Tekoäly kaventaa uran ensimmäistä askelmaa ja osaamisketju voi katketa

Työterveyslaitoksen kehittämispäällikkö Teppo Valtonen varoitti 9.11.2026 julkaistussa arviossa: ”Jos aloittelevien työntekijöiden osuus työpaikalla laskee merkittävästi, vaarana on, että osaaminen katoaa kokeneiden siirtyessä aikanaan muualle.” Arvio koskee suomalaisia asiantuntijatyöpaikkoja, joissa tekoäly voi hoitaa tehtäviä, joiden kautta tulokas on aiemmin oppinut työn perusteet. Kansainväliset havainnot osoittavat uran alun heikentyneen tietyissä tehtävissä, mutta eivät mittaa suomalaisten työpaikkojen määrää.

Stanford Digital Economy Labin ADP-palkka-aineistossa tekoälylle voimakkaasti altistuvien ammattien 22–25-vuotiaiden työllisyys oli kesäkuussa 2026 noin 19 prosenttia alempana kuin jos se olisi kehittynyt samaa tahtia vähemmän altistuvien ammattien kanssa. Saman mittarin ero oli heinäkuun 2025 aineistossa 15 prosenttia. Kyse on vertailu-urasta, ei väitteestä, että vastaava osuus työpaikoista olisi kadonnut tekoälyn vuoksi.

Anthropicin juniorirekrytointi muuttui yrityksen kasvaessa

Anthropicin 16.10.2026 julkaisemassa tutkimuksessa juniorien osuus teknisten osastojen henkilöstöstä laski vuoden 2025 alun 21 prosentista 14 prosenttiin. Heidän osuutensa uusista teknisistä palkkauksista pieneni 27 prosentista 9 prosenttiin. Tekninen rekrytointi kasvoi silti määrällisesti: yritys palkkasi edelleen teknisiä työntekijöitä, mutta uusista tulijoista aiempaa harvempi oli juniori.

Yhtiön sisäisissä keskusteluissa kysyntä aloitteleville teknisille osaajille alkoi heiketä, kun Claudea paljon käyttävät tiimit siirsivät sille koodin kirjoittamista ja virheiden etsimistä. Tekniikan rekrytoinnissa painottuivat itsenäinen harkinta ja kyky johtaa työtä, ja osa kyselyyn vastanneista esihenkilöistä kertoi palkkaavansa vähemmän tekoälyn vuoksi. Tämä on konkreettinen esimerkki työnantajan omasta rekrytointivalinnasta, ei arvio koko ohjelmistoalan työpaikkakehityksestä.

Osuuden laskua ei pidä myöskään sekoittaa avoimien paikkojen määrään: junioripaikkojen ilmoitukset ovat vähentyneet voimakkaasti, mutta henkilöstöosuus ja osuus uusista palkkauksista mittaavat eri asioita. Nopeasti kasvavassa yrityksessä myös muun henkilöstön rekrytointi muuttaa suhteellisia osuuksia. Siksi havainto kertoo tarkimmin siitä, millaisille osaajille uusi kysyntä yhtiön sisällä kohdistuu.

Yhdysvaltain työllisyyskuilu näkyy palkkaamisessa

Laajempi yhdysvaltalainen havainto koskee ammattiryhmiä, ei yksittäisen tekoäly-yhtiön henkilöstöä. Nuorten jälkeenjäänti näyttää syntyvän ennen kaikkea vähäisemmästä palkkaamisesta eikä siitä, että jo työssä olevat nuoret lähtisivät tavallista useammin. Kokeneiden työntekijöiden työllisyydessä ei näy vastaavaa kuilua, joten samaan ammattiin kuuluvien eri uravaiheita ei voi käsitellä yhtenä lukuna.

Heikkeneminen painottuu ammatteihin, joissa tekoälyn käyttö automatisoi ihmisen tehtäviä. Siellä, missä tekoäly pikemminkin täydentää työntekijää, työllisyys on pysynyt vakaampana tai kasvanut, varsinkin kokeneilla. Ammatin altistuminen tekoälylle kertoo siten vain osan tarinasta; työnjako ihmisen ja järjestelmän välillä vaikuttaa siihen, jääkö uran alkupäähän tilaa.

