Hanna Kurkinen, FM, YAMK-opiskelija, Lapin ammattikorkeakoulu
Milla Immonen, FT, yliopettaja, Tulevaisuuden terveyspalvelut, Lapin ammattikorkeakoulu
Johdanto
Ihmisten ja teknologioiden välinen vuorovaikutus muodostaa olennaisen perustan yhteiskunnan ja teknologian rinnakkaiselle, toisiinsa limittyvälle kehitykselle. Kun ihmislähtöiset näkökulmat tuodaan osaksi digitaalisen ja fyysisen maailman yhdistäviä järjestelmiä, korostuvat inhimilliset tarpeet entistä vahvemmin myös älykkäässä suunnittelussa. (He ym. 2024, 1.)
Tiivistettynä asiakasymmärrys voidaan määritellä asiakkaista eri lähteistä kerätyn datan, käyttäytymistiedon ja palautteen systemaattiseksi hyödyntämiseksi päätöksenteossa (Terrell Hanna & Sachs 2024). Nopea teknologian kehitys on kuitenkin vienyt asiakasymmärryksen tasolle, jossa perinteinen segmentointi ja palvelupolun kontaktipisteisiin perustuva analyysi eivät enää riitä kuvaamaan asiakkaiden monimuotoista ja muuttuvaa käyttäytymistä. Fyysisen ja digitaalisen maailman rajat ovat hämärtyneet, ja asiakkaan kokemus rakentuu yhä useammin näitä yhdistävissä fygitaalisissa (phygital) hybridiympäristöissä, joissa vuorovaikutus on yhtä aikaa henkilökohtaista, dataohjautuvaa ja teknologisesti rikastettua. (Quach ym. 2025, 1.)
Viime vuosina asiakasymmärrystä tuottava asiakas- ja kuluttajatutkimus onkin käynyt läpi merkittävän murroksen. Teknologiset innovaatiot – kuten esineiden internet (IoT), koneoppiminen, syväoppiminen, virtuaalitodellisuus (VR) ja kehittynyt data-analytiikka – ovat tuoneet tutkimukseen uusia mahdollisuuksia. Kun laitteet ovat jatkuvasti yhteydessä toisiinsa tuottaen reaaliaikaista dataa, voidaan asiakasymmärryksen laatua kehittää entistä älykkäämmin ja tarkemmaksi. Tämän myötä datan integroinnista ja synkronoinnista eri lähteiden välillä onkin tullut asiakastutkimuksen keskeinen edellytys. (Hornik ja Rachamim 2025, 2.)
Muutoksessa digitaaliset kaksoset (Digital Twins) voivat nousta tärkeäksi työkaluksi. Yleisellä tasolla digitaalisella kaksosella viitataan fyysisen objektin, prosessin tai järjestelmän digitaaliseen vastineeseen, joka päivittyy reaaliaikaisesti ja käyttäytyy kuten todellisen maailman fyysinen kaksonen. Sen ydin perustuu erilaisiin datalähteisiin (kuten sensorit, tietokannat, paikkatieto), kehittyneisiin tiedonkeruu- ja dataintegraatiojärjestelmiin, laskentainfrastruktuuriin, simulointi- ja mallinnusohjelmistoihin sekä analytiikkaan ja koneoppimiseen. (Hasan & Crawford 2025, 1.)
Tässä artikkelissa sovelletaan kahta asiakasymmärrykseen kytkeytyvää tutkimusartikkelia yhdistäen niiden näkökulmat kokonaisuudeksi, joka avaa päivitetyn tavan ymmärtää asiakasta fygitaalisella aikakaudella. Molemmat artikkelit korostavat asiakasymmärryksen ja päätöksenteon siirtymistä kohti dynaamista (muuntuvaa), reaaliaikaista ja tilannesidonnaista mallia, jossa digitaaliset kaksoset toimivat keskeisenä teknologiana. Artikkelit on valittu niiden ajankohtaisuuden, asiakasymmärryksen kehittämistä koskevien ja toisiaan täydentävien teoreettisten näkökulmien perusteella. Artikkelissa Digital Twins: Enhancing Personalized Experience Through Multiple and Dynamic Persona Across Customer Phygital Journey (Quach ym. 2025) tarkastellaan, miten asiakkaan identiteetti rakentuu useista eri tilanteissa ja kanavissa aktivoituvista asiakaspersoonista. Artikkeli korostaa digitaalisen kaksosen kykyä mallintaa nämä dynaamiset persoonat mahdollistaen entistä tarkemman ja kontekstisidonnaisemman asiakasymmärryksen.
Toisessa, etenkin teknologisia ratkaisuja esittävässä artikkelissa AI-enabled consumer digital twins as a platform for research aimed at enhancing customer experience (Hornik ja Rachamim 2025), digitaalista kaksosta lähestytään tekoälypohjaisena tutkimusalustana, joka kykenee simuloimaan asiakkaan käyttäytymistä, ennakoimaan tarpeita ja optimoimaan palvelupolkua.
Yhdessä nämä näkökulmat muodostavat kokonaisuuden, jossa digitaalinen kaksonen toimii yhdistävänä alustana fygitaalisen asiakaspolun eri kosketuspisteiden välillä. Asiakasymmärrys ei enää perustu menneisyyden analyysiin, vaan oppivaan ja ennakoivaan malliin, joka mahdollistaa aidosti yksilölliset palvelukokemukset.
