AI:n aikakauden osaaminen: miksi konvergenssi kuolee ja divergenssi hallitsee?
AI:n aikakauden osaaminen: miksi konvergenssi kuolee ja divergenssi hallitsee?
I. Johdanto: paradigman muutos ja arvon määrittelyn kriisi
Tekoälyn (AI) nopea kehitys on käynnistänyt perustavanlaatuisen murroksen, joka pakottaa yhteiskunnat ja organisaatiot uudelleenarvioimaan ihmisen työn ja osaamisen taloudellisen arvon. Keskustelut julkisen sektorin (kuten terveydenhuollon) säästöpotentiaalista siirtyvät nopeasti syvempään, eksistentiaaliseen kysymykseen: Miten mittaamme ihmisen arvon, kun AI kykenee suoriutumaan paremmin niistä tehtävistä, joita meiltä on perinteisesti odotettu?
Länsimainen koulutusjärjestelmä ja perinteinen meritokratia on rakentunut historiallisesti konvergentin ajattelun (CT) ympärille. Konvergenssi määritellään kognitiiviseksi prosessiksi, jossa etsitään yksi, optimaalinen ja looginen ratkaisu olemassa olevan tiedon perusteella.1 Tämä on ollut akateemisen menestyksen ydin ja perinteisen palkitsemisjärjestelmän mittari. Tämän raportin keskeinen teesi on, että tämä konvergentin ajattelun hegemonia on taloudellisesti ja strategisesti kuolemassa, sillä tekoäly on tässä maailmassa ylivoimainen. Ihmisen arvo siirtyy kykyyn luoda uutta tietoa ja uusia, epätodennäköisiä hypoteeseja – eli divergenttiin ajatteluun (DT).
Analyysi paljastaa perinteisen meritokratian perustavan vinouman. Järjestelmä on palkinnut sääntöjen noudattamisen ja tiedon toistamisen, jotka ovat nyt täysin automatisoitavissa.3 Tämä johtaa siihen, että AI ei syrjäytä ensimmäisenä heikoimmin koulutettuja, vaan niitä, jotka ovat menestyneet parhaiten vanhassa, sääntökeskeisessä CT-järjestelmässä. Tämä tekee työmarkkinoiden muutoksesta katastrofaalisen koulutusjärjestelmän kannalta. Kuitenkin kognitiivinen psykologia tarjoaa perusteita muutokselle: luovuuden tutkimuksessa on havaittu, että divergentti ajattelu osoittaa parempaa uusintatestausreliabiliteettia (vaihdellen välillä 0.71–0.74) kuin konvergentti produktiivisuus (0.53–0.62).4 Täten divergentin kapasiteetin siirtäminen arvonmittauksen ytimeen on paitsi taloudellisesti välttämätöntä, myös psykometrisesti vakaampi perusta osaamisen arvioinnille pitkällä aikavälillä.
