Tekoäly muuttaa tietotyön tekemisen tapoja korkeakouluissa ja yrityksissä. Generatiivinen tekoäly ja suuret kielimallit avaavat uusia mahdollisuuksia tehostaa tietointensiivisiä prosesseja.
Sekä korkeakoulut että yritykset tarvitsevat tekoälyä tutkimuksessa, oppimisessa ja päätöksenteossa. Tavoitteet ja resurssit eroavat, mutta molemmilla on tarve hallita tietoa paremmin, tuottaa uusia oivalluksia ja pysyä kilpailukykyisinä.
Tekoäly muuttaa tietotyötä
Tekoälypohjaiset työkalut yleistyvät tietotyössä. Yksi esimerkki uusista tekoälypohjaisista työkaluista on Google NotebookLM. Se on suunniteltu erityisesti käyttäjän toimittamien lähdeaineistojen pohjalta toimivaksi tekoälyavustajaksi, joka auttaa käyttäjiä ymmärtämään, tiivistämään ja löytämään yhteyksiä omista dokumenteistaan.
Akateemisen työn luotettavuus edellyttää lähteiden tarkistettavuutta. Puhtaasti generatiiviset mallit, jotka eivät tarjoa luotettavia lähteitä ja saattavat tuottaa virheellistä tietoa, eivät sovellu tieteelliseen tiedonhakuun.
NotebookLM-sovelluksessa käyttäjä kerääkin itse luotettavat lähteet ja aineistot ja käsittelee niitä tekoälyn avulla. Tämä soveltuu asioiden oppimiseen ja asiantuntijatyön tekemiseen. Edelleen kannattaa kuitenkin tarkistaa tekoälyn aineistosta tekemät tulkinnat.
Google NotebookLM – tekoälypohjainen muistikirja
Google NotebookLM erottuu monista muista tekoälytyökaluista sen suunnittelufilosofian ansiosta. Se on alusta alkaen suunniteltu suurta kielimallia hyödyntäväksi muistiinpanotyökaluksi. Se toimii lähdeperustaisesti eli hyödyntää vain sille annettuja lähteitä. Oikeastaan se onkin virtuaalinen tutkimusavustaja: sen avulla voi tiivistää faktoja, selittää monimutkaisia ideoita, ideoida uusia yhteyksiä ja löytää uusia oivalluksia aineistosta. Hyvänä puolena on myös mahdollisuus jakaa muistikirja valitsemilleen henkilöille, jolloin NotebookLM voi toimia yhteistyöalustana.
NotebookLM sisältääkin monia mielenkiintoisia työkaluja:
- Chat-tyyppinen kysymysten esittäminen aineistosta
- Omien muistiinpanojen tekeminen aineistosta
- Opiskeluopas, joka sisältää sanaston, tenttikysymyksiä vastauksineen ja esseekysymyksiä
- Tietopakettidokumentti, “briiffaus” koko aineistosta
- UKK – Usein kysytyt kysymykset vastauksineen
- Aikajana: tapahtumien eteneminen aikajärjestyksessä ja tapahtumien toimijat
- Syväluotaava keskustelu: kahden puhujan keskustelupodcast-yhteenveto aineiston pohjalta
- Video-yhteenveto: kuvia ja puhetta aineiston pohjalta
- Miellekartan laatiminen aineiston/muistiinpanojen pohjalta
- Lisälähteiden löytäminen omien lähteiden lisäksi.
NotebookLM:n käyttökohteita
NotebookLM tarjoaa monia konkreettisia tapoja tukea opiskelua ja tutkimusta korkeakouluissa ja työelämässä. Näistä esimerkkejä voivat olla seuraavat:
- Syvälukeminen ja ymmärtäminen: Vuorovaikutus tekstien kanssa Q&A:n, tiivistelmien, keskeisten termien sanastojen ja opinto-oppaiden avulla voi syventää ymmärrystä.
- Muistiinpanojen tekeminen ja organisointi: Muistikirjojen luominen projektikohtaisesti sekä lähdemateriaalien ja tekoälyn generoimien oivallusten tallentaminen omien muistiinpanojen rinnalle auttaa tiedon hallinnassa.
- Opiskelu ja kertaaminen: ääniyhteenvetojen, usein kysytyt kysymykset, aikajanat, itsetestaus kysymysten avulla yms. voivat tehostaa oppimista.
- Kirjoittamisen tuki: Ideointi, jäsentely ja alustavan tekstin luonnostelu muistiinpanojen pohjalta sekä argumenttien hiominen lähteiltä kyselemällä voivat auttaa kirjoitusprosessissa.
- Kilpailijatiedon analysointi: Kilpailijoihin liittyvää materiaalia esimerkiksi koskien markkinointia, viestintää ja verkkosivujen sisältöjä voidaan koota muistikirjaan, jonka jälkeen niitä voidaan analysoida kysymysten avulla.
- Sisällöntuotanto ja strategia: Oman olemassa olevan markkinointisisällön kokoaminen muistikirjaan voi auttaa ideoimaan ja parantamaan tulevia kampanjoita.
Almama-hanke on koostanut NotebookLM:n käyttökohteita matkailuyrityksen näkökulmasta.
Huomioitavia asioita
Vaikka NotebookLM tukeutuukin annettuihin lähdemateriaaleihin, on “hallusinointi” edelleen mahdollista, joten kannattaa tarkistaa tiedot alkuperäisistä lähteistä. Ihminen on lopulta vastuussa tuotoksista.
Noudata varovaisuutta arkaluontoisten tietojen tai tekijänoikeuden alaisten tietojen käyttämisessä lähdemateriaalina ja tutustu siihen, miten NotebookLM käsittelee sille antamiasi tietoja. Ole myös lähdekriittinen: heikkolaatuiset lähteet vaikuttavat tekoälyn tuotosten laatuun.
Kirjoittaja:
Mika Saloheimo, lehtori, Lapin ammattikorkeakoulu
Artikkelin sisällön ideointiin ja muotoiluun on hyödynnetty Google Gemini 2.5. Pro -kielimallin Deep Research -työkalua.