Artikkeleita hyödynnetään ja sovelletaan asiakasymmärryksen näkökulmasta menemättä tekniseen taustaan syvemmin. Aluksi määritellään keskeisiä asiakasymmärrykseen liittyviä käsitteitä. Tämän jälkeen syvennytään tarkemmin digitaalisiin kaksosiin ja teknologian potentiaaliin asiakasymmärryksen kehittämisessä. Näkökulmaa havainnollistetaan liikuntaan ja liikkumiseen rajautuvan hyvinvoinnin kautta sekä pohditaan Hornikin ja Rachamimin (2025) sekä Quach ym. (2025) teoriaan pohjautuen kuntosaliasiakkaan digitaalista kaksosta. Aihetta lähestytään konseptuaalisesti eikä tarkastelu perustu kuntosalipalveluiden operatiiviseen kehittämiseen tai käytännön asiantuntemukseen. Tavoitteena on hypoteettisesti kuvata, miten asiakkaan digitaalinen kaksonen voisi konkretisoitua kuntosalipalvelussa. Lopuksi pohditaan kuntosaliasiakkaan digitaalisiin kaksosiin liittyviä eettisiä ja lainsäädännöllisiä haasteita ja hyväksyttävyyteen vaikuttavia tekijöitä.
Asiakaslähtöisyyden keskeiset käsitteet
Terminä ”asiakas” on monikäyttöinen ja käsitteen sisältö vaihtelee toimialoittain ja usein tilanteittain. Etenkin yrityssektorilla asiakas nähdään ostajana ja palveluiden käyttäjänä (kuluttajana), julkisella sektorilla puolestaan kansalaisena tai julkisen palvelun tarvitsijana. Asiakkaat voivat olla myös osallistujia tai jonkun yhteisön jäseniä. Termi toimii siten yleisnimityksenä ihmiselle, jonka tarpeet, odotukset ja kokemukset ohjaavat palveluiden suunnittelua ja toteutusta eri yhteyksissä.
Tässä artikkelissa termejä ”asiakas” (customer) ja ”kuluttaja” (consumer) käytetään joustavasti toistensa synonyymeinä, vaikka osa kirjallisuudesta erottaa käsitteet toisistaan. Esimerkiksi Stremersch ym. (2024, 4) määrittelevät asiakkaan henkilöksi, joka päättää tuotteen tai palvelun ostosta tai vaikuttaa siihen, kun taas kuluttaja on tuotteen varsinainen käyttäjä. Vaikka kirjoittajat tekevät tämän eron, he käyttävät artikkelissaan silti termiä ”asiakas” laajassa merkityksessä viittaamaan kaikkiin nykyisiin ja potentiaalisiin ostajiin, käyttäjiin, maksajiin, jäseniin ym. vaikuttaviin tahoihin.
Asiakasymmärryksestä asiakaskokemukseen
Asiakasymmärrys kuvaa, mitä asiakkaasta tiedetään ja miten tätä tietoa hankitaan. Terminä asiakasymmärrys on vakiintunut ja käytössä niin markkinoinnissa, liiketoiminnan kehittämisessä kuin palvelumuotoilussa, sekä yksityisellä että julkisella sektorilla, terveys- ja hyvinvointialalla ja kuluttajatutkimuksessa (ks. esim. Hornik & Rachamim 2025, Quach ym. 2025, Palvelumuotoilu Palo 2021, Pennanen 2025). Stremersch ym. (2024, 4) tarkastelevat asiakasymmärrystä innovoinnin näkökulmasta. He määrittelevät asiakasymmärryksen perustelluksi ymmärrykseksi asiakkaiden asenteista ja käyttäytymisestä. Asiakasymmärryksen tulee myös luoda asiakasarvoa ja tukea strategisia päätöksiä. Perinteisesti asiakasymmärrys rakentuu, muotoiluajattelua seuraten, sekä laadullisista ihmisläheisistä tutkimusmenetelmistä (kuten haastattelut, fokusryhmät, työpajat, havainnointi) että laajoista digitaalisista datavirroista (esimerkiksi järjestelmistä kertyvä automaattinen data sekä kyselyt) (Helsingin kaupunki 2025). Parhaimmillaan nämä täydentävät toisiaan: laadulliset menetelmät selittävät miksi, digitaaliset datalähteet paljastavat mitä ja miten.
Asiakaspersoonat ovat puolestaan dataan ja analysoituun tietoon perustuvia hahmoja, jotka kuvaavat tyypillisiä yrityksen tai organisaation asiakkaita. Persoonien luonnin kautta pyritään saamaan ymmärrystä nykyisten tai potentiaalisten asiakkaiden tarpeista, motiiveista, haasteista ja käyttäytymisestä. (Friis Dam & Yu Siang 2025.) Perinteisesti persoonat rakentuvat asiakkaiden ymmärtämiselle arkkityyppisten profiilien avulla, jotka perustuvat segmentointiin (asiakkaat jaetaan ryhmiin joidenkin yhteisten piirteiden perusteella), demografiseen analyysiin (esimerkiksi sukupuoli, ikäryhmä, alue, perhetilanne) ja käyttäytymisdataan (miten ihmiset toimivat palvelussa). Näitä usein staattisia (muuttumattomia) tai harvatahtisesti päivittyviä persoonia käytetään yleisesti helpottamaan päätöksentekoa esimerkiksi markkinointistrategioissa ja palvelumuotoilussa. (Quach ym. 2025, 4).
Asiakaspolulla tarkoitetaan kokonaisuutta, joka muodostuu asiakkaan ja organisaation välisistä kohtaamisista eri kanavissa ja kontaktipisteissä. Asiakaskokemus puolestaan rakentuu sekä asiakkaan kognitiivisista tekijöistä (tieto ja ymmärrys) että emotionaalisista ja aistimuksellisista reaktioista, odotuksista ja aiemmista kokemuksista suhteessa organisaatioon, sen palveluihin tai tuotteisiin. (Mele ym. 2025, 1). Quach ym. (2025) kirjoittavat, että asiakaskokemuksen ymmärtäminen koko asiakaspolun läpi on nykyorganisaatioille keskeistä. Fyysisten ja digitaalisten kontaktipisteiden lisääntyessä asiakaspolut mutkittelevat ja pirstaloituvat, joka vaikeuttaa kokemuksen kokonaisvaltaista hahmottamista.
