää osaamista ja tietämystä tekoälyn hyödyntämisessä sekä sen vaikuttavuuden arvioinnissa, kuten eräs vastaajista sen ilmaisi: Kaikkeen tekoälyn ja robotiikan kehittämiseen eri HR asioissa ei riitä rahat ja aika. Pitäisi olla jokin vakiomuotoinen vaikuttavuudenarviointikehikko. Sen avulla arvioitaisiin organisaatiossa, mihin kohteisiin satsataan ja missä tulokset jää niin pieniksi ettei kannata lähteä rakentamaan isompaa mm. robotiikan työkaluja. Tulevaisuusverstaiden tulokset Tulevaisuusverstaissa aineisto kerättiin Padlet-alustaa hyödyntäen. Tämä osaltaan vaikutti siihen, että esitetyt ajatukset olivat melko lyhyesti kirjattuja ja vaativat osittain muotoilua, jotta ne voidaan esittää kehittämisehdotuksina. Tulevaisuusverstaan toteutuksessa ei noudatettu tarkkaa aikarajausta yksittäisille kirjauksille, kuten esimerkiksi Nurmelan (2013, 214–215) esittämä 30 sekunnin sääntö. Kirjaukset olivat pääosin selkeitä lyhyestä kirjausajasta huolimatta, joten tutkijoiden oli mahdollista hahmottaa niiden keskeiset ajatukset. Lopullisiksi ehdotuksiksi muotoileminen vaati kuitenkin hieman ajatusten muotoilemista ja täydentämistäkin. Ensimmäisen tulevaisuusverstaassa asioita pohdittiin, käsiteltiin ja äänestettiin kritiikkivaiheessa. Tällöin pyrittiin löytämään kritiikkiä nykyisiin käytäntöihin. Matkustuksen teemassa pohdittiin esimerkiksi chatbottien käyttöä. Prosessien kokonaisuuksia arvioitiin monin eri tavoin useissa teemoissa. Palkkauksen teemassa keskusteltiin erityisesti ohjelmistorobotiikan käyttöön liittyvistä kustannuksista. Kehittämisajatukset jalostuivat verstaan seuraavassa eli mielikuvitusvaiheessa ja lisäksi tuolloin saatiin myös kokonaan uusia ajatuksia. Mielikuvitusvaiheen ideoinnissa tietoturva- ja tietosuoja-asioihin kiinnitettiin huomiota muun muassa henkilöstösuunnittelun ja työhyvinvoinnin teemoissa mm. kommentilla: Tietosuoja-asiat haastaa. Voiko kerättyä tietoa perustellusti käyttää ”uuteen” tarkoitukseen, jos se poikkeaa olennaisesti siitä mitä varten se on kerätty. Osaamisen kehittämisessä arvioitiin muun muassa tekoälyn ymmärrystä siinä, että koulutus ei tarkoita samaa kuin osaaminen tai pätevöityminen. Matkustuksen teemassa keskustelua oli edelleen varsinkin chatboteista mm. kommentilla: Tekoälyn valjastaminen ja opettaminen tulkintaan. Edistynyt chatbot käytössä. Kaikkiaan ensimmäisessä verstaassa kirjattiin eri vaiheiden keskustelujen perusteella yhteensä 57 ajatusta tai ehdotusta, jotka olivat äänestyksissä mukana. Ensimmäisen verstaan äänestyksissä ääniä annettiin kaikkiaan 113 kappaletta. Ensimmäisestä verstaasta äänestysten jälkeen todellistamisvaiheeseen eli toiseen verstaaseen saatiin 20 kehittämisideaa. Näistä neljä liittyi henkilöstösuunnittelun aihealueeseen ja kolme matkustukseen. Myös osaamisen hallintaan liittyi kolme kehittämisideaa ja osaamisen kehittämiseen kaksi. Palkkauksen aihealueelta ei tullut varsinaisia kehittämisedotuksia, mutta mukaan otettiin yksi kannatusta saanut kommentti. Palvelussuhteen hallintaan ja rekrytointiin tuli molempiin kaksi kirjausta. Työhyvinvointiin ja työterveyteen liittyi molempiin yksi idea. Palkitseminen jäi ilman kirjauksia. Muihin saatiin myös yksi kirjaus, joka sai myös kommentin, jonka mukaan kyseinen asia voidaan sijoittaa myös työhyvinvointiin ja -terveyteen. Tämä päätettiin sijoittaa kaikkiin kolmeen teemaan. Toisessa verstaassa eri teemoihin sijoittuvia kehittämisideoita ja ajatuksia tuli ensimmäisestä verstaasta siirtyneiden 20 lisäksi siten, että lopullisessa karsintaäänestyksessä niitä oli yhteensä 36 kappaletta. Tässä on huomioitava, että yksi ehdotus koski kolmea eri teemaa ja analyysissa se on lisätty niihin kaikkiin eli laskennallisesti ehdotuksia on 38 kappaletta. Ääniä näille annettiin yhteensä 81 kappaletta. Kuviossa 6 on esitetty eri teemoihin sijoittuvien ehdotusten määrä. Kuvio 6. Todellistamisvaiheesta eteenpäin äänestykseen saadut ehdotukset teemoittain. Vastauksia yhdistelemällä ja muotoilemalla saatiin 11 toimenpide-ehdotusta. Liitteessä 3 on esitetty mille taholle kunkin toimenpiteen jatkokehitystä ehdotetaan. Mahdollisuuksien mukaan kehittämisehdotusten perusteella pyrittiin löytämään myös konkreettisia ratkaisuehdotuksia, kuten esimerkiksi Excelin maksullisen tekoälylisenssin hankkiminen henkilöstöyksikön käyttöön. Tämä ratkaisisi ainakin osittain kahteen teemaan liittyvät kehittämisehdotukset. Johtopäätökset ja pohdinta Vastausten saaminen tutkimuskysymyksiin Ensimmäisenä alakysymyksenä oli, mitkä ovat henkilöstöyksikön asiantuntijoiden omat valmiudet edistää tekoälyn hyödyntämistä HR-prosesseissa. Ennakkokyselyn vastausten perusteella kohderyhmästä löytyy aitoa mielenkiintoa tekoälyn hyödyntämiseen omissa työtehtävissä. Kohderyhmän aktiivinen osallistuminen tulevaisuusverstaissa ideointiin vahvisti tutkijoiden käsitystä kohdejoukon mielenkiinnosta aihetta kohtaan. Osa vastaajista oli jo tehnyt itsenäisiä kokeiluja generatiivisten tekoälysovellusten avulla ja osa odottaa ohjeistusta, miten voisi tekoälyä hyödyntää. Kyselyn avovastauksissa, sekä tulevaisuusverstaiden keskusteluissa, nousi esiin huolia tietosuoja- ja -turvanäkökulmista, joten valmiuksien suhteen nähtiin tarve hankkia lisää osaamista, jotta tekoälyn käyttö olisi turvallista ja eettistä käsitellessä henkilötietoja. Toimeksiantajalla on jo tukenaan oma tekoälyn ja robotiikan osaamiskeskus (AIRO), joka tarjoaa teknisten ratkaisujen kehittämisen lisäksi tukea tekoälyn tietosuoja- ja tietoturvakysymyksiin. Tekoälyn käyttökohteita pohdittaessa on huomioitava myös esimerkiksi lakien ja EU:n tekoälyasetuksen asettamat vaatimukset ja rajoitukset. Kehittämisehdotusten oletuslähtökohtana on, että Väylävirastoon hankitaan oma sisäinen tekoälysovellus, jossa voi käsitellä henkilötietoja. Toisena alakysymyksenä oli, mitä kehitysideoita henkilöstöyksikön asiantuntijat nostavat esille. Kysymykseen saatiin vastauksia ennakkokyselyllä sekä tulevaisuusverstailla. Tulevaisuusverstaan viimeisessä vaiheessa ideoita oli 36 kappaletta, joista äänestyksen ja tulosten yhdistämisen kautta jatkopohdintaan valikoituneet 11 kehittämisideaa on esitelty taulukossa 1. Ideat esitellään tarkemmin seuraavan luvun kehittämisehdotuksissa. Taulukko 1. Kehittämisehdotukset ja niiden jatkokäsittelykohteet. Kolmantena alakysymyksenä oli, mitä kehitysideoita kannattaa esittää AIROlle jatkoselvitettäväksi. Neljäntenä alakysymyksenä oli mitä kehitysideoita voi viedä eteenpäin Palkeiden (Valtion talous- ja henkilöstöhallinnon palvelukeskus) kehitystyöhön. Molempiin kysymyksiin saatiin vastaukset käsittelemällä kehitysideoita tulevaisuusverstaissa yhdessä henkilöstöyksikön kanssa. Taulukossa 1 on otettu kantaa kummalle taholle kehittämisideaa kannattaa esittää. Kahta kehitysideaa suositellaan pohdittavaksi henkilöstöyksikössä itsenäisesti. Kehittämisehdotukset Aiempiin tietoperustassa esiintyneisiin suosituksiin ja sääntelyyn pohjautuen koostettiin tässä kehittämistyössä esiinnousseista kehitysideoista jatkoselvitykseen suositeltavat ehdotukset. Liitteessä 3 on taulukkoa 1 laajempi versio kehittämisedotuksista, jossa myös arvioidaan ehdotusten hyödynnettävyyttä. Arviot perustuvat Valtiovarainministeriön raporttiin generatiivisen tekoälyn kokeiluista julkisessa hallinnossa. Raportilla julkaistu hyödynnettävyystaulukko on liitteessä 4. Kehittämisehdotus 1: Excelin tekoälylisenssi Ensimmäiseksi ja helpoimmin toteutettavaksi ehdotukseksi nousi Excelin tekoälylisenssien hankkiminen henkilöstöyksikön käyttöön. Copilotin avulla voi mm. tehdä Excel-taulukoista analyysejä ja ennusteita, saada kysymyksiä esittämällä vastauksia datan sisällöstä sekä automatisoida tietojen kopioimista tiedostojen välillä. Tekoälyn lisääminen Exceliin antaisi ratkaisuja kohderyhmältä nousseisiin ideoihin, jotka liittyivät Excelillä käsiteltäviin henkilöstösuunnitteluun ja budjetointiin liittyvään laskentaan, ennustamiseen ja tarkistamiseen. Kehittämisehdotus 2: Chat-avustaja matkustusohjeiden tulkintaan Matkustusprosessiin kaivattiin apua matkan suunnitteluun ja varaamiseen. Toimeksiantajan omien matkustusohjeiden löydettävyyteen ja tulkintaan ehdotamme chat-avustajaa (chatbot). Julkishallinnon generativiisen tekoälyn kokeiluissa chatbotit on luokiteltu hyödynnettävyydeltään hyviksi ratkaisuiksi tehostamaan tiedonhakua (Penttilä ym. 2024, 9, 17, 28). Ehdotus sisältää chat-avustajan lähdeaineistoksi toimeksiantajan kaikki HR-ohjeet rikastettuna Valtion matkustussäännöillä sekä virka- ja työehdoilla. ”HR-botti” toimisi toimeksiantajan intranetissä. Opinnäytetyön aikana toimeksiantajan sopimusmatkatoimisto vaihtui. Uuden matkatoimiston varausjärjestelmä kattaa jo ideat tekoälyavusteisesta matkan suunnittelusta. Kehittämisehdotus 3: M2 chat-avustaja Toinen matkustukseen liittyvä idea koski matka- ja kululaskuohjelmaa, M2, jonka toivottiin olevan käyttäjäystävällisempi ja ohjaavan käyttäjää enemmän. Ohjelma on Palkeiden ja siihen saa myös neuvontaa. Ohjelman sisäänrakennettu chat-avustaja voisi nopeuttaa vastausten saamista tilanteissa, kun Palkeiden neuvontapalvelu ei ole tavoitettavissa. Ohjelma voisi sisältää myös enemmän automaattisia ehdotuksia perustuen käyttäjän aiempaan toimintaan, sekä varmistustoimintoja, jotka estävät matka- tai kululaskun lähtevän eteenpäin puutteellisin tiedoin. Kehittämisehdotus 4: Personoitu osaamisen kehittäminen Osaamisen kehittämiseen tuli ehdotus osaamisen kehittämisestä kohdennetummin. Vastaava tulee esille monissa tutkimuksissa ja katsauksissa liittyen tekoälyn paljon käytettyihin sovelluksiin HR-toiminnoissa. Kyse on HR-toimintojen personoinnista tekoälyn avulla. Tietopohjassa esitetyistä tällaisista palveluista tähän voidaan rinnastaa personoituihin HR-suosituksiin kuuluva personoitu perehdyttäminen. Faheem, Ghedabna, Ghedabna, Imtiaz, Alkhayyat ja Hosen (2024) mainitsevat personoitujen HR-palvelujen voivan hyödyttää organisaatiota pitkällä tähtäimellä. Personoinnin kautta saatavia hyötyjä voivat olla esimerkiksi työtyytyväisyyden parantuminen, työhön sitoutumisen vahvistuminen ja tuottavuuden lisääntyminen (Kiran Parasa 2024). Huang ja kumppanit (2023) näkevät monia hyötyjä personoiduilla henkilöstöhallintopalveluilla. Haittapuolena voivat olla suuret kustannukset, ainakin alkuinvestoinnissa. Lisäksi se voi aiheuttaa haasteita muun muassa tietosuojassa ja eettisissä kysymyksissä (Kiran Parasa 2024). Näitä palveluita käytettäessä on huomioitava esimerkiksi tietopohjassa esitetyn EU:n tekoälyasetuksen vaatimukset ja rajoitukset. Kehittämisehdotus 5: Ohjelmistorobotiikkaa lomakkeisiin Palvelussuhteen hallinnassa sekä palkitsemisessa on käytössä paljon lomakkeita, joita ohjataan eri järjestelmien välillä manuaalisesti. Ohjelmistorobotiikkaa lisäämällä lomakkeiden kulkua voisi automatisoida ja välttää siten inhimilliset virheet. Esimerkiksi pikatulospalkkiolomake siirtyisi automaattisesti hyväksynnän jälkeen Asianhallinnasta palvelussuhdetiimin sähköpostiin. Kehittämisehdotus 6: Ohjelmistorobotiikkaa muutostietoihin Toisessa palvelussuhteiden hallintaan liittyvässä ehdotuksessa ideoitiin organisaatiomuutostietojen teknistä toteutusta ja ajastamista. Ehdotus nähtiin kuitenkin vaikuttavuudeltaan vähäiseksi juuri kyseiseen käyttökohteeseen, joka tapahtuu harvoin eikä ole vakiomuotoinen. Suosittelemme pohtimaan ehdotuksen soveltamista johonkin useammin toistuvaan prosessiin. Excelin Copilot lisäominaisuus auttaisi kuitenkin osittain organisaatiomuutostilanteissa, jossa joudutaan kopioimaan tietoja tiedostoista toisiin. Kehittämisehdotus 7: Sparraus rekrytoinnissa Rekrytointiin saatiin muokattua kaksi ehdotusta, joista toinen oli tekoälyn hyödyntäminen avoimen työpaikan hakuilmoituksen laatimisessa ja mahdollisesti markkinointisuunnitelman laatimisessa. Tekoälyn käyttäminen rekrytoinnin apuvälineenä on todettu hyödylliseksi monissa aiemmissa tutkimuksissa. Faheem ym. (2024) näkevät tekoälyn käyttämisen muuttaneen henkilöstöhallinnon toimintatapoja rekrytoinnissa, suorituskyvyn arvioinnissa, koulutuksessa ja kehittymisen seurannassa. Kehittämisehdotus 8: Hakijoiden luokittelu Toinen ehdotus tässä rekrytointiteemassa oli hakijoiden luokittelu tekoälyn avulla. Rekrytoinnissa tekoälyn käyttäminen lisää vaikuttavuutta ja tuottavuutta monilla tasoilla, kuten kandidaattien hankinnassa, seulonnassa, arvioinneissa, haastatteluissa ja perehdyttämisessä (Ahmadi, Ayuningtyas Fachrunisa, Baihaqi, Kurniawan, Ilham, & Abdillah 2024). Tekoälyn käytöllä voi nähdä olevan hyötyä rekrytoinnissa tehokkuuden lisäksi myös puolueettomuudessa (Zhang 2024). Kehittämisehdotus 9: Raporttien tulkinta Työhyvinvointiteeman alle syntyi ehdotus eri raporttien yhdistämisestä ja tulkinnasta. Esimerkkinä mainittiin työtyytyväisyyskyselyn tulosten yhdistämistä muihin henkilöstöraportteihin. Henkilötietojen käsittely tekoälyavusteisesti vaatii aina huolellista arviointia. Paljon eri muotoista henkilötietoa sisältävien raporttien anonymisointi vaatii manuaalista käsittelyä, jolloin on syytä arvioida, onko tulkintojen teko riskittömämpää jollain muulla kuin tekoälyavusteisella järjestelmällä. Mikäli voidaan varmistua käytettävän järjestelmän tietoturvallisuudesta ja ettei rikota tekoälyasetusta henkilötietojen käsittelyssä, niin ehdotus on kannatettava sen tuoman tehokkuuden ja tulkinnan objektiivisuuden ansiosta. AIROssa on jo kehitteillä yleisluokittelutyökalu, jota kannattaa testailla ensin vähemmän henkilötietoja sisältävien raporttien tulkitaan. Kehittämisehdotus 10: Vaikuttavuuden arviointikehikko Tuottavuuden ja vaikuttavuuden arviointia koskevan ehdotuksen nähtiin koskevan kaikkia prosesseja, joten sitä ei kohdistettu mihinkään yksittäiseen teemaan. Keskeisenä keinona tähän nähtiin vaikuttavuuden arviointikehikon laatiminen koko viraston käyttöön. Yksi keskeinen asia, mihin tekoälyn hyödyntämisellä jossakin tehtävässä pyritään, on sen vaikuttavuus kyseisessä kohteessa. On tärkeää pohtia vaikuttavuutta jo etukäteen, mutta erityisen tärkeää on se, että käytettävissä on mittarit, joilla vaikuttavuutta voidaan seurata ja arvioida. Tätä varten olisi hyödyllistä rakentaa arviointikehikko, jonka avulla saataisiin kokonaiskuva tekoälyn käytöstä jossakin kohteessa ja voitaisiin rakentaa mittaristo, jonka avulla tuota arviointia voidaan tehdä. Esimerkiksi Virtanen, Kortelainen ja Heponiemi (2024) ovat laatineet sosiaali- ja terveysalan tekoälykokeiluille yksinkertaisen tekoälykokeilujen vaikuttavuuden arviointiin ohjeistuksen. Tässä arviointiohjeistuksessa keskeiset kohdat ovat arvioitavat indikaattorit, arviointimenetelmät ja arviointiajankohta. Tällainen yksinkertainen ohjeistus on sovellettavissa myös tässä tapauksessa ja sitä hyödynnettiin liitteessä 5 esitetyssä vaikuttavuuden arviointikehikossa. Virtasen ym. (2024) laatimassa ohjeistuksessa mainituista vaikuttavuusindikaattoreista toiminnan tehokkuus ja sujuvuus sekä palveluiden laatu voisivat toimia indikaattoreina myös tässä. Vaikutuksia arvioidessa julkishallinnossa tunnistetuimpia haasteita ovat olleet tekoälykokeiluiden resurssitarpeet. Uusien teknisten ratkaisujen käyttöönotto sitoo rahallisten resurssien lisäksi henkilöiden aikaa uuden opetteluun, testaukseen ja toimintatapojen muutosten läpivientiin. Kustannukset eivät jää pelkkään kehitysvaiheeseen, vaan jatkossa on huomioitava myös datasiirron ja järjestelmien ylläpitokustannukset. Henkilöresursseja voi sitoa jatkossakin mm. henkilötietoja sisältävän datan manuaalinen pseudonymisointi tai anonymisointi, mikäli käytettävät järjestelmät eivät tarjoa riittävää tietosuojaa eikä siirrettävä data ole tarpeeksi vakiomuotoista henkilötietojen häivyttämiseen. (Penttilä ym. 2024, 24–25, 30–31, 33–34.) Kehittämisehdotus 11: Henkilötietojen automatisointi Viimeisenä ohjelmistorobotiikan hyödyntämiseen liittyvä bonusehdotus, joka ei noussut tulevaisuusverstaan äänestyksessä jatkoon, mutta tutkijoina nähdään hyödylliseksi. Rekrytointiprosessissa ja palvelussuhteen aloituksessa täytetään uuden työntekijän (myöhemmin tulokas) henkilötietoja monelle eri lomakkeelle manuaalisesti, jolloin virheiden mahdollisuus kasvaa. Nykykäytännössä tulokas täyttää henkilötietonsa hänelle sähköpostitse lähetettävään lomakkeeseen. Henkilötietojen kerääminen voisi tapahtua samassa Valtiolle.fi -järjestelmässä, jossa tulokas tekee työhakemuksensa. Ilmoittamisessa voisi hyödyntää vahvaa tunnistautumista ja Väestötietojärjestelmässä olevia henkilötietoja. Tulokkaan luovuttamat henkilötiedot ohjautuisivat automaattisesti rekrytointidokumenteille sekä HR-järjestelmään. Toimeksiantajan prosesseissa henkilön valintaan liittyvät rekrytointidokumentit valmistellaan Palkeissa, jossa myös tallennetaan sopimustiedot Kieku HR-järjestelmään. Automaatiolla varmistettaisiin henkilötietojen oikeellisuus eri paikoissa ja vältettäisiin manuaaliseen käsittelyyn liittyvät tietosuoja- ja turva riskit. Tulosten hyödynnettävyys, luotettavuus ja eettisyys Tutkimus toteutettiin tapaustutkimuksena ja lähestymistapa oli kvalitatiivinen. Tutkimukseen kuului empiirinen osa, jossa keskityttiin kohdeorganisaatioon ja aineistonkeruumenetelminä käytettiin kyselyä ja tulevaisuusverstasta. Saatuja tuloksia verrattiin mahdollisuuksien mukaan kirjallisuudesta löytyneisiin aiempiin tutkimuksiin. Tuloksia arvioitiin niiden hyödynnettävyyden, luotettavuuden ja eettisyyden näkökulmista. Hyödynnettävyys koskee erityisesti toimeksiantajan organisaatiota, mutta mahdollisesti ovat joiltakin osin hyödynnettävissä myös muissa valtionhallinnon organisaatioissa. Palkeille esitettävät ehdotukset hyödyttäisivät toteutuessaan kaikkia muitakin Palkeiden henkilöstöhallintopalveluja käyttäviä asiakasvirastoja. Kerätyt tulokset antavat toimeksiantajalle muutamia selkeitä kehittämisehdotuksia ja -toimenpiteitä, joita se voi viedä eteenpäin itsenäisesti henkilöstöyksikön toimintaan tai vaihtoehtoisesti esittää AIROlle tai Palkeille jatkokehittämistä varten. Tämän tutkimuksen avulla on valikoitu potentiaalisia kehittämisehdotuksia ja -kohteita, joita toimeksiantaja voi hyödyntää oman arviointinsa perusteella haluamallaan tavalla. Tutkimus toteutettiin eettisiä tutkimusperiaatteita noudattaen ja hyvän tieteellisen käytännön ohjeistus huomioiden. Eettisten tutkimusperiaatteiden keskeisiä asioita ovat luotettavuus ja rehellisyys sekä vastuunkantaminen ja arvostus (Tutkimuseettinen neuvottelukunta 2023, 11–14). Yksi eettisyyden kannalta merkittävä asia on, että tutkimuksessa ei kerätty henkilötietoja missään vaiheessa. Huomioitavan asian tutkimukselle toi se, että toinen tutkijoista työskentelee kohdeorganisaatiossa. Hän myös vastasi anonyymisti toteutettuun kyselyyn työntekijän ominaisuudessa. Kyselyn tuloksia käytettiin kuitenkin vain tulevaisuusverstaiden keskustelujen pohjana ja niiden tulosten tueksi. Tästä ei siis muodostunut tutkimukselle merkittävää luotettavuuden tai eettisyyden estettä. Tulevaisuusverstaissa molemmat tutkijat toimivat selkeästi vain fasilitaattoreina. Tutkimustulokset analysoitiin huolellisesti ja puolueettomasti eettiset