Tekoälyn hyödyntäminen tutkimusraporttien laadinnassa : generatiivisen tekoälyn ja ihmisen vertailu

Abstract

Tässä diplomityössä selvitettiin generatiivisen tekoälyn kykyä analysoida strukturoitua numeerista henkilöstötutkimusdataa ja sen perusteella laadukkaiden johtopäätösraporttien muodostamista. Vertailukohtana tekoälylle toimi alan asiantuntijoiden muodostamat johtopäätösraportit samoista henkilöstötutkimusdatoista. Kuutta muodostettua raporttia arvioitiin asiantuntijoiden toimesta kvantitatiivisin ja kvalitatiivisin perustein. Arvioinnissa keskityttiin laatuun ja tehokkuuteen.

Tutkimuksen tulokset osoittivat tekoälyn muodostavan laadukkaita raportteja huomattavasti asiantuntijaa nopeammin. Tekoälyraportit arvioituivat kokonaisuudessaan laadukkaammiksi kuin asiantuntijoiden raportit. Kvalitatiivinen palaute tuki tätä löydöstä ja korosti tekoälyraporttien selkeyttä. Kuitenkin esiin nousi tarve ihmisen suorittamalle validoinnille ja viimeistelylle.

Tutkimustulosten valossa voidaan vahvistaa generatiivisen tekoälyn merkittävä potentiaali tehostaa tutkimusraportointia ja tuottaa laadukkaita johtopäätöksiä numeerisesta tutkimusdatasta. Suositeltavana mallina on hybridimalli, jossa tekoäly tukee asiantuntijatyötä säilyttäen validointi- ja viimeistelyvastuun ihmisellä.

This master’s thesis investigated the ability of generative artificial intelligence to analyse structured numerical employee-survey data, and on that basis to produce high-quality conclusion reports. As a benchmark for the AI, conclusion reports created by human experts from the same survey data were used. Six reports in total were evaluated by experts using both quantitative and qualitative criteria. The evaluation focused on quality and efficiency.

The study’s results showed that the AI generated high-quality reports significantly faster than human experts. Overall, AI reports were assessed to be of higher quality than the human expert reports. Qualitative feedback supported this finding and emphasized the clarity of the AI generated reports. Nevertheless, a need for human validation and finalisation emerged.

In light of the results, the substantial potential of generative artificial intelligence to streamline research reporting and to produce high-quality conclusions from the numerical research data is confirmed. A hybrid model is recommended, wherein AI supports expert work while humans retain responsibility for validation and finalisation.