Digitaaliset kaksoset
Digitaalisten kaksosten juuret ovat 2000-luvun alun avaruus- ja ilmailuteollisuudessa, ja niiden käyttö on sittemmin laajentunut teollisuudesta monille toimialoille muun muassa suunnittelun, optimoinnin, turvallisuuden, päätöksenteon, etäkäytön ja koulutuksen tarpeisiin (Singh ym. 2021, 1). Digitaalisten kaksosten kehitys on tuonut mukanaan merkittäviä uusia mahdollisuuksia, mutta samalla myös kysymyksiä siitä, mitä niillä tarkalleen ottaen tarkoitetaan. Nopean teknologisen kehityksen myötä digitaalisen kaksosen määritelmiä onkin valtava määrä eikä terminologista yksimielisyyttä ole täysin saavutettu. Vaikeutta aiheuttaa käsitteen monialaisuus, moniteknologisuus, jatkuva kehittyminen ja se, että kyseessä on sekä fyysinen että digitaalinen ilmiö (Abdelrahman ym. 2025, Raekorpi & Holopainen 2024.) Lisäksi kyseessä on myös sosiaalinen rakennelma, etenkin kun käsitteen keskiöön tuodaan ihminen. Tällöin tavoitteena on toisintaa yksityiskohtainen ja yksilöllisesti räätälöity digitaalinen kopio ihmisestä kattaen fyysiset, kognitiiviset, psykologiset ja sosiaaliset ominaisuudet (Zhu & Yang 2025, 1.)
Kritzingerin ym. (2018, 1017) mukaan digitaalisten kaksosia on selkeintä lähestyä dataintegraation tasoon perustuvan jaottelu kautta. Ensimmäinen taso, digitaalinen malli, on staattinen esitys fyysisestä kohteesta ilman reaaliaikaista tiedonvaihtoa. Digitaalinen varjo puolestaan päivittyy fyysisen kohteen datasta, mutta ei vaikuta takaisin. Itse digitaalinen kaksonen taas mahdollistaa reaaliaikaisen kaksisuuntaisen tiedonvaihdon fyysisen ja digitaalisen version välillä tuottaen jatkuvan kehänomaisen prosessin (palautesilmukan). Täydellinen kaksisuuntaisuus erottaa digitaalisen kaksosen kahdesta muusta, vaikka eri määritelmissä tasoja käytetään usein toistensa synonyymeinä. (Kritzinger ym. 2018, 1017; myös Martinescu 2023.)
Digital Twin Consortium (DTC, 2025) tiivistää digitaalisen kaksosen määritelmän integroiduksi, datalähtöiseksi virtuaaliseksi esitykseksi todellisen maailman kohteista ja prosesseista, joissa vuorovaikutus on synkronoitu tietyllä taajuudella ja tarkkuudella. Määritelmän mukaan digitaalinen kaksonen ei siis välttämättä vaadi täydellistä kaksisuuntaisuutta, vaan keskeistä on muovautuneisuus fyysisen kohteen muutosten mukaisesti. Näin esimerkiksi digitaalinen varjo voidaan nähdä digitaalisen kaksosen kevyempänä muotona, jossa fyysisestä kohteesta vastaanotettua dataa hyödynnetään analyysiin, ennakointiin ja päätöksenteon tukemiseen, vaikka järjestelmä ei suoraan vaikuta takaisin fyysiseen kohteeseen tai ohjaa sen toimintaa. Tämä on oleellista etenkin, kun puhutaan ihmisen (asiakkaan) digitaalisesta kaksosesta.
Ihmisen digitaalinen kaksonen
Ihmisen digitaalinen kaksonen (Human Digital Twin, HDT) voidaan kuvata yksilölliseksi ja tarkaksi digitaaliseksi esitykseksi ihmisestä. Käsite esiteltiin vuonna 2017, ja sen jälkeen HDT‑teknologioita sekä niiden sovelluksia käsittelevä tutkimus on kasvanut nopeasti ihmiskeskeisillä aloilla. (Zhu & Yang 2025, 1.) Hornikin ja Rachamimin (2025, 1) mukaan tutkimusta ei ole kuitenkaan kovin paljoa sovellettu esimerkiksi johtamisen tai kuluttaja- ja asiakastutkimuksen puolella.
Tämän artikkelin suunnitteluvaiheessa ja aiheeseen tutustuessa Copilot-tekoälyltä (2025b) kysyttiin, millaisia ihmiseen liittyviä digitaalisen kaksosen luokitteluja on olemassa. Taustalla oli kirjallisuuskartoituksessa esiin noussut termien kirjo, jonka vuoksi tekoälyltä haettiin tiivistävää lisäymmärrystä. Kehotteena käytettiin:
”Millaisia lyhenteitä ihmisiin liittyvistä digitaalisista kaksosista on olemassa ja mitä ne tarkoittavat? On olemassa muun muassa HDT (Human Digital Twin), CDT (Consumer Digital Twin) ja WDT (Wellbeing Digital Twin), mutta mitä muita? Entä mitkä termeistä ovat vakiintuneita ja mitkä mahdollisesti nousevia?”