näkökohdat huomioiden. Valitut tutkimusmenetelmät sopivat hyvin tutkimukseen aiheesta ja niiden avulla saatiin vastaukset tutkimuskysymyksiin. Tutkimusprosessin arviointi Ennakkokysely tuki tulevaisuusverstaiden toteutusta antamalla valmiita keskustelunavauksia sanallisten vastausten perusteella. Jälkikäteen arvioiden kyselyn tulokset olisi ollut hyvä jakaa etukäteen tutustuttavaksi, jotta tulevaisuusverstaisiin osallistujilla olisi ollut mahdollisuus tutustua toistensa ideoihin etukäteen, jolloin tulevaisuusverstastyöskentely olisi päässyt nopeammin käyntiin. Tulevaisuusverstaiden järjestäminen kahdessa osassa antoi mahdollisuuden tehdä rauhassa välianalyysiä ensimmäisen verstaan tuotoksista ennen viimeisiin kysymyksiin siirtymistä. Armanto, Lauttamäki ja Siivonen (2022, 233) ovat todenneet Helanderiin ym. (2005) ja Harioon ym. (2017) viitaten myös osallistujien voivan hauduttaa asiaa ja tehdä taustatyötä verstaiden välillä fasilitoijien lisäksi. Tulevaisuusverstaisiin oli alun perin suunniteltu kutsuttavan myös henkilöstöyksikön ulkopuolisia osallistujia viraston AIRO-projektiryhmästä ja esihenkilökunnasta, koska taustoiltaan moninaisempi osallistujajoukko voi tuottaa laadukkaampaa ja innovatiivisempaa lopputulosta tulevaisuusnäkymistä (Ernest ym. 2018; Boulding 1988, Armannon ym. 2022, 232 mukaan). Aikatauluhaasteiden vuoksi osallistujajoukko päätettiin kuitenkin rajata pelkkään henkilöstöyksikköön. Tulevaisuusverstaat eivät toimineet pelkästään aineistonkeruutilaisuuksina, vaan niiden aikana tapahtui samalla kohderyhmän tulevaisuusajattelun laajentamista valmiiden esimerkkien ja ryhmissä tehtyjen mielikuvaharjoitusten avulla. Ryhmätyöskentely myös kasvatti osallistujien yhteistä ymmärrystä tekoälyn hyödyntämisen mahdollisuuksista. Sulkko ja Gynther (2024) ovat esittäneet yhteisen ymmärryksen puutteen vaikeuttavan tekoälyn hyödyntämispotentiaalin hahmottamista valtionhallinnossa. Jatkotutkimusehdotukset Tämän kehittämistyön aloittamisen jälkeen Valtionvarainministeriö (2025) on käynnistänyt generatiivisen tekoälyn hyödyntämisen yhteistyöryhmän, jonka tavoitteena on edistää tekoälyn hyödyntämisen käytäntöjä julkisella sektorilla. Koska suurin osa henkilöstöhallinnon prosesseista on yhtenäisiä valtionhallinnon eri organisaatioissa, ja niihin liittyvät järjestelmät eivät ole virastojen itsensä valittavissa, on suositeltavaa seurata aktiivisesti HR-prosesseihin liittyvien kehittämiskokeilujen tilannetta ja mahdollisuuksien mukaan osallistua kehittämistyöhön. Odotellessa yhteisiä ratkaisuja kannattaa keskittyä kehittämään viraston omassa hallinnassa olevia prosesseja. Lähteet Ahmadi, M. A., Ayuningtyas Fachrunisa, R., Baihaqi, A., Kurniawan, F., Ilham, M., & Abdillah, T. 2024. Transforming human resources recruitment: The impact of artificial intelligence (AI) on organizational attractiveness and applicant intent. Journals2.Ums.Ac.Id, 9(1), 102–117. Viitattu 15.2.2025 https://journals2.ums.ac.id/benefit/article/view/6298 Armanto, R., Lauttamäki, L. & Siivonen, K. 2022. Monimuotoinen tulevaisuusverstas. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi. Perusteita ja menetelmiä. Turku: Tulevaisuuden tutkimuskeskus, Turun yliopisto, 222–236. Cho, W., Choi, S., & Choi, H. 2023. Human resources analytics for public personnel management: Concepts, cases, and caveats. Administrative Sciences, 13(2), 41. Viitattu 18.4.2024 https://doi.org/10.3390/admsci13020041. Euroopan parlamentin ja neuvoston asetus (EU) 2024/1689. Viitattu 7.3.2025 https://eur-lex.europa.eu/eli/reg/2024/1689/oj. Faheem, M. A., Ghedabna, L., Ghedabna, R., Imtiaz, Q., Alkhayyat, A., & Hosen, M. S. 2024. Artificial Intelligence in Human Resource Management: Revolutionizing Recruitment, Performance, and Employee Development. Nanotechnology Perceptions, 20(S10). Viitattu 15.2.2025 https://doi.org/10.62441/nano-ntp.v20iS10.1785. Huang, X., Yang, F., Zheng, J., Feng, C., & Zhang, L. 2023. Personalized human resource management via HR analytics and artificial intelligence: Theory and implications. Asia Pacific Management Review, 28(4), 598–610. Viitattu 18.4.2024 https://doi.org/10.1016/j.apmrv.2023.04.004. Kangasaho, T., Kaarlonen, E., Viiman, S., Vuorikallio, J. & Vuojärvi, J. 2024. Valtionhallinnon pilvipalvelulinjaukset. Valtiovarainministeriön julkaisuja 2024:49. Viitattu 27.3. http://urn.fi/URN:ISBN:978-952-367-844-6. Kiran Parasa, S. 2024. Impact of AI on Employee Experience and Engagement. European Journal of Advances in Engineering and Technology, (7), 12–14. Viitattu 15.2.2025 https://doi.org/10.5281/zenodo.14191048. Kumar Tyagi, P., Jit Singh, V., Kumar Singh, A., Saxena, A., Tyagi, P., & Mehta, P. 2023. The Impact of Artificial Intelligence-Based Human Resource Management Systems on Organizational Efficiency. 2023 10th IEEE Uttar Pradesh Section International Conference on Electrical, Electronics and Computer Engineering, UPCON 2023, 1727–1731. Viitattu15.9.2024 https://doi.org/10.1109/UPCON59197.2023.10434792. Laava, T., Markkio, H-R & Kaartinen, V. 2022. Mitä ohjelmistorobotiikka on?. Teoksessa H.-R. Markkio, & V. Kaartinen (toim.) Ohjelmistorobotiikka: Kohti rutiinitehtävien automatisointia. Jyväskylän ammattikorkeakoulu. Viitattu 24.6.2024 https://urn.fi/URN:ISBN:978-951-830-651-4. Laki Väylävirastosta 13.11.2009/862. Viitattu 17.9.2024 https://www.finlex.fi/fi/laki/ajantasa/2009/20090862. Nawaz, N., Arunachalam, H., Pathi, B. K. & Gajenderan, V. 2024. The adoption of artificial intelligence in human resources management practices. International Journal of Information Management Data Insights, 4(1), 1–11. Viitattu 15.2.2025 https://doi.org/10.1016/j.jjimei.2023.100208 Nurmela, J. 2013. Tulevaisuusverstas ja uusia “verstashenkisiä” tulevaisuuden muovaamisen menetelmiä. Teoksessa O. Kuusi, T. Bergman & H. Salminen (toim.) Miten tutkimme tulevaisuuksia? 3., uudistettu painos 2013. Helsinki: Tulevaisuuden tutkimuksen seura ry. Mamasoula, M. 2018. Future workshop method. Viitattu 6.1.2025 http://wiki.doing-projects.org/index.php/Future_workshop_method. Mattila, O. 2023. Ennakoisinko tulevaisuusverstas-menetelmällä? Lumen – Lapin ammattikorkeakoulun verkkolehti (2/2023). Viitattu 21.3.2025 https://urn.fi/URN:NBN:fi-fe2023050340553. Ojasalo, K., Moilanen, T. & Ritalahti, J. 2015. Kehittämistyön menetelmät: Uudenlaista osaamista liiketoimintaan. 3.-4. painos. Helsinki: Sanoma Pro Oy. Paasikivi, O., Tuohino, J., Mansnérus, J. & Lång, J. 2022. Tekoälyn käyttömahdollisuudet julkisella sektorilla – Oikeudelliset reunaehdot ja kansainvälinen vertailu. Viitattu 24.6.2024 https://www.sitra.fi/julkaisut/tekoalyn-kayttomahdollisuudet-julkisella-sektorilla/. Palkeet 2024a. Palvelumme. Viitattu 10.11.2024 https://palkeet.fi/palvelut/. Palkeet 2024b. Uutiskirje 2/2024 | 7.11.2024. Penttilä, A., Holkko, P., Mäkilä, N. & Tammes-Peters, H. 2024. Generatiivisen tekoälyn kokeilut julkisessa hallinnossa: Raportti. Valtiovarainministeriön julkaisuja 2024:48. Viitattu 9.2.2025 http://urn.fi/URN:ISBN:978-952-367-840-8. Radonjić, A., Duarte, H., & Pereira, N. 2022. Artificial intelligence and HRM: HR managers’ perspective on decisiveness and challenges. European Management Journal. Viitattu 16.11.2024 https://doi.org/10.1016/J.EMJ.2022.07.001 Sulkko, S. & Gynther, T. 2022. Tekoälyn hyödyntäminen valtionhallinnossa – kolme kipukohtaa. Viitattu 5.1.2025 https://www.cgi.com/fi/fi/blogi/tekoalyn-hyodyntaminen-valtionhallinnossa-kolme-kipukohtaa. Tutkimuseettinen neuvottelukunta. 2023. Hyvä tieteellinen käytäntö ja sen loukkausepäilyjen käsitteleminen Suomessa. Viitattu 16.2.2025 https://tenk.fi/sites/default/files/2023-03/HTK-ohje_2023.pdf Työ- ja elinkeinoministeriö 2017. Suomen tekoälyaika: Suomi tekoälyn soveltamisen kärkimaaksi: Tavoite ja toimenpidesuositukset. Työ- ja elinkeinoministeriön julkaisuja 41/ 2017. Viitattu 8.12.2024 http://urn.fi/URN:ISBN:978-952-327-248-4. Työ- ja elinkeinoministeriö 2025. Tekoälyasetus. Viitattu 16.2.2025 https://tem.fi/tekoalyasetus. Työterveyslaitos 2010. Työn sankareita ja selviytyjiä. Työ ja hyvinvointi vuoden 2025 Suomessa. Helsinki: Työterveyslaitos, TTL-kirjakauppa. Valtiovarainministeriö 2023. ICT-uutiskirje 21.6.2023. Julkishallinnon digitalisaatio jatkuu myös alkavalla hallituskaudella. Viitattu 31.5.2024 https://uutiskirje.vm.fi/archive/show/1564684. Valtiovarainministeriö 2024a. Valtionhallinnon tuottavuusohjelman valmistelu etenee. Viitattu 28.3.2024 https://vm.fi/-/10616/valtionhallinnon-tuottavuusohjelman-valmistelu-etenee. Valtiovarainministeriö 2024b. Valtion henkilöstöstrategia. Viitattu 10.11.2024 https://vm.fi/valtio-tyonantajana/henkilostojohtamisen-tuki/valtion-henkilostostrategia. Valtiovarainministeriö 2025. Tekoäly ja kehittyvät teknologiat. Viitattu 9.1.2025 https://vm.fi/tekoaly-ja-kehittyvat-teknologiat. Virtanen, L., Kortelainen, M. & Heponiemi, T. 2024. Arviointiohjeet SOTE-tekoälykokeilujen vaikutusten ja vaikuttavuuden arviointiin. Viitattu 12.2.2025 https://digifinland.fi/wp-content/uploads/2024/09/SOTE-tekoalykokeilujen-arviointiohjeet.pdf Väylävirasto 2023. Johtoryhmän kokouspöytäkirja 24/2023 VÄYLÄ/1/00.01.00/2023. Väyläviraston sisäinen julkaisu. Väylävirasto 2024a. Henkilöstö. Viitattu 12.6.2024 Väyläviraston sisäinen intranetsivu. Väylävirasto 2024b. Tekoäly. Viitattu 11.11.2024 Väyläviraston sisäinen intranetsivu. Väylävirasto 2024c. Tietoa meistä – Tapamme toimia. Viitattu 17.9.2024 https://vayla.fi/tietoa-meista/tapamme-toimia. Zhang, P. 2024. Application of Artificial Intelligence (AI) in Recruitment and Selection: The Case of Company A and Company B. Al-Kindipublisher.com, 224–255. Viitattu 15.2.2025 https://doi.org/10.32996/jbms. Liitteet Liite 1. Ennakkokyselyn kysymykset Liite 2. Tulevaisuusverstaan Padlet-työtila Liite 3. Taulukko kehitysideoista Liite 4. Generatiivisen tekoälyn hyödynnettävyystaulukko Liite 5. Vaikuttavuusarviointikehikko Kaakkois-Suomen ammattikorkeakoulun ennakointikyvykkyys Ringa Aarimo, Katja Komonen, Teemu Saahkari, Jarkko Vuorela Foresight capability of South-Eastern Finland University of Applied Sciences This thesis focuses on the foresight capability of South-Eastern Finland University of Applied Sciences (Xamk). The main research question is: what is the foresight capability of South-Eastern Finland University of Applied Sciences? The theoretical foundation of the study is built on concepts and literature related to foresight, foresight capability, and foresight competence. Foresight refers to the organization’s ability to anticipate and utilize information in strategic decision-making. The study’s target group consisted of individuals involved in development work within degree programs, RDI activities, and service functions at South-Eastern Finland University of Applied Sciences. The research was conducted as a qualitative study, with data collected through 13 thematic interviews. The analysis was carried out as a theory-driven and AI-assisted process. The research results indicate that Xamk has foresight-capable units in its education, RDI, and service operations. The strengths of foresight at Xamk include an open and participatory organizational culture, as well as a multidisciplinary staff that is positively inclined towards foresight, participates actively in regional development and is extensively networked. However, Xamk lacks a clear, organization-wide foresight process and structure. To enhance foresight capability, Xamk should develop foresight management, foresight systems and processes, the foresight ecosystem, and increase the participation of staff and students in foresight activities. The research findings are not limited to the higher education sector but can also be applied more broadly to other organizations for developing their foresight capabilities. Keywords: foresight, future research, universities of applied sciences Johdanto Korkeakoulujen toimintaympäristö on muiden organisaatioiden tapaan entistä kompleksisempi (Pernaa 2020), epävarmempi (Buehring & Bishop 2020), hauraampi ja epälineaarisempi (Mitzkus 2023) sekä keskinäisriippuvaisempi (Opetus- ja kulttuuriministeriö 2017, 5; Woodgate & Veigl 2020, 323–324). Ammattikorkeakoulujen kohdalla tämä näkyy aluekehitystoiminnassa, tutkimus-, kehitys- ja innovaatiotoiminnassa sekä koulutuksessa. Koulutuksen järjestämistavat, sisällöt ja korkeakoulupedagogiikka ovat muutoksessa (Pyykkö ym. 2020, 2; Frisk ym. 2022, 136). Koska ennakointiin liitetään luovuus, innovatiivisuus, muutoksen hallinta ja tulevaisuuteen suuntautuminen (esim. Hines 2002, 338), siitä on tullut kilpailuetu tietoyhteiskunnassa (Rohrbeck & Schwarz 2013; Leino-Haltia, Lindeman, Matikainen & Ruotsi 2021, 4; Ambrosat & Grünwald 2023, 172). Se on yhä keskeisempi osa myös korkeakoulujen toimintaa (Opetus- ja kulttuuriministeriö 2017, 4). Organisaatioiden kykyä hankkia ja soveltaa tulevaisuutta koskevaa tietoa on lähestytty tulevaisuuskestävyyden (Von der Gracht, Vennemann & Darkow 2010; Ketonen-Oksi 2021a, 89), ennakointikompetenssin (Hines, Gary, Daheim & van der Laan 2017), ennakointikyvykkyyden (Aalto 2022), ennakointikypsyyden (Rohrbeck 2011), ennakointimenestyksen (Calof & Smith 2010), resilienssin (Hamel & Välikangas 2003; Contz & Magnani 2020) ja tulevaisuusresilienssin (Ahvenainen, Janasik, Reinekoski & Lehikoinen 2021) käsitteiden avulla. Opinnäytetyömme kohdentuu ammattikorkeakoulun ennakointiin. Ammattikorkeakoulujen tehtävänä on järjestää työelämää ja aluekehitystä tukevaa opetusta ja toimintaa samoin kuin toteuttaa soveltavaa tutkimustoimintaa, kehittämis- ja innovaatiotoimintaa (TKI) sekä taiteellista toimintaa. (Ammattikorkeakoululaki 932/2014 § 1:4.) Ennakoinnin merkitys koulutusorganisaatioille on suuri, koska niiden tulisi olla oppimisen ja kehittämisen edelläkävijöitä. Ammattikorkeakoulut ovat viime vuosina nostaneet ennakoinnin yhdeksi keskeiseksi kehittämiskohteekseen ja lähteneet vahvistamaan ennakointikyvykkyyttään strategisuuden, vastuullisuuden ja innovatiivisuuden edistämiseksi (Saikkonen, Härkönen & Järvinen 2007, 29; Ojala, Kantola, Högblom, Frantti & Ollila 2022, 61; Huhtaniemi 2023, 12–16; Unkari-Virtanen & Huhtaniemi 2024). Kaakkois-Suomen ammattikorkeakoulussa (jatkossa Xamk) ennakointi liittyy strategiatyöhön ja sitä kautta strategiakauden suunnitteluun ja tulostavoitteiden asettamiseen samoin kuin TKI-toiminnan rahoitusinstrumenttien ohjelmakausien suunnitteluun. Sillä on merkitystä myös opetussuunnitelmatyössä ja uusien koulutustuotteiden suunnittelussa. Muuttuva toimintaympäristö edellyttää Xamkilta uudenlaisia ennakoinnin tapoja. Ennakointikyvykkyyden ja henkilöstön ennakointiosaamisen vahvistamiseksi tarvitaan kuitenkin tietoa ennakoinnin nykytilasta ja kehittämistarpeista. Opinnäytetyömme tarkoituksena on tutkia Xamkin ennakointikyvykkyyttä. Opinnäytetyö tuottaa tietoa organisaation ennakointitoiminnan kehittämiseksi ja siten lisää organisaation ennakointikyvykkyyttä. Päätutkimuskysymys kiteytyy seuraavasti: millainen on Kaakkois-Suomen ammattikorkeakoulun ennakointikyvykkyys? Opinnäytetyön tuloksia hyödynnetään organisaation ennakointitoiminnan kehittämisessä osana organisaatiossa käynnissä olevaa pedagogista uudistusta. Lisäksi tulokset tarjoavat pohjan henkilöstön ennakointiosaamisen kehittämistoimille. Tuloksilla osallistutaan myös laajemmin kansalliseen organisaatioiden ennakointikyvykkyyttä koskevaan keskusteluun. Tutkimusympäristön ja -tarpeen kuvaus Kaakkois-Suomen ammattikorkeakoulu toimii Kotkan, Kouvolan, Mikkelin ja Savonlinnan kampuksilla. Xamk toteuttaa 40:tä amk-koulutusta ja yli 30:tä yamk-koulutusta. Opiskelijoita korkeakoulussa on noin 11 500, ja henkilökuntaa noin 1000. Xamkin toiminnan ytimessä ovat ammattikorkeakouluille asetetun tehtävän mukaisesti koulutus, aluekehitys ja tutkimus-, kehittämis- ja innovaatiotoiminta (TKI). Niiden tarkoituksena on erityisesti Etelä-Savon ja Kymenlaakson elinvoiman vahvistaminen. Xamkin strategisina kärkinä ovat tulevaisuuslähtöinen oppiminen, kansainvälisyys ja TKI-toiminta. Muuttuva toimintaympäristö haastaa Xamkin muiden korkeakoulujen tavoin sopeuttamaan toimintaansa. Tämä edellyttää uusien toimintamallien ja ansaintamahdollisuuksien etsimistä sekä erottautumista muista korkeakoulutoimijoista. Aluekehitystoimijoina ammattikorkeakoulut paikantuvat osaksi kansallista ja kansainvälistä korkeakouluverkostoa sekä alueellista ekosysteemiä. Globaalien muutosten ohella ne kohtaavat alueiden erilaistumisesta ja eriytymisestä nousevia haasteita kaupungistumisen, elinkeinojen rakennemuutosten ja työmarkkinoiden turbulenssin vaikuttaessa väestön ohjautumiseen alueille, joilta löytyy opiskelu- ja työpaikkoja. (ks. Kuntaliitto 2019, 12; Tihinen & Komonen 2024.) Aluekehitystehtävän näkökulmasta elinvoimahaasteet liittyvät erityisesti osaavan työvoiman varmistamiseen vähenevän ja vanhenevan väestön ja alhaisen koulutustason maakunnissa Etelä-Savossa ja Kymenlaaksossa (Viljakainen & Kujanpää 2024, 419). Konkreettisena sykäyksenä ennakoinnin kehittämiselle on toiminut vuonna 2022 käynnistynyt UusiX2030-uudistus, jossa uudistetaan koulutuksen rakenteita, järjestämistapoja sekä opetussuunnitelmat. Ennakointi on toiminut uudistuksen perustana uudistuksen tavoitteiden kummutessa koko henkilöstön yhteisestä tulevaisuustyöskentelystä. Aiemmat raportit ovat korostaneet ennakoinnin merkitystä Xamkille aluekehityksessä (Viljakainen ja Kujanpää 2024), TKI-toiminnassa (Utriainen 2024), koulutus- ja osaamistarpeiden tunnistamisessa (Myllylä 2020) sekä pedagogisessa kehittämisessä (Taimela 2019). Koska tutkimustietoa Xamkin ennakointitoiminnan nykytilasta ja kehittämistarpeista ei ole, ennakointitoiminnan kehittäminen on hankalaa. Myllylä ja Vänttinen (2020, 207–208) ovat todenneet, että Kaakkois-Suomen ammattikorkeakoulun toiminta-alueella eri koulutusorganisaatiot ovat onnistuneet varsin hyvin kuvaamaan tapoja, joilla ne hyödyntävät ennakointitietoa koulutuksen kehittämisessä. Haasteita on kuitenkin tiedon saatavuudessa ja sen käytössä samoin kuin ennakointiprosessien läpinäkyvyydessä. Ennakoinnin johtamisessa on olennaista kiinnittää huomiota ennakointitiedon lähteiden priorisointiin, tiedon tulkintafoorumeihin ja kokonaisuuden koordinointiin. Myös Xamkin henkilöstön ja heidän verkostojensa roolia ennakoinnissa ja ennakointitiedon merkityksen tulkinnassa tulisi parantaa. Tutkimusympäristöstä kumpuavan tarpeen ohella opinnäytetyömme kiinnittyy myös organisaatioiden ennakointikyvykkyyttä koskevaan tutkimustraditioon. Vaikka ennakoinnin merkitys on korostunut, korkeakouluja koskevaa tutkimustietoa on niukasti. Suomessa organisaatioiden ennakointikyvykkyyttä on tarkasteltu pääosin ammattikorkeakoulujen omissa selvityksissä ja opiskelijoiden opinnäytetöissä. Ennakointia on toistaiseksi tutkittu pääosin TKI-toiminnan ja sen vaikuttavuuden edistämisen tulokulmasta (esim. Mustonen 2023; Hirvonen & Pellikka 2024). Ennakointikyvykkyys organisaation kilpailukykytekijänä Ennakointi