Asiantuntijatyön murros generatiivisen tekoälyn aikakaudella : finanssialan näkökulma työn muutokseen, sisäiseen arvonluontiin ja tuottavuuspotentiaaliin

Abstract

Pro gradu -tutkielman tavoitteena oli selvittää, miten generatiivinen tekoäly muuttaa tietotyön sisältöä, sisäistä arvonluontia ja organisaation tuottavuuspotentiaalia finanssialan organisaatiossa. Tutkimus pohjautui resurssiperusteiseen näkökulmaan, dynaamisten kyvykkyyksien teoriaan ja resurssien orkestrointiin. Empiirinen aineisto kerättiin haastattelemalla generatiivista tekoälyä pilotointivaiheessa hyödyntäneitä finanssialan asiantuntijoita.

Tulokset osoittavat, että generatiivinen tekoäly siirtää tietotyön painopistettä tiedon tuottamisesta sen tulkintaan, validointiin ja jatkojalostamiseen. Työn sisältö muotoutuu ihmisen ja tekoälyn väliseksi yhteistoiminnaksi, jossa tekoäly toimii asiantuntijan sparraajana ja alustavien analyysien tuottajana, mutta asiantuntijan rooli sisällön arvioijana ja päätöksentekijänä korostuu. Samalla oppimisen vaatimukset muuttuvat ja metataidot, tekoälylukutaito sekä kriittinen ajattelu nousevat keskeisiksi työelämätaidoiksi. Tekoälyn koetaan tukevan työhyvinvointia vähentämällä rutiinityötä ja vapauttamalla aikaa luovalle ongelmanratkaisulle, vaikka oppimisen alkuvaihe voi olla hetkellisesti kuormittava.

Sisäistä arvoa syntyy työntekijätasolla asiantuntijan ajattelun laajentumisena, ajansäästönä sekä työn laadullisena kehittymisenä. Prosessitasolla generatiivinen tekoäly tehostaa tiedon käsittelyä ja tukee päätöksenteon laatua ja läpinäkyvyyttä. Organisaatiotasolla tekoäly näyttäytyy kilpailuedun lähteenä, kun sen hyödyntäminen laajenee yksittäisistä kokeiluista koko organisaatiota koskevaksi kyvykkyydeksi. Tuottavuuspotentiaali realisoituu erityisesti sellaisissa työtehtävissä, joissa tekoäly vähentää hallinnollista kuormaa ja vapauttaa aikaa inhimilliseen kohtaamiseen.

Tutkimus osoittaa, että generatiivisen tekoälyn onnistunut hyödyntäminen edellyttää selkeää strategista suuntaa, esihenkilöiden aktiivista roolia ja oppimiselle varattua aikaa. Selkeät ohjeistukset, yhteistyön ja vertaisoppimisen rakenteet, arjen tukiroolit sekä ajankäytön johtaminen tukevat onnistunutta käyttöönottoa. Lisäksi sääntely, vastuullisuus ja eettisyys sekä tietosuoja- ja turva muodostavat tekoälyn hyödyntämisen keskeiset reunaehdot finanssialalla.

The aim of this master's thesis was to examine how generative AI changes the content of knowledge work, internal value creation and the productivity potential of organizations in the financial sector. The research was grounded in the resource-based view, dynamic capabilities theory and resource orchestration. The empirical data was collected through interviews with financial sector experts who had utilized generative AI during a pilot phase.

The results show that generative AI shifts the focus of knowledge work from information production to interpretation, validation and further processing. The content of the work increasingly takes the form of human–AI collaboration, in which AI acts as a sparring partner and produces preliminary analyses, while the role of experts as content evaluators and decision-makers becomes more prominent. At the same time, learning requirements are changing, and meta-skills, AI literacy and critical thinking are becoming key competencies in working life. AI enhances workplace well-being by automating routine tasks and freeing time for creative problem-solving, despite some initial learning-related strain.

Internal value creation occurs at the employee level through expanded expert thinking, time savings, and qualitative improvements in work. At the process level, generative AI streamlines information processing and supports the quality and transparency of decision-making. At the organizational level, AI appears as a source of competitive advantage when its use expands from individual experimentation to an organization-wide capability. Productivity potential is particularly evident in tasks where AI reduces administrative burden and frees time for human interaction.

The findings indicate that successful utilization of generative AI requires a clear strategic direction, active managerial involvement and dedicated time for learning. Clear guidelines, structures for collaboration and peer learning, everyday support roles, and effective time management are key enablers of successful implementation. In the financial sector, regulation, responsibility, ethics, data protection and data security form essential preconditions for AI utilization.