Taulukkoon 1 on koottu Copilotin tuottamat vastaukset digitaalisiin kaksosiin liittyvistä lyhenteistä, käsitteistä, niiden merkityksistä sekä vakiintuneisuuden asteista. Jokainen lyhenne ja termi on tarkistettu etsimällä aiheeseen liittyviä artikkeleita ja muita luotettavia verkkolähteitä. Listauksesta on poistettu yksi vaihtoehto, Individual Digital Twin (IDT), sillä se viittaa yleisesti samaan ilmiöön kuin taulukossa jo mukana oleva Personal Digital Twin (PDT2). Todennäköisesti erilaisia ihmiseen liittyviä digitaalisen kaksosen käsitteitä on olemassa vielä enemmän. Taulukon tarkoituksena on ennen kaikkea havainnollistaa, miten digitaalisten kaksosten käyttö on laajentunut ja laajenemassa erilaisiin ihmiskeskeisiin konteksteihin. Artikkelin näkökulmasta keskeisiä Human Digital Twin ‑käsitteestä johdettuja esimerkkejä ovat erityisesti Consumer Digital Twin (kuluttajan digitaalinen kaksonen), Social Digital Twin (sosiaalisten verkostojen digitaalinen kaksonen) sekä myös Wellbeing Digital Twin (hyvinvoinnin digitaalinen kaksonen).
Käsitteen monimuotoisuudesta on hahmoteltavista, että ihmisen digitaalista kaksosta ehdotetaan työkaluksi ihmiskeskeisten personoitujen palveluiden suunnittelussa sekä myös tyytyväisyyden ja elämäntavan optimoinnissa. Hornik ja Rachamim (2025, 8) kirjoittavat, että ideaalitilanteessa esimerkiksi kuluttajan digitaalisen kaksosen tulisi pystyä mahdollisimman tarkasti edustamaan fyysistä asiakasta eri näkökulmista.
Taulukko 1. Copilot-tekoälyn laatimaa esimerkkilistausta ihmiseen kytkeytyvistä digitaalisista kaksosista (20.12.2025).
Asiakkaan digitaalinen kaksonen asiakasymmärryksen kehittämisessä
Asiakkaasta luotu digitaalinen kaksonen tarjoaa uudenlaisen tutkimusalustan, jonka avulla voidaan tarkastella asiakkaiden käyttäytymistä, tarpeita ja päätöksentekoa aiempaa syvällisemmin. Sen avulla yritykset ja organisaatiot voivat testata palveluja, ennakoida asiakaspolkuja ja kehittää asiakasymmärrystä turvallisesti digitaalisessa ympäristössä.
Digitaalinen kaksonen kokoavana tutkimusalustana
Hornikin ja Rachamimin (2025, 7–8.) mukaan yksi nykyisen kuluttaja- ja asiakastutkimuksen ongelmista on datan ja tiedon pirstaloituminen ilman merkittävää integraatiota. Tällä hetkellä kuluttaja- ja asiakastutkimukselta puuttuu ymmärrys siitä, miten monet tiedon sirpaleet sopivat yhteen yhtenäiseksi tiedonkäsittelyn käsitteelliseksi malliksi. Ihmiset ovat monimutkaisia kokonaisuuksia, joiden toimintaa muovaavat biologiset tarpeet, sosiaaliset ympäristöt sekä erilaiset tilannesidonnaiset tekijät. Tämän kokonaisuuden seuranta ja mittaaminen tuottaakin valtavan määrän dataa. Perinteisten menetelmien, kuten asiakastietojärjestelmien ja kyselyiden, rinnalle onkin noussut joukko uusia teknologioita, jotka rikastavat kuluttaja- ja asiakastutkimusta entisestään. Näitä ovat muun muassa erilaiset fysiologiset mittarit (esimerkiksi silmänliikkeet, biometria ja aivojen aktiivisuus), tekoäly, ”big data”, mobiili esineiden internet (MIoT), sosiaalinen media, älypuhelimet sekä eritasoiset virtuaali- ja lisätyn todellisuuden teknologiat. Lisäksi puettava teknologia, aivot–tietokone-rajapinnat ja pilvipohjaiset dataratkaisut laajentavat mahdollisuuksia ymmärtää asiakkaiden käyttäytymistä ja kokemuksia.
Hornik ja Rachamim (2025, 7–8) visioivatkin artikkelissaan kuluttajan digitaalisen kaksosen tekoälypohjaisena päätöksenteon alustana, joka kokoaa laajan ja hajanaisen asiakasdatan yhdeksi kokonaisuudeksi. Alustan avulla voidaan ylittää perinteisten tutkimusmenetelmien rajoitteita, analysoida kuluttajan päätöksentekoa syvällisemmin, testata hypoteeseja joustavasti sekä tuottaa ennakoivaa asiakasymmärrystä, jota muutoin on vaikeaa saavuttaa.
Kirjoittajat lainaavat artikkelissaan Gartnerin (2024) raporttia, jonka mukaan asiakkaan digitaalisen kaksosen on perustuttava sekä verkko- että fyysisiin vuorovaikutuksiin mallintaakseen asiakaskokemusta tarkasti, ja mallin on myös reagoitava reaaliaikaisesti. Lisäksi Hornik ja Rachamim korostavat, että asiakaskokemuksen ollessa monitasoinen ja yksilöllinen, myös digitaalisten kaksosten tulisi tukea kokemuksen kehittämistä sekä yksilö- että ryhmätasolla. Kirjoittajat esittävätkin, että kuluttajan digitaalinen kaksonen voitaisiin liittää esimerkiksi osaksi jaettua virtuaalista tilaa, metaversumia, jossa fyysinen ja digitaalinen todellisuus yhdistyvät vuorovaikutteisiksi ympäristöiksi. Metaversumissa kaksonen voi auttaa hahmottamaan ja selittämään digitaalisen toisinnon ja muiden kuluttajien välisiä vuorovaikutuksia. (Hornik ja Rachamim 2025, 9). Tähän reagoitavuuteen ja vuorovaikutteisuuteen viittaa myös Quachin ym. (2025) artikkelin ydin: sekä asiakaspersoonien että asiakaspolun käsitteet ovat tarpeen määritellä uudelleen tavoilla, jotka heijastavat paremmin asiakkaan muuttuvaa ja sosiaalista luonnetta.