käsitteenä Ennakoinnissa (foresight) on kysymys kyvystä kohdata tulevaisuus. Ennakointi voidaan siten ymmärtää lähestymistapana, metodina, kompetenssina tai laajemmin arjen toiminnassa näkyvänä sosiaalisena ja refleksiivisenä käytäntönä (Jalonen ym. 2017, 16, 21; Kurki 2020; Aalto 2022, 349). Ennakoinnilla pyritään aina tuottamaan tulevaisuutta koskevaa tietoa, joka on dataan, informaatioon tai tietämykseen perustuvaa näkemyksellistä tietoa vaihtoehtoisista tulevaisuuksista (Dufva 2015; Inayatullah 2013). Ennakointi ei kuitenkaan ole ainoastaan tiedontuotantoa, vaan siihen liittyy aktiivinen tiedon jäsentäminen ja sen pohjalta toiminta. Tarkoituksena on pyrkiä tuottamaan tietoa päätöksentekoon ja edelleen toimintaan. (Hiltunen 2012, 24–26.) Tällaisena ennakointi on sekä tulevaisuuteen varautumista että siihen vaikuttamista (Bell 1997, 73–73), jolloin ennakoinnilla pyritään luomaan perusteltuja tulevaisuusnäkemyksiä päätöksentekoa varten (Aalto 2022, 348–349). Ennakoinnissa pelkkä lopputulos ei ole ainoa päämäärä, vaan olennainen merkitys on ennakoinnin prosessilla (Dufva 2015; Dufva & Ahlqvist 2015, 101; Pouru ym. 2020, 19). Keskeisiä prosessia kuvaavia teoreettisia jäsennyksiä ovat Hinesin ja Bishopin (2007) strategisen ennakoinnin viitekehykset sekä Hortonin (1999), Vorosin (2003) ja Zahran ja Georgen (2002) mallit. Niissä kaikissa ennakointi jäsentyy kolmivaiheisena prosessina, jossa kerätty raakadata jäsentyy tulkinnan myötä näkemykseksi ja siitä edelleen toiminnaksi. Zahra ja George (2002) kytkevät tiedon hyödyntämistä organisaatiossa koskevassa mallissaan ennakoinnin tieto- ja strategiajohtamista koskevaan keskusteluun. Strategisesta ennakoinnista (corporate foresight) voidaan puhua silloin, kun kyse on prosesseista, joilla pyritään varautumaan ja vaikuttamaan mahdollisiin ja todennäköisiin tulevaisuuksiin ja siten mahdollistamaan organisaation pärjääminen ja kilpailukyky pitkällä aikavälillä (Kamensky 2010, 18–19; van Duijne & Bishop 2018, 14; Gordon, Ramic, Rohrbeck & Spaniol 2020). Ennakoinnin prosessi ei ole sarja yksittäisiä ennakointiponnisteluja, vaan ympäristöönsä sidoksissa olevaa toimintaa (Dufva 2015). Ennakointi voidaan siten ymmärtää systeemitason käyttäytymisenä (Dufva & Ahlqvist 2015; Pouru, Mikkola, Minkkinen, Malho & Neuvonen 2023, 3), joka korostaa osaltaan sen vuorovaikutuksellista, osallistavaa, yhteistoiminnallista ja yhteistyötä edistävää luonnetta (Dufva 2015; Jokinen 2022, 260). Rohrbeck (2011) jäsentää systeemit mikro-, makro- ja mesotasoille. Mikrotasolla viitataan organisaatioiden väliseen ennakointiin, kun taas makrotasolla tarkoitetaan usein kansallista, esimerkiksi tiede- ja innovaatiopolitiikkaan liittyvää ennakointia. Useimmiten ennakoinnissa tulevaisuustietoa hyödynnetään yksittäisen organisaation strategisessa suunnittelussa. Von der Gracht ym. (2010, 382) toteavat tulevaisuuskestävimpien organisaatioiden kuitenkin rakentavan ja hyödyntävän avoimia yhteistyömuotoja ennakoinnissa esimerkiksi innovaatiotoiminnan rakentamiseen, jolloin Pourun ym. (2020 17–19) mukaan on kyse mesotason alueellisista verkostoista ja ennakoinnin ekosysteemistä. Ennakoinnin ekosysteemissä korostuu laajasti siinä mukana olevien organisaatioiden kyky hyödyntää ennakointitietoa strategisessa suunnittelussaan (Ahvenharju ym. 2020; Molarius ym. 2020; Pouru ym. 2020, 19). Ennakointi ja 1960-luvulla asemansa akateemisena alana vakiinnuttanut tulevaisuuksientutkimus (futures studies, futures research) ovat toisiaan lähellä olevia aloja (Schatzmann, Schäfer & Eichelbaum 2013, 1; Hines 2020, 8–9; Khadri 2022). Molemmissa esimerkiksi käytetään samoja teorioita ja menetelmiä (Aalto 2022, 34). Tulevaisuuksien tutkimus on määritelty systemaattiseksi koulukunnaksi, jossa ennustetaan todennäköisiä, mahdollisia ja toivottavia tulevaisuuksia (Inayatullah 2013). Ennakointi puolestaan nähdään strategista päätöksentekoa tukevaksi tulevaisuudentutkimukseksi (Voros 2003) tai tulevaisuudentutkimuksen suppeammaksi, soveltavaksi ja käytännönläheiseksi alaksi (Keenan & Popper 2008, 19; Heinonen, Ruotsalainen & Kurki 2012, 4). Koska ennakoinnissa korostetaan tiedon merkitystä organisaation kilpailukyvyn edistäjänä, samoin kuin tiedon jaettua käsittelyä ja hyödyntämistä organisaatiossa, sillä on yhteys myös tiedolla johtamisen (Heisig 2009; Huhtaniemi & Unkari-Virtanen 2022; Lambe 2023, 3–5), strategisen johtamisen (Slaughter 1999), innovaatiotoiminnan (Myllyoja, Rilla & Lima-Toivanen 2022) ja oppivan organisaation (esim. Argyris & Schön 1978; Senge 1990) koulukuntiin. Koska ennakoinnin koulukunnan sisällä on erilaisia käytäntöjä, yleisen ennakointimallin tai prosessin teoreettinen kuvaaminen ei kuitenkaan ole mahdollista (Iden ym. 2016, 87; Minkkinen, Auffermann & Ahokas 2019, 1). Koska ennakoinnin tehtävänä on aina kytkeä tulevaisuusajattelua tavoitteelliseen toimintaan (Aalto 2022), tulevaisuuden tutkimuksesta on siirrytty tulevaisuuden tekemisen tutkimukseen (study of future-making), jossa kiinnostuksen kohteena ovat ne reaaliaikaiset käytännöt, joiden avulla luodaan ja hyödynnetään tulevaisuutta koskevaa tietoa nykyisyydessä (esim. Thompson & Byrne 2022, 249). Tällainen antisipaatioajattelu ei pyri niinkään ennakoimaan tulevaisuutta, vaan arvioimaan sitä sen osiensa avulla (Pernaa & Neuvonen 2020). Tulevaisuuden tekeminen voidaan määritellä mahdollisten ja todennäköisten tulevaisuuksien ymmärtämiseksi sekä konkreettisiksi toimiksi ensisijaisiksi arvioitujen tulevaisuuksien tavoittelussa (Whyte, Comi & Mosca 2022, 2; Pettit, Balogun & Bennett 2023, 1793). Suomessa viime vuosina vakiintunut tulevaisuustyöskentely (Poussa, Lähdemäki-Pekkinen, Ikäheimo & Dufva 2021, 3) korostaa tulevaisuuteen suuntautumista aktiivisena tekemisenä, jossa haastetaan tulevaisuutta koskevia oletuksia, kuvitellaan toisenlaisia tulevaisuuksia ja toimitaan aktiivisesti niiden tavoittelemiseksi. Ennakointikyvykkyys ja ennakointiosaaminen Ennakointi kytkeytyy sekä yksilö- että organisaation prosesseihin ja kykyihin. Sydänmaanlakan (2016, 19) mukaan ennakointi on yksilön, tiimin ja koko organisaation kykyä tunnistaa nykyisyydestä ja menneisyydestä tulevaisuuden aihioita. Yksilötason ennakointiosaaminen ja organisaatiotason kyvykkyys kehittyvät paitsi vaiheittain myös limittäin ja samalla toisiaan tukien (Hines, Gary, Daheim & van der Laan 2017, 126; Ketonen-Oksi 2021b). Menestyksellinen ennakointi (foresight success) edellyttää organisaatiolta riittävää ennakointimenetelmien hallintaa ja halua kouluttaa työntekijöitään niiden käyttöön, teknologian hyödyntämistä ennakointiprosessissa, ennakoinnin rakenteita ja käytäntöjä, verkostoja sekä tulevaisuuteen suuntautumista tukevaa ennakointikulttuuria. Yksilön tulevaisuutta koskevasta osaamisesta tai tulevaisuuskyvykkyydestä (Ahvenharju & Pouru-Mikkola 2022, 390) käytetään useimmiten tulevaisuuslukutaidon (futures literacy) (Miller 2018), ennakointiosaamisen (foresight competence) (Rohrbeck 2011) tai antisipaatio-osaamisen (Khadri 2022) käsitteitä. Niillä viitataan yksilön kykyyn käyttää tulevaisuutta luovasti ja kriittisesti nykyhetkessä. Tulevaisuuslukutaidossa tai ennakointiosaamisessa on kyse kognitiivisesta kyvystä kuvitella luovasti mahdollisia tulevaisuuksia (Van der Laan & Erwee 2012, 376) ja analysoida ja luoda prosesseja, joissa tuotetaan ennakoivaa tietoa (Ahvenharju & Pouru-Mikkola 2022, 394). Se on taitoa tarkastella asioita kokonaisvaltaisesti ja kiinnittää huomiota systeemin eri toimintojen välisiin yhteyksiin, samoin kuin sellaisiin epäjatkuvuuskohtiin, joissa kehitys voi lähteä kulkemaan eri suuntiin (Rohrbeck & Kum 2018). Koskisen (2020) mukaan ennakointiosaaminen koostuu ymmärryksestä, tietämyksestä, innovoinnista ja kyvykkyydestä. Tällainen osaaminen edellyttää rationaalista, henkistä, emotionaalista ja kulttuurillista älykkyyttä, mutta myös intuitiota (Sydänmaanlakka 2016, 19). Koska tulevaisuuslukutaidon määritelmissä (esim. Miller 2018) korostuu vahvasti yksilön toiminta tulevaisuuteen suuntautumisessa ja “tulevaisuuden käyttäminen”, tulevaisuuslukutaito eroaa tulevaisuusajattelusta ja tulevaisuustietoisuudesta (future conciousness), joissa painottuu enemmän kyky ajatella tai ymmärtää tulevaisuutta. Tulevaisuuslukutaito rakentuu yksilön tulevaisuustietoisuuden varaan, mutta tulevaisuustietoisuudesta poiketen, se on opittavissa oleva asia, jota voidaan esimerkiksi tulevaisuuskasvatuksella vahvistaa. (Ahvenharju 2022.) Ennakointiosaamista pidetään merkittävänä yksilön ja yhteisöjen geneerisenä työelämätaitona ja osana laajempaa kestävyysosaamista (Auvinen ym. 2022; Opetushallitus 2023), ekososiaalista sivistystä (Laininen 2018, 29) ja kehittämis- ja innovaatio-osaamista (Kuosa & Hakala 2017, 20; Eskola ym. 2022, 192–193). Ennakointikyvykkyys (foresight capability) tarkoittaa organisaation kykyä tehdä organisoitua ennakointia hyödyntämällä erilaisia ennakointimenetelmiä, kuten esimerkiksi skenaariotyöskentelyä (Pouru ym. 2020, 9). Ennakointikyvykkyys tarkoittaa siten toimintaympäristön analyysikykyä, taitoa tunnistaa mahdollisia tulevaisuuksia ja huomioida erilaiset tulevaisuudet strategisessa suunnittelussa (Aalto 2022, 348; Lind & Tormulainen 2023; Ennakointiakatemia 2024). Organisaation ennakointikyvykkyys on lähellä edellä kuvattuja tulevaisuuskestävyyden (esim. Ketonen-Oksi 2021b) ja strategisen ennakoinnin (esim. Slaughter 1999) käsitteitä. Sillä on yhteys myös organisaation resilienssi-käsitteeseen, joka viittaa organisaation dynaamisuuteen sekä tulevaisuuden tapahtumia ennakoivassa että niihin reagoivassa toiminnassa (Contz & Magnani 2020, 408). Ennakointikyvykkyydellä viitataan organisaation kykyyn luoda ja muokata toimintatapojaan ja osaamistaan muuttuvaan ympäristöön reagoimiseksi. Kyvykkyys koostuu organisaation ja sen henkilöstön toimintatavoista, tiedoista ja resursseista. Kyvykkyyttä voidaan siten tarkastella myös organisaation aineettomana pääomana. Ennakointikyvykkyyden yhteydessä pelkän tiedon hankkimisen sijasta korostuu organisaation kyky arvioida, sisäistää ja hyödyntää uutta tietoa eli absorptiivista kyvykkyyttä. (ks. Cohen & Levinthal 1989, 593.) Aiemmissa tutkimuksissa organisaation ennakointikyvykkyyttä edistävinä tekijöinä korostuvat tulevaisuusajattelun tunnetuksi tekeminen sekä ennakoitiin liittyvän tarpeellisuuden korostaminen ja ylläpitäminen (Koskinen 2020, 66; Karttunen 2022, 73; Värilä 2023, 75). Myös dynaaminen näkemys ennakointitoiminnan kytkeytymisestä organisaation prosesseihin on ennakoinnin onnistumisen näkökulmasta kriittinen tekijä (Bäckström 2023, 74; Hilden 2023, 84; Unkari-Virtanen 2024; Unkari-Virtanen & Huhtaniemi 2024, 19). Koskinen (2020, 66) sekä Hirvonen ja Pellikka (2024, 25) ovat puolestaan korostaneet ennakointiin liittyvän osaamisen johtamista ja koko henkilöstön osallistamista ennakointiin. Henkilön tai organisaation ennakointiin liittyvän osaamisen mittaamiseksi, arvioimiseksi ja edelleen kehittämiseksi on luotu erilaisia malleja. Hinesin ym. (2017) kehittämä ennakointikompetenssimalli (Foresight Competency Model) on kehitetty kuvaamaan kollektiivista ennakointia ja siinä vaadittavaa osaamista. Malli rakentuu kuuden ennakoinnin ydinosaamisen keskiympyrän ympärille: rajaus, skannaus, futurointi, suunnittelu, visiointi ja sopeutuminen. Näitä tukevat henkilökohtainen, akateeminen ja työpaikan osaaminen. Organisaation ennakointikyvykkyyden arviointiin on luotu erilaisia kypsyysmalleja. Grimin (2009) kehittämä malli kiinnittää huomion johtajuuteen (leadership), rajaukseen (framing), toimintaympäristön analyysiin (scanning), ennakointiin (forecasting), visiointiin (visioning) ja visiota tukevan toiminnan suunnitteluun (planning). Kypsyysmallien avulla organisaation toimintaa pyritään eri kypsyystasojen myötä vahvistamaan paremmaksi (esim. Rohrbeck 2011, 71; Proenca & Borbinha 2018). Useissa malleissa (esim. Vásquez, Pazos & Arias 2022) pyritään integroimaan yksilö- ja organisaatiotason ominaisuuksia. Myös Rohrbeckin (2011) kehittämässä ennakoinnin kypsyyden (foresight maturity) mallissa ennakointikyvykkyys ymmärretään sekä organisaatio- että yksilötason tekijöistä koostuvana. Se koostuu kolmesta ulottuvuudesta: organisaation ominaisuuksista (context), kyvykkyyksistä (capabilities) ja vaikuttavuudesta (impact). Kyvykkyysosioon on rakennettu viisi ulottuvuutta, joiden kautta on mahdollista väittämien perusteella arvioida organisaation tulevaisuussuuntautuneisuutta eli kypsyystasoa. Nämä ulottuvuudet ovat seuraavat: tiedon käyttö, menetelmien sopivuus, ihmiset ja verkostot, organisaatio, kulttuuri. Organisaation ennakointikypsyyden arviointi tapahtuu neljän eri kypsyystason välillä. Korkeakoulujen toteuttama ennakointi Ennakointia on tutkittu monitieteisesti niin strategisen johtamisen, tietojohtamisen, innovaatioiden, liiketoiminnan kuin eri toimialojenkin kehittämisen näkökulmista (Hines 2020, 4; Huhtaniemi & Unkari-Virtanen 2022). Sen sijaan ennakointia osana organisaation arkea, ennakointitiedolla johtamista ja kilpailukyvyn rakentumista on tutkittu vähän (Dufva 2015; Iden ym. 2016). Suomalaisessa korkeakoulutuksessa tulevaisuustyötä on tehty perinteisesti ennakoimalla työvoima-, koulutus- ja osaamistarpeita. Saikkonen, Härkönen ja Järvinen (2007, 27) ovat havainneet, että korkeakoulujen ennakointi saattaa kaventua sen tarkasteluksi, miten työelämässä jo todetut lyhyen aikavälin tarpeet saadaan tyydytettyä koulutusorganisaatioissa. Tällöin unohdetaan pitkän aikavälin tarpeiden ennakointi. Viime vuosina ennakoinnissa on siirrytty myös visioiden ja erilaisten tiekarttojen luomiseen. Muutos liittyy osaltaan korkeakoulujen toimintaa ohjaavan Opetus- ja kulttuuriministeriön ohjauksessa tapahtuneeseen suunnitteluoptimismin aikakauden päättymiseen ja uudenlaiseen epävarmuuksiin reagoivaan ennakoivaan ohjausotteeseen. (Kallio & Välimaa 2024.) Korkeakoulujen toimintaympäristöä koskevaa ennakointitietoa tuotetaan varsin runsaasti. Keskeisiä tietolähteitä ovat esimerkiksi Sitran megatrendit (Dufva & Rekola 2023), heikot signaalit (Dufva & Rowley 2022), koulutuksen ja työvoiman kysyntää koskevat ennakointiraportit (esim. Hanhijoki 2020), työvoima-, osaamis- ja koulutustarpeita koskevat keskipitkän ja pitkän tähtäimen yleiset ja alakohtaiset selvitykset (Opetushallitus 2020; Opetushallitus 2023; Opetushallitus 2024), eduskunnan tulevaisuusvaliokunnan julkaisut (esim. Linturi & Kuusi 2018), sekä korkeakoulukentän yhteisten tulevaisuushankkeiden materiaalit (esim. Digivisio2030) ja strategiset linjaukset (esim. Commission Communication on a European strategy for universities 2022). Toimintaympäristöanalyysia (Dufva 2022, 105–106) ja dokumenttitietoa tulevaisuudesta (Vataja & Parkkonen 2019) löytyy runsaasti. Tiedon tuotannon sijasta organisaatioilla on haasteita tiedon yhteistoiminnallisessa jalostamisessa visionääriseksi tiedoksi ja edelleen toiminnaksi (Dufva & Ahlqvist 2015). Ammattikorkeakoulut hyödyntävät ennakointitietoa vaihtelevasti, eivätkä ennakoinnin toimintatavat ole vakiintuneita (Saikkonen ym. 2007, 28–29; Nordblad, Apajalahti, Huusko & Seppälä 2019, 9–10; Ahvenlampi & Kinnunen 2020; Frisk ym. 2022, 101–102). Ennakointitietoa hyödynnetään strategisen päätöksenteon yhteydessä, mutta ennakoinnin käytännöt ja prosessit ovat vasta kehittymässä. Ennakointitiedon tuottamisessa ja hallinnassa on epäsystemaattisuutta, mikä vaikeuttaa tiedon hyödyntämistä. Ennakointijärjestelmä on myös sirpalemainen, jolloin kokonaiskuvan muodostuminen on puutteellista. Isoimpana puutteena on keskipitkän aikavälin (5–8 vuotta) ennakoinnin vähäisyys. (Ahvenharju ym. 2020, 24; 57, 59; Pouru ym. 2020; 51–52; Valtiontalouden tarkastusvirasto 2022, 5; 12.) Ennakoinnin kehittämisen on katsottu edellyttävän tiedon pirstaleisuuden vähentämistä ja keskittämistä yhteen kanavaan, synteesitiedon tuottamista kansallisesti ammatillisen koulutuksen järjestäjien ja korkeakoulujen käyttöön (Frisk ym. 2022 105–109), ennakoinnin raportoinnin ja ennakointiprosessien ja järjestelmien kehittämistä (Djakonoff ym. 2024, 83–95) sekä ennakoinnin vaikuttavuuden ja viestinnän kehittämistä (Valtioneuvosto 2020, 54). Tarkoitus, tavoite ja kysymyksenasettelu Opinnäytetyön tarkoituksena on kuvata Kaakkois-Suomen ammattikorkeakoulun ennakointikyvykkyyttä. Tavoitteena on tuottaa kehittämistietoa, jota voidaan hyödyntää organisaation ennakoinnin ja ennakointikyvykkyyden vahvistamisessa. Tutkimusasetelmassa (kuvio 1) on hyödynnetty Rohrbeckin (2011) ennakointikypsyysmallia, joka muodostaa teoreettisen tarkastelu-, analysointi- ja tulkintakehikon tutkimuskohteemme ymmärtämiselle. Kuvio 1. Opinnäytetyön tutkimusasetelma Rohrbeckin (2011) ennakointikypsyysmallia mukaillen Ymmärrämme ennakointikyvykkyyden Rohrbeckin (2011) ennakointikypsyysmallin mukaisesti organisaation ja yksilön kyvykkyyksien yhdistelmänä, jonka keskeiset ulottuvuudet ovat organisointi, ihmiset ja verkostot, tiedonkeruu, menetelmät sekä ennakointikulttuuri. Kaakkois-Suomen ammattikorkeakoulun ennakoinnin kehittämisen näkökulmasta erityisen kiinnostuksen kohteeksi opinnäytetyössämme asettuvat tiedonkeruun sekä henkilöstön (ihmiset) rooli. Erotamme siten opinnäytetyössämme verkostot ja ihmiset toisistaan ja tarkastelemme henkilöstön roolia Hinesin ym. (2017) ennakointikompetenssimallin avulla ennakointiosaamisena. Sillä tarkoitamme yksilön kognitiivista kykyä analysoida ja luoda prosesseja, joissa tuotetaan ennakoivaa tietoa. Se on tietoa, taitoa ja pätevyyttä. (Van der Laan & Erwee 2012; Hines ym. 2017; Ahvenharju & Pouru-Mikkola 2022, 394.) Tiedonkäsittelyä ja menetelmiä jäsennämme Hortonin (1999) ennakoinnin prosessimallin mukaisesti tiedonkeräämisenä, tiedon tulkintana eli ennakointina sekä tuloksina ja toimintana. Näillä sovelluksilla teoreettinen kehikkomme lähenee ennakointikypsyysmallista tehtyjä sovelluksia (esim. Rohrbeck & Kum 2018, 106–107), joissa ihmisten roolia samoin kuin ennakointiprosessia on haluttu erikseen korostaa. Tutkimuksessa haetaan vastauksia seuraaviin kysymyksiin: 1. Millainen on Kaakkois-Suomen ammattikorkeakoulun ennakointikyvykkyys? 1.1 Miten ennakointi on organisoitu? 1.2 Millaisia ovat ennakoinnin verkostot? 1.3 Miten ennakointiprosesseja toteutetaan? 1.4 Millainen ennakointikulttuuri organisaatiossa vallitsee? 