Tekoälyn mahdollisuudet ja haasteet arviointien toteutuksessa

Tässä blogissa käsitellään lyhyesti tekoälyn mahdollisuuksia ja haasteita arviointien toteutuksessa. Tekoäly voi mullistaa yhteiskunnallisten hankkeiden ja politiikkatoimien arvioinnin automatisoimalla analyysiprosesseja, parantamalla objektiivisuutta ja tunnistamalla monimutkaisia syy-seuraussuhteita. Sen hyödyt ulottuvat resurssien säästöstä parempaan päätöksentekoon. Samalla tekoälyn käyttö vaatii kuitenkin huolellista eettistä harkintaa ja riskienhallintaa.

Vaikuttavuusarvioinneissa keskitytään usein yhteiskunnallisten hankkeiden, politiikkatoimien ja palvelujen toiminnan sekä tulosten tarkasteluun. Arviointien päämääränä on ymmärtää, millaisia vaikutuksia toimenpiteillä on kohderyhmille ja yhteiskunnalle sekä miten toimintaa voidaan kehittää vastaamaan paremmin todellisiin tarpeisiin. Arviointialan juuret ulottuvat 1900-luvun puoliväliin, jolloin suuria sosiaalisia ohjelmia alettiin analysoida järjestelmällisesti etenkin Yhdysvalloissa. Myöhemmin menetelmät levisivät kansainvälisesti ja niitä alettiin soveltaa laajasti erilaisiin yhteiskunnallisiin hankkeisiin.

Arviointimenetelmät ovat sittemmin kehittyneet vastaamaan hankkeiden monimuotoisuutta, ja niihin kuuluu sekä laadullisia että määrällisiä lähestymistapoja. Yleisiä menetelmiä ovat kyselyt, haastattelut, ryhmäkeskustelut, tilastolliset analyysit ja pitkittäistutkimukset, joilla mitataan hankkeiden vaikutuksia eri aikajänteillä.

Tekoälyn tuomat hyödyt

AI-työkalut tarjoavat merkittävästi tukea arviointiprosessia automatisoimalla datan analysointia ja käsittelyä sekä nopeuttamalla suurten aineistojen analyysejä.

Tehokkaampi ja tarkempi analyysi
Tekoäly pystyy käsittelemään ja analysoimaan suuria tietomääriä nopeasti ja tarkasti. Tämä mahdollistaa laajan ja monimutkaisen yhteiskunnallisen datan tarkastelun, mikä auttaa tunnistamaan trendejä, poikkeavuuksia ja vaikuttavia tekijöitä, joita perinteisillä analyysimenetelmillä välttämättä huomattaisi.

Objektiivisuuden parantaminen
Tekoäly voi vähentää ihmisen aiheuttamaa puolueellisuutta ja virheitä analyysiprosesseissa. Automaattiset analyysityökalut tarjoavat objektiivisempia näkökulmia, mikä voi johtaa objektiivisempiin ja perusteellisempiin arviointeihin.

Syvällisempien yhteyksien tunnistaminen
Tekoäly pystyy löytämään monimutkaisia yhteyksiä, jotka eivät ole helposti havaittavissa perinteisin keinoin. Esimerkiksi se voi tunnistaa tiettyjen sosiaalisten, taloudellisten ja ympäristötekijöiden välisiä vaikutussuhteita, mikä voi auttaa ymmärtämään paremmin yhteiskunnallisten ongelmien juurisyitä ja kehittämään kokonaisvaltaisempia ratkaisuja. Tekoäly voi siten mahdollistaa laadukkaampien ja syvällisempien analyysien toteuttamisen.

Resurssien säästö ja kustannustehokkuus
Tekoälyn avulla voidaan automatisoida monia manuaalisia tehtäviä, kuten tiedon keruuta, datan esiprosessointia ja alustavaa analyysiä. Tämä säästää resursseja ja vähentää kustannuksia, jolloin yhteiskunnallisten arviointien toteuttaminen voi olla laajempaa ja pitkäjänteisempää ilman suuria lisäkustannuksia.

Parempi ennakointi ja päätöksenteon tukeminen
Tekoälypohjaiset ennustemallit voivat auttaa yhteiskunnallisten trendien ja riskien ennakoimisessa, kuten väestön ikääntymisen, työllisyystilanteen tai ilmastonmuutoksen vaikutusten arvioinnissa. Tämä voi tukea päätöksentekoa ja auttaa suunnittelemaan pitkäjänteisiä ja kestäviä ratkaisuja yhteiskunnallisiin haasteisiin.

Tekoälyn haasteet

Siitä huolimatta, että AI-menetelmät tuovat merkittäviä etuja yhteiskunnallisten hankkeiden arviointiin, niiden käyttöön liittyy myös haasteita ja riskejä. Tekoäly ei korvaa arvioitsijan tai tutkijan itsenäistä ajattelua, vaan siihen tulee suhtautua työn apuvälineenä.

Yhteiskunnallisten toimijoiden on tärkeää kiinnittää huomiota erityisesti AI-menetelmien eettisyyteen ja varmistaa, että niiden käyttö arviointityössä edistää hankkeen todellista vaikuttavuutta ja oikeudenmukaisuutta. AI:n käyttö edellyttää sitä, että arvioinnin asiantuntijat perehtyvät tarkasti tekoälyavusteisesti tuotettuihin tuloksiin ja tarkastelevat niitä aina myös kriittisestä näkökulmasta.