II. Konvergentin ajattelun hegemonia ja tekoälyn lyömätön edustaja
2.1. Konvergenssin psykologinen ja taloudellinen rakenne
Konvergentti ajattelu, jonka psykologi J. P. Guilford loi käsitteenä vuonna 1956, keskittyy yhden, hyvin määritellyn ratkaisun saavuttamiseen.1 Se sopii parhaiten tehtäviin, jotka perustuvat puhtaasti logiikkaan eikä luovuuteen, kuten monivalintakokeisiin tai ongelmiin, joissa tiedetään, ettei muita ratkaisuja ole.1
Tämä ajattelutapa kytkeytyy suoraan algoritmisiksi luokiteltaviin työtehtäviin.3 Algoritmisissa tehtävissä toimitaan noudattaen ohjeita, sääntöjä tai tottumuksia rutiinilla ja systemaattisesti. Työn onnistuminen mitataan sillä, kuinka hyvin lopputulos vastaa ennustettua.3 Koulutusjärjestelmä on toiminut tehokkaana mekanismina näiden taitojen seulomiseksi ja palkitsemiseksi, toimien pitkänä pääsykokeena, jossa menestyvät ne, jotka noudattavat sääntöjä ja välttävät virheitä.5
2.2. Algoritmiset tehtävät ja automaatiouhka
Tekoäly on osoittautunut lyömättömäksi konvergentissa maailmassa. Se kykenee optimoimaan prosessit, laskemaan todennäköisyydet ja löytämään parhaan ratkaisun olemassa olevista datajoukoista virheettömästi ja massiivisessa skaalassa. Rutiininomaiset ja sääntöihin perustuvat tehtävät ovat ensimmäisenä altistumassa muutokselle. Esimerkiksi taloushallinnossa automaatio parantaa tehokkuutta tallentamalla tietyt säännöt vain kerran ja hoitamalla rutiinikirjaukset ilman inhimillisiä näppäilyvirheitä.6
Taloudelliset arviot heijastavat tätä todellisuutta. Vaikka arviot aikataulusta vaihtelevat, asiantuntijat pitävät 10–30 vuoden aikaväliä todennäköisenä AI:n muokkausikkunana suurimmalle osalle työtehtäviä. Eräs McKinsey & Companyn raportti arvioi, että jopa 30 prosenttia nykyisistä Yhdysvaltain työpaikoista voi automatisoitua vuoteen 2030 mennessä, ja 60 prosenttia työtehtävistä muuttuu merkittävästi.7
Analyysi paljastaa arvostuksen ja haavoittuvuuden välisen ristiriidan: perinteisesti korkeimmin palkatut konvergentit taidot (esimerkiksi rutiininomaiset asiantuntijatehtävät) ovat nyt taloudellisesti haavoittuvimpia. Korkea palkka tässä työssä heijasti aiemmin sen monimutkaisuutta ihmiselle, mutta samalla sen suoraviivaista ohjelmoitavuutta tekoälylle. Jos palkkaus perustuu jatkossakin puhtaasti CT-osaamiseen, työntekijät tekevät itsestään suoraan kilpailukyvyttömiä tekoälyä vastaan.
2.3. Meritokratian vika: tulevaisuuden este
Perinteinen meritokratia osoittaa heikkoutensa siinä, että se palkitsee menestyksen järjestelmässä, joka on usein mitannut vain kykyä toistaa tietoa. Sir Ken Robinsonin kritiikki koulutusjärjestelmää kohtaan saa uudenlaisen vakavuuden AI-aikana: hän huomautti osuvasti, että koulutus on pitkään “kouluttanut pois” luovuutta rankaisemalla virheistä.5
Tämä luovuuden tukahduttaminen on nyt kriittinen ongelma. Järjestelmä on aktiivisesti heikentänyt ihmisen kognitiivista joustavuutta ja riskinottoa, juuri niitä taitoja, jotka ovat välttämättömiä tulevaisuuden heuristisessa työssä.3 Tulevaisuuden menestys ei perustu siihen, kuka sai parhaat arvosanat menneisyydessä, vaan kuka kykenee parhaiten luomaan uutta arvoa, kun säännöt muuttuvat.
III. Divergentti ajattelu: ihmisen uusi kognitiivinen pääoma
3.1. Divergenssin määrittely: originaalisuuden ja luovuuden ydin
Divergentti ajattelu on konvergentin ajattelun vastakohta. Se on kykyä tuottaa monia uusia ja epätodennäköisiä ideoita, ratkaisuja tai mahdollisuuksia avoimessa, luovassa ympäristössä.1 Psykologian viitekehyksessä luovuuden dimensioihin luetaan divergentti ajattelu, konvergentti produktiivisuus, perseptuaalis-analyyttinen ajattelu sekä originaalisuus.4
Tekoälyn aikakaudella divergentti ajattelu ei ole vain “kiva lisä”, vaan aidon innovaation ja muuntautumiskyvyn perusta. Divergenssi ei pyri optimoimaan olemassa olevaa tietoa, vaan luomaan uutta tietoa ja hypoteeseja, joita tekoäly ei ole vielä nähnyt tai joiden synteesiin sen datajoukot eivät riitä.