1.5 Millainen on henkilöstön ennakointiosaaminen? Tutkimuksen menetelmällinen toteutus Metodiset valinnat Opinnäytetyön kohteena on ennakointikyvykkyys Kaakkois-Suomen ammattikorkeakoulussa. Opinnäytetyön kohdejoukkona on tutkintokoulutusten, TKI-toiminnan ja jatkuvan oppimisen henkilöstö. Opinnäytetyömme on kehittämistietoa tuottava laadullinen tutkimus. Laadullisen tutkimusmenetelmän valintaan ohjasi pyrkimyksemme ymmärtää ennakointia opinnäytetyön kohdejoukkona olevien henkilöiden subjektiivisten kokemusten kautta. Puusa ja Juuti (2011, 47–48) korostavat laadullisessa tutkimuksessa kokonaisvaltaisuutta, tutkijan vuorovaikutusta aineiston kanssa ja siten todellisuudesta saatavan tiedon kokemuksellista ja subjektiivista luonnetta. Aineistonkeruumenetelmänä oli teemahaastattelu. Koska kokemusten perusta on ihmisten vuorovaikutuksessa ja kielessä, jolla vuorovaikutus tulee jäsennetyksi (ks. Hirsjärvi, Remes & Sajavaara 2018, 164; Puusa & Juuti 2020, 76–77) teemahaastattelu tarjoaa mahdollisuuden niiden tavoittamiseen. Teemahaastattelu soveltui tähän opinnäytetyöhön myös sen joustavuuden ja keskustelunomaisuuden vuoksi. Koska tarkoituksena oli saada mahdollisimman monipuolinen kuva tutkimuksen kohteena olevasta ilmiöstä, oli olennaista antaa tilaa kohdejoukon kokemusten sanoittamiselle haastattelutilanteessa. Vaikka olimme teemahaastattelun metodisen idean mukaisesti (ks. Ruusuvuori & Tiittula (2005, 29) teoretisoineet tutkittavan ilmiön etukäteisteemoiksi, meillä oli tutkijoina mahdollisuus pyytää haastateltavia selittämään tai tarkentamaan sanomaansa. Jokaisen haastateltavan kanssa oli tarkoitus käydä lävitse samat teemat, mutta hieman eri järjestyksessä ja erilaisin kysymyksin (ks. Tiittula ja Ruusuvuori 2005, 11). Haastateltavat valikoituvat opinnäytetyöhön nimenomaan tietyn organisaation ja siellä vieläpä tietyn työaseman tai -tehtävän perusteella. Tällaisena tutkimushaastattelumme on asiantuntijahaastattelu, joka on eräänlainen muunnelma teemahaastattelusta (Alastalo & Åkerman 2010). Asiantuntijahaastattelusta omana haastattelun lajinaan ei ole olemassa selkeitä määrittelyjä. Alastalo ja Åkerman (2010, 374–376) korostavat, että asiantuntijuus rakentuu, kun henkilölle on asemansa ja tehtävänsä myötä syntynyt erityistä osaamista tietystä asiasta. Usein asiantuntijahaastattelun tiedonintressissä korostetaan prosesseja, käytäntöjä ja faktatietoa henkilökohtaisten kokemusten ja merkitysten sijasta. Faktanäkökulma korostaa sitä, että tutkijan kiinnostus kohdentuu tutkittavien todelliseen käyttäytymiseen, mielipiteisiin ja siihen, mitä todella tapahtuu tai on tapahtunut. Yksi opinnäytetyön tekijöistä työskentelee tutkimusympäristössä, jolloin toteutettavat asiantuntijahaastattelut ovat hänelle myös sisäpiirihaastatteluja. Niissä Juvosen (2017) mukaan haastattelijaa ja haastateltavaa yhdistää jokin yhteinen asia, kuten esimerkiksi työpaikka. Tutkijan ja tutkittavien yhteiset kokemukset ja kieli edistävät usein luottamuksen rakentumista ja siten haastattelun toteuttamista. Riippumatta siitä, kuinka strukturoituja tai strukturoimattomia haastattelut ovat, ne ovat aina vuorovaikutustilanteita (Ruusuvuori & Tiittula 2005, 29). Koska asiantuntijat ovat usein tottuneita puhujia oman ammattikuntansa edustajina, saattavat he Alastalon ja Åkermanin (2010 378; 390) mukaan kuvata asioita yleisellä tavalla ilman yksityiskohtia ja konkretiaa. Haastattelijalta vaaditaan tällöin kykyä fokusoida kysymyksiä ja herättää kerrontaa. Alastalo, Åkerman ja Vaittinen (2017, 224) pitävät hyvää asiaosaamista edellytyksenä asiantuntijahaastatteluiden onnistumiselle, jopa siinä määrin, että haastattelijan pitäisi pyrkiä saavuttamaan kvasi- eli näennäisasiantuntijan rooli. Aineistonkeruuprosessin eteneminen Aineistonkeruuprosessi käynnistyi teemahaastattelurungon laatimisella (liite 1). Teemahaastattelurungon teoreettinen tausta rakentui Rohrbeckin (2011) ennakoinnin kypsyysmallista, Hortonin (1999) ennakoinnin prosessimallista sekä Hinesin ym. (2017) ennakointiosaamisen kompetenssimallista. Nämä teoreettiset lähtökohdat soveltuivat tutkimukseemme tuoden kattavasti esiin ennakoinnin eri osa-alueet ja käytänteet samoin kuin sen prosessimaisen luonteen. Haastatteluiden kohdejoukkona olivat Kaakkois-Suomen ammattikorkeakoulun TKI-toimijat kolmella eri vahvuusalalla: kestävä hyvinvointi, digitaalinen talous ja metsä, ympäristö ja energia, tutkintokoulutuksen sekä palvelutoiminnan edustajat. Koska haastateltaviksi valittiin henkilöt, joilla etukäteen tiedettiin olevan ennakointia koskevia kokemuksia, kysymyksessä oli Puusan (2020a, 106) mukaan tarkoituksenmukainen, harkinnanvarainen näyte. Lopulliset haastateltavat valittiin tasaisesti kyseisistä ryhmistä, jotta tutkittavista ilmiöistä saataisiin mahdollisimman kattava ja monipuolinen kuva. Haastateltaville lähetettiin haastattelukutsut sähköpostitse. Haastattelut toteutettiin yksilöhaastatteluina Teamsin välityksellä ja ne tallennettiin ja litteroitiin reaaliaikaisesti Teamsin omaa litterointitoimintoa käyttäen. Haastattelut merkittiin jatkokäsittelyä varten tunnisteella (H1, H2 jne.) varmistaen osallistujien anonymiteetti. Tulosluvun aineistokatkelmissa tunnistetiedon lisäksi kuvataan haastateltavan työyksikkö ammattikorkeakoulun kolmen perustehtävän (tutkintokoulutus, palvelutoiminta, TKI-toiminta) tasolla. Aineisto ja analyysi Opinnäytetyön aineisto koostui 13 teemahaastattelusta. Haastattelutallenteiden yhteispituus oli noin 15 tuntia. Haastatteluaineisto analysoitiin laadullisen aineiston sisällönanalyysin avulla, joka on ymmärrettävissä väljänä metodisena viitekehyksenä aineiston monipuoliseen tarkasteluun (Puusa 2020b, 148–49). Sisällönanalyysi toteutui teorialähtöisenä analyysina, jossa Tuomen ja Sarajärven (2012, 95) mukaan teoria toimii analyysin etenemisen apuna ja tulosten käsitteellistämisen pohjana. Koska haastatteluissa hyödynnettiin Teamsin litterointitoimintoa, aineiston esikäsittelyssä ajankäyttö kohdentui litterointien tarkistamiseen. Aineisto jätettiin puhekieliseksi, eikä sitä juurikaan siistitty esimerkiksi poistamalla vajaita lauseita, sidesanoja tai muita puhekielen elementtejä. Haastattelut tallennettiin erillisinä Word-tiedostoina. Tulosluvun aineistokatkelmia siistittiin luettavuuden helpottamiseksi. Aineisto siirrettiin laadullisen aineiston analyysiin soveltuvan Taguette-ohjelman projektiin, johon kaikilla opinnäytetyön tekijöillä oli käyttöoikeus. Ohjelma tehosti analyysin eri vaiheita ja varmisti aineiston perusteellisen käsittelyn. Se edisti aineiston hallintaa ja luokittelua, mahdollisti havaintojen ryhmittelyn ja keskinäisten suhteiden jäsentämisen sekä tuki neljän opinnäytetyöntekijän yhteistyötä. Yksittäisten aineistokatkelmien löytäminen, tarkistaminen ja vertailu oli ohjelman avulla sujuvaa. (ks. Laajalahti & Herkama 2018, 108–109.) Taguetteen luotiin teorialähtöisen analyysikehikon (ks. Tuomi & Sarajärvi 2012, 113) mukaisesti 18 luokkaa eli “tägiä”, joihin haastattelut luokiteltiin eli koodattiin. Luokkia tarkasteltiin sisällönanalyysin keinoin pyrkien muodostamaan kokonaiskuva tutkimuskysymyksen keskeisistä asioista. Analyysissa liikuttiin joustavasti alustavasta tulkinnasta aineistoon ja takaisin tulkintaan (kuvio 2). Tekoälyllä tuotetut deduktiiviset analyysit toimivat peilauspintana, joiden avulla opinnäytetyön tekijät varmistivat luokitellun aineiston kokonaisvaltaisen huomioimisen. Kuvio 2. Aineiston analyysiprosessin eteneminen. Manuaalisen teemoittelun ja tulkinnan jälkeen aineisto analysoitiin generatiivisella tekoälyllä hyödyntäen suurta kielimallia (LLM, Large language model), joista käytössämme oli ChatGPT 4o. Tekoäly on ohjelma, joka jäljittelee ihmiselle tyypillisiä älykkyyttä vaativia toimintoja (Sanastokeskus 2024a). Generatiivinen tekoäly tuottaa sille annetun tekstisyötteen pohjalta uutta teksti-, kuva-, video- tai äänisisältöä (Sanastokeskus 2024b). Kielimallit puolestaan ovat tekoälyjärjestelmiä, jotka on suunniteltu oppimaan yhden tai useamman kielen kielioppi, syntaksi ja semantiikka, jotta ne voivat tuottaa johdonmukaista ja kontekstiin sopivaa kieltä (Xabier 2024). ChatGPT:llä on todettu taipumusta korostaa aineiston yksityiskohtia ilman, että se hahmottaa kokonaiskuvaa tai kontekstia. Näin ollen sen kaltaisen työkalun antamia tulkintoja ei voida sellaisenaan hyväksyä. Sillä on kuitenkin pystytty tuottamaan luokiteltua raakadataa lähtökohdaksi tulkitsevammalle analyysille. Koska ChatGPT:n on todettu laadullisessa analyysissa erittelevän melko hyvin laajempia käsitteitä yksityiskohtiin, tämän on katsottu viittaavan siihen, että se soveltuisi huonommin vahvasti induktiivisen analyysin tekemiseen. (Morgan 2023, 8–9.) Otimme tämän huomioon keskittymällä tekoälyn käytössä deduktiiviseen analyysiin. Aineistoon perehtyminen oli tärkeää, jotta tekoälyn mahdollisesti tekemät harhatulkinnat pystyttiin tunnistamaan. Etukäteen tiedettiin, että tiettyjä ongelmia voidaan torjua kehotemuotoilulla (Morgan 2023, 7–8). Kehotemuotoiluun perehdyttiin huolellisesti ja tekoälyanalyysi aloitettiin vasta aineistoon syventymisen jälkeen. Analyysi tehtiin teemoittain eli tekoälylle annettiin kerrallaan vain yhteen teemaan koodatut tekstialueet. Näin siksi, että alustavissa kokeiluissa koko aineiston analyysi jäi puutteelliseksi ja teemakohtaisten tulosten vertailu oli luotettavampaa. Aineistorajaus tapahtui tallentamalla Taguettesta kuhunkin teemaan merkityt tekstialueet omiksi tekstitiedostoikseen. Teemoiteltujen osien jakautumista on havainnollistettu haastateltavakohtaisesti liitteessä 3. Kielimallilta pyydettiin huolellisella promptimuotoilulla eli kehotteella erittely siitä, mistä haastateltavat puhuivat kunkin teeman yhteydessä (liite 2). Kielimallille annettiin tieto siitä, mitä teemoja aineistossamme jo oli, ja sitä pyydettiin analysoimaan ja erittelemään deduktiivisen analyysin tavoin, mitä uusia alateemoja parhaillaan käsiteltävästä teemasta löytyy. Lisäksi pyydettiin johtopäätös asioiden välisistä kytköksistä ja kokonaiskuva parhaillaan tarkasteltavasta ilmiöstä. Tulokset Toimintaympäristön muutos Haastateltavat tarkastelivat ammattikorkeakoulun toimintaympäristöä laaja-alaisesti viitaten globaaliin ympäristöön, kansalliseen ja kansainväliseen korkeakoulukenttään, alueelliseen ekosysteemiin, toimialoihin sekä Xamkin sisäisiin tekijöihin. Muutoksen aikajänne vaihteli heidän näkemyksissään. Toimintaympäristön muutosta kuvattiin tulevana, jo tapahtuneena tai parhaillaan tapahtumassa olevana muutoksena. Ammattikorkeakoulu toimijoineen ei siten näytä jakavan sellaista yhteistä todellisuutta, jossa toimintaympäristö ja sen muutos näyttäytyisivät kaikille samanlaisena. Haastateltavien puhe toimintaympäristön muutoksesta kiinnittyi neljään laajempaan kokonaisuuteen: teknologia ja digitalisaatio, globalisaatio, taloudelliset ja poliittiset tekijät sekä opiskelijat ja heidän elämismaailmansa. Pandemia-ajan voimistama digitalisoituminen on muuttanut paitsi työn tekemisen myös oppimisen ja opiskelun tapoja. Ammattikorkeakoulun perustehtävistä digitalisoituminen on toistaiseksi haastanut eniten tutkintokoulutusta, jossa opetusta ja erilaisia tukipalveluita on siirretty yhä enemmän verkkoon. Digitalisoituminen ja siitä johtuva kampusten autioituminen yhdistettynä yhä heterogeenisemman opiskelijajoukon tarpeisiin, hyvinvoinnin haasteisiin ja taloudellisten resurssien niukkenemiseen edellyttää haastateltavien mukaan kokonaan uudenlaista ammattikorkeakoulupedagogiikkaa, palveluiden tuottamista ja siten tapaa tehdä omaa työtä. Poliittinen päätöksenteko ja siihen liittyvä resurssiohjaus muokkaavat aiempaa voimakkaammin ammattikorkeakoulujen toimintaa. Poliittinen ohjaus ja hallituskausien vaihtelut ovat tuoneet mukanaan epävarmuutta ja jatkuvaa sopeutumista uusiin linjauksiin. Valtionohjauksen muutosten ennakointia pidettiin kaikkinensa vaikeana ja korkeakoulupolitiikkaa tempoilevana, kuten eräs haastateltava asiaa kuvasi: Meidän korkeakoulupolitiikka on sellaista, että kun joka hallituskausi lähdetään vähän eri kulmasta katsomaan sitä, niin sekin tuo semmoista tempoilua siihen, että ensin sanotaan, että maalataan tämä talo siniseksi niin on hyvä, ja sitten kun esitellään sitä sinistä taloa niin seuraava hallitus sanoo, että ei kun punaiseksi tää olisi pitänyt maalata ja sitten ei kun vetelet uusiksi ja näin me edetään niinku Xamkissa. Vähän tällaista tilannetta nyt on korkeakoulujen rahoitusmallin kanssa. (H4, palvelutoiminta) Kaikkinensa ammattikorkeakoulujen toimintaympäristö on yhä globaalimpi niiden asemoituessa osaksi kansallista, mutta myös kansainvälistä korkeakouluyhteisöä. Globaalien yhteyksien merkitys korostuu niin tutkintokoulutuksen, palvelutoiminnan kuin TKI-toiminnankin kohdalla, joissa paitsi yhteistyö, myös kilpailu TKI-rahoituksesta, opiskelijoista ja palvelutuotteista on arkipäivää. Ennakoinnin organisointi Ennakointi-käsite koettiin haasteelliseksi ja haastateltavien oli vaikea kuvata sitä yksiselitteisesti. Haastatellut näkivät ennakoinnin yleisesti toimintana, jota tehdään toimintaympäristössä tapahtuvien muutosten huomaamiseksi ja niihin reagoimiseksi. Ennakoinnin tarpeellisuutta ja merkityksellisyyttä kuvattiin sekä organisaatio- että yksilötason kautta liittämällä se kolmenlaiseen tehtäväkokonaisuuteen: operatiivinen toiminta, kehittämistyö ja strateginen johtaminen. Tutkintokoulutusten esihenkilötehtävissä työskentelevät paikansivat ennakoinnin ensisijaisesti operatiivisen johtamisen, suunnittelun ja päätöksenteon välineenä sekä osana arjen käytännön toimintaa. Ennakointi ilmenee vuosittaisena henkilöstö- ja taloussuunnitteluna sekä tehtyjen linjausten ja päätösten vaikutusten arviointina. Ennakointityössä korostuu tulevaisuusajattelun kaksisuuntaisuus: toisaalta pohditaan tässä hetkessä tehtyjen valintojen pitkän aikavälin vaikutuksia, toisaalta tehdään nykyhetken valintoja sen perusteella, mitä tulevaisuudessa halutaan tai oletetaan tapahtuvan. TKI- ja palvelutoiminnan puolella ennakointiin liitettiin operatiivisen toiminnan ohella toimialoihin ja erilaisiin ilmiöihin liittyvä tarkastelu. Ennakointi määrittyy tällöin tulevaisuuteen katsomiseksi, heikkojen signaalien tunnistamiseksi ja vaihtoehtoisten tulevaisuuksien pohtimiseksi. Se nähtiin myös kokeilevan kehittämisen välineenä, jolloin tulevaisuuteen katsomista hyödynnetään hanke- tai palvelutuotesuunnittelun työkaluna. Ennakointi liitettiin haastatteluissa myös organisaatiotason järjestelmälliseen tekemiseen, esimerkiksi organisaation koulutustarjonnan ja toiminnan laadun parantamiseen. Tällaisen ennakoinnin katsottiin kuuluvan lähinnä ylimmälle johdolle ja liittyvän tiiviisti organisaation strategiatyöhön yhtenä tiedolla johtamisen työkaluna. Organisaation ylimmän johdon tasolla ennakointiin tiedettiin olevan raamit. Yksikkötasolla siihen ei kuitenkaan ole selkeää rakennetta tai mekanismeja, vaan sen katsottiin olevan sisäänkirjoitettuna tulevaisuussuuntautuneen korkeakoulun rakenteisiin. Tällöin sitä on miltei mahdotonta erottaa normaalista työstä tai kehittämisestä, mikä nousi haastatteluissa esiin: Kun istun nyt tässä työpöydän äärellä niin en minä ajattele, että minä ennakoin tai kun minä teen tuota taloushallintoa ja täytän jotain ennusteita…että ehkä se ennakointi kalskahtaa niin kuin turhan hienolta ja rupeaa ajattelemaan, että kuuluukohan tähän nyt jotain sellaista, jota olen jättänyt huomiotta. (H6, palvelutoiminta) Ennakointia ei ole erikseen määritelty kenenkään työnkuvaan kuuluvaksi, vaan siihen osallistuminen on mahdollista ja jopa toivottavaa kaikille kiinnostuneille, mitä haastateltavat sanoittivatkin: Se on ihan itsestä kiinni. Kukaanhan ei sitä velvoita eikä tule sulle sanomaan, että alahan ennakoida, vaan se on ihan itsestä kiinni. Mun mielestä toi on semmoinen läpileikkaava teema eikä siihen oikein voi pakottaa, että jos se on vapaaehtoista, niin sitten se toimii ihan omaehtoisesti. (H3, palvelutoiminta) Ennakoinnin aikajänne tulkittiin haastatteluissa monin eri tavoin. Useimmat haastateltavat kokivat ennakoinnin olevan lyhytjänteistä, 2–3 vuoden päähän ulottuvaa toimintaa, kun taas jotkut kokivat sen kattavan yli kymmenen vuoden aikajakson. Ennakointi vaikutti olevan sidoksissa erilaisiin “kausiin”, kuten rahoitus-, osaamiskeskus- tai hallituskausiin. Kriittisesti voidaankin kysyä, onko ennakoinnin aikajänne yhtä kuin OKM:n sopimuskausi tai EU-rahoituksen ohjelmakausi. Haastateltavat peräänkuuluttivatkin pitkän aikavälin ennakoinnin tarvetta. Ennakoinnin verkostot Tulevaisuutta koskevaa tietoa hankitaan ja käsitellään yksiköissä vuorovaikutuksessa toisten ihmisten kanssa. Verkostoitumisella on keskeinen merkitys, koska ennakointitieto on usein varsin hajallaan, jolloin yksittäisen henkilön on sitä mahdoton hallita. Tapahtumiin osallistuminen ja erilaiset foorumit tarjoavat mahdollisuuksia kuulla ja ymmärtää muiden toimijoiden näkemyksiä ja käytäntöjä, mitä haastateltavat pitivät tärkeänä: Mä oon pyytänyt, että mahdollisimman paljon kiertävät erilaisia tapahtumia, missä vaan on mahdollista käydä, erilaiset foorumit, missä pystyy käymään keskustelua ja kuulemaan mitä muut tekee, että se on tosi tärkeätä ymmärtää kilpailijoita, mutta myös kumppaneita. Se on teemojen mukaan jaettu nää verkostot. Meillä on iso toimija, melkein 1000 työntekijää täällä Xamkin sisälläkin erilaisia ihmisiä. Täältä löytyy paljon ideoita ja ajatuksia, mutta myös sitten talon ulkopuoleltakin, ja meidän yksikkö on aika, me ollaan pieni yksikkö. Niin ja meillä on mahdollisuus sitten ylläpitää niitä verkostoja myös aika paljon Xamkin ulkopuolella ja sitä tässä tehdään. (H3, palvelutoiminta) Mä näen sen (ennakoinnin) asiana, mitä kukaan ei tee yksin, vaan että jos mietitään varsinkin tämmöistä isoa organisaatiota niin siihen tarvitaan mahdollisimman laaja joukko ihmisiä. Mulle ennakointi ei ole mikään johtajan kerran luoma malli, että mistä kanavista tulee ennakointitietoa, vaan mä näen ennakoinnin tämmösenä bottom up –toimintona elikkä tämmöisenä joukkoistettuna asiana. (H8, tutkintokoulutus) Keskeiset kehittämiskumppanit organisaation sisällä ovat yksikkökohtaiset suunnittelutiimit, pedagogista uudistusta koordinoiva UusiX2030-työryhmä sekä esihenkilöillä toiset esihenkilöt ja opetuksen johtoryhmä. Nämä tarjoavat osallistujille luontevia tulevaisuuden luotaamisen ja kokonaiskuvan muodostamisen foorumeita. Myös koko organisaatiota palvelevat laatu- ja data-analyytikkoyksiköt tarjoavat erityisesti esihenkilöille räätälöityä toiminnan etenemistä kuvaavaa, pääsääntöisesti määrällistä tietoa ja siten päätöksenteon välineitä. Osallistuminen TKI-toimintaan tarjoaa haastateltavien mukaan luontevan toimintaympäristön ennakoida kollektiivisesti tulevaa, ja siksi kehittämistyöhön osallistumista pidettiin tarpeellisena myös opetustyötä tekeville. Ennakointitoiminta on haastateltavien mukaan siiloutunut TKI-toimintaan, tutkintokoulutuksiin sekä palvelutoimintaan, eikä niiden välillä ole ennakoinnin osalta yhteistyötä edistävää rakennetta tai vuorovaikutusta. Haastateltavat korostavat, että ennakointi on ennen kaikkea sosiaalinen prosessi. Tämä prosessi toteutuu varsin hyvin yksiköiden sisällä tai niiden omissa ennakointiverkostoissa, mutta ei jalostu koko organisaation yhteiseksi toiminnaksi. Vakiintuneiden ennakointiverkostojen sijaan yksiköt näyttävät luovan enemmän löyhempiä kumppanuuksia, jotka keskittyvät yksikön perustehtävää tukevaan toimialakohtaiseen yhteistyöhön. Ulkoisina yhteistyökumppaneina nostettiin esiin erityisesti maakuntaliitot ja ELY-keskukset, jotka tuottavat systemaattista ennakointitietoa osana omaa toimintaansa ja ylläpitävät alueellisia ennakointiverkostoja. Alue-ennakoinnin fokus kohdentuu elinkeinoelämän