Fygitaalinen asiakaspolku ja dynaamiset asiakaspersoonat
Quach ym. (2025, 1–2) toteavat, että pirstaleisten ja mutkittelevien asiakaspolkujen haasteisiin on vastattu esittelemällä fygitaalisen asiakaspolun käsite, joka huomioi fyysisten ja digitaalisten kontaktipisteiden vuorovaikutuksen. Kirjoittajat havainnollistavat artikkelissaan, miten sosiaaliset suhteet, erilaiset päiväaikaiset aktiviteetit, ajankohdat ja sijainnit muodostavat fygitaalisen profiilin, jossa sijaintidatan avulla on tunnistettu toistuvia toimintoja, ajallisia malleja ja sosiaalisia konteksteja. (Quach ym. 2025, 4–5).
Etenkin sosiaalisten kytkösten kautta tämä tarkoittaakin asiakaspersoonien muodostamista toisella tapaa. Kirjoittajat kytkevät asiakaspersoonaan sosiaaliset verkostot, jota kuvataan kuluttajan sosiaalisen matkan (consumer social journey) käsitteellä. Käsite sisältää ajatuksen, jonka mukaan ihmisten päätöksiin vaikuttavat usein myös muut ihmiset: ystävät, perheenjäsenet tai muut, jotka tavalla tai toisella ohjaavat tai tukevat heidän päätöksiään. Tämä sosiaalinen puoli paljastaa myös perinteisten asiakaspersoonien heikkoudet, jotka perustuvat usein yhteen hetkeen kerättyyn dataan eivätkä pysy mukana siinä, miten asiakkaiden roolit, toiminta, mieltymykset ja käyttäytyminen muuttuvat arjessa ja reaaliajassa. (Quach ym. 2025, 2.)
Dynaamisilla asiakaspersoonilla Quach ym. (2025, 4) tarkoittavat kehittyvää ja muuntuvaa asiakasvastinetta, joka huomioi sekä sisäiset piirteet ja ympäristötekijät että sosiaalisten kumppaneiden vaikutuksen. Ydinajatus on, että asiakaspersoonia ei ole yksi, vaan monta. Kirjoittajat pitävät lupaavana kehyksenä dynaamisten persoonien toteuttamiseen juuri digitaalisia kaksosia. Digitaalisen kaksosen teknologiaan perustuva dynaaminen asiakaspersoona olisi näin visuaalinen ja reaaliaikaisesti päivittyvä asiakkaan ilmentymä, joka rakentuu fyysisistä (esimerkiksi sijaintimerkinnät, liikkuminen), digitaalisista (kuten sovellusten käyttö) ja sosiaalisista (esimerkiksi yhdessäoloajan ja kontaktien tiheys) signaaleista. Näin digitaalinen vastine heijastaa asiakkaan roolien, kontekstien ja vuorovaikutusten muutoksia koko asiakaspolun ajan. (Quach ym. 2025, 5.)
Asiakkaan digitaalinen kaksonen hyvinvointipalvelun näkökulmasta
Hyvinvointi on noussut keskeiseksi aiheeksi monella tutkimusalalla psykologiasta ja taloustieteestä sosiologiaan, kehitystutkimukseen, terveyteen, mediaan, kasvatustieteisiin, julkiseen hallintoon ja moniin muihin aloihin, jotka painottavat käsitettä aiempaa enemmän. Näin ollen eri tieteenalat määrittelevät hyvinvoinnin käsitteen hyvin eri tavoin. (Jarden & Roache 2023, 1.) Terveyden ja hyvinvoinninlaitoksen (THL, 2025) määritelmän mukaan hyvinvointi koostuu terveydestä, materiaalisesta hyvinvoinnista ja koetusta elämänlaadusta. Se kattaa sekä yksilön omat kokemukset ja sosiaaliset suhteet että yhteisön elinolot, työllisyyden ja toimeentulon. Tässä artikkelin osiossa tarkastelu rajataan hyvinvointiin erityisesti liikkumisen ja liikunnan näkökulmasta suhteutuen muun muassa fyysiseen aktiivisuuteen, arjen toimintakykyyn, motivaatio- ja muutostekijöihin, rutiineihin sekä myös palveluntarjoajan kykyyn vastata muuntuviin asiakastarpeisiin tällä hyvinvoinnin alueella. Asiakasymmärryksen näkökulmasta digitaaliset kaksoset tutkimusalustana ja asiakaspersoonien luonnin näkökulmasta tarjoavat kiinnostavan kehyksen dynaamisesta prosessista, jossa fyysiset, psyykkiset ja sosiaaliset tekijät vaihtelevat ja vaikuttavat toisiinsa.
Urheilun ja fyysisen suorituskyvyn alueella digitaalisiin kaksosiin liittyvää tutkimusta on tehty ja hyödynnetty melko laajasti. Erityisesti valmennuksen, harjoittelun seurannan ja hyvinvoinnin tukemisen näkökulmista on kehitetty malleja, joissa aktiiviurheilijan toimintaa ja palautumista kuvataan digitaalisen vastineen avulla. Näissä ratkaisuissa yhdistyvät muun muassa sensoriteknologia, data-analytiikka ja käyttäytymisen mallintaminen, ja niiden tavoitteena on tarjota sekä urheilijoille että valmentajille uudenlaisia tapoja ymmärtää ja johtaa harjoittelua. (Esim. Barricelli ym. 2020, Hliš ym. 2024.)
Tutkimusten periaatteet luovat myös pohjaa laajemmalle tarkastelulle siitä, miten digitaaliset kaksoset voisivat tukea sekä arkiliikkujan tai elämätapamuutosta tavoittelevan kansalaisen hyvinvointia, että tuottaa samalla yritykselle tai organisaatiolle aineksia kattavampaan asiakasymmärrykseen. Esimerkiksi Barriccelli ym. (2020, 1) ovat hahmotelleet mallin digitaalisista kaksosista hyvinvoinnin ja kuntoilun johtamiseen, jossa koneoppimismalli oppii kuntoilijan käyttäytymisestä sekä pystyy ennustamaan tulevaa suorituskykyä tai hyvinvoinnin muutoksia. Vaikka malli on suunnattu erityisesti valmennuksen tueksi, se on periaatteessa sovellettavissa myös muihin käyttötarkoituksiin.