3.2. Heuristinen työ ja ongelmanasettelu
Työtehtävät, jotka eivät ole algoritmisia, luokitellaan heuristisiksi.3 Heuristisissa tehtävissä työntekijän täytyy luoda sääntöjä ja toimintatapoja työn edetessä, soveltaa osaamista jatkuvasti muuttuvaan ympäristöön tai keksiä uusia asioita, jolloin lopputulosta ei välttämättä tiedetä etukäteen.3 Kun algoritmiset tehtävät automatisoidaan, heuristisen työn suhteellinen osuus kasvaa työmarkkinoilla.
Tulevaisuudessa ihmisen arvo on ankkuroitu ongelmanasetteluun (problem formulation). Tehtävänä ei ole ratkaista ongelmia, vaan asettaa uusia, poikkeavia ongelmia ja kysymyksiä, joihin olemassa oleva data ei tarjoa vastausta. Tämä siirto on ratkaiseva.
Maailmanlaajuiset työmarkkina-analyysit tukevat tätä suuntaa. Ne kategoriat, joiden odotetaan kokevan korkeinta kasvua automaation jälkeisessä maailmassa, ovat juuri heuristista työtä vaativia: IT-ammattilaiset, insinöörit, tiedemiehet, luovat alat, sekä johtajat ja päälliköt (managers and executives).8 Nämä roolit vaativat korkeaa kognitiivista joustavuutta ja kykyä sietää epävarmuutta.
Johtajuuden työn vaikea korvattavuus johtuu siitä, että johtaminen on luonteeltaan syvästi heuristista: se vaatii sääntöjen ja toimintatapojen luomista muuttuvassa ympäristössä ja muuttujan ymmärtämistä, jota ei voida ennustaa etukäteen.3 Täten divergentti kapasiteetti nousee tulevaisuuden ydinkompetenssiksi erityisesti ylimmässä hallinnossa.
IV. Epärationaalinen arvo: sosiaalinen pääoma ja inhimillinen älykkyys
4.1. Empatian ja sosiaalisen pääoman strateginen arvo
Tekoäly ei (ainakaan vielä) kykene mittaamaan tai tuottamaan inhimillisiä ulottuvuuksia, kuten aitoa empatiaa, sosiaalista älykkyyttä tai kognitiivista joustavuutta poikkeavissa tilanteissa. Nämä taidot luovat luottamusta ja tiimihenkeä – arvoa, jota ei voida kvantifioida pelkällä tuottavuusdataan pohjautuvalla hintahuutokaupalla.
Maailman talousfoorumi ja suuret konsulttiyhtiöt, kuten McKinsey, korostavatkin inhimillisimpiä toimintoja: luovuutta ja yhteenkuuluvuutta synnyttävää vuorovaikutusta.10 Empatia, joka on älykkyyden ja hyväntahtoisuuden yhteinen ulottuvuus, vahvistaa koko organisaation toimintaa, luoden työhyvinvointipääomaa.10 Sosiaali- ja terveysministeriön mukaan vahva inhimillinen pääoma on hyvinvoivan ja tuottavan työyhteisön tuntomerkki ja pitkän tähtäimen kilpailukyvyn edellytys.11
On syy-seuraussuhde (causal relationship) sen välillä, että divergentti ja heuristinen työ ovat luonteeltaan vaativampia ja epäselvempiä, ja niiden maksimoimiseksi tarvitaan korkeampaa sosiaalista pääomaa ja psykologista turvallisuutta (luottamus, empatia). Työhyvinvoinnin heikentäminen heikentää suoraan organisaation divergenttiä kapasiteettia. Näin ollen inhimillisten, “epärationaalisten” taitojen integrointi arvonmääritykseen on taloudellinen imperatiivi.