toimintaympäristön muutoksiin, toimialojen kehitykseen sekä osaavan työvoiman saannin turvaamiseen. Alueellisessa ennakoinnissa kartoitetaan alueen vahvuuksia, resursseja ja osaamistarpeita. Vaikka alueellinen taso nousee haastatteluissa vahvasti esille, korostettiin myös kansallisten, usein alakohtaisten verkostojen merkitystä. Haastatteluiden perusteella verkostoituminen ilmenee ensisijaisesti yksikkö- tai toimialakohtaisena kumppanuutena ja vuorovaikutuksena. Toimijoilla on ennakointiin liittyen erilaisia tavoitteita mikä heijastaa laajempaa pyrkimystä luottamuksen ja yhteistyösuhteiden rakentamiseen. Haastateltavat korostivat erityisesti tarvetta yhdistää ennakoinnin verkostoja ja eri asiantuntijoiden osaamista organisaation sisällä. Tämä mahdollistaisi tehokkaamman tiedonvaihdon ja yhteisen tulevaisuuskuvan luomisen. Kumppanuuksien virallistamista ei kuitenkaan pidetty välttämättömänä, vaan korostettiin epävirallisten verkostojen, kuten kahvipöytäkeskustelujen, merkitystä yhteisen tulevaisuuden hahmottamisessa ja jäsentämisessä. Tällainen lähestymistapa nähtiin luontevimpana ja joustavimpana tapana edistää ennakointia ja yhteistyötä organisaatiossa. Ennakointiprosessien eteneminen ja käytetyt menetelmät Haastateltavat tunnistivat ja toivat esille monipuolisesti ennakointitiedon tuottamiseen, jalostamiseen ja hyödyntämiseen liittyviä toimia. Yksikkötasolla tehtävän arjen ennakoinnin kuvattiin perustuvan intuitiiviseen toimintaan sekä hiljaiseen ja kokemusperäiseen tietoon samoin kuin työyksikön kollektiiviseen tulkintaan muutoksista. Strategisempaan ja usein oman yksikön toimintaa laajempaan kehittämistyöhön liittyvä ennakointi määrittyy sen sijaan enemmänkin järjestelmällisempänä toimintana ja siihen liittyvä tieto dokumentteihin kirjattuna faktatietona. Tämä tieto koostuu pääsääntöisesti määrällisestä tiedosta, jota saadaan valtakunnallisista osaamis- ja koulutustarveraporteista ja ammattialabarometreistä, alueellisista ennakointiraporteista ja ennakointipalveluista sekä Sitran raporteista, kuten haastatteluissa nousi esiin: Tiedossa varmasti niin kun ne lähteet, jotka vaikka nyt valtakunnallisesti tai maakunnallisesti sitä tietoa tuottaa, että semmoinen että olisi joku taho, joka tuottaisi meidän kannalta tärkeää ennakointitietoa ja me ei sitä hyödynnettäisi, niin mun mielestä sellaista ei ole olemassa. (H4, palvelutoiminta) Vaikka haastateltavat määrittelivät ennakoinnin usein megatrendien ja heikkojen signaalien seurannaksi, näihin liittyvä seuranta ja tiedonkeruu ei toimintatapana tule selkeästi sanallistetuiksi. Yksiköiden itse tuottama erillinen tieto perustuu haastateltavien mukaan lähinnä erilaisten hankkeiden tuottamaan alakohtaiseen tulevaisuustietoon. Sen sijaan OKM:n rahoitusmallien mukaisten suoritteiden kertymistä ja erilaisia määrällistä tulostietoa, kuten hakija-, opiskelija- ja käyttäjätilastoja, seurataan tarkasti oman yksikön toiminnan etenemisen arvioimiseksi. Tätä tietoa saadaan omista järjestelmistä suoraan esimerkiksi laatujärjestelmän kautta, erikseen data-analytiikan tekemän datan louhinnan avulla tai Xamkin ostamien erilaisia palveluiden kautta, kuten eräs haastateltava nosti esiin: Se on ehkä semmoista olemassa olevaa tietoa, mutta kuitenkin niistäkin me vähän päätellään, ennustellaan, että meillä on tietysti oma semmoinen tietovaranto. Se on tuossa PowerBI:ssä eli meidän tutkintoja ja paljonko on valmistunut ja paljonko on jatkuvan oppimisen pisteitä ja julkaisuja. Ne kertyy sinne reaaliaikaisesti, mutta niiden perusteella voi kuitenkin vähän katsoa, että hei, tälleen tää on vuosittain mennyt, että mitäs tässä nyt sitten. (H5, tutkintokoulutus) Haastateltavien mukaan ennakointitietoa on olemassa saatavilla runsaasti, jopa niin paljon, että haastatteluissa puhutaan tietotulvasta. Haasteena on enemmänkin tiedon jalostaminen varsinaiseksi tulevaisuustiedoksi tai ainakin sen prosessoiminen helpommin käsiteltävään muotoon. Tietoa kyllä jaetaan verkostoissa, mutta sen jalostaminen jää usein esimerkiksi raporttien yhteenvedoksi. Yhteistulkintaa haittaa osaltaan se, että ennakointitiedolle ei ole olemassa mitään yhteistä tallentamispaikkaa tai ennakointipankkia. Yksiköiden keräämä ja tuottama tieto on siten suurelta osin toimintaympäristö- ja seurantatietoa ei ennakointitietoa sanan varsinaisessa merkityksessä. Tämä johtaa haastateltavien mukaan osaltaan siihen, että kehittämistyössä tartutaan vain yksittäisiin signaaleihin tai rahoitusmallien mukaisten asioiden seuraamiseen, sen sijaan että tiedosta muodostettaisiin isompaa kokonaiskuvaa. Useat haastateltavat korostivat järjestelmällisempien menetelmien ja prosessien kehittämisen tarpeellisuutta, jotta raakatieto voitaisiin jalostaa ennakointitiedoksi: Kyllä tietoa tuotetaan. Jos missä ei ole kyllä hirveän hyvin onnistuttu, että me hyödynnettäisiin sitä dataa, jota on saatavilla, että se tulee yhä vaikeammaksi ja sitten järjestelmiä on paljon ja pitäisi pystyä eri järjestelmistä tietoa keräämään ja kaikki ne rajoitteiden ja henkilötietojen käsittely niinkuin turvallisuuskysymysten näkökulmasta on vaativampaa. (H6, palvelutoiminta) Minähän voin kerätä omaan käyttöön kaikenlaista tietoa, mutta sitten että olisi semmoista tietoa, joka olisi vaikka sen yksikön yhteisessä käytössä ja tavallaan että meille tulisi jonkinlaista yhteistä ymmärrystä. Jokaisella on vähän erityyppistä ennakointitietoa ja jossain sitä voisi sitten vähän niin kuin yhdistelläkin, että tulisi tämmöinen yhteinen kuva siitä tulevaisuudesta. (H1, tutkintokoulutus) Yksiköissä on tehty tiekarttatyötä, käytetty delfoi-menetelmää ja osallistuttu koko organisaation läpäisevään tulevaisuustaajuus-työskentelyyn osana pedagogista uudistusta. Informaalit menetelmät, kuten kahvipöytäkeskustelut ja verkostoitumiset, ovat kuitenkin keskeisimmässä roolissa tulevaisuuskeskusteluissa. Ennakointitietoa hyödynnetään koulutusten, uusien koulutustuotteiden ja hankkeiden suunnittelussa, mikä mahdollistaa sopeutumisen tulevaisuuden tarpeisiin ja haasteisiin. Nopeimmillaan ennakointitieto muuntuu kokeilujen kautta uusiksi palvelutuotteiksi, kuten mikrokursseiksi, joilla pyritään vastaamaan ajankohtaisiin koulutustarpeisiin. Haastateltavat korostivat, että tiedon hyödyntämistä päätöksenteossa tulisi tehostaa myös yksikkötasolla, jotta ennakointitieto voitaisiin integroida systemaattisemmin organisaation prosesseihin ja toiminnan kehittämiseen. Ennakointikulttuuri Ennakointi kytkeytyy organisaation pitkään rakentuneeseen toimintakulttuuriin, joka sisältää sekä näkyvät toimintatavat ja yhteistyön muodot, että näkymättömät uskomukset ja arvot. Haastateltavat näkivät Xamkin tulevaisuusorientoituneena organisaationa ja sen toimintakulttuurin avoimena, innovatiivisena, muuntautumiskykyisenä, kokeilukulttuuriin kannustavana ja siten ennakoinnille myönteisenä. Ennakoinnin katsottiin myös näkyvän Xamkin strategisissa tavoitteissa, ja johdon tulevaisuussuuntautumisen toimivan esimerkkinä yksiköille. Haastateltavat kuvasivat ennakointikulttuuria siten pitkälti positiivisen asenneilmaston ja konkreettisen toiminnan kautta: No meillä se on suhteellisen helppoa, koska ollaan sen verran pieni yksikkö, että meillä on aika paljon vapauksia tässä tehdä, että kun kuitenkaan ollaan ketterä. Että eri asia sitten, jos olisi sellainen vaikkapa useampi kymmen työntekijää tässä niin totta kai se on silloin haastavampaa. Mutta kun ollaan pieni ja ketterä niin pystytään sitten reagoimaan. (H3, palvelutoiminta) Ennakointikulttuurissa on yksikkökohtaisia eroja, vaihdellen erillisistä ja satunnaisista ennakointitapatumista laajaan, systemaattiseen data-analyysiin, heikkojen signaalien tulkitsemiseen ja hyödyntämiseen toimintojen kehittämisessä. TKI- ja palvelutoiminnassa eteenpäin suuntautuminen on keskeinen osa arkea. Toimintaympäristön muutokset edellyttävät nopeaa reagointia, mikä toteutuu hankkeiden ja palvelutuotteiden keinoin. Ennakointi on siten olennainen osa toimintaa. Haastateltavat katsoivatkin sen kuuluvan jokaisen työnkuvaan ja tapahtuvan kollektiivisena yhteistoimintana: Aina kun me sitten uusia hankkeita suunnitellaan, niin nehän täytyy nää tutkimus- ja kehittämishankkeen olla niinku tulevaisuuteen suuntaavia ja me rahoittajille aina sitten niinku todistetaan, että tulevaisuus on menossa tänne suuntaan ja siksi tämä hanke nyt tässä niinku tarvitaan ja sen vuoksi sitä ennakointitietoa ja tulevaisuustietoa hyödynnetään sitten myös näiden hankkeiden valmistelussa (H7, TKI-toiminta) Tutkintokoulutuksissa ennakointi näyttää haastatteluiden perusteella olevan heikommin arkeen integroitu prosessi. Ennakointi mielletään kehittämistyöksi, joka ei kuulu automaattisesti osaksi opettajan vuosittaista työaikasuunnitelmaa, vaan tuntuu jopa ylimääräiseltä ja kuormittavalta työltä. Tutkintokoulutuksessa ennakointi liitetään vahvasti opetussuunnitelmatyöhön, jolloin sitä tehdään ryöpsähdyksinä tai “pistemäisesti”, silloin kun opetussuunnitelmia uudistetaan. Koska ennakointi ei ole osa arkea, se aiheuttaa haasteita tilanteissa, joissa koulutukset joutuvat nopeasti kehittämään uusia tuotteita, kuten haastateltavat haastatteluissa kertoivat: Se aina jotenkin eskaloituu aina näissä opetussuunnitelmaprosesseissa, että siinä väliaikana se on jotenkin siellä taustalla ja sota siinä on tämmöinen niinku, että se sitten pomppaa sielä pinnalle kaikkien muitten asioiden läpi tärkeäksi jutuksi, mutta sitten se aina hautautuu sinne taustalle. (H1, tutkintokoulutus) Ei meillä ole mitenkään niin hirveästi sitä tämmöistä systemaattista ennakointityötä, että enempi se just liittyy näihin koulutusten suunnitteluun eli opettajilla on omia verkojaan, omia tämmösiä systeemeitä, mistä sitä ennakointitietoa saa. Nyt laitoin just tänään kutsun, että pitäisi ruveta uutta osaajakoulutusta miettimään, niin sittenhän tulee että mitäs se pitäisi sisällään ja sittenhän aina on pakko lähteä katsomaan sinne tulevaisuuteen, mutta välillä tuntuu, että vähän niinku sieltä hihasta ravistellaan. (H1, tutkintokoulutus) Myönteisestä asennoitumisesta ja strategisesta viestinnästä huolimatta ennakointi ei ole haastateltavien mukaan vakiintunut korkeakoulun rakenteisiin eikä sitä johdeta systemaattisesti. Sillä ei ole myöskään vakiintunutta käsitteistöä tai rutiineja. Haastatteluiden perusteella esihenkilöillä on keskeinen rooli ennakoinnin tahtotilan ja käytäntöjen organisoinnissa yksikkötasolla. Esihenkilöt voivat esimerkillään kannustaa muuta henkilöstöä ennakointiin. Henkilöstön ennakointiosaaminen Haastateltavat mielsivät ennakointiosaamisen kyvyksi tehdä tietoista ja järjestelmällistä tulevaisuustyöskentelyä, joka perustuu reflektiiviseen ja yhteistoiminnalliseen työskentelyyn sekä kykyä hyödyntää ennakointitietoa päätöksenteossa. Eräs haastateltavista sanoitti asian seuraavasti: Mutta että ilman sitä, ilman jotenkin jotakin tuntosarvia tulevaisuuteen niin on kyllä vaikea tehdä niitä ratkaisuja ja miettiä niitä vaihtoehtoja, että eihän niitä, sitä tulevaisuutta kukaan oikeasti tiedä. Mutta mitä ne on ne vaihtoehdot, ja kyllä se yksi erittäin tärkeä suunnitteluelementti mun mielestä on. (H5, tutkintokoulutus) Ennakointiosaamisen perusta rakentuu haastateltavien mukaan yksilön asenteiden ja henkilökohtaisten ominaisuuksien ja kyvykkyyden varaan. Ennakointiosaaminen määriteltiin ammatilliseksi sivistykseksi, jossa keskeistä on joustavuus, avoimuus, luova ja kriittinen ajattelu, kyky irrottautua nykyhetkestä, riskin- ja kriisinhallinta sekä usko omiin vaikutusmahdollisuuksiin. Haastateltavat pohtivat asiaa monipuolisesti: Että, vaikka niitä eksakteja menetelmiä ei niin hyvin hallitse, mutta jos on tämmöinen, niin kun motivaatio. Katsoa sinne tulevaisuuteen ja herkkyys etsiä niitä hiljaisia signaaleita ja mitä nyt sitten ei välttämättä löydy mistään tutkimuksista niin sekin on kehittäjälle tosi tärkeätä, että tulee ehkä jotain uusiakin tämmöisiä innovaatioita. (H1, tutkintokoulutus) Ennakointiosaamiseen liittyy olennaisena tekijänä se, että tällaisen ennakointiosaamisen ennakointiosaajalla on melko plastiset aivot, että hän pystyy sitten niin kun tavallaan irrottautumaan siitä, että mikä on nykyhetkeä ja mikä on todellisuutta ja mikä on tässä hetkessä, sitä täysin realistista toimintaa ja tota ikään kuin avaamaan sitä katsetta niille muille mahdollisuuksille. Semmoinen tietynlainen katseen avartaminen tai avarakatseisuus liittyy varmasti kyvykkyytenä tähän. (H2, tutkintokoulutus) Jos ennakointiosaaminen ymmärretään ajatteluna ja tulevaisuuteen suuntautumisena, henkilöstö asemoituu ennakoinnin kentälle hyvin eri tavoin. Haastateltavat kuvasivat osan suhtautuvan avoimesti uusiin ajatuksiin ja innostuvan ennakointikeskusteluista. Toisaalta ilmeni myös, että osa henkilöstöstä kokee ennakointitiedon ja tulevaisuusajattelun vieraaksi ja vaikeasti omaksuttavaksi, kuten haastateltavat nostivat esiin: Ehkä se siis vahvuus on varmaan siinä, että meillä on hyviä asiantuntijoita ja se, että suurin osa porukasta ovat tosiaan niin kuin mieleltään tutkijoita ja kehittäjiä. He elävät siinä tietyllä tavalla koko ajan siinä tulevaisuudessa ja niillä on silmät ja korvat auki ja ymmärtävät mihin maailma on menossa. Ja pyrkivät toimimaan, tekemään viisaita ratkaisuja sen mukaisesti, että miten toimintaympäristö muuttuu ja miten meidän pitää kehittää sitten omaa toimintaa. (H7, TKI-toiminta) En oikein tiedä, että onko meillä sellaista ennakointikulttuuria ja sitten mä olen ollut ymmärtävinäni, että tämmöinen tulevaisuusajattelun on vielä osalle henkilöstöä hieman vieraahkoa. Sitä pidetään vähän sellaisena turhan futuristisen tai sellaisena, ettei se liity omaan arkeen, vaan että se on hieman sellaista liian korkealentoista. (H2, tutkintokoulutus) Ennakointiosaamiseen liittyvä tieto määriteltiin haastatteluissa heikkoja signaaleja, trendejä ja toimintaympäristöä koskevana tietona. Tällaisen tiedon saaminen edellyttää tiedonhankintataitoja ja ennakointiin liittyvän käsitteistön hallintaa. Ennakointiosaaminen korostui myös tiedonjanona ja erilaisina tiedon reflektiivisinä tulkinta- ja soveltamistaitoina. Yhteistoiminnallisuus korostui osaamisesta puhuttaessa, jolloin sosiaaliset, viestinnälliset ja eri toimijoiden osaamisen tunnistamisen taidot nähtiin merkittävinä asioina, kuten eräs haastateltava toi esiin: Kyky muodostaa sitä käsitystä niistä olemassa olevista tiedosta ja tehdä siitä niitä ikään kuin niitä sovelluksia sitten sitä tavallaan niitä skenaarioita että mihin päin ollaan menossa, että miten sitä hyödynnetään tässä meidän kontekstissa ja niin kun niitä laajempaa tavallaan sitä isoa kuvaa että miten se näyttäytyy tässä meidän viitekehyksessä, niin se on ehkä sitten semmoista ytimessä olevaa, että osaa poimia niistä megatrendeistä tai niin kun olemassa olevista hiljaisista signaaleista niin sitten sitä oleellista juuri siihen meidän niin kun toimintaan liittyviä ja myöskin sitten tavallaan viedä se tieto sitten eteenpäin käytännön tasolle ja reagoida siihen ajoissa, ja kyetä tekemään siitä niitä ratkaisuja. (H11, tutkintokoulutus) Haastateltavat liittivät eri henkilöstöryhmien ennakointiosaamiseen erilaisia sisältöjä. Ennakointiosaaminen ymmärrettiin sekä kaikille työntekijöille kuuluvana arkisena työelämätaitona että esihenkilöille kuuluvana strategisena osaamisena. Esihenkilöiden ennakointiosaamiseen liitettiin myös osaamisen ja kyvykkyyksien tunnistaminen, data- ja tilasto-osaaminen sekä ennakointimenetelmien, kuten skenaariotyöskentelyn, hallinta. Haastateltavien arvio omasta ennakointiosaamisestaan vaihteli vähäisestä vahvaan. Vahvuuksina he nostivat esiin uteliaisuuden, avarakatseisuuden, joustavuuden, innostuneisuuden ja kiinnostuksen tulevaisuutta kohtaan. Lisäksi vahvuuksina pidettiin kykyä analysoida ennakointitietoa, yhdistellä asioita ja luoda strategisia tulevaisuuskuvia. Tätä pohdittiin haastatteluissa monipuolisesti: Jos ajatellaan näitä tämmösiä, että joustavuus ja semmoinen positiivinen asennoituminen tulevaan ja semmoinen ajattelutapa, että tulevaan voi vaikuttaa ja sitä muutosta voi ja pitää tehdä niin siinä koen olevani, että se on sellaista minun ominta tapaa tehdä työtä. Mutta sitten jos ajatellaan, että siihen ennakointiosaamiseen kuuluu nää tämmöset erilaiset ennakointimenetelmät ja muut, niin en kyllä voi sanoa, että ne on mitenkään vahvinta osaamistani. (H12, TKI-toiminta) Oon aika vahvoilla sellaisessa nimenomaan tulevaisuuskuvien laadinnassa ja sellaisessa strategisessa ajattelussa, että ja myös ehkä semmoisissa suhteellisen nopeassa, niin kun kokonaisuuksien hahmottamisessa ja asioiden kontekstualisoinnissa, mikä tietysti tulee osittain kokemuksen mukana, että kun on tehnyt pitkään tätä työtä, niin hahmottaa aika nopeasti niin kun niitä isompia linjoja, mihin yksittäiset asiat liittyy. Että ehkä siinä mielessä semmoinen kokonaisuuksien hallinta ja tosiaan asioiden kontekstualisointi. (H7, TKI-toiminta) Heikkoutena nousi esiin formaalin koulutuksen ja menetelmäosaamisen puute, joka teki ennakoinnin soveltamisesta osalle haastavaa. Haastateltavat kokivat vaikeuksia sanoittaa tai tunnistaa omaa ennakointiosaamistaan. Tarkempi kuvaus ennakointitaidoista ei myöskään välttämättä vastaa itsearviota ennakointiosaamisesta. Jotkut arvioivat osaamisensa vahvaksi ilman muodollista koulutusta tai menetelmällisiä valmiuksia, kun taas toiset aliarvioivat taitonsa, vaikka heidän kuvauksensa osoittivat monipuolista osaamista. Haastatellut olivat pyrkineet vahvistamaan ennakointiosaamistaan formaalin ja informaalin oppimisen kautta. Formaalin oppimisen osalta mainittiin erilaiset ennakointiin, tulevaisuudentutkimukseen ja johtamiseen liittyvät koulutukset sekä itseopiskelu. Vaikka haastateltavat olivat korkeakoulututkinnon suorittaneita, akateeminen tausta ei korostunut ennakointiosaamisen lähteenä. Tämä voi johtua esimerkiksi siitä, että haastateltavien akateeminen osaaminen oli hankittu ennakoinnin ja tulevaisuustutkimuksen ulkopuolelta. Toisaalta myöskään kurssien ja koulutusten kautta hankittua ennakointiin liittyvää tietotaitoa ei korostettu ennakointiosaamisen vahvuutena. Ennakointiin tai tulevaisuudentutkimukseen liittyvää lisäkoulutusta saaneet tai aihetta itsenäisesti opiskelleet arvioivat osaamisensa jopa heikommaksi kuin ne, jotka ovat hankkineet osaamisensa käytännön työelämässä. Haastateltavat korostivat jo ennakointiosaamisen vahvuuksissa esiin tulleita asenteita myös työkaluna ennakointiosaamisen kehittämiseksi. Eräs haastateltava sanoitti tämän seuraavasti: Tärkein työkalu onkin semmoinen niinku tavallaan asennoituminen sitä ennakointia kohtaan, se semmoinen, että oppii vähän sillain laajemmalla skaalalla niinku ajattelemaan just sitä, mitä se ennakointitieto on. (H4, palvelutoiminta) Haastateltavat korostivat käytännön tekemisen ja hiljaisen tiedon roolia ennakointiosaamisessa. Tämä osaaminen oli kertynyt päivittäisen työn sekä erilaisten hankkeiden ja verkostojen kautta, kuten seuraavissa katkelmissa käy ilmi: Tämmöinen yhteinen eri tahojen näiden hanketahojen ja