Vahdati ym. (2025) puolestaan kuvaavat digitaalisen kaksosen hyödyntämistä tekoälypohjaisessa valmennusjärjestelmässä. Järjestelmä hyödyntää eri datalähteitä (kuvaa, videota, tekstiä, puhetta) ja kokoaa sen käyttäjästä digitaalisen vastineen ja mallin turvallisen harjoittelun, yksilöllisen ohjauksen, reaaliaikaisen palautteen ja jatkuvan oppimisen tukemiseen. Selainpohjainen järjestelmä ei keskity niinkään suorituskyvyn vaan hyvinvoinnin edistämiseen yksilöllisillä harjoitteilla ja muovautumalla muutoksiin. (Vahdati ym. 2025, 18–19). Vaikka Vanhdatin ym. konsepti keskittyy henkilökohtaiseen valmennukseen, taustalla olevat teknologiset ratkaisut mahdollistanevat periaatteessa myös organisaatiotasolle ulottuvaa dataan perustuvan ymmärryksen kerryttämistä.
Hornik ja Rachamim (2025, 1) toteavat, että digitaalisten kaksosten tutkimusta ei ole kovin paljoa sovellettu asiakastutkimuksen tai palvelujohtamisen kehittämisessä. Myös hyvinvoinnin monialaisesta ja vaihtelevasti määritellystä luonteesta huolimatta digitaalisiin kaksosiin liittyvä tutkimus vaikuttaa keskittyvän usein vahvasti teknologiaan, kuten datamalleihin, sensoreihin, algoritmeihin ja järjestelmäarkkitehtuureihin. Ratkaisut ovat teknisesti vaikuttavia, mutta samalla sekä käyttäjien arjen tarpeet, motivaatio ja todelliset käyttötilanteet että organisaatiotason näkökulmat johtamiseen jäävät helposti taka-alalle. Siksi tarvitaan enemmän tutkimusta, joka yhdistää digitaalisten kaksosten kehityksen ihmislähtöiseen suunnitteluun ja asiakkaiden arkiympäristöjen ymmärtämiseen. Vaikka Hornikin ja Rachamimin (2025) sekä myös Quachin ym. (2025) artikkelit ovat samalla tapaa hyvin teknologialähtöisiä, niiden näkökulmat tuovat kuitenkin lisäarvoa digitaalisten kaksosten tarkasteluun asiakastutkimuksen, asiakaspolun ja asiakaskokemuksen lähtökohdista. Kyse ei ole vain teknologisesta innovaatiosta, vaan laajemmasta muutoksesta tavassa, jolla organisaatiot voivat tulkita ja ennakoida asiakkaidensa käyttäytymistä.
Pohdintaa teorian soveltamisesta käytäntöön: kuntosaliasiakkaan digitaalinen kaksonen asiakkaan tukena sekä asiakasymmärryksen kehittämisen välineenä
Kuntosali on kiinnostava sovellettava, tässä tapauksessa hypoteettisesti rakennettu, esimerkki digitaalisten kaksosten hyödyntämisestä, jossa havainnollisesti huomioidaan sekä asiakas että organisaatio. Kuntosalikontekstissa asiakkaan palvelupolku on jo lähtökohtaisesti fygitaalinen. Fyysisiä kosketuspisteitä ovat esimerkiksi kuntosalitilat, kuntosalilaitteet, ryhmäliikuntatunnit, hierontapalvelut ja mahdollisten fysioterapiaharjoitteiden tuominen kuntosaliympäristöön. Näiden rinnalla asiakas kohtaa digitaalisia kosketuspisteitä, kuten varaus- ja muut etäpalvelujärjestelmät, usein digitaalisilla avaimilla avautuvat portit sekä mahdollinen mobiilisovellus eri palveluineen. Myös kuntosalilaitteissa voi olla sensoreita. Lisäksi koko konseptia voivat täydentää erilaiset tapahtumat, kuten harjoitteluleirit, sesonkiluonteiset treeniryhmät tai erilaiset hyvinvointitapahtumat. Asiakkaalla itsellään on usein käytössään älypuhelin sekä osalla mahdollisesti älykello tai muu laite oman aktiivisuuden ja hyvinvoinnin mittaamiseen. Yhdessä nämä muodostavat palvelu- ja dataympäristön, jossa asiakkaan toiminta ja valinnat limittyvät fyysisen ja digitaalisen maailman välillä.
Asiakkaalla on myös rinnakkaisia, eri tilanteissa aktivoituvia rooleja. Kuvitteellinen asiakas voi työpäivän jälkeen tarvita lempeämpää palauttavaa liikuntaa kevyemmän voimaharjoittelun rinnalla. Viikonloppuisin sama henkilö voi olla sosiaalinen liikkuja, joka hakee yhteisöllisyyttä ja energiaa ryhmäliikuntatunnilta tai keskittyneemmin voimaa kuntosalilaitteilta. Viikonloppua voi myös täydentää johonkin tapahtumaan osallistuminen. Fysioterapeutin ohjeiden mukaan harjoitteleva kuntoutujapersoona kirjaa sovellukseen seurantatietoja, ja kesän juoksukaudelle treenaava tavoitteellinen liikkujapersoona hyödyntää säännöllisesti kokoontuvia juoksuryhmiä, aktiivisemmin älykellon dataa ja suunnitelmallisuutta edistyäkseen kohti tavoitteitaan.