4.2. Kognitiivinen joustavuus ja poikkeaman käsittely
AI:n rooli algoritmisissa tehtävissä on siirtää rutiinit pois ihmisen käsistä. Esimerkiksi automaatio hoitaa valtaosan taloushallinnon rutiinikirjauksista, mutta se on ohjelmoitu ilmoittamaan käyttäjälle vain sellaisista “esiin nousevista poikkeamista, jotka vaativat ihmisen huomiota”.6
Ihmisen arvo keskittyy juuri näiden poikkeamien johtamiseen (Management by Exception). Poikkeaman käsittely vaatii kognitiivista joustavuutta, epäselvien signaalien tulkintaa ja kykyä soveltaa eettisiä tai sosiaalisia kehyksiä tilanteissa, joissa säännöt puuttuvat tai ovat ristiriitaisia. Tällaisissa tilanteissa arvon luo kyky sietää epävarmuutta ja tuottaa uusia toimintamalleja, mikä on divergentin ajattelun ytimessä.
Koska inhimillinen arvo juontuu taidoista, joita ei voida kvantifioida pelkällä tuottavuusdatalla, on välttämätöntä kehittää uusia, korkeamman resoluution mittareita sosiaaliselle pääomalle, kuten tiimin luottamusindeksit ja empatian todennus poikkeamien ratkaisemisessa.
V. Ihmisen ja tekoälyn symbioosi: kognitiivinen laajennin
5.1. AI kognitiivisena laajentimena
Tekoälyn roolin ei pidä olla korvaaja, vaan ihmisen puolella oleva kognitiivinen laajennin (cognitive augmentor). Roolijako on selkeä: AI hoitaa massiivisen konvergentin synteesin, vapauttaen ihmisen rajallisen kognitiivisen kapasiteetin keskittymään divergenttiin luomiseen.
Luovat tiimit ja tekoäly muodostavat dynaamisen kokonaisuuden. Tekoäly voi tarjota laajan ideapohjan ja koota taustatiedot nopeasti (convergentti datankeruu), kun taas ihmiset antavat ideoille merkityksen, valitsevat parhaat palaset ja jalostavat niitä inhimillisen oivalluksen perusteella (divergentti valinta/originaalisuus).12 Tämä yhdistelmä tuottaa prosesseja, joissa yhdistyvät teknologian nopeus (CT) ja inhimillinen oivallus (DT).12
5.2. Yhteistyön hienosäätö ja kognitiivisen ulkoistuksen riski
AI:n strateginen arvo ei rajoitu vain luoviin prosesseihin, vaan myös arjen hallintaan. Se voi tukea tiimityötä esimerkiksi automaattisilla kokousmuistioilla tai reaaliaikaisilla käännöksillä kansainvälisissä tiimeissä, tehden viestinnästä läpinäkyvämpää ja varmistaen, että rutiinitietämys on ajan tasalla.12 Tämä vahvistaa, ei korvaa, ihmisten vuorovaikutusta.
AI:n uusi standardi on sen kyky automaation kautta ohjata ihmisen rajallinen huomio sinne, missä divergenttiä ajattelua tarvitaan eniten – eli poikkeamiin.6 AI muuttaa työn luonteen rutiininomaisesta prosessoinnista poikkeamien johtamiseen (Management by Exception).
Symbioosi sisältää kuitenkin myös riskin, jota kutsutaan kognitiiviseksi ulkoistukseksi. On olemassa vaara, että ihmiset tottuvat liikaa jalostamaan AI:n tuottamaa konvergenttia materiaalia eivätkä enää harjoita luontaista divergenttiä ajatteluaan. Organisaatioiden on varmistettava, että ihmiset säilyttävät kykynsä generoida ideoita täysin tyhjästä, riippumatta tekoälyn pohjatyöstä. Ihmisen rooli on oltava aktiivinen luoja, ei passiivinen jalostaja.
VI. Kohti osaamisperusteista arvonmääritystä ja rekrytointireformia
6.1. Dynaaminen arvonmittaus: potentiaali ennen historiaa
Eettisesti kestävän työmarkkinan luomiseksi on hylättävä sekä vanha, vinoumia täynnä oleva historiallinen meritokratia että naiivi hintakilpailu tekoälyä vastaan. Tulevaisuudessa menestys ei tule menneisyydestä, vaan kyvystä luoda uutta arvoa muuttuvissa olosuhteissa.