asiaan liittyvien työpajaan, jossa tää kyseinen henkilö sanoikin, että hän kertoi just että mikä kaikki yllätti ja miten laajeni käsitys ennakoinnista kun kuuli muilta kokemuksia. Siis muista oppilaitoksista ammattikorkeakouluista ja niin päin pois. (H8, tutkintokoulutus) No mä niin kun tietyllä tavalla aina kun tapaan ihmisiä, jotka on minua viisaampia ja tapaan heitä usein koska arvostan niinku muiden osaamisia ja vahvuuksia ihan valtavasti. (H13, TKI-toiminta) Haastatteluista ilmeni, että ennakointiosaamisen vahvistaminen edellyttää ennakoinnin merkityksen tunnistamista ja tunnustamista sekä osaamisen näkyväksi tekemistä yksikkö- ja organisaatiotasolla. Lisäksi ennakointiosaamisen vahvistamisen katsottiin vaativan ennakoinnin parempaa organisointia ja näkyvyyttä. Johtopäätökset ja pohdinta Tulosten tiivistys ja pohdinta Lähestyimme opinnäytetyössämme Xamkin ennakointikyvykkyyttä Rohrbeckin (2011) ennakointikypsyysmallin avulla. Opinnäytetyön tarkoituksena ei ollut arvioida Xamkin sijoittumista mallin eri tasoille, vaan hyödyntää mallia ennakoinnin eri osa-alueiden tunnistamisessa ja näkyväksi tekemisessä. Tarkastelimme ennakoinnin toteutumista yksikkötasolla siellä työskentelevien henkilöiden näkökulmasta. Kuva Xamkin ennakointikyvykkyydestä rakentuu siis mikrotason kuvauksista organisaation rakenteiden ja kulttuurin kehystäessä yksiköiden toimintaa ja haastateltavien ennakointikuvauksien kerrontaa. Tulosten perusteella voidaan todeta, että Xamkilla on ennakointikyvykkäitä koulutus-, TKI- ja palvelutoiminnan yksiköitä. Yksikkötasolla ennakoinnin vahvuuden pohjana ovat siihen myönteisesti suhtautuva ja motivoitunut monialainen henkilöstö, heidän aktiivinen osallistumisensa aluekehitykseen ja monipuoliset ennakointikumppanuudet. Tulokset kertovat henkilöstön sitoutumisesta työhönsä ja halusta kehittää sitä, jolloin osallistuminen ennakointiin tarjoaa siihen luontevia mahdollisuuksia. Ennakointi on kontekstisidonnaista toimintaa (Rohrbeck 2011; Minkkinen ym. 2019, 11), jolloin yksiköiden ennakointikyvykkyys on sidoksissa Xamkin rakenteisiin ja toimintakulttuuriin. Xamkin avoin ja osallistava toimintakulttuuri ja valmius ketterään kehittämiseen tarjoaa yksiköille varsin suuren toimintavapauden. Tarkasteltaessa tuloksia Hortonin (1999) ennakoinnin prosessimallin kautta voidaan havaita, että yksiköiden ennakointitoiminta paikantuu vahvasti tiedon keräämiseen. Asiantuntijaorganisaationa Xamk hankkii ja data-analytiikan avulla myös louhii valtavan määrän tietoa, joka tuottaa tilannekuvaa organisaatiosta ja toimintaympäristön muutoksista. Tiedon jalostaminen visionääriseksi tiedoksi eli Brownin, Colvillen ja Byen (2015, 267) kuvaama dialogia vaativa sensemaking on kuitenkin organisaation yhteisenä toimintana vähäistä eikä yksikkötasollakaan usein riittävää. Tämä johtuu ennakointiprosessille keskeisten tiedon hyödyntämisen rutiinien (Zahra & George 2002, 190) puuttumisesta. Xamk ei myöskään kollektiivisen tulevaisuustietämyksen (ks. Koskinen 2020) luomiseksi kokoa verkostoihinsa riittävästi vallitsevia ajatustapoja haastavia, tietyn toimialan yli kurottavia henkilöitä. Mannermaan (2004, 118) mukaan pelkkä asiantuntijakeskeinen havainnointi ei riittävästi tavoita esimerkiksi heikkoja signaaleja. Xamkin organisaation ennakointikyvykkyys näyttää siten rakentuvan ennakoiville ja hyvin toimiville yksiköille koko organisaation kattavan ennakoinnin ekosysteemin (ks. Pouru ym. 2020) sijasta. Tuloksissa havaittiin myös, että yksiköt katsovat, että eivät itse juuri tuota ennakointitietoa. Kyse voi olla siitä, että haastattelutilanteessa tulevaisuustieto on voitu tulkita ainoastaan eksplisiittisenä, helposti näkyvissä olevana tietona (ks. Alavi & Leidner 2001, 111). Tulevaisuustieto on kuitenkin myös hiljaista ja näkemyksellistä tietoa (Nonaka & Takeuchi 2005), jonka havaitseminen saattoi olla osalle haastatelluista haastavampaa. Opiskelija- ja henkilöstömäärältään suurena, monialaisena ja usealla kampuksella toimivana organisaationa yksiköiden väliset erot ennakointikyvykkyydessä näyttävät olevan suuria. Yksikkötasolla ennakoinnin vahvuuksiksi kuvatut asiat toteutuivat tämän opinnäytetyön tulosten mukaan ammattikorkeakoulun perustehtävistä parhaiten TKI-toiminnassa ja aluekehitystä tukevassa palvelutoiminnassa. Sen sijaan tutkintokoulutusten ennakointikyvykkyydestä voi olla tulosten mukaan huolissaan, mikäli “tulevaisuuskestävä koulutus” on jatkossakin Xamkin strategian yksi painopisteistä. Vaikka ennakointitiedolla johtamisen tärkeys strategisessa kehittämisessä tiedostetaan Xamkissa hyvin, sillä ei tulosten perusteella kuitenkaan ole sellaista selkeää organisaation läpäisevää ennakointiprosessia tai -rakennetta, josta oltaisiin yksikkötasolla tietoisia tai joihin yksiköt kokevat oman toimintansa kiinnittyvän. Ilman toimintaympäristö- ja ennakointitiedon koordinoivia rakenteita sekä prosesseja ei synny vuorovaikutusta ja tulevaisuustiedon syntymiselle tarpeellista omien perusolettamusten kyseenalaistamista (Ketonen-Oksi 2022, 543–548) eikä tieto myöskään jalostu koko organisaation yhteiseksi tiedoksi. Ennakoinnin merkittäväksi ongelmaksi tunnistettu ennakointikäsitteen sumeus ja ennakointiin liitetty mystifiointi (Valtioneuvosto 2020, 20) nousi esiin opinnäytetyön tuloksissa. Henkilöstön osallistumisessa ennakointiin on paljon eroja, mikä palautuu kysymykseen tulevaisuusvallasta (Dufva, Lähdemäki-Pekkinen, Poussa & Rekola 2024). Viljakainen ja Kujanpää (2024, 424) ovat todenneet, että jos tulevaisuudesta keskustellaan vain valikoitujen tahojen kanssa, tieto jää puutteelliseksi. Samalla ennakointitoimintaan osallistumattomilla ei ole mahdollisuutta vahvistaa ennakointiosaamistaan. Ennakointikyvykäs organisaatio rakentuu yksilöiden ajattelulle ja osaamiselle (Rohrbeck 2011, 71–72; Kononiuk & Sacio-Szymańska 2015). Tämä olisi huomioitava vahvemmin tulevaisuusajattelun ja ennakoinnin kehittämisessä. Tulostemme mukaan ennakointiosaaminen Rohrbeckin (2011, 5–6) korostamana asenteena ja luovana ajatteluna on ennen kaikkea tulevaisuustietoisuutta (Ahvenharju 2022, 54–55), joka ei ole taito, vaan edellytys konkreettiselle toiminnalle. Suhteessa Hinesin ym. (2017, 133) kompetenssimallin ulottuvuuksiin ennakointiosaaminen oli ennen kaikkea henkilökohtaista ja työpaikkaan liittyvää osaamista. Kehittämisehdotukset Kaakkois-Suomen ammattikorkeakoulun ennakointikyvykkyyden vahvistamiseksi Tulosten perusteella voidaan jäsentää seuraavat toteutusjärjestykseen asetetut kehittämisehdotukset Xamkin ennakointikyvykkyyden lisäämiseksi (ks. kuvio 3). Kuvio 3. Kaakkois-Suomen ammattikorkeakoulun ennakointikyvykkyyden vahvistaminen Kehittämisehdotus 1. Henkilöstön ja opiskelijakunnan osallistaminen ennakointiin Ennakoinnin kehittämisessä on tarpeellista lähteä liikkeelle bottom up -tyyppisillä ratkaisuilla. Se voisi tapahtua osallistamalla koko henkilö- ja opiskelijakunta ennakointiedon keräämiseen ja jalostamiseen. Laajempi osallistaminen monipuolistaisi ajattelua ja edistäisi tulevaisuustiedon jalostamista kollektiiviseksi tulevaisuustietämykseksi. Ennakointiverkostoa tulee monipuolistaa, sillä uudet toimijat voivat haastaa vallitsevia ajatusmalleja ja ylittää toimialarajoja, mikä on erityisen tärkeää esimerkiksi heikkojen signaalien havaitsemisessa, jossa tietyn alan asiantuntijat eivät aina ole parhaita. Määrällisen tiedon ohella on tarpeellista panostaa laadulliseen tietoon ja sen tulkintaan. Käyttötarkoitukseen soveltuvien ennakointimenetelmien käyttöönotolla on mahdollisuus tukea tiedon rikastamista. Ennakoinnin kehittäminen edellyttää luottamusta ja sitoutumista organisaation tavoitteisiin ja arvoihin. On siten välttämätöntä siirtyä yksilöllisestä osaamisesta kohti yhteisöllistä ennakointia, jossa nämä periaatteet ovat keskiössä. Tulevaisuusajattelun tiiviimpi integrointi osaksi päivittäisiä työskentelytapoja ja käytännön toimintaa voisi hälventää ennakointiin liittyvää mystisyyttä, edistää osallistumista ja vahvistaa ennakointiosaamista. Yhteisen ennakointikulttuurin luomiseksi ennakointitoimintaa ja tulevaisuusajattelua tulee myös sanoittaa entistä selkeämmin ja konkreettisemmin. Tämä arkipäiväistäisi ja vahvistaisi sitoutumista ennakointityöhön ja siten edistäisi sen kehittymistä organisaation yhteiseksi ajattelutavaksi. Kehittämisehdotus 2: Ennakointijärjestelmän ja prosessien kehittäminen Arkeen integroituvat ennakoinnin käytännöt edellyttävät kuitenkin mahdollistavia rakenteita. Ennakointia tulee kehittää järjestelmällisemmäksi ja selkeämmin johdetuksi toiminnaksi, jonka tavoitteet on kirkastettu sekä organisaatio- että tulosaluetasolla ja viestitty selkeästi henkilöstölle. Vaikka yksittäiset ennakointiin liittyvät kehittämisponnistukset ja työpajat ovat hyödyllisiä, ne eivät yksin riitä sitouttamaan henkilöstöä ennakointitoimintaan. Ennakointityön jatkuvuuden ja yhtenäisyyden varmistamiseksi on välttämätöntä kytkeä ennakointi osaksi toiminnanohjauksen prosesseja ja luoda rakenteita tukemaan ennakointia esimerkiksi henkilöstön vaihtuessa tai strategisten painopisteiden muuttuessa. Tämä ei tarkoita erillisen ennakointiyksikön perustamista, vaan kulttuuristen käytäntöjen systemaattista vahvistamista. Rakenteisiin kiinnittyvät ennakoinnin mekanismit vahvistaisivat myös vuorovaikutusta ylimmän johdon strategisen ennakoinnin ja yksikköjen mikroennakoinnin välillä. Tämä lisäisi henkilöstön tietoisuutta organisaation strategisista linjauksista ja integroisi heidän havaitsemansa signaalit päätöksentekoon, sen sijaan että ennakointitieto jää yksiköiden sisälle. Kehittämisehdotus 3. Ennakoinnin ekosysteemin rakentaminen Xamkin vahvuutena on monialaisuus. Jotta tämä vahvuus muuttuisi kyvykkyydeksi, tulee siirtyä ammattikorkeakoulun sisäisestä ennakoinnista laajempaan alueelliseen ennakoinnin ekosysteemiin. Tällaisessa ekosysteemissä keskeistä on ennakointiverkostojen kehittäminen ja tiedon yhteinen prosessointi, mikä loisi vakiintuneet rakenteet tiedonvaihdolle organisaation sisällä ja ulkoisten sidosryhmien kanssa. Xamkissa systeeminen ennakointi voisi luoda siltoja strategiatyön, tutkintokoulutusten, TKI-toiminnan ja aluekehityksen välille. Ekosysteemin avoimet tulevaisuustiedon lähteet palvelisivat siten myös Xamkin yhteistyökumppaneita ja laajempaa aluetta. Kehittämisehdotus 4. Ennakointiosaamisen johtaminen osaamispääomana Ennakointiin osallistuvien henkilöiden näkökulmat ja kyvykkyydet vaihtelevat. Yksilöiden vahva osaaminen ja koulutus ovat tärkeitä, mutta ne eivät yksin riitä ennakointikyvykkyyden kasvattamiseen organisaation tasolla. Tähän tarvitaan keskinäistä vuoropuhelua. Ennakoinnin johtaminen ei voi rajoittua pelkkään prosessien hallintaan. Sen on keskityttävä osaamispääoman kehittämiseen, jotta henkilöstön ennakointiosaaminen saadaan tukemaan koko organisaation ennakointikyvykkyyttä. Johto on avainasemassa ennakointikulttuurin kehittämisessä ja sen jalkauttamisessa koko organisaatioon. Erityisesti keskijohdolla ja lähiesihenkilöillä on keskeinen rooli, sillä he tuntevat hyvin yksikön sisäisen ja ulkoisen toimintaympäristön ja pystyvät motivoivalla johtamisella ja omalla myönteisellä suhtautumisellaan luomaan ennakoinnille otollisia paikkoja. Ennakointiprosessin tukemiseen tulisi myös nimittää fasilitaattoreita rohkaisemaan uusien menetelmien käyttöönottoon ja edistämään yhteistä keskustelua. Esitettyjen kehittämisehdotusten 1–4 toteuttamista voi tukea ennakointialustan käyttöönotolla. Se mahdollistaisi ennakointitiedon keräämisen, analysoinnin ja jalostamisen, mukaan lukien hiljaisten signaalien tunnistamisen ja hyödyntämisen. Ratkaisun toteuttaminen tekoälypohjaisesti mahdollistaisi laajojen tietomassojen tehokkaan hallinnan sekä ennakointitiedon jatkuvan ajantasaisuuden. Teknologian hyödyntäminen tässä yhteydessä tarjoaisi myös välineet uusien kehitysten, strategioiden ja päätösten vaikutusten arviointiin jäsennellyn tulevaisuustiedon pohjalta. Sen avulla koko henkilöstö ja ulkoiset sidosryhmät voisivat osallistua ennakointiprosessiin johdonmukaisesti ja koordinoidusti. Lähestymistapa tukisi systemaattisen ennakointiosaamisen kehittämistä ja johtamista, muodostaen pohjaratkaisun ennakoinnin ekosysteemille, jossa organisaation sisäisten ja ulkoisten verkostojen tietolähteet yhdistyisivät yhdeksi keskitetyksi tietovarannoksi. Tällainen alusta tukisi ennakointiosaamisen kehittämistä ja johtamista tarjoamalla rakenteet, joiden sisällä tiedonkulku ja osaamisen jakaminen voivat tapahtua tehokkaasti ja koordinoidusti. Ennakointitietoon perustuvaalustaratkaisuei siten vahvistaisi vain Xamkin ennakointityötä, strategista suunnittelua ja päivittäistä toimintaa, vaan hyödyttäisi koko ekosysteemiä, tarjoten tulevaisuustietoa yhteistyökumppaneiden ja alueellisten toimijoiden käyttöön, mikä tukisi laadukkaaseen ennakointitietoon perustuvaa päätöksentekoa koko alueella. Suuren kielimallin käyttö laadullisessa tutkimuksessa Opinnäytetyö on tuottanut tietoa Xamkin ennakointikyvykkyydestä ja palvelee siten organisaation toiminnan kehittämistä. Opinnäytetyön metodinen uutuusarvo liittyy aineiston analyysissa käytettyyn tekoälyavusteiseen analyysiin. Toistaiseksi tekoälyn käytöstä kvalitatiivisessa tutkimuksessa ei ole juuri vertaisarvioituja julkaisuja, vaan ajankohtaisin tieto esimerkiksi kehotemuotoilusta löytyy alan toimijoiden eritasoisista ohjeista (Christou 2023; 1977; Bsharat, Myrzakhan & Shen 2024; Järvilehto 2023; Kaiku 2024a). Laadullisessa tutkimuksessa on tärkeää tiedostaa, miten tietoa tuotetaan ja rakennetaan sekä mitkä ovat menetelmien rajoitteet ja vinoumat. Tekoälytyökalun tapauksessa tämä tarkoittaa ymmärrystä siitä, miten se tuottaa uutta tietoa, millaisia komentoja annetaan ja mitä tekoälyä analyysissa käytetään. (Christou 2023, 1970.) Tutkijoiden on perehdyttävä aineistoonsa, osattava antaa tarkoituksenmukaiset kehotteet ja tarkistettava tulokset tietämystään vasten (Christou 2023, 1977). Tutkijoiden pitää aktiivisesti tunnistaa ja vähentää tekoälyn tuottaman datan mahdollisia vinoumia (Christou 2023, 1977; Davison ym. 2024, 1436). Tutkijoiden tulee myös selittää läpinäkyvästi, miten tekoälyä on sovellettu (Christou 2023, 1974; 1977). Kielimallien tiedetään tuottavan eri tavoin virheellistä tietoa esimerkiksi hallusinoimalla epätosia väittämiä (Christou 2023, 1973). Tekoälyltä voidaankin tulkitsevien tehtävien sijaan esimerkiksi kysyä, mitä osallistujat kertoivat tietystä aiheesta (Morgan 2023, 7–8). Tässä opinnäytetyössä pyrimme parantamaan ihmisen ja tekoälyn välistä vuorovaikutusta (ks. Gao 2023, 4–5) perehtymällä aineistoon ensin itse ja asettamalla kielimallin toiminnalle selkeät rajat hyvällä kehotemuotoilulla. Kehotemuotoilua ohjasi löyhästi tietämys kehotemuotoilun periaatteista (Bsharat ym. 2024; Järvilehto 2023; Kaiku 2024b). Kehotemuotoilu eteni useassa vaiheessa tekoälyn vastausten perusteella, jolloin nähtiin, mitkä käsitteet, termit ja ohjeet piti määritellä selkeämmin kielimallin ymmärtämällä tavalla (ks. liite 2). Saimme melko hyviä tuloksia jo ensimmäisillä kehotteilla, mutta kun varmistimme vaihteittain etenevällä kehotemuotoilulla, että tekoäly ymmärtää käsitteet tarkoittamallamme tavalla, saavutimme parhaan lopputuloksen: yllätykseksemme tekoälyn teemakohtainen luokittelu vastasi erittäin hyvin omaa tulkintaamme. Näin toimien tekoäly ei tuottanut hallusinoituja sisältöjä, emmekä joutuneet esimerkiksi hylkäämään tekoälyluokittelun tuloksia, mistä Christou (2023, 1973; 1976) varoittaa. Tulosten arvoa lisää se, että puhekielistä Teams-ohjelman litteroimaa aineistoa käytettiin sellaisenaan. Havaintomme lisäävät ymmärrystä, että kielimallia ja tekoälyä voi hyödyntää laadullisen sisällönanalyysin työkaluna, kun valitaan aineistoon tarkoituksenmukainen kehotemuotoilu ja tekoäly saadaan ohjattua käsittelemään tarkasteluun valittu aineisto kokonaan. Kielimallin ominaisuuksien hallitseminen vähentää tekoälyn käytön riskejä, jolloin tutkija ja organisaatio voivat saada kilpailuetua, kuten ajansäästöä, tukea omalle teemoittelulle ja apua vaihtoehtoisten näkökulmien kartoittamiseen. Opinnäytetyön eettisyyden ja luotettavuuden arviointi Opinnäytetyössä on noudatettu Tutkimuseettisen neuvottelukunnan ohjeistusta (2019), Ammattikorkeakoulun eettisiä ohjeita opiskelijoille (Ammattikorkeakoulujen rehtorineuvosto Arene ry 2020) sekä Lapin ammattikorkeakoulun (2024) tietosuojaan liittyviä ohjeistuksia. Tutkimuslupa anottiin Xamkilta. Henkilötietojen käsittelemiseksi laadittiin ennen aineistonkeruun aloittamista tietosuojailmoitus. Haastateltavien suostumus tutkimukseen tapahtui sähköpostin välityksellä. Lupa henkilötietojen käsittelyyn pyydettiin suullisesti haastattelutilanteen alussa. Olemme käyttäneet opinnäytetyön luotettavuuden arvioinnissa laadulliselle tutkimukselle tyypillisiä uskottavuuden, reflektiivisyyden, vahvistettavuuden ja siirrettävyyden kriteereitä (Lincoln & Cuba 1985). Uskottavuudella eli sisäisellä validiudella tarkoitetaan sitä, vastaavatko tutkijan tulkinnat tutkittavan kokemusta asiasta (Aaltio & Puusa 2020, 179; Puusa 2020a, 103–104). Sitä voidaan lähestyä myös teoreettisena perehtyneisyytenä (Lincoln & Cuba 1985). Olemme perehtyneet huolellisesti aihetta koskeviin teorioihin ja lähestyneet, analysoineet ja tulkinneet ilmiötä teoreettisen tutkimusasetelman kautta, joka rajaa yhden tulokulman ilmiöön. Toisin rajattuna tulokset voisivat olla toisenlaisia. Laadullisessa tutkimusaineistossa haastateltavien suurta määrää olennaisempaa on aineiston sisällöllisen rikkaus (Puusa & Julkunen 2020, 199). Valitsimme haastateltavat harkinnanvaraisesti ja toimme heidän taustatietonsa esille sillä tarkkuustasolla, kuin oli mahdollista anonymiteetin säilyttämiseksi. Xamkissa työskentelevä opinnäytetyöntekijä valitsi mahdollisiksi haastateltaviksi henkilöitä, joilla työnsä tai asemansa puolesta voitiin olettaa olevan kytkös ennakointiin. Ns. riviopettajat rajautuivat tästä syystä aineiston ulkopuolelle. On huomioitava, että haastatteluun ei myöskään osallistunut ammattikorkeakoulun ylin johto, joilta olisi saatu todennäköisesti tietoa siitä, miten ennakointi on rakennettu osaksi organisaation strategiaa ja toimintamalleja, ja millaisilla rakenteilla ja käytännöillä lisätään innovatiivisuutta. Haastattelupyyntö kohdennettiin myös heille, mutta aineistonkeruun ajankohtaan osuneet muutosneuvottelut estivät oletettavasti heidän osallistumisensa. Yhden opinnäytetyön tekijän sisäpiiriläisyyden (ks. Juvonen 2017) vaikutus on otettava huomioon luotettavuutta pohdittaessa. Ammattikorkeakoulussa työskentelevä opinnäytetyön tekijä pyrki tunnistamaan omat sitoumuksensa ja tulemaan niistä tietoiseksi. Toisaalta tutkimusympäristön tuntemus voi Valliaron (2024, 126) mukaan myös edistää tutkimuksen suunnittelua ja toteutusta sekä lisätä refleksiivisyyttä. Opinnäytetyön uskottavuutta lisäsi se, että analyysi tehtiin tutkijatriangulaationa (ks. Aaltio & Puusa 2020, 185) kaikkien opinnäytetyön tekijöiden yhteistyönä. Yhden opinnäytetyön tekijän tekemä