Nämä luovat perustaa myös asiakasymmärrykselle, jossa asiakkaan käyttäytymistä ja tarpeita voidaan tarkastella eri tilanteiden, roolien ja sosiaalisen vuorovaikutuksen kautta. Hyvinvointikäyttäytyminen ei ole muuttumatonta, vaan se vaihtelee vuodenaikojen, arjen rytmien, elämäntilanteiden ja motivaatiotekijöiden mukaan. Tässä digitaalinen kaksonen voi tarjota tavan ymmärtää ja ennakoida asiakkaan tarpeita sekä avata uusia mahdollisuuksia palveluiden kehittämiseen. Digitaalinen kaksonen voi esimerkiksi tukea vertais- ja harjoitusryhmien muodostamista yhdistämällä samankaltaisessa elämäntilanteessa tai samanlaisia tavoitteita omaavia asiakkaita. Se voi myös ehdottaa sopivia ryhmäliikuntatunteja tai treeniaikoja, jotka vastaavat asiakkaan kulloistakin tilannetta. Sijaintitietojen perusteella voidaan hahmottaa toistuvia aktiviteetteja ennen treeniä ja treenin jälkeen sekä ideoida uusia palveluja, joita asiakkaat voisivat kuntosaliympäristössä kaivata. Tekoälyyn perustuvat ennusteet ja suositukset voivat lisäksi auttaa tunnistamaan hetkiä, jolloin asiakkaan motivaatio on laskussa tai tavoitteellinen harjoittelu olisi hyvä aloittaa uudelleen. Kun digitaalisten kaksosten mahdollisuudet kytketään fygitaalisiin palveluympäristöihin, dynaamisiin asiakaspersooniin ja asiakaskokemuksen johtamiseen, syntyy kokonaisuus, joka mahdollistaa syvemmän, reaaliaikaisemman ja tilannesidonnaisen ymmärryksen asiakkaasta.
Jotta ratkaisut voivat toimia luotettavasti ja vastuullisesti, on tarpeen pohtia myös datan laatuun, tietosuojaan ja eettisyyteen liittyviä kysymyksiä. Ihmisten halukkuus luovuttaa henkilökohtaista dataa digitaalisen kaksosen luomiseen riippuu paljon siitä, koetaanko prosessi turvalliseksi, läpinäkyväksi ja aidosti hyödylliseksi. Asiakkaalla täytyy myös olla kontrollia datansa käyttöön. Koska digitaalisen kaksosen halutaan toimivan myös välineenä asiakasymmärryksen syventämisessä, sen kehittämisessä korostuvat ihmiskeskeisyys ja käyttäjän näkökulman ymmärtäminen. Luottamus syntyy ratkaisuista, jotka tasapainottavat yksilön hyvinvoinnin ja organisaation tavoitteet sekä tuottavat arvoa molemmille osapuolille.
Asiakkaan digitaalisen kaksosen haasteet ja eettiset rajoitteet
Digitaalisen kaksosen hyödyntäminen kuntosali- ja liikuntapalveluissa edellyttää huolellista tarkastelua, sillä ratkaisuun liittyy keskeisiä eettisiä, tietosuojaan ja tiedon luotettavuuteen liittyviä haasteita. Koska malli perustuisi terveyteen, fysiologiaan ja käyttäytymiseen liittyvään dataan, ja toimisi ennakoivan analytiikan pohjana, sen käyttö vaikuttaa suoraan asiakkaan autonomiaan, yksityisyyteen ja päätöksentekoon.
Hyvinvointiin liittyvien palveluiden suunnittelussa on noudatettava tarkkuutta, koska palvelukokemus kietoutuu kehon, terveyden ja henkilökohtaisten tavoitteiden ympärille. Digitaalisen kaksosen hyödyntäminen markkinoinnissa, valmennuksessa ja asiakassegmentoinnissa edellyttääkin huolellista eettistä arviointia: missä kulkee asiakasta tukevan personoinnin ja liiallisen vaikuttamisen raja, miten tietosuoja ja läpinäkyvyys varmistetaan, ja millä edellytyksillä asiakas voi säilyttää omien tietojensa tietoisen hallinnan.
Vaikka digitaalisiin kaksosiin liittyvä eettinen ja lainsäädännöllinen keskustelu on tutkimuskirjallisuudessa painottunut erityisesti terveydenhuollon kontekstiin, samantyyppiset kysymykset koskevat myös hyvinvointi‑ ja liikuntapalveluja. Molemmissa ympäristöissä käsitellään yksilön terveydellisiä, fysiologisia ja käyttäytymiseen liittyviä tietoja, hyödynnetään ennakoivaa analytiikkaa ja tehdään automatisoituihin malleihin perustuvia suosituksia, jotka voivat vaikuttaa käyttäjän päätöksentekoon ja toimintaan.
Erona terveydenhuollon ja hyvinvointipalveluiden välillä on kuitenkin sääntelyn ja vastuun muoto: terveydenhuollossa digitaalisten kaksosten käyttöä ohjaavat tiukat kliiniset, ammatilliset ja oikeudelliset kehykset, kun taas hyvinvointi‑ ja liikuntapalveluissa vastuu perustuu useammin toimijan omaan eettiseen harkintaan ja kuluttajansuojaan. Eettiset riskit eivät ole hyvinvointikontekstissa vähäisempiä, vaan ne voivat ilmetä hienovaraisempina esimerkiksi markkinoinnin, motivaatioon vaikuttamisen ja käyttäytymisen ohjaamisen kautta ja edellyttävät yhtä lailla järjestelmällistä ja ihmislähtöistä tarkastelua.
Eettiset periaatteet ja yksilön autonomian turvaaminen
Digitaalisen kaksosen keskeinen ominaisuus on sen jatkuva päivittyminen ja kyky tuottaa analytiikkaa. Digitaalisen kaksosen tehtävä ei rajoitu aiemman toiminnan mallintamiseen, vaan sitä hyödynnetään myös käyttäytymisen ohjaamisessa suositusten, ehdotusten ja palautteen avulla. Tähän liittyy eettinen kysymys yksilön autonomiasta: tekeekö asiakas päätökset itse vai ohjaako teknologia niitä osin huomaamatta.
Euroopan unionin tietosuojalainsäädännössä terveyteen ja hyvinvointiin liittyvä data luokitellaan erityisiin henkilötietoryhmiin kuuluvaksi tiedoksi, jonka käsittely edellyttää nimenomaista ja informoitua suostumusta (EU:n yleinen tietosuoja-asetus). Digitaalisten kaksosten kohdalla on kyseenalaista, riittääkö perinteinen kertaluonteinen suostumus. Tutkimuskirjallisuudessa on korostettu, että teknologiat ja palvelut voivat kehittyä ja laajentua tavoilla, joita käyttäjä ei pysty ennakoimaan suostumusta antaessaan (Iqbal, Krauthammer & Biller‑Andorno, 2022). Digitaalinen kaksonen saattaa tällöin muuttua “ennakoivaksi toimijaksi”, joka ohjaa käyttäytymistä hienovaraisesti esimerkiksi optimoimalla ehdotuksia tai ajoittamalla viestintää asiakkaan psykologisesti herkimpiin hetkiin.
Autonomian turvaaminen edellyttää jatkuvaa ja dynaamista suostumusta, mahdollisuutta rajata datan käyttöä sekä selkeää viestintää siitä, miten digitaalinen kaksonen toimii ja mihin tarkoituksiin sitä hyödynnetään. Asiakkaan tulee voida kieltäytyä tietyistä toiminnoista tai käyttää palvelua myös “kevyemmällä” datankeruulla ilman, että tämä johtaa merkittävään palvelun laadun heikennykseen.
Eettisyys markkinoinnissa ja käyttäytymiseen vaikuttamisessa
Digitaalinen kaksonen avaa markkinoinnille uusia mahdollisuuksia: viestintää voidaan ajoittaa, personoida ja kohdentaa asiakkaan todellisen käyttäytymisen ja elämäntilanteen perusteella. Tutkimuksissa on tunnistettu riski siitä, että hyvinvointidataa käytetään ensisijaisesti kaupallisten tavoitteiden edistämiseen tavalla, joka hämärtää palvelun ja markkinoinnin välisen rajan (Burr ym., 2026).
Kuntosalikontekstissa tämä voi tarkoittaa esimerkiksi tilanteita, joissa digitaalinen kaksonen tunnistaa harjoittelun hiipumisen ja käynnistää automaattisesti lisäpalveluja tai maksullista valmennusta suosittelevan viestinnän. Vaikka toiminta olisi teknisesti tehokasta, se voi herättää asiakkaassa kokemuksen manipulaatiosta. Eettisesti kestävämpää voisi olla lähestymistapa, jossa digitaalisen kaksosen tuottama tieto tukee asiakkaan omaa päätöksentekoa sen sijaan, että se ohjaa toimintaa implisiittisesti tai painostavasti.
Tietosuoja, luotettavuus ja vastuut
Digitaalinen kaksonen yhdistää useita datalähteitä: kuntosalilaitteiden lokitietoja, mobiilisovellusten käyttödataa, puettavien laitteiden tuottamaa fysiologista mittaustietoa sekä asiakkaan itse raportoimia tietoja. Tutkimusten perusteella puettavien laitteiden käyttäjä on tunnistettavissa jopa anonymisoiduksi väitetystä datasta lyhyistäkin mittausjaksoista (Chikwetu ym. 2023, e244). Yksityisyyden suojaan liittyvät riskit korostuvat erityisesti silloin, kun dataa käsitellään useissa eri järjestelmissä ja organisaatioissa.
GDPR asettaa automatisoitua profilointia ja tekoälypohjaista päätöksentekoa hyödyntäville järjestelmille useita velvoitteita, kuten tietojen minimoinnin, sidonnaisuuden käyttötarkoitukseen sekä oikeuden vastustaa automaattista päätöksentekoa. Näiden periaatteiden toteuttaminen on kuitenkin haastavaa järjestelmissä, joiden toiminta perustuu laajaan ja jatkuvaan datankeruuseen sekä ennakoivaan analytiikkaan (Dewitte 2025, 155). Digitaaliset kaksoset asettuvat tähän kehykseen erityisen vaativiksi sovelluksiksi, koska ne yhdistävät useita henkilötietolähteitä, päivittyvät jatkuvasti ja tuottavat yksilöllisiä ennusteita ja suosituksia (Burr ym 2026, luku: 4.2.1.1 Privacy and data governance). Lisäksi vastuunjako rekisterinpitäjän ja henkilötietojen käsittelijöiden välillä voi hämärtyä, jos digitaaliseen kaksoseen perustuva palvelu rakentuu useista teknologiakumppaneista ja alustatoimijoista.
Digitaalisen kaksosen tuottaman tiedon luotettavuus riippuu keskeisesti sen taustalla olevan datan laadusta, kattavuudesta ja algoritmisista oletuksista. Terveyteen ja hyvinvointiin liittyvä digitaalinen mittausdata ja puettavista laitteista johdettu tieto kärsii validoinnin puutteesta, väestöllisistä vinoumista ja kontekstiriippuvuudesta (Canali Schiaffonati & Aliverti 2022, 8–10). Näiden rajoitteiden on todettu heijastuvan myös digitaalisten kaksosten kaltaisiin henkilökohtaisiin mallinnusratkaisuihin, joissa useista datalähteistä yhdistetty tieto muodostaa perustan ennakoivalle analytiikalle ja automatisoiduille suosituksille (Tudor ym. 2025). Digitaalisten kaksosten hyödyntäminen kuntosalikontekstissa edellyttää myös validointