AI-tuottavuuskriisi: Gartner, irtisanomiset ja osaamisvaje

Mitä tapahtui?

Tech Report -podcastin toukokuun 2026 jaksoissa Natasha Bernal — palkittu brittiläinen teknologiajournalisti ja kommentaattori (Lontoo) — yhdistää saman langan kahdesta suunnasta: yritykset ostavat AI:ta ja leikkaavat henkilöstöä ilman työvoimasuunnitelmaa — luvattu tuottavuushyöty jää saamatta, ja tilalle tulevat uupumus, performatiivinen työ ja vastarinta.

13.5. jakso keskittyy Metaan: työntekijät levittivät toimistoon protestilappuja hiiren seurannan, näppäinpainallusten ja kuvakaappausten jälkeen — valvonta esitettiin työpaikan AI:n koulutusdatana — ennen noin 10 %:n irtisanomisia. Bernal linkittää tämän Gartner-tutkimukseen (n. 350 globaalia miljardiyritystä): yrityksillä, jotka leikkasivat henkilöstöä AI-käyttöönoton jälkeen, ei ollut taloudellista hyötyä verrattuna niihin yrityksiin, jotka säilyttivät työntekijät. Korkean AI-ROI:n (sijoitetun pääoman tuotto — miten paljon AI-investoinnista jää voittoa) yritykset eivät Gartnerin kehystelyssä ole samoja kuin yritykset, jotka raportoivat laajoja irtisanomisia.

20.5. jakso laajentaa kuvaa: uudempi Gartner-linja väittää, että vuodesta 2028 lähtien AI luo enemmän työpaikkoja kuin poistaa — mutta vain jos yritykset investoivat osaamisen kehittämiseen ja kartoittavat tulevat taidot tietoisesti. Bernal epäilee, etteivät useimmat tee tätä. Hän siteeraa BCG:n (Boston Consulting Group, strategiakonsultti) huhtikuun 2026 raporttia: 50–55 % Yhdysvaltain työpaikoista voi muovautua 2–3 vuodessa — sama tehtävä, radikaalisti erilaiset odotukset. Työntekijät kohtaavat AI-kiintiöitä, AI-vaikutteisia arviointeja ja siirtymän ”tee työ hyvin” → ”perustele AI-budjetti”. Gallupin mukaan (siteerattu) vain 18 % 14–29-vuotiaista on toiveikkaita AI:sta.

Faktum AI -näkökulma: Kyse ei ole yhden yrityksen tapauksesta vaan rakenteellisesta epäsuhtaisuudesta — pääoma virtaa AI:hin samalla kun ihmispääoman suunnittelu jää jälkeen. Bernal-haastattelut antavat hyvän signaalin; varmista Gartnerin ja BCG:n alkuperäiset raportit ennen kuin luvut viedään hallituksen pöytään.

Avainluvut

Miksi tämä on merkittävää suomalaiselle lukijalle

Suomalaisilla työnantajilla on usein pieniä pilotteja — Copilot, Gemini, omat GPT:t — hankinta ja tietosuojavastaava mukana, mutta julkinen osaamisen kehittämisen suunnitelma puuttuu. Jos Gartnerin kuvio pitää paikkansa globaalisti:

• Julkinen sektori ja enterprise-IT ovat paineessa ottamaan AI:n käyttöön samalla kun henkilöstö on jäädytetty — huonoin yhdistelmä.
• EU AI Act luokittelee työhön liittyvän AI:n korkeaan riskiluokkaan; algoritminen suoritusarviointi ei ole vain Yhdysvaltain ongelma.
• Etä- ja hybridityö pohjoismaisessa tech-kulttuurissa tekee valvontatyökaluista myrkyllisiä — osaajien poistuminen voi satuttaa enemmän kuin Yhdysvaltain pääkonttoreissa.
• Ammattiyhdistysliike on vahvempi kuin Yhdysvaltain big tech -alalla; vastarinta voi näkyä politiikassa ja työehtosopimuksissa, ei vain protestilappuina.

Irtisanomiset eivät ole AI-ROI-strategia

Johtajat ovat pari vuotta perustelleet irtisanomisia AI-investoinneilla. Bernal katsoo, että Gartnerin tutkimus on ensimmäinen vahva lukuvertailu, joka kyseenalaistaa tämän tarinan: ”Investoimme AI:hin, joten tarvitsemme X % vähemmän ihmisiä.”

Tarina	Mitä Gartnerin tutkimus viittaa (haastattelujen mukaan)
Leikkaa henkilöstö → rahoita AI → voitto	Ei mitattavaa taloudellista hyötyä vs. henkilöstön säilyttäminen
Korkean AI-ROI:n yritykset	Heikko päällekkäisyys yritysten kanssa, jotka ovat raportoineet laajoja vähennyksiä
Lyhyen aikavälin säästöleikkaus	Irtisanomiset eivät välttämättä korreloi autonomisten operaatioiden tulosten kanssa

Bernal yhdistää tämän aiempaan keskusteluun samassa ohjelmassa. Logiikka on ristiriitainen: toisaalta väitetään, että AI tuo valtavan tehostuksen, toisaalta irtisanotaan juuri ne, jotka tuntevat liiketoiminnan. Kun kokeneita ihmisiä lähtee, mukana menee yrityksen hiljainen tieto — prosessit, asiakassuhteet ja virheistä opitut asiat. Tätä kutsutaan institutionaaliseksi muistiksi, ja se nousi jo aiemmassa Tech Report -jaksossa esille.

Jevonsin paradoksi tarkoittaa yksinkertaistettuna tätä: kun jokin tehostuu, sitä ei usein käytetä vähemmän vaan enemmän. 1800-luvulla hiilen tehokkaampi poltto ei vähentänyt työntekijöitä — päinvastoin kysyntä kasvoi ja työtä syntyi lisää.

Joissakin AI-keskusteluissa samaa logiikkaa sovelletaan eteenpäin: tehostus luo lopulta uutta työtä eikä vain poista vanhaa. Bernal suhtautuu tähän varovaisesti. Hänen mukaan AI:n tuotto ei vielä riitä osoittamaan, että tämä vaihe on jo käynnissä — lisätyöpaikat myöhemmin ovat mahdollisia, mutta irtisanomiset nyt eivät perustu nykyiseen näyttöön.

Tuottavuuskriisi, jonka työnantajat rakentavat

Bernalin pääväite: johto, joka ottaa AI:n käyttöön ilman osaamissuunnitelmaa, riskeeraa valtavan tuottavuuskriisin.

Mekanismeja, joita hän kuvaa:

1. Liimattu AI — työkalut käyttöön ilman prosessien ja taitojen uudelleenajattelua.
2. Kasvanut työmäärä — hänen viittaamansa tutkimus: AI usein lisää työtä; ”vapauttaa kiinnostaviin tehtäviin” voi tarkoittaa vain vaikeita tehtäviä, koko ajan → uupumus.
3. Performatiivinen työ — työntekijät täyttävät AI-käyttökiintiöitä tai metriikkatavoitteita tulosten sijaan; Teams-statuksen ja näppäilyjen peukalointi on moderni versio.
4. Arvioinnin muutos — ylennyskriteerit siirtyvät asiakastuloksista tai ammattitaidosta Copilotin tai ChatGPT:n metriikan todistamiseen — kriteerit vaihtelevat rajusti ja tuntuvat työntekijöistä vääristetyiltä.
5. Puuttuva tikapuu — junioritehtävät automatisoidaan pois ilman oppimista työn ohessa uusille tulijoille.

Gartnerin eteenpäin katsova näkymä (2028+) — AI luo nettotyöpaikkoja jos HR-johto priorisoi tulevat taidot ja hylkää vanhentuneet taidot — kuulostaa järkevältä. Bernal epäilee, ettei keskustelua käydä useimmissa hallituksissa.

Työnantajan valvontaohjelmistot (bossware): Meta esimerkkinä

Bossware tarkoittaa työntekijöitä valvovaa ohjelmistoa: hiiren liikkeitä, näppäilyjä, ruudunkaappauksia tai jopa kameraa. Työnantaja mittaa, kuinka aktiivisesti ja nopeasti työ tehdään — ja päättää usein myös seurauksista.

Meta kuvaa Bernalin mukaan kahta rataa teknologia-alalla:

Rata	Työntekijän kokemus
Tuottavuus-AI	Ensin Meta kehotti kokeilemaan omia AI-työkaluja — nyt niitä odotetaan osana jokapäiväistä työtä
Valvonta-AI	Hiiren liikkeet, näppäilyt ja kuvakaappaukset kerätään työpaikka-AI:n kehittämiseen ja myyntiin

Työntekijät vetivät rajan: tuotteiden rakentamiseen suostuminen käy, mutta valvotuksi koulutusaineistoksi joutuminen ei. Vastarinnasta kertovat protestilaput toimistossa — pieni mutta näkyvä ele, ei vielä ammattiyhdistyksen äänestyspyrkimys. Bernal odottaa kuitenkin lisää vastarintaa, osaajien poistumista tai hiljaista irtautumista (”nosta palkkaa kunnes seuraava irtisanomiskierros”).

Näiden valvontatyökalujen väitetty hyöty — uupumuksen tunnistaminen kielestä tai ilmeistä — on teoreettinen. Käytännössä bosswarea käytetään Bernalin mukaan rankaisuun: jakauman alareuna, automaattiset suoritusvaroitukset, kafka-maiset riidat, kun malli erehtyy eikä ihminen voi korjata dataa.

Kyyti- ja kuriirtoimialan esimerkit (väärä tunnistus, ei valitusmahdollisuutta) skaalaavat toimistoon, kun HR ja aikataulut automatisoidaan — Fast Company -lehden (yhdysvaltalainen talous- ja työelämämedia) mukaan 62 % Amazon-työntekijöistä koki HR-kontaktien automatisoituvan, kun tarvittiin ihmistä.

Sukupolvien vastarinta ja huippu-AI-laboratorioiden sokeus

Laboratorioilla tässä tarkoitetaan huippumallien kehittäjiä — esimerkiksi OpenAI:n, Google DeepMindin ja muiden frontier-AI-yhtiöiden tutkimus- ja tuoteorganisaatioita, ei fyysisiä kemiallaboratorioita.

Bernal mainitsee yliopistojuhlien buuauksen AI-ylistykselle ja Eric Schmidtin ”toimijuus”-puheen Arizonassa — luettavissa rehellisenä tai vastuun siirtämisenä valmistuneille ongelmista, joita vakiintuneet tech-jättiläiset loivat.

Gallupin mukaan vain 18 % 14–29-vuotiaista on toiveikkaita AI:sta — kumoaa oletuksen, että ”nuoret johtavat AI-käyttöönottoa, koska ovat kasvaneet digitalisaation aikaan.” Hän pitää epäreiluna odottaa harjoittelijan ”kapinaa”; seniorien pitäisi asettaa sävy.

Bernal pitää johtajien hämmästystä outona. Hän vertaa tilannetta siihen, että savukemyyntiä harjoittava ihmettelee, miksi ihmiset inhoavat tupakointia — vastaus on ilmeinen. Samoin: kun AI koskettaa irtisanomisia, valvontaa ja epäselviä päätöksiä, vastustus on ennustettavaa, ei salaperäistä.

Tekninen arvio suomalaiselle tiimille

Insinööri- ja tuotejohtajille:

• Erottele työkalujen käyttöönotto ja henkilöstöpolitiikka. Copilot/Gemini-lisenssit ilman oppimisaikaa tuottavat kiintiöteatteria.
• Dokumentoi ihmisen ylikirjoituspolku ennen AI-avusteista arviointia tai aikataulutusta — EU AI Actin työhön liittyvät käyttötapaukset vaativat auditointijäljen.
• Mittaa tuloksia, älä token-klikkejä. Jos KPI (keskeinen suorituskyvyn mittari) vaatii pelkkiä ”AI-käyttötunteja”, odota performatiivisia prompteja eikä parempaa ohjelmistoa.
• Pilotti säilyttäen henkilöstön — Gartner-kehykset haastatteluissa suosivat optimointia ihmisten kanssa, ei korvata ja toivoa.
• Työntekijöiden valvonta on tietoturva- ja luottamusriski. Näppäily- ja ruudunseuranta ei ole kevyt tuottavuusominaisuus — kohtele sitä vakavana tietosuoja- ja kulttuurikysymyksenä.

Yksittäisille tekijöille:

• Selvitä, millä perusteella sinua arvioidaan. Vertaa tämän kvartaalin kriteerejä viime vuoteen. Jos AI-käytön näyttäminen korvasi ammattitaidon, muuta suunnitelmaasi sen mukaan.
• Pidä omat muistiinpanot. Kun algoritmi kirjaa läsnäolon tai tuotoksen, työnantajalla on automaattinen loki — sinulla ei. Riitatilanteissa tarvitset omat kirjaukset.
• ”Helpommaksi” voi tarkoittaa enemmän työtä (Oracle-työntekijän lainaus haastattelussa). Neuvottele tehtävien laajuutta, älä vain uusia työkaluja.

Riskit ja epävarmuudet

• Gartner/BCG-alkuperäiset raportit — luvut tulevat Tech Report -kommentin kautta; tarkista metodologia ennen virallista viittausta.
• Metan yksityiskohdat — valvonnan laajuus ja reaktio voivat muuttua; protestilaput eivät vielä tarkoita ammattiyhdistyksen voittoa.
• US-keskeiset esimerkit — Suomen työlainsäädäntö ja työehtosopimukset muuttavat käytettävissä olevia keinoja.
• Ennuste vs. fakta — 2028 nettotyöpaikat ovat ennusteita; nykyiset irtisanomisaallot ovat toteutunutta.
• Valintaharha — korkean ROI:n yritykset eroavat henkilöstömäärän lisäksi alassa, kypsyydessä ja mittauksessa; irtisanomiset eivät välttämättä selitä tulosta.

Johtopäätös

Bernalin kaksi haastattelua piirtävät saman epäonnistumismallin: AI-pääoma käytössä, ihmispääoma laiminlyöty. Haastatteluissa siteerattu Gartnerin tutkimus kumoaa tarinan, jonka mukaan irtisanomiset parantavat AI-investointien tuottoa. Meta puolestaan näyttää, mitä tapahtuu, kun valvonta lisätään samaan pinoon. Positiivinen skenaario — enemmän työpaikkoja vuoden 2028 jälkeen vakavalla osaamisen kehittämisellä — on uskottava, mutta ei korvaa suunnittelua tänään.

Johdolle: jos et pysty kuvaamaan taitopolkua aloittelevan tasolta johtoon, pysäytä henkilöstöleikkaukset, jotka perustuvat AI-tarinoihin. Käy työntekijöiden parissa — Bernalin ”undercover boss” -pointti — ennen kuin automatisoit arvioinnin.

Rakentajille ja työntekijöille: työnantaja, joka ei yhdistä AI:ta valvontaan eikä aseta AI-kiintiöitä, voi olla seuraava kilpailuetu rekrytyömarkkinoilla — erityisesti Pohjoismaissa, missä osaavia työntekijöitä on niukasti.

Yksittäisen insinöörin näkökulma

Hyvä: Alan tutkimustiedot (Gartner ja BCG siteerattu haastatteluissa) auttavat vastaamaan väitteeseen ”AI:lla tarvitaan vähemmän ihmisiä”. Kun näyttelevä AI-käyttö on nimetty ilmiöksi, on helpompi vaatia tuloksia eikä pelkkää työkalun klikkailua. Osa työnantajista panostaa vähäiseen valvontaan — se on hyvä merkki, kun harkitset uutta paikkaa.

Huono: AI-kiintiöt ja valvonta ulottuvat myös ohjelmistokehittäjiin: mitä kirjoitat editoriin, montako tehtävää merkitset AI-avusteisiksi. Junior-paikat katoavat, ja alalle pääsee vaikeammin, ellei rakenna näyttöä omilla projekteilla. Kun AI-yritysten johtajat sivuuttavat työntekijöiden huolen, tuotepäätökset jatkuvat samalla linjalla — kunnes ihmiset alkavat lähteä.

Opittavaa: Mittaa itse, kuinka nopeasti hoidat oikeita tehtäviä AI:n kanssa ja ilman — omaksi tiedoksesi, ei työnantajan seurantaan. Tutustu EU AI Act -sääntöihin ennen kuin hyväksyt työkaluja, jotka pisteyttävät sinua. Jos ylennykseen vaaditaan yhä enemmän AI:n näyttämistä, dokumentoi tulokset kuten ennenkin: valmiit muutokset, ratkaistut ongelmat — työkalukäytön lisäksi. Rakenna verkostoja paikoissa, joissa arvostetaan työtä eikä Copilot-tuntien määrää.

Yhdistä OpenAI:n laskentakiila-analyysiin (miksi toimittajat painavat käyttöönottoa) ja rakenteelliseen kuplaanalyysiin (pääomasykli paineen takana).