analyysi ja tulkinta asetettiin tutkimusprosessin aikana useampaan otteeseen muiden arvioitavaksi (Aaltio & Puusa 2020, 180). Tekoälyavusteisessa analyysissa hyödynnettiin tekoälyä (ChatGPT 4o) aineistoanalyysin tukena varmistamaan aineiston systemaattinen luokittelu tutkijan toimesta. Omanlaisensa luotettavuuden mittari on, että opinnäytetyön tekijöiden ja tekoälyllä toteutetun teemakohtaisen tarkemman analyysin tulokset olivat hyvin vertailukelpoisia. Tekoälyavusteinen analyysi toteutettiin vasta opinnäytetyön tekijöiden itsenäisen analyysin jälkeen. Näin varmistettiin, etteivät tekoälyanalyysin tulokset ohjaa tutkijoiden omia tulkintoja. Tekoälyllä analysoitu aineisto oli anonymisoitu, ja ChatGPT:n asetuksista oli poistettu suostumus aineiston käyttämisestä kielimallin jatkokoulutukseen. Uskottavuuden takaamiseksi ja arvioitavuuden (ks. Aaltio & Puusa 2020, 178) lisäämiseksi tutkimusprosessi on kuvattu mahdollisimman tarkasti laadulliselle tutkimukselle ominaisella tavalla. Uskottavuutta parantaa raportoinnissa käyttämämme suorat lainaukset. Vahvistettavuus tarkoittaa sitä, että tutkimustulokset saavat tukea aiemmista tuloksista (Lincoln & Cuba 1985). Toistaiseksi kansallista tutkimusta organisaatioiden ennakointikyvykkyydestä ennakointikypsyysmallin näkökulmasta on varsin vähän, joskin tuloksemme ovat samansuuntaisia niiden kanssa. On huomioitava, että ennakointikyvykkyyttä ja -kypsyyttä tarkastelevat mallit on laadittu pääsääntöisesti yritysten kilpailukyvyn edistämiseksi, mikä ei näkökulmana vastaa suoraan esimerkiksi korkeakoulujen toiminnan perustarkoitusta. Haastattelut tehtiin ajankohtana, jolloin valmistauduttiin 1.1.2025 tapahtuvaan ammattikorkeakoulujen rahoitusmallin muutokseen. Siihen liittyvä toimintojen uudelleenorganisointi samoin kuin rahoitusmallin aiheuttama muutosneuvottelut olivat käynnissä ja tulivat korostuneesti esille haastatteluissa. Avautuvien mahdollisuuksien sijasta haastateltavien puheessa korostuivat ehkä ajankohdan takia muutoksiin reagointi, sopeutuminen ja taloudellisten toimintaedellytysten mahdollistaminen. Yhteen organisaatioon paikantuvan opinnäytetyön tulokset eivät ajallisen ja paikallisen kontekstisidonnaisuutensa takia ole yleistettäviä (Puusa & Julkunen 2020, 190). Sen sijaan tuloksemme voivat olla siirrettävissä, mikäli alkuperäinen tutkimuskonteksti ja sovellettava konteksti ovat riittävän samankaltaisia (Lincoln & Cuba 1985). Olemme pyrkineet esittelemään tutkimuskontekstimme ja aineistomme sellaisella tarkkuustasolla, että lukija voi itse tehdä johtopäätöksiä tulosten siirrettävyydestä. Jatkotutkimusehdotukset Tuloksissa nousi esille esihenkilöiden ja ylimmän johdon rooli myönteisen ennakointikulttuurin rakentamisessa. Jatkotutkimuksena olisi aiheellista selvittää, millaisella tulevaisuusjohtamisella organisaation ennakointikyvykkyyttä voidaan vahvistaa. Tuloksissa vahvistui kehotemuotoilun merkitys tekoälyavusteisessa laadullisessa analyysissa. Jatkossa olisi syytä selvittää, kuinka kielimallia voidaan tehokkaasti ohjata luomaan kokonaiskuva tunnistamistaan teemoista. Olisi myös arvokasta vertailla, miten puhekielisen aineiston muuntaminen yleiskieliseksi vaikuttaa tekoälyanalyysin tuloksiin. Lähteet Aalto, H-K. 2022. Ennakointi – tulevaisuuksiin varautumisen ja virittäytymisen näkökulma. Teoksessa H-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022. Tulevaisuuden tutkimuskeskus, Turun yliopisto, 347–358. Viitattu 4.6.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Aaltio, I. & Puusa, A. 2020. Mitä laadullisen tutkimuksen arvioinnissa tulisi ottaa huomioon. Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 177–178. Ahvenainen, M., Janasik, N., Reinekoski, T. & Lehikoinen, A. 2021. Tulevaisuusresilienssi ja strateginen ennakointi: kriisinkestävyyden harjoittelua bayeslaisella kausaalimallinnuksella. Futura, Vol 4 (2021), 23–35. Viitattu 30.6.2024 https://research.utu.fi/converis/portal/detail/Publication/68912502. Ahvenharju, S. 2022. Futures Consciousness as a Human Anticipatory Capacity – Definition and Measurement. Turun yliopisto, Turun kauppakorkeakoulu. Viitattu 19.3.2024 https://urn.fi/URN:ISBN:978-951-29-8892-1. Ahvenharju, S. & Pouru-Mikkola, L. 2022. Tulevaisuustietoisuus ja tulevaisuuslukutaito – kuinka kohtaamme, kuvittelemme ja käytämme tulevaisuutta. Teoksessa H-K. Aalto, K. P. Heikkilä, M. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022. Tulevaisuuden tutkimuskeskus, Turun yliopisto, 389–399. Viitattu 4.6.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Ahvenharju, S., Pouru-Mikkola, L., Minkkinen, M. & Ahlqvist, T. 2020. Tulevaisuustiedon lähteillä. Analyysi ennakointiraporteista ja tulevaisuuden ilmiöistä. Eduskunnan tulevaisuusvaliokunnan julkaisu 6/2020. Viitattu 2.3.2024 https://www.eduskunta.fi/FI/naineduskuntatoimii/julkaisut/Documents/tuvj_6+2020.pdf. Ahvenlampi, S. & Kinnunen, I. 2020. ”Kyllä me suunnitellaan, ennakoidaan ja kehitetään”. Ennakointi Oulun ammattikorkeakoulussa. ePOOKI. Oulun ammattikorkeakoulun tutkimus- ja kehittämistyön julkaisut. Viitattu 1.4.2024 https://www.theseus.fi/bitstream/handle/10024/336808/ePooki%2027_2020.pdf?sequence=2&isAllowed=y. Alastalo, M. & Åkerman, M. 2010. Asiantuntijahaastattelun analyysi: faktojen jäljillä. Teoksessa J. Ruusuvuori, P. Nikander & M. Hyvärinen (toim.) Haastattelun analyysi. Tampere: Vastapaino, 372–392. Alastalo, M., Åkerman, M. & Vaittinen, T. 2017. Asiantuntijahaastattelu. Teoksessa M. Hyvärinen, P. Nikander & J. Ruusuvuori (toim.) Tutkimushaastattelun käsikirja. Tampere: Vastapaino, 214–232. Alavi, M. & Leidner, D.E. 2001. Review: Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research Issues, Vol 25 Nro 1 (2001), 107–136. Viitattu 18.6.2024 https://doi.org/10.2307/3250961. Ambrosat, S. & Grünwald, S. 2023. Towards a future-proof organisation: using foresight in HR and organisational development. Strategic HR Review, Vol 22 Nro 5 (2023), 169–173. Viitattu 8.7.2024 DOI: 10.1108/SHR-07-2023-0040. Ammattikorkeakoulujen rehtorineuvosto Arene ry. 2020. Ammattikorkeakoulun opinnäytetöiden eettiset suositukset. Viitattu 31.1.2024 https://www.arene.fi/wp-content/uploads/Raportit/2020/AMMATTIKORKEAKOULUJEN%20OPINN%C3%84YTET%C3%96IDEN%20EETTISET%20SUOSITUKSET%202020.pdf?_t=1578480382. Ammattikorkeakoululaki 14.11.2014/932. Viitattu 18.6.2024 https://finlex.fi/fi/laki/ajantasa/2014/20140932. Argyris, C. & Schön, D. 1978. Organizational learning: A theory of action perspective. Reading, Mass: Addison Wesley. Auvinen, P. Asikainen, E., Hakonen, A., Marjanen, P., Risku, P. & Silvennoinen, S. 2022. Suositus ammattikorkeakoulujen yhteisistä kompetensseista ja niiden soveltamisesta. Ammattikorkeakoulujen rehtorineuvosto Arene. Viitattu 17.4.2024 https://www.arene.fi/wp-content/uploads/Raportit/2022/Kompetenssit/Suositus%20ammattikorkeakoulujen%20yhteisiksi%20kompetensseiksi.pdf. Bell, W. 1997. Foundations of future studies: human science for a new era. Vol 1. History, purposes and knowledge. New Brunswick: Transaction Publishers. Brown, A.D., Colville, I. & Bye, A. 2015. Making Sense of Sensemaking in Organization Studies. Organization Studies, Vol 36 Nro 2 (2015) 265–277. Viitattu 10.7.2024 https://doi.org/10.1177/01708406145592. Bsharat, S. M., Myrzakhan, A. & Shen, Z. 2024. Principled Instructions Are All You Need for Questioning LLaMA-½, GPT-3.5/4. Viitattu 30.8.2024 https://arxiv.org/pdf/2312.16171. Buehring, J. & Bishop, P.C. 2020. Foresight and Design: New Support for Strategic Decision Making. The Journal of Design, Economics, and Innovation, Vol 6 Nro 3 (2020), 408–432. Viitattu 2.3.2024 https://doi.org/10.1016/j.sheji.2020.07.002. Bäckström, A. 2023. Kehittyvän ennakointitoiminnan malli – ennakointikyvykkyyden kehittäminen Green Building Council Finland ry:ssä. Opinnäytetyö, Laurea-ammattikorkeakoulu. Viitattu 15.6.2024 https://urn.fi/URN:NBN:fi:amk-2023120434118. Calof, J. & Smith, J. 2010. Critical success factors for government-led foresight. Science and Public Policy, Vol 37 Nro 1 (2010), 31–40. Viitattu 15.3.2024 https://doi.org/10.3152/030234210X484784. Christou, P. A. 2023. Ηow to use artificial intelligence (AI) as a resource, methodological and analysis tool in qualitative research? The Qualitative Report, 28(7), 1968–1980. Viitattu 28.8.2024 https://doi.org/10.46743/2160-3715/2023.6406. Cohen, W.M. & Levinthal, D.A. 1989. Innovation and Learning: Two Faces of R&D. The Economic Journal, Vol 99 Nro 397 (1989), 569–696. Viitattu 25.2.2024 https://doi.org/10.2307/2233763. Commission Communication on a European strategy for universities. European Commission 18.1.2022. Viitattu 30.1.2024 https://education.ec.europa.eu/sites/default/files/2022-01/communication-european-strategy-for-universities-graphic-version.pdf. Contz, E. & Magnani G. 2020. A Dynamic Perspective on the Resilience of Firms: A Systematic Literature Review and a Framework for Future Research. European Management Journal, Vol 38 Nro 220 (2020), 400–412. Viitattu 7.3.2024 https://doi.org/10.1016/j.emj.2019.12.004. Davison, R.M., Chughtai, H., Nielsen, P., Marabelli, M., Iannacci, F., van Offenbeek, M., Tarafdar, M., Trenz, M., Techatassanasoontorn, A.A., Díaz Andrade, A. & Panteli, N. 2024. The ethics of using generative AI for qualitative data analysis. Inf Syst J, 34: 1433–1439. Viitattu 29.8.2024 https://doi.org/10.1111/isj.12504. Digivisio 2030. Suomi elää monipuolisesta osaamisesta. Viitattu 20.9.2024 https://digivisio2030.fi/. Djakonoff, V., Idström, A., Neuvonen, A., Nyyssölä, M., Perjo, L., Sokero, Mi. & Suhonen, T. 2024. Työvoima- ja koulutustarpeen ennakointi strategisen yhteiskuntapolitiikan välineenä. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 2024:23. Helsinki. Viitattu 3.7.2024 http://urn.fi/URN:ISBN:978-952-383-164-3. Dufva, M. 2022. Toimintaympäristön analyysi: Peste ja sen variaatiot. Teoksessa H-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi –Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022. Tulevaisuuden tutkimuskeskus, Turun yliopisto, 105–112. Viitattu 4.2.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Dufva, M. 2015. Knowledge creation in foresight: A practice- and systems-oriented view. Väitöskirja, Aalto-yliopisto. Helsinki. Viitattu 1.10.2024 https://urn.fi/URN:ISBN:978-952-60-6608-0 Dufva, M. & Ahlqvist, T. 2015. Miten edistää hallituksen ja eduskunnan välistä tulevaisuusdialogia? Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 17/2015. Dufva, M., Lähdemäki-Pekkinen, J., Poussa, L. & Rekola, S. 2024. Tulevaisuusvalta. Lisää ääniä tulevaisuuskeskusteluun. Sitra, muistio 18.1.2024. Viitattu 12.3.2024 https://media.sitra.fi/app/uploads/2024/01/sitra_tulevaisuusvalta.pdf. Dufva, M. & Rekola, S. 2023. Megatrendit. Ymmärrystä yllätysten aikaan. Sitran selvityksiä 224. Viitattu 26.2.2024 https://media.sitra.fi/app/uploads/2023/01/sitra_megatrendit-2023_ymmarrysta-yllatysten-aikaan.pdf. Dufva, M. & Rowley, C. 2022. Heikot signaalit 2022 – Tarinoita tulevaisuuksista. Sitran selvityksiä 200. Viitattu 25.1.2024 https://media.sitra.fi/app/uploads/2022/01/sitra_heikot_signaalit_2022_tarinoita-tulevaisuuksista.pdf. Ennakointiakatemia. 2024 Viitattu 20.2.2024 https://ennakointiakatemia.fi/ennakointiakatemia/ennakointiosaaminen/. Eskola, H., Kuivila, H-M., Kääriäinen M., Koskimäki, M., Koskinen, K. & Mikkonen, K. 2022. Sosiaali-, terveys- ja kuntoutusalan opettajien kokemukset innovaatio- ja ennakointiosaamisesta. Hoitotiede, Vol 34 Nro 3 (2022), 183–194. Viitattu 28.6.2024 https://journal.fi/hoitotiede/article/view/128985/78025. Frisk, T., Isoaho K., Hietala, R., Kotiranta, L., Hirsjärvi, I., Huttula, T., Kankare, P., Löytänen, O., Myllykangas, P., Mäki, M., Stenback, Å. & Suomala, P. 2022. Koulutusjärjestelmän kyky vastata jatkuvan oppimisen haasteisiin. Kansallinen koulutuksen arviointikeskus 8:2022. Helsinki. Viitattu 4.3.2024 https://www.karvi.fi/sites/default/files/sites/default/files/documents/KARVI_8_2022.pdf. Gao, J., Cao, J., Yeo, S., Tsu Wei Choo, K., Zhang, Z., Jia-Jun Li, T., Zhao, S., & Tangi Perrault, S. 2023. Impact of Human-AI Interaction on User Trust and Reliance in AI-Assisted Qualitative Coding. Viitattu 28.8.2024 https://doi.org/10.48550/arXiv.2309.13858. Gordon, A.V., Ramic, M., Rohrbeck, R. & Spaniol, M.J. 2020. 50 years of corporate and organizational foresight: looking back and going forward. Technologal Forecasting and Social Change, Vol 154 (2020). Viitattu 17.6.2024 https://doi.org/10.1016/j.techfore.2020.119966. Grim. T. 2009. Foresight Maturity Model (FMM): Achieving Best Practices in the Foresight Field. Journal of Futures Studies, Vol 13 Nro 4 (2009), 69–80. Viitattu 2.2.2024 https://jfsdigital.org/wp-content/uploads/2014/01/134-AE05.pdf. Hamel, G. & Välikangas, L. 2003. The Quest for Resilience. Harvard Business Review. Harvard Business Review, Vol 81 Nro 9 (2003), 1–14. Viitattu 7.3.2024 https://trans.kuciv.kyoto-u.ac.jp/resilience/material/pdf/2012_06_21/HBRQuestforResilience.pdf. Hanhijoki, I. 2020. Koulutus ja työvoiman kysyntä 2035. Osaamisen ennakointifoorumin ennakointituloksia tulevaisuuden koulutustarpeista. Opetushallitus, Raportit ja selvitykset 2020:6. Viitattu 23.1.2024 https://www.oph.fi/fi/tilastot-ja-julkaisut/julkaisut/koulutus-ja-tyovoiman-kysynta-2035. Heinonen, S. & Ruotsalainen, J. & Kurki, S. 2012. Luova tulevaisuustila ja tulevaisuuden osaamisen ennakointi. Tulevaisuuden tutkimuskeskus Tutu e-julkaisuja 4/2012. Viitattu 1.7.2024 https://urn.fi/URN:NBN:fi-fe2019052116447. Heisig, P. 2009. Harmonisation of knowledge management – comparing 160 KM frameworks around the globe. Journal of Knowledge Management, Vol 13 Nro 4 (2009), 4–31. Viitattu 2.3.2024 https://doi.org/10.1108/13673270910971798. Hilden, P. 2023. Strateginen ennakointi johdon raportoinnin perustana. Opinnäytetyö. Kajaanin ammattikorkeakoulu. Viitattu 15.6.2024 https://www.theseus.fi/bitstream/handle/10024/795766/Hilden_Pirjo.pdf;jsessionid=46E6B054B631742287B85240F42BAB8A?sequence=2. Hiltunen, E. 2012. Matkaopas tulevaisuuteen. Helsinki: Talentum. Hines, A. 2020. When Did It Start? Origin of the Foresight Field. World Futures Review, Vol 12 Nro 1 (2020), 4–11. Viitattu 23.3.2024 https://doi.org/10.1177/1946756719889053. Hines, A. 2002. A practitioner’s view of the future of futures studies. Futures, Elsevier, Vol 34 Nro 3 (2002), 337–347. Viitattu 3.4.2024 https://doi.org/10.1016/S0016-3287(01)00048-9. Hines, A. & Bishop, P. 2007. Thinking about the future: Guidelines for strategic foresight. Washington D.C.: Social Technologies. Hines, A., Gary, J., Daheim, C. & van der Laan, L. 2017. Building Foresight Capacity. Toward a Foresight Competency Model. World Futures Review, Vol 9 Nro 3 (2017), 123–141. Viitattu 5.3.2024 https://doi.org/10.1177/1946756717715637. Hirsjärvi, S., Remes, P. & Sajavaara, P. 2018. Tutki ja kirjoita. 22. painos. Helsinki: Tammi. Hirvonen, J. & Pellikka, M. 2024. ”Jos et ennakoi, tulee yllätyksiä!”: ennakoinnin hyödyntäminen TKI-hankevalmistelussa. Opinnäytetyö. Lapin ammattikorkeakoulu. Viitattu 28.6.2024 http://www.theseus.fi/handle/10024/856006. Horton, A. 1999. A simple guide to successful foresight. The journal of futures studies, strategic thinking and policy, Vol 1 Nro 1, 5–9. Viitattu 30.1.2024 https://doi.org/10.1108/14636689910802052. Huhtaniemi, M. 2023. Vaikuttavalla strategialla rakennetaan kestävää tulevaisuutta. Teoksessa L. Unkari-Virtanen & M. Huhtaniemi (toim.) TKIO – Tulevaisuuskestävää innovointia ja osaamista. Metropolia Ammattikorkeakoulun julkaisuja TAITO-sarja 110. Helsinki, 12–17. Viitattu 15.6.2024 https://urn.fi/URN:ISBN:978-952-328-383-1. Huhtaniemi, M. & Unkari-Virtanen, L. 2022. Ennakointitieto innovaatioekosysteemin kompassina. AMK-lehti UAS Journal 18.5.2022. Viitattu 5.3.2024 https://urn.fi/URN:NBN:fi-fe2022051736340. Iden, J. Methlie, K.B. & Christensen, G.E. 2016. The nature of strategic foresight research: A systematic literature review. Technological Forecasting & Social Change, Vol 116 (2016), 87–97. Viitattu 26.2.2024 https://doi.org/10.1016/j.techfore.2016.11.002. Inayatullah, S. 2013. Futures studies: Theories and methods. Teoksessa N. Al-Rodhan (toim.) There’s a future: Visions for a better world. Banco Bilbao Vizcaya Argentaria (BBVA), 36–66. Jalonen, H., Lehti, M., Tonteri, A., Koskelo, M., Nousiainen A. & Jäppinen, T. 2017. Signaaleista tulevaisuustarinoihin, ennakoinnin lyhyt käsikirja. Turku university of Applied Sciences. Viitattu 22.1.2024 http://julkaisut.turkuamk.fi/isbn9789522166524.pdf. Jokinen, L. 2022. Yhteistoiminnallinen ennakointi: sosiaalisten rakenteiden analysointi ja merkitys yhteisen tulevaisuuden luomisessa. Teoksessa H-K., Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.) Tulevaisuudentutkimus tutuksi – Perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemian julkaisuja 1/2022, Tulevaisuuden tutkimuskeskus, Turun yliopisto, 260–266. Viitattu 30.3.2024 https://urn.fi/URN:ISBN:978-952-249-563-1. Juuti, P. & Puusa, A. 2020. Johdanto. Mitä laadullisella tutkimuksella tarkoitetaan? Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 9–19. Juvonen, T. 2017. Sisäpiirihaastattelu. Teoksessa M. Hyvärinen, P. Nikander & J. Ruusuvuori (toim.) Tutkimushaastattelun käsikirja. Tampere: Vastapaino, 398–410. Järvilehto, L. 2023. Tekoälyn pikaopas. Näin käytät tekoälyä tietotyössä. Versio 2.0. Päivitetty 29.11.2023. Viitattu 8.12.2023 https://www.laurijarvilehto.fi/tekoalyn-pikaopas. Kaiku 2024a. Kehotemuotoilu – näin ohjaat tekoälyä viestinnässä. Viitattu 30.8.2024 https://www.kaiku.fi/tekoaly. Kaiku 2024b. Kehotemuotoilu – näin ohjaat tekoälyä viestinnässä. Päivitetty 2. painos. Kallio, J. & Välimaa, J. 2024. Anticipatory governance in government: in case of Finnish higher education. Higher Education, Early online. Viitattu 2.7.2024 https://doi.org/10.1007/s10734-024-01211-3. Kamensky, M. 2010. Strateginen johtaminen. Menestyksen timantti. Talentum: Helsinki. Karttunen, P. 2022. Organisaation ennakoinnin kypsyyden arviointi sekä ennakoinnin ja tulevaisuusajattelun tunnettuuden kartoittaminen. Opinnäytetyö. Laurea ammattikorkeakoulu. Viitattu 15.6.2024 https://urn.fi/URN:NBN:fi:amk-2022101421236. Keenan, M. & Popper, R. 2008. Comparing foresight “style” in six world regions. Foresight, Vol 10 Nro 6 (2008), 16–38. Viitattu 16.3.2024 https://doi.org/10.1108/14636680810918568. Ketonen-Oksi, S. 2022. Developing Organizational Futures Orientation-A Single Case Study Exploring and Conceptualizing the Transformation Process in Practice. IEEE transactions on engineering management, Vol 69 Nro 2 (2022), 537–550. Ketonen-Oksi, S. 2021a. Kaupunkiekosysteemien tulevaisuuskestävyys. Teoksessa T. Hirvikoski, A. Äyväri, M. Merimaa, H. Lahtinen & K. Saastamoinen (toim.) Eurooppalainen korkeakoulu osallistavan tutkimus-, kehittämis- ja innovaatiotoiminnan mahdollistaja-orkestroijana. Innovaatioekosysteemin näkökulma monitoimijaiseen yhteiskehittämiseen, 88–107. Viitattu 18.6.2024 https://urn.fi/URN:ISBN:978-951-799-634-1. Ketonen-Oksi, S. 2021b Katse tulevaisuuteen: Strateginen ennakointi yritysten kilpailukyvyn edellytyksenä. Futura, Vol 2 (2021), 38–47. Viitattu 4.6.2024 https://www.theseus.fi/bitstream/handle/10024/512305/Laurea%20Julkaisut%20183.pdf?sequence=2&isAllowed=y. Khadri, H.O. 2022. Becoming future-proof STEM teachers for enhancing sustainable development: A proposed general framework for capacity-building programs in future studies. Prospects, Vol 52, 421–435. Viitattu 4.6.2024 https://doi.org/10.1007/s11125-021-09588-0. Kononiuk, A. & Sacio-Szymańska, A. 2015. Assessing the maturity level of foresight in Polish companies—a regional perspective. European Journal of Futures Research, Vol 3 Nro 23 (2015). Viitattu 3.10.2024 https://doi.org/10.1007/s40309-015-0082-9. Koskinen, A. 2020. Ennakoinnin tiekartta tulevaisuuteen. Suuntaviittoja osaamispääoman johtamiseen. Opinnäytetyö. Jyväskylän ammattikorkeakoulu. Viitattu 15.6.2024 https://www.theseus.fi/bitstream/handle/10024/354205/Koskinen_Aino_.pdf?sequence=2&isAllowed=y. Kuntaliitto 2019. Maailmanpyörä, Kuntien ja alueiden muutosajurit 2018–2030. Suomen Kuntaliitto. Helsinki. Viitattu 16.2.2024 https://www.kuntaliitto.fi/sites/default/files/media/file/maailmanpyoraraportti%202019_1.pdf. Kuosa, T. & Hakala, S. 2017. Havaintoja ja kehitysehdotuksia koulutustoimikuntien ennakointikarttatyöskentelystä vuosina 2014–2016. Opetushallitus, Raportit ja selvitykset 2017:19. Viitattu 28.6.2024 https://www.oph.fi/sites/default/files/documents/muutosilmioita_koulutuksen_rajapinnoilla.pdf. Kurki, S. 2020. Foresight and Transformation: Observing Pioneers in Our Changing Societies. Turun yliopisto, Turun kauppakorkeakoulu. Viitattu 19.3.2024 https://urn.fi/URN:ISBN:978-951-29-8127-4. Laajalahti, A. & Herkama, S. 2018. Laadullinen analyysi ATLAS.TI – ohjelmistolla. Teoksessa R. Valli (toim.) Ikkunoita tutkimusmetodeihin 3. Näkökulmia aloittelevalle tutkijalle tutkimuksen teoreettisiin lähtökohtiin ja analyysimenetelmiin. Jyväskylä: PS-kustannus, 106–133. Laininen, E. 2018. Transformatiivinen oppiminen ekososiaalisen sivistymisen mahdollistajana. Ammattikasvatuksen aikakauskirja, Vol 20, Nro 5 (2018), 16–38. Viitattu 1.7.2024 https://journal.fi/akakk/article/view/84515/43559. Lambe, P. 2023. Principles of knowledge auditing: foundations for knowledge management implementation. Cambridge, Massachusetts: The MIT Press. Lapin ammattikorkeakoulu 2024. Tietosuoja ja opinnäytetyö. Viitattu 28.1.2024 https://www.lapinamk.fi/fi/Opiskelijalle/Oppaat-ja-ohjeet/Opinnaytetyo/tietosuoja-ja-opinnaytetyo. Leino-Haltia, M., Lindeman, T., Matikainen, E. & Ruotsi, J. 2021. Ennakointi päätöksentekoketjussa. Helsinki: Boardman. Lincoln Y.S. & Cuba E.G. 1985. Naturalistic inquiry. California: Sage. Lind, K. & Tormulainen, A. 2023. Miksi ennakoida? Näkökulmia ja menetelmiä nuorisoalan järjestöjen ennakointiin. Käsikirja. Viitattu 25.1.2024 https://www.humak.fi/julkaisut/miksi-ennakoida/ Linturi, R. & Kuusi, O. 2018. Suomen sata uutta mahdollisuutta 2018–2030. Yhteiskunnan toimintamallit uudistava radikaali teknologia. Eduskunnan tulevaisuusvaliokunnan julkaisu 1/2018. Viitattu 25.1.2024 https://www.eduskunta.fi/FI/naineduskuntatoimii/julkaisut/Documents/tuvj_1+2018.pdf. Mannermaa, M. 2004. Heikoista signaaleista vahva tulevaisuus. Helsinki: WSOY. Miller, R. 2018. Transforming the Future. Anticipation in the 21st Century. Lontoo: Routledge. Minkkinen, M., Auffermann, B. & Ahokas, I. 2019. Six foresight frames: Classifying policy foresight processes in foresight systems according to perceived unpredictability and pursued change. Technological Forecasting and Social Change, Vol (2019), 1–13. Viitattu 4.6.2024 https://doi.org/10.1016/j.techfore.2019.119753. Mitzkus, S. 2023. BANI World: What is it and why we need it? Viitattu 30.3.2024 https://digitalleadership.com/blog/bani-world/. Molarius, R., Jukarainen, P., Kekki, T., Keränen, J., Laitinen, K., Riikonen, R. & Norri-Sederholm, T. 2020. Alueellinen turvallisuuden tila (ATT) – alueellista turvallisuussuunnittelua ja varautumista tukeva seuranta-, arviointi- ja ennakointimalli. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 2020:21. Viitattu 9.3.2024 https://julkaisut.valtioneuvosto.fi/handle/10024/162196. Morgan, D. L. 2023. Exploring the Use of Artificial Intelligence for Qualitative Data Analysis: The Case of ChatGPT. International Journal of Qualitative Methods, 22. Viitattu 22.8.2024 https://doi.org/10.1177/16094069231211248. Mustonen, J. 2023. Palvelumuotoilulla ja ennakoinnilla kohti vaikuttavampaa TKI-toimintaa ammattikorkeakouluissa: esimerkkinä Jamk. Opinnäytetyö. Jyväskylän ammattikorkeakoulu. Viitattu 28.6.2024 https://urn.fi/URN:NBN:fi:amk-2023120534331. Myllylä, Y. 2020. Kymenlaakson koulutustarpeiden ennakoinnin nykytilan kartoitus. Teoksessa Y. Myllylä & T. Vänttinen (toim.) ETIÄINEN Kymenlaakson koulutus- ja osaamistarpeiden ennakointi. Kaakkois-Suomen ammattikorkeakoulu. Xamk Kehittää 116, 42–67. Viitattu 11.7.2024 https://urn.fi/URN:ISBN:978-952-344-260-3. Myllylä, Y. & Vänttinen, T. 2020. Yhteenveto. Teoksessa Y. Myllylä & T. Vänttinen (toim.) ETIÄINEN Kymenlaakson koulutus- ja osaamistarpeiden ennakointi. Kaakkois-Suomen ammattikorkeakoulu. Xamk Kehittää 116, 195–209. Viitattu 11.7.2024 https://urn.fi/URN:ISBN:978-952-344-260-3. Myllyoja, J., Rilla, N. & Lima-Toivanen, M. 2022. Strengthening futures-oriented agenda for building innovation ecosystems. European Journal of Futures Research, Vol 10 Nro 24 (2022). Viitattu 3.6.2024 https://doi.org/10.1186/s40309-022-00211-9. Nonaka, I. & Takeuchi, H. 1995. The Knowledge creating company. How Japanese Companies Create the Dynamics of Innovation. Oxford University Press. New York. Nordblad, M., Apajalahti T., Huusko, M. & Seppälä, H. 2019. Laatu hallussa. Yhteenveto korkeakoulujen auditoinneista 2012–2018. Kansallinen koulutuksen arviointikeskus. Tiivistelmät 8:2019. Viitattu 5.3.2024 https://www.karvi.fi/sites/default/files/sites/default/files/documents/KARVI_T0819.pdf. Ojala, K., Kantola, M., Högblom, E., Frantti, A. & Ollila, J. 2022. Ilmiöavaruuksista skenaarioihin – Kuinka alueellisia osaamis- ja koulutustarpeita ennakoidaan verkostoyhteistyönä? Ammattikasvatuksen aikakauskirja, Vol 24 Nro 2 (2022), 60–70. Viitattu 5.3.2024 https://journal.fi/akakk/article/view/120732/71805. Opetushallitus 2024. Työvoima- ja koulutustarpeiden ennakointi 2019–2040. Viitattu 3.3.2024 https://www.oph.fi/sites/default/files/documents/Koulutustarvetulokset_0.pdf. Opetushallitus 2023. Laaja-alainen osaaminen 2030-luvulla. Laaja-alaisten osaamistarpeiden kehitys vuoteen 2030 mennessä. Osaamisen ennakointifoorumin 2021–2024 tuloksia. Raportit ja selvitykset 2023:1. Viitattu 5.6.2024 https://www.oph.fi/sites/default/files/documents/Laaja-alainen_osaaminen_2030-luvulla.pdf. Opetushallitus 2020. Koulutus ja työvoiman kysyntä 2035. Osaamisen ennakointifoorumin ennakointituloksia tulevaisuuden koulutustarpeista. Viitattu 29.3.2024 https://www.oph.fi/sites/default/files/documents/koulutus_ja_tyovoiman_kysynta_2035.pdf. Opetus- ja kulttuuriministeriö 2017. Korkeakoulutus ja tutkimus 2030-luvulle. Vision tiekartta. Viitattu 3.7.2024 https://okm.fi/documents/1410845/12021888/Korkeakoulutus+ja+tutkimus+2030-luvulle+VISION+TIEKARTTA_V2.pdf. Pernaa, H-K. 2020. Hyvinvoinnin toivottu tulevaisuus. Tarkastelussa kompleksisuus, antisipaatio ja osallisuus. Acta Wasaensia 443. Viitattu 5.6.2024 https://urn.fi/URN:ISBN:978-952-476-910-5. Pernaa, H-K. & Neuvonen, A. 2020. Antisipaatio – tulevaisuuden ja kompleksisuuden tuore liitto. Teoksessa H. Raisio & P. Vartiainen (toim.) Johtaminen kompleksisessa maailmassa: Viisautta pirullisten ongelmien kohtaamiseen. Helsinki: Gaudeamus, 199–213. Pettit, K.L., Balogun, J. & Bennett, M. 2023. Transforming Visions into Actions: Strategic change as a future-making process. Organization Studies, Vol 44 Nro 11 (2023), 1775–1799. https://doi-org.ez.lapinamk.fi/10.1177/01708406231171889. Pouru, L., Mikkola, L., Minkkinen, M., Malho, M. & Neuvonen, A. 2023. Exploring knowledge creation, capabilities, and relations in a distributed policy foresight system: Case Finland. Technological Forecasting and Social Change, Vol 186 (2023), 1–14. Viitattu 26.2.2024 https://doi.org/10.1016/j.techfore.2022.122190. Pouru, L., Minkkinen, M., Aufferman, B., Rowley, C., Malho, M. & Neuvonen, A. 2020. Kansallinen ennakointi Suomessa. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 2020:17. Viitattu 16.1.2024. https://julkaisut.valtioneuvosto.fi/bitstream/handle/10024/162157/VNTEAS_2020_17.pdf. Poussa, L., Lähdemäki-Pekkinen, J., Ikäheimo, H-P. & Dufva, M. 2021. Tulevaisuustaajuus. Työpajamenetelmä toistenlaisten tulevaisuuksien rakentamiseen. Käsikirja työpajan vetäjälle. Viitattu 12.3.2024 https://media.sitra.fi/app/uploads/2021/01/sitra-tulevaisuustaajuus-kasikirja-tyopajan-vetajalle-v4.pdf. Proenca, D. & Borbinha, J. 2018. Maturity Model Architect: A Tool for Maturity Assessment Support. 2018 IEEE 20th Conference on Business Informatics (CBI). Viitattu 1.3.2024 DOI:10.1109/CBI.2018.10045. Puusa, A. 2020a. Haastattelutyypit ja niiden metodiset ominaisuudet. Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 103–117. Puusa, A. 2020b. Näkökulmia laadullisen aineiston analysointiin. Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki. Gaudeamus, 145–156. Puusa, A. & Julkunen, S. 2020. Luotettavuuden arviointi laadullisessa tutkimuksessa. Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 103–117. Puusa, A. & Juuti P. 2011. Mitä laadullinen tutkimus on? Teoksessa A. Puusa & Juuti, P. (toim.) Menetelmäviidakon raivaajat. Perusteita laadullisen tutkimustavan valintaan. JTO, 47–57. Puusa, A. & Juuti, P. 2020. Johdanto. Laadullisen tutkimuksen olemus. Teoksessa A. Puusa & P. Juuti (toim.) Laadullisen tutkimuksen näkökulmat ja menetelmät. Helsinki: Gaudeamus, 189–201. Pyykkö, R., Kivistö, J., Pirttilä, A., Wallenius, J., Huusko, M., Leppänen, O., Mustonen, K. & Nordblad, M. 2020. Korkeatasoisella osaamisella työelämään Humanistisen alan, kauppatieteiden ja liiketalouden, tekniikan ja yhteiskuntatieteellisen korkeakoulutuksen arvioinnit. Kansallinen koulutuksen arviointikskus. Tiivistelmät 1/2020. Viitattu 4.3.2024 https://www.karvi.fi/sites/default/files/sites/default/files/documents/KARVI_T0120.pdf. Rohrbeck, R. 2011. Corporate Foresight. Towards a Maturity Model for the Future Orientation of a Firm. London, New York: Springer Heidelberg Dordrecht. Rohrbeck, R. & Kum M.E. 2018. Corporate foresight and its impact on firm performance: A longitudinal analysis. Technological Forecasting and Social Change, Vol 129 (2018), 105–116. Viitattu 28.6.2024 https://doi.org/10.1016/j.techfore.2017.12.013. Rohrbeck, R. & Schwarz, J. O. 2013. The value contribution of strategic foresight: Insights from an empirical study of large European companies. Technological Forecasting and Social Change, Vol 80 Nro 8 (2013), 1593–1606. Viitattu 1.6.2024 https://doi.org/10.1016/j.techfore.2013.01.004. Ruusuvuori, J. & Tiittula, L. 2005. Tutkimushaastattelu ja vuorovaikutus. Teoksessa J. Ruusuvuori & L. Tiittula (toim.) Haastattelu. Tutkimus, tilanteet ja vuorovaikutus. Tampere: Vastapaino, 22–56. Saikkonen, S., Härkönen, A. & Järvinen, M-L. 2007. Koulutusorganisaation rooli ja haasteet alueellisessa ennakoinnissa. Ammattikasvatuksen aikakauskirja, Vol 9 Nro 4 (2007), 27–37. Viitattu 5.3.2024 https://journal.fi/akakk/article/view/114867. Sanastokeskus 2024a. Tietotekniikan termitalkoot, 2024-06-12. 12.6.2024. Viitattu 5.9.2024 https://sanastokeskus.fi/tsk/fi/termitalkoot/hakemistot-267.html?page=get_id&id=ID682&vocabulary_code=TSKTT. Sanastokeskus 2024b. Tietotekniikan termitalkoot, 2024-06-12. 12.6.2024. Viitattu 5.9.2024 https://sanastokeskus.fi/tsk/fi/termitalkoot/hakemistot-267.html?page=get_id&id=ID822&vocabulary_code=TSKTT. Schatzmann, J., Schäfer, R. & Eichelbaum, F. 2013 Foresight 2.0 – Definition, overview & evaluation. European Journal of Futures Research, Vol 1 Nro 15 (2013), 1–15. Viitattu 24.3.2024 https://doi.org/10.1007/s40309-013-0015-4. Senge, P. M. 1990. The Fifth Discipline. London: Century Business. Slaughter, R. 1999. Futures for the 3rd millenium: Enabling a forward view prospect. Sydney, Australia: Prospect Media. Sydänmaalakka, P. 2016. Jatkuva uudistuminen: Luovuuden ja innovatiivisuuden johtaminen. Helsinki: Talentum. Taimela, S. 2019. OPS2020-synergiaa, yhteistyötä ja opiskelijakeskeisyyttä rakentaen. Teoksessa E. Kuoppala (toim.) Kohti tulevaisuuden osaamisia. Koulutuksen ja työelämän välinen yhteistyö tulevaisuuden osaamisen kehittäjänä. Kaakkois-Suomen ammattikorkeakoulu. Xamk Kehittää 97, 8–15. Viitattu 11.7.2024 https://urn.fi/URN:ISBN:978-952-344-215-3. Thompson, N. A., & Byrne, O. 2022. Imagining Futures: Theorizing the Practical Knowledge of Future-making. Organization Studies, Vol 43 Nro 2 (2022), 247–268. Viitattu 11.3.2024 https://doi.org/10.1177/01708406211053222. Tihinen, M. & Komonen, K. 2024. Ennakoiden kohti haluttua korkeakoulutuksen tulevaisuutta. AMK-lehti/UAS-Journal 2/2024. Viitattu 1.7.2024 https://urn.fi/URN:NBN:fi-fe2024042320941. Tiittula, L. & Ruusuvuori, J. 2005. Johdanto. Teoksessa J. Ruusuvuori & J. Tiittula (toim.) Haastattelu. Tutkimus, tilanteet ja vuorovaikutus. Jyväskylä: Vastapaino, 9–21. Tuomi, J. & Sarajärvi, A. 2012. Laadullinen tutkimus ja sisällönanalyysi. Yhdeksäs, uusittu painos. Helsinki: Tammi. Tutkimuseettinen neuvottelukunta. 2019. Ihmiseen kohdistuvan tutkimuksen eettiset periaatteet ja ihmistieteiden eettinen ennakkoarviointi Suomessa. Tutkimuseettisen neuvottelukunnan julkaisuja 3/2019. Viitattu 27.9.2023 https://tenk.fi/sites/default/files/2021-01/Ihmistieteiden_eettisen_ennakkoarvioinnin_ohje_2020.pdf. Unkari-Virtanen, L. 2024. Kuusi huomiota ennakoinnista Metropolia Ammattikorkeakoulussa. Teoksessa L. Unkari-Virtanen (toim.) Tulevaisuuden kudelmia. Ennakointikyvykkyyden kehittäminen Metropoliassa. Metropolia Ammattikorkeakoulun julkaisuja TAITO-sarja 128. Helsinki,18–21. Viitattu 16.6.2024 https://www.theseus.fi/bitstream/handle/10024/821243/2024%20Taito%20128%20Tulevaisuuden%20kudelmia%20Ennakointikyvykkyyden%20kehitt%C3%A4minen%20Metropoliassa.pdf?sequence=2. Unkari-Virtanen, L. & Huhtaniemi, M. 2024. MEKY – Metropolia Ammattikorkeakoulun ennakointikyvykkyyden kehittäminen. Teoksessa L. Unkari-Virtanen (toim.) Tulevaisuuden kudelmia. Ennakointikyvykkyyden kehittäminen Metropoliassa. Metropolia Ammattikorkeakoulun julkaisuja TAITO-sarja 128. Helsinki,10–12. Viitattu 16.6.2024 https://urn.fi/URN:ISBN:978-952-328-412-8. Utriainen, A. 2024. Ennakointi ja vaikuttavuus tukeutuvat tietoon ja verkostoihin. Teoksessa M. Rajahonka & H. Haapaniemi (toim.) Luovia menetelmiä ja älykkäitä ratkaisuja. Digitaalisen talouden vahvuusalajulkaisu 2023. Mikkeli: Kaakkois-Suomen ammattikorkeakoulu, 402–407. Viitattu 3.10.2024 https://urn.fi/URN:ISBN:978-952-344-568-0. Valliaro, S. 2024. Asiantuntijajohtaminen ammattikorkeakouluissa. Lehtoreiden käsityksiä johtamisesta ja sen kehittämisestä. JYU DISSERTATIONS 762. Akateeminen väitöskirja. Viitattu 17.6.2024 https://jyx.jyu.fi/handle/123456789/93866. Valtioneuvosto 2020. Vaikuttavaan ennakointiin. Valtakunnallisen työvoima-, koulutus- ja osaamistarpeiden ennakointijärjestelmän kehittäminen. Valtioneuvoston julkaisuja 2020:20. Helsinki: Valtioneuvosto. Viitattu 5.3.2024 http://urn.fi/URN:ISBN:978-952-287-879-3. Valtiontalouden tarkastusvirasto 2022. Toimintaympäristön seuranta ja ennakointi strategisen päätöksenteon tukena. Valtiontalouden tarkastusviraston tarkastuskertomukset 11/2022. Viitattu 29.6.2024 https://www.vtv.fi/app/uploads/2022/11/VTV-Tarkastus-11-2022-Toimintaympariston-seuranta-ja-ennakointi.pdf. van der Laan, L. & Erwee, R. 2012. Foresight styles assessment: a valid and reliable measure of dimensions of foresight competence? Foresight, Vol 14 Nro 5 (2012), 374–386. Viitattu 15.3.2024 DOI 10.1108/14636681211269860. van Duijne, F. & Bishop, P. 2018. Introduction to strategic foresight. E-kirja. Future Motions. Viitattu 5.3.2024 https://www.futuremotions.nl/wp-content/uploads/2018/01/FutureMotions_introductiondoc_January201 Vásquez, J.E.M., Pazos, L. S. & Arias, L.F.S. 2022. Foresight capability and maturity for knowledge-intensive organizations. Revista de Administração de Empreses, Vol 62 Nro 4 (2022),1–19. Viitattu 28.6.2024 https://doi.org/10.1590/S0034-759020220411x. Vataja, K. & Parkkonen, P. 2019. Näkökulmia ja lähestymistapoja tulevaisuustyön ja ennakoinnin arviointiin. Viitattu 3.3.2024 https://www.sitra.fi/julkaisut/nakokulmia-ja-lahestymistapoja-tulevaisuustyon-ja-ennakoinnin-arviointiin/#johdanto. Viljakainen, K. & Kujanpää, I. 2024. Alueellista elinvoimaa vahvistetaan ihmislähtöisesti ennakoiden. Teoksessa M. Rajahonka & H. Haapaniemi (toim.) Luovia menetelmiä ja älykkäitä ratkaisuja. Digitaalisen talouden vahvuusalajulkaisu 2023. Mikkeli: Kaakkois-Suomen ammattikorkeakoulu, 419–427. Viitattu 4.7.2024 https://urn.fi/URN:ISBN:978-952-344-568-0. von der Gracht H. A, Vennemann, C.R. & Darkow I-L. 2010. Corporate foresight and innovation management: A portfolio-approach in evaluating organizational development. Futures, Vol 42 (2010), 380–393. Viitattu 5.3.2024 https://tarjomefa.com/wp-content/uploads/2017/11/8020-English-TarjomeFa.pdf. Voros, J. 2003. A generic foresight process framework. Foresight, Vol 5 Nro 3 (2003), 10–21. Viitattu 16.6.2024 https://doi.org/10.1108/14636680310698379. Värilä, A. 2023. Esihenkilöiden käytännöt organisaation ennakointityössä. Tapaustutkimus valtion aluehallinnon asiantuntijaorganisaatiossa Lappeenrannan–Lahden teknillinen yliopisto LUT Kauppatieteiden pro gradu -tutkielma 2023. Viitattu 15.6.2024 https://lutpub.lut.fi/bitstream/handle/10024/166278/Pro_gradu_V%E4ril%E4_Anne.pdf;jsessionid=B7CFFE389CF79916C6E0D505AD19E144?sequence=3. Whyte, J., Comi, A., & Mosca, L. 2022. Making futures that matter: Future making, online working and organizing remotely. Organization Theory, Vol 3 Nro 1 (2022), 1–20. Viitattu 18.6.2024 https://doi.org/10.1177/26317877211069138. Woodgate, D. & Veigl, H. 2020. Exploring the Future of Universities Through Experimental Foresight. World Futures Review, Vol 12 Nro 4 (2020), 322–336. Viitattu 11.3.2024 https://doi.org/10.1177/1946756720976714. Xabier, L. 2024. Large language models (LLM). European Data Protection Suprevisor. Viitattu 5.9.2024 https://www.edps.europa.eu/data-protection/technology-monitoring/techsonar/large-language-models-llm_en. Zahra, S. A. & George, G. 2002. Absorptive Capacity: A Review, Reconceptualization, and Extension. Academy of Management Review, Vol 27 Nro 2 (2002), 185–203. Viitattu 18.6.2024 https://doi.org/10.2307/4134351. Liitteet Liite 1 Teemahaastattelurunko Liite 2 Esimerkkejä kehotemuotoilusta ja tekoälyanalyysin tuloksista Liite 3 Teemoiteltujen osien jakautuminen haastateltavakohtaisesti