Rekrytoinnissa painopisteen on siirryttävä todistusten mittaamisesta kykyyn suoriutua dynaamisesti muuttuvissa ongelmanratkaisutehtävissä. Tämä tarkoittaa siirtymistä algoritmisen suorituskyvyn arvioinnista heuristisen kapasiteetin mittaamiseen.3
Testausmenetelmien on oltava suunniteltu nimenomaan poikkeaman ja muutoskyvyn mittaamiseen. Tämä voi sisältää simulaatioita, joissa sääntöjä muutetaan jatkuvasti tai joissa informaatio on tarkoituksellisesti epäselvää (Ambiguity Tolerance). Koska divergentti ajattelu mittaa kykyä luoda epätodennäköisiä ratkaisuja, dynaamisen testauksen kehittämisessä on ehdottomasti vältettävä taustaan liittyvät vinoumat. Testaamisen on oltava kulttuurisesti joustavaa ja riippumatonta perinteisistä akateemisista viitekehyksistä, jotta se mittaa aidosti luontaisessa DT-kyvyssä piilevää potentiaalia.
6.2. Koulutusjärjestelmän radikaali uudistus
Koska koulutus on pitkään “kouluttanut pois” luovuutta 5, koulutusjärjestelmässä tarvitaan perustavaa laatua oleva paradigman muutos. Koulutuksen on muutettava aineiden hierarkiaa niin, että taiteita ja luovuutta arvostetaan yhtä tärkeinä kuin lukutaitoa.5
Koulutuksen on muututtava paikaksi, jossa virheistä ei rangaista, vaan ne nähdään välttämättömänä osana innovaatioprosessia ja divergenttiä riskinottoa.5 Koulutuksen tavoitteena ei enää voi olla tietyn raaka-aineen (konvergentin synteesin) etsiminen vaan mielen muokkaaminen siten, että se kykenee vaalimaan kaikkia lahjakkuuden ulottuvuuksia, erityisesti luovaa potentiaalia.
VII. Eettisesti ankkuroitu palkkaus ja uusi meritokratia
7.1. Tekoäly palkkausdynamiikan tasaajana
Jos työmarkkinat ajautuvat naiiviin hintakilpailuun, jossa palkkaus perustuu vain konvergentin osaamisen minimikustannuksiin, ihmistyö alihinnoitellaan ja sen arvo murenee.
Tämän ongelman korjaamiseksi tarvitaan eettisesti ankkuroitu palkkausmalli. Mallissa tekoälyä käytettäisiin laskemaan ehdokkaan ennustettu arvo (potentiaalinen lisäarvo) dynaamisen suoriutumisen ja heuristisen potentiaalin perusteella. Työnantaja pakotettaisiin asettamaan palkkatarjouksensa tämän AI:n laskeman arvon perusteella. Tämä poistaisi perinteisten palkkaneuvottelujen epäsymmetrian ja estäisi työntekijöitä alihinnoittelemasta itseään.
Tässä mallissa palkkauksen tulee perustua kolmeen komponenttiin:
Mitattuun divergenttiin potentiaaliin: arvioitu kyky luoda uutta arvoa ja käsitellä poikkeamia.
Inhimilliseen pääomaan: arvio sosiaalisten taitojen ja empatian tuottamasta lisäarvosta (tiimin luottamus, organisaation kestävyys).10
Markkina-arvoon algoritmisissa tehtävissä: tämän komponentin odotetaan laskevan suhteessa kahteen muuhun.