Tutkimuksen tulos on kuvaileva, eikä siitä voi laskea tekoälyn aiheuttamaa työpaikkakatoa. Ero pienenee, kun koulutustaso otetaan huomioon, ja ADP:n aineiston arvio on suurempi kuin kansallisissa kyselyvertailuissa. Nämä rajoitukset koskevat juuri luvun yleistämistä Yhdysvaltojen koko työmarkkinaan, saati Suomeen; samanaikainen talouden muutos voi vaikuttaa palkkaamiseen.

Kirjallinen tieto korvautuu helpommin kuin hiljainen osaaminen

Uran alkua koskevassa riskissä on kyse myös siitä, mitä työssä opitaan. Nuorten työllisyys on heikentynyt erityisesti ammateissa, jotka nojaavat kirjattuun, muodolliseen ja helposti opetettavaan tietoon. Kokeneiden asema on vahvempi tehtävissä, joissa tarvitaan harjoittelun, ohjauksen ja toistuvien tositilanteiden kautta karttuvaa hiljaista osaamista. Tekoäly voi tuottaa kirjattuun tietoon perustuvan vastauksen, mutta pelkkä valmis vastaus ei anna tulokkaalle kokemusta sen arvioimisesta.

Ohjelmistotyössä ensimmäisen koodiversion kirjoittaminen tai virheen jäljittäminen voi olla sekä tuotantotehtävä että harjoitus. Jos järjestelmä tekee ensiversion, työnantaja voi saada tuloksen nopeammin. Tulokas menettää kuitenkin mahdollisuuden havaita itse, miksi ratkaisu epäonnistuu, ellei perehdytykseen kuulu vastaavaa itsenäistä ongelmanratkaisua ja palautetta. Tämä on osaamisen siirtymistä koskeva mahdollinen seuraus, ei väite kaikkien tiimien nykyisistä käytännöistä.

Kokemattomat työntekijät tuovat myös kysymyksiä, joita vakiintuneen työn tekijä ei aina esitä. Jos alkupään tehtävät ja niiden mukana keskustelu kokeneen kollegan kanssa vähenevät, työyhteisö menettää yhden paikan, jossa toimintatapoja on voitu kyseenalaistaa. Tällä on merkitystä silloinkin, kun tekoälyn tuottama suorite on heti käyttökelpoinen.

Suomalaisen perehdytyksen on korvattava poistuva harjoitus

Suomalaiselle asiantuntijatiimille välitön kysymys on, mitä tulokas oppi automatisoitavassa tehtävässä. Ydinosaamiseen liittyvää harkintaa ei kannata siirtää kokonaan järjestelmälle, jos tiimillä ei ole muuta tapaa kasvattaa saman harkinnan tekijöitä. Tehtävien muuttuessa perehdytyksen pitäisi säilyttää vähintään mahdollisuus tehdä päätös, nähdä sen seuraukset ja saada perusteltu palaute.

Kun esimerkiksi koodin ensiversio syntyy tekoälyllä, uusi työntekijä voi edelleen selvittää, mitä ratkaisulla tavoitellaan ja missä olosuhteissa se pettää. Ohjattu arviointi voi antaa tilaa tälle oppimiselle, jos tulokas joutuu perustelemaan oman ratkaisunsa eikä vain hyväksymään valmista tulosta. Perehdytys ei siis palaudu siihen, kuinka monta rutiinitehtävää ihmiselle jätetään, vaan siihen, millaisia päätöksiä hän saa harjoitella.

Ennen aloitustehtävän automatisointia tiimissä voi kysyä:

• Mitä itsenäistä päätöstä tulokas on tähän asti harjoitellut tehtävää tehdessään?
• Kuka näyttää, miten virhe tunnistetaan ja miksi yksi ratkaisu valitaan toisen sijasta?
• Missä uusi työntekijä saa tehdä vastaavan ratkaisun itse ja kuulla, miten se onnistui?

Työnantaja voi automatisoida rutiinin ja säilyttää silti oppimisen, jos tulokas saa vastuuta päätöksestä ja kokeneen palautteen sen perusteista. Muuten tuleva vaativa asiantuntijatyö jää yhä pienemmän harjoittelujoukon varaan.

Lue myös:

• 64 % kaipaa uutta osaamista – tekoäly muuttaa jo rekrytoijan seulaa
• Tekoälymerkintä puuttui 39 prosentista – alustat hukkaavat alkuperätiedon
• Edunsaajailmoitus unohtui? 300 euron maksu on vasta ensimmäinen seuraus