AI-menetelmien soveltamisen riskit arviointien tekemisessä voidaan kiteyttää seuraavasti:

Tietoturva ja yksityisyyden suoja: Mikäli arviointidataa syötetään tekoälyjärjestelmiin ilman asianmukaista suojausta tai anonymisointia, on olemassa riski, että tieto voi joutua vääriin käsiin tai paljastaa yksilöiden tai yhteisöjen tietoja. Arviointiaineisto tulisi aina anonymisoida ja varmistaa, ettei se sisällä mitään arkaluontoista tietoa.

Mallien puolueellisuus: Jos AI-mallit perustuvat vinoutuneeseen tai yksipuoliseen dataan, ne voivat tuottaa puolueellisia arviointituloksia. Tämä voi johtaa vääristyneisiin johtopäätöksiin ja epätasa-arvoiseen kohteluun, mikä on erityisen kriittistä yhteiskunnallisissa arvioinneissa.

Selitettävyys ja läpinäkyvyys: AI-menetelmät, erityisesti monimutkaiset koneoppimismallit, voivat olla vaikeita selittää ja tulkita. Tämä voi johtaa haasteisiin, kun arviointituloksia täytyy perustella sidosryhmille, jotka ensisijaisesti kaipaavat selkeyttä ja ymmärrettävyyttä.

Virheherkkyys ja luotettavuus: AI-menetelmät eivät ole virheettömiä, ja ne saattavat tuottaa virheellisiä tuloksia esimerkiksi puutteellisen datan tai algoritmien virheiden vuoksi. Luotettavuuden puute voi heikentää arvioinnin uskottavuutta ja johtaa vääriin päätöksiin. Tästä syystä AI-menetelmillä ei voida korvata asiantuntijan tekemää työtä.

Eettiset kysymykset: AI:n käyttö arvioinneissa voi nostaa esiin eettisiä kysymyksiä, kuten yksityisyyden suojaan, oikeudenmukaisuuteen ja vastuullisuuteen liittyviä kysymyksiä. On tärkeää varmistaa, että AI-menetelmät tukevat arviointien eettisiä periaatteita ja arvoja, ja tämän varmistaminen on haasteellista.

Viisi AI-työkalua yhteiskunnallisten hankkeiden arviointiin

Luonnollisen kielen käsittely (NLP): NLP-teknologiat tarjoavat välineitä analysoida suuria määriä tekstiä, kuten hankkeiden palautteita, kyselyvastauksia ja raportteja. Näin voidaan tunnistaa keskeisiä teemoja ja tunnetiloja, joita hankkeet ovat herättäneet kohderyhmissään. Esimerkiksi hankearvioinneissa NLP voi auttaa ymmärtämään, mitkä asiat vaikuttavat ihmisten asenteisiin hanketta kohtaan ja millaisia näkemyksiä heillä on sen tuloksista.

Sentimenttianalyysi: Sentimenttianalyysi on yksi NLP sovellusalue, jossa analysoidaan tekstipohjaista dataa havaitakseen positiivisia, neutraaleja ja negatiivisia tunteita. Yhteiskunnallisten hankkeiden arvioinneissa sentimenttianalyysi voi auttaa tunnistamaan, miten kohderyhmät ja sidosryhmät kokevat hankkeen vaikutukset. Tämä voi tarjota arvokasta tietoa hankkeen onnistumisesta ja siitä, kuinka se koetaan yleisön keskuudessa.

Ennakoiva analytiikka (Predictive Analytics): Ennakoivan analytiikan avulla voidaan arvioida hankkeen vaikutusten kehittymistä pitkällä aikavälillä. Tämä menetelmä hyödyntää historiallista dataa ja trendianalyyseja ennustaakseen, millaisia tuloksia ja muutoksia hankkeella todennäköisesti saavutetaan. Ennakoiva analytiikka voi auttaa ennakoimaan riskejä ja kohdentamaan resursseja tehokkaasti.

Kohderyhmäsegmentointi: AI-menetelmät, kuten klusterointi, mahdollistavat kohderyhmien tehokkaan segmentoinnin. Tämä voi olla hyödyllistä erityisesti niissä hankkeissa, joissa kohderyhmät ovat laajoja ja monimuotoisia. Kohderyhmäsegmentointi auttaa tunnistamaan, miten erilaiset väestöryhmät hyötyvät hankkeesta ja missä määrin tietyt vaikutukset kohdistuvat eri ryhmiin.

Lopuksi

Tutkija- ja arviointiyhteisön on tärkeää kiinnittää huomiota tekoälyn käyttöön erityisesti eettisestä ja kriittisestä näkökulmasta. Tämä tarkoittaa muun muassa tietoturvan takaamista, algoritmien puolueettomuuden varmistamista ja läpinäkyvien toimintaperiaatteiden noudattamista. AI-menetelmiä hyödyntäessä on olennaista arvioida mallien tuottamia tuloksia monipuolisesti ja tarkistaa niiden vaikutukset eri ryhmiin. Lisäksi tutkijoiden tulisi pyrkiä kehittämään yleisesti tekoälyn käytäntöjä, jotka tukevat oikeudenmukaisuutta, avoimuutta ja yhteiskunnallista vastuullisuutta.

Minna Mayer

Minna Mayer, valtiotieteiden tohtori ja Advisor (4Front) toimii Suomen Arviointiyhdistyksen hallituksessa sekä yhdistyksen viestintävastaavana. Hän on työskennellyt arviointien, selvitysten ja tutkimusten parissa viimeisen 14 vuoden ajan.