7.2. Eettiset kehykset ja arvonmäärityksen paradoksi
Käyttämällä tekoälyä määrittelemään “inhimillistä, epärationaalista arvoa” (DT, empatia), syntyy näennäinen paradoksi. Näin pyritään kvantifioimaan se, mikä määriteltiin kvantifioimattomaksi. Ratkaisu tähän ei ole kvantifioida DT:n sisäistä arvoa, vaan sen korrelaatio onnistumiseen heuristisissa tehtävissä ja sosiaalisissa dynamiikoissa (esim. kuinka hyvin mitattu DT-pisteet ennustavat tiimin innovaatiotasoa tai luottamuksen kasvua). Tekoäly laskee korrelaation ja ennusteen, ei moraalista arvoa.
Tämän palkkausmallin on noudatettava tiukkoja eettisiä kehyksiä, kuten ACA:n tai Reamerin ja Conradin esittämiä päätöksentekomalleja.13 On tunnistettava kilpailevat arvot (taloudellinen tuottavuus vs. sosiaalinen oikeudenmukaisuus/inhimillinen pääoma) ja priorisoitava ne ammatillisen harkinnan perusteella.13
Lisäksi organisaation on luotava ympäristö, joka kannustaa eettiseen käyttäytymiseen. Esimerkiksi hyväntahtoinen johtajuus voi toimia moderaattorina, joka edistää työntekijöiden kykyä nostaa esiin eettisiä huolenaiheita (ethical voice).14 Uuden palkkausjärjestelmän on kannustettava vastuullisuuteen ja moraaliseen kompensointiin, jotta estetään epäeettinen organisaatiokäyttäytyminen.
Tämä siirtymä kohti potentiaalikeskeistä meritokratiaa on osa uutta sosiaalista sopimusta, jossa työnantaja on velvoitettu tunnustamaan työntekijän tulevaisuuden lisäarvon luomiskyvyn eikä ainoastaan menneisyyden suorituksia.
VIII. Yhteenveto
AI:n vallankumous ei ole vain teknologinen muutos, vaan syvä taloudellinen ja kognitiivinen murros, joka tekee konvergentista osaamisesta taloudellisesti kestämätöntä. Ihmisarvon ja kilpailukyvyn ylläpitäminen edellyttää radikaalia paradigman muutosta, jossa divergentti ajattelu, inhimillinen pääoma ja ongelmanasettelu nousevat uusiksi strategisiksi resursseiksi.
Päätelmät ja strategiset toimenpidesuositukset:
Koulutusparadigman uudistus (DT:n maksimointi): koulutusjärjestelmän on siirryttävä pois rangaistukseen perustuvasta sääntöjen noudattamisen mallista kohti ympäristöä, joka arvostaa luovuutta ja riskinottoa. Taiteiden ja luovan ongelmanasettelun on saatava sama arvo kuin perinteisten akateemisten aineiden.5 Koulutuksen on alettava arvostaa potentiaalia enemmän kuin historiaa.
Rekrytoinnin reformi (potentiaalin mittaus): historialliset todistukset on korvattava dynaamisella arvonmittauksella, joka mittaa nimenomaan heuristista kapasiteettia, kognitiivista joustavuutta ja muutoskykyä.3 Testausmenetelmien on oltava riittävän kulttuurisesti joustavia vinoumien välttämiseksi.
Eettisesti ankkuroitu palkkaus: on hylättävä naiivi hintakilpailu ja otettava käyttöön AI kognitiivisenä tasaajana. Tekoälyn on laskettava ehdokkaan ennustettu potentiaalinen lisäarvo (perustuen DT-kapasiteettiin ja inhimilliseen pääomaan) ja palkkaustarjouksen on pakotettava vastaamaan tätä arviota. Tämä luo eettisen kehyksen, joka tunnistaa ja palkitsee inhimillisen arvon neuvotteluasymmetrian poistamiseksi.
Inhimillisen pääoman strateginen velvoite: Organisaatioiden on luokiteltava empatia, luottamus ja sosiaalinen älykkyys strategiseksi työhyvinvointipääomaksi, joka on kilpailukyvyn edellytys.11 Koska heuristinen työ on kognitiivisesti vaativaa, sen maksimoimiseksi tarvitaan korkeaa psykologista turvallisuutta.
Siirtymä konvergenssista divergenssiin on välttämätön työmarkkinoiden eettisen kestävyyden ja kansallisen innovaatiokapasiteetin kannalta. On aika tunnustaa, että ihmisen arvon ydin tulevaisuudessa piilee siinä, mitä AI ei voi tehdä: luoda uutta epärationaalista arvoa ja asettaa ennennäkemättömiä ongelmia.
Lähdeartikkelit
Convergent vs. Divergent Thinking: Finding Balance - Asana, avattu lokakuuta 4, 2025, https://asana.com/resources/convergent-vs-divergent
Avattu lokakuuta 4, 2025, https://www.tandfonline.com/doi/full/10.1080/13546783.2025.2485059#:~:text=In%20this%20view%2C%20creative%20thought,2021%3B%20Evans%20%26%20Jirout%2C%202023
Koherentti johtajuusteoria | Neutrinica, avattu lokakuuta 4, 2025, http://www.neutrinica.com/juha.peltoniemi/koherentti_johtajuusteoria.pdf
Luovuuden yhteydet eräisiin muihin kognitiivisiin kehitystason muuttujiin kuusivuotiailla lapsilla - JYX, avattu lokakuuta 4, 2025, https://jyx.jyu.fi/bitstream/handle/123456789/76128/Liikanen_Pirkko_244_screen.pdf?sequence=1&isAllowed=y
TED Talks: Do Schools Kill Creativity? Sir Ken Robinson /Pauliina, avattu lokakuuta 4, 2025, https://valmentajaopettajaduunioyj.wordpress.com/2016/04/24/ted-talks-do-schools-kill-creativity-sir-ken-robinson-pauliina/
Hyödynnätkö taloushallinnon automaatioita tehokkaasti? - Oscar Software, avattu lokakuuta 4, 2025, https://www.oscar.fi/artikkeli/hyodynnatko-taloushallinnon-automaatioita-tehokkaasti/
avattu lokakuuta 4, 2025, https://www.forbes.com/sites/jackkelly/2025/04/25/the-jobs-that-will-fall-first-as-ai-takes-over-the-workplace/#:~:text=Estimates%20vary%2C%20but%20experts%20converge,significantly%20altered%20by%20AI%20tools.
Jobs lost, jobs gained: What the future of work will mean for jobs, skills, and wages, avattu lokakuuta 4, 2025, https://www.mckinsey.com/featured-insights/future-of-work/jobs-lost-jobs-gained-what-the-future-of-work-will-mean-for-jobs-skills-and-wages
Generative AI and the future of work in America - McKinsey, avattu lokakuuta 4, 2025, https://www.mckinsey.com/mgi/our-research/generative-ai-and-the-future-of-work-in-america
Empatian voima työssä - Werner Söderström Osakeyhtiö, avattu lokakuuta 4, 2025, https://elvis.bonnierbooks.fi/file/D3kEaV5C4Nn9da1SeuuBGk/*/9789510429013_lukun.pdf?authcred=Z3Vlc3Q6Z3Vlc3Q=
Vahva inhimillinen pääoma on hyvinvoivan ja tuottavan työyhteisön tuntomerkki - Sosiaali- ja terveysministeriö, avattu lokakuuta 4, 2025, https://stm.fi/-/vahva-inhimillinen-paaoma-on-hyvinvoivan-ja-tuottavan-tyoyhteison-tuntomerkki
Tekoäly tiimityössä – miten hyödyntää AI:ta luovasti? - Poickeus, avattu lokakuuta 4, 2025, https://poickeus.fi/tekoaly-tiimityossa-miten-hyodyntavaa-aita/
Ten Best Ethical Decision Making Models, avattu lokakuuta 4, 2025, https://lpcag.memberclicks.net/assets/Models%20of%20Decision%20Making%202.pdf
Investigating the moral compensatory effect of unethical pro-organizational behavior on ethical voice - Frontiers, avattu lokakuuta 4, 2025, https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2023.1159101/full