Tekoälyn ympäristövaikutusten ymmärtäminen osana yritysvastuuta : käsitykset tekoälyn ympäristövaikutuksista suomalaisissa IT-alan yrityksissä
Perälä, Julia (2026)
Kandidaatintutkielma
Perälä, Julia
2026
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe20260826120268
https://urn.fi/URN:NBN:fi-fe20260826120268
Tiivistelmä
Tämän kandidaatintutkielman tavoitteena on tarkastella suomalaisten IT-alan yritysten käsityksiä tekoälyn ympäristövaikutuksista sekä sitä, kuinka nämä vaikutukset nähdään osana yritysvastuuta. Tutkielma hyödyntää kerättyä haastatteluaineistoa sekä aiempaa kirjallisuutta tekoälyn ympäristövaikutusten ja yritysten käsitysten välisten suhteiden analysoimiseksi. Tekoälyn käyttö yritysmaailmassa on lisääntynyt nopeasti, ja siksi on hyödyllistä tarkastella, kuinka hyvin yritykset tunnistavat tekoälyn käyttönsä seurauksia.
Tutkielman empiirinen osuus on toteutettu laadullisena monitapaustutkimuksena, jossa tarkastellaan kahta suomalaista suuren kokoluokan IT-alan yritystä. Tutkimusaineisto kerättiin kahden puolistrukturoidun haastattelun avulla, ja molemmat haastateltavat työskentelevät vastuullisuustehtävissä. Kerätty aineisto analysoitiin hyödyntäen menetelmänä sisällönanalyysiä. Tutkimuksen löydökset perustuvat luokitteluanalyysiin sekä kerätyn aineiston laadulliseen analyysiin. Empiirisen aineiston sisältöä lisäksi vertaillaan aiempaan kirjallisuuteen.
Tutkielman tulokset voidaan kategorisoida tutkimuskysymysten mukaan tekoälyn tunnistettuihin ympäristövaikutuksiin sekä tekoälyn ympäristövastuullisuuden huomiointia edistäviin sekä estäviin tekijöihin. Yritykset tunnistavat yleisellä tasolla useita aiemmasta kirjallisuudesta havaittuja ympäristövaikutuksia, mutta konkreettisten vaikutusten mittaaminen on niille vaikeaa arvoketjun läpinäkyvyysongelmien ja mittareiden puutteen vuoksi. Käsitys suorista ympäristövaikutuksista on kohdeyrityksissä vahvempaa kuin välillisistä. Tämä tutkielma heijastaa ilmiötä, jossa tekoälyn ympäristövaikutukset kyllä tunnistetaan, mutta niiden systemaattinen integrointi yritysten päätöksentekoon on vielä alkuvaiheessa. The aim of this bachelor’s thesis is to examine the perception of AI’s environmental impacts in Finnish IT companies, and to investigate how are these impacts seen in the context of corporate responsibility. The study utilizes interview data and existing literature to analyse connections between AI’s known environmental impacts and companies’ perceptions of them. The use of AI in corporate world has increased rapidly, and it is beneficial to examine whether companies are able to recognize and assess the environmental consequences connected to its use.
The empirical section of the study has been carried out as a qualitative multiple case study, evaluating the perceptions of two Finnish IT companies classified as large enterprises. The research data was collected with two semi-structured interviews and both interviewees worked in sustainability-related tasks in their relative companies. The collected data was analysed utilizing content analysis as a method. The findings of the study are based on a classification analysis and qualitative analysis of the collected interview material. Empirical data is also reflected on the existing literature and theories.
The findings can be divided into categories based on the research questions: the recognized impacts, and the drivers and hindering factors in consideration of environmental responsibility of AI. Companies in general recognize many environmental impacts found in the literature but find it hard to measure the concrete impacts of their actions due to issues in transparency of the value chain and lack of comparable metrics. The direct impacts are in general more well-known compared to the indirect ones. This study demonstrates how environmental impacts of AI are in general are recognized, but systematic integration to decision-making is still evolving.
Tutkielman empiirinen osuus on toteutettu laadullisena monitapaustutkimuksena, jossa tarkastellaan kahta suomalaista suuren kokoluokan IT-alan yritystä. Tutkimusaineisto kerättiin kahden puolistrukturoidun haastattelun avulla, ja molemmat haastateltavat työskentelevät vastuullisuustehtävissä. Kerätty aineisto analysoitiin hyödyntäen menetelmänä sisällönanalyysiä. Tutkimuksen löydökset perustuvat luokitteluanalyysiin sekä kerätyn aineiston laadulliseen analyysiin. Empiirisen aineiston sisältöä lisäksi vertaillaan aiempaan kirjallisuuteen.
Tutkielman tulokset voidaan kategorisoida tutkimuskysymysten mukaan tekoälyn tunnistettuihin ympäristövaikutuksiin sekä tekoälyn ympäristövastuullisuuden huomiointia edistäviin sekä estäviin tekijöihin. Yritykset tunnistavat yleisellä tasolla useita aiemmasta kirjallisuudesta havaittuja ympäristövaikutuksia, mutta konkreettisten vaikutusten mittaaminen on niille vaikeaa arvoketjun läpinäkyvyysongelmien ja mittareiden puutteen vuoksi. Käsitys suorista ympäristövaikutuksista on kohdeyrityksissä vahvempaa kuin välillisistä. Tämä tutkielma heijastaa ilmiötä, jossa tekoälyn ympäristövaikutukset kyllä tunnistetaan, mutta niiden systemaattinen integrointi yritysten päätöksentekoon on vielä alkuvaiheessa.
The empirical section of the study has been carried out as a qualitative multiple case study, evaluating the perceptions of two Finnish IT companies classified as large enterprises. The research data was collected with two semi-structured interviews and both interviewees worked in sustainability-related tasks in their relative companies. The collected data was analysed utilizing content analysis as a method. The findings of the study are based on a classification analysis and qualitative analysis of the collected interview material. Empirical data is also reflected on the existing literature and theories.
The findings can be divided into categories based on the research questions: the recognized impacts, and the drivers and hindering factors in consideration of environmental responsibility of AI. Companies in general recognize many environmental impacts found in the literature but find it hard to measure the concrete impacts of their actions due to issues in transparency of the value chain and lack of comparable metrics. The direct impacts are in general more well-known compared to the indirect ones. This study demonstrates how environmental impacts of AI are in general are recognized, but systematic integration to decision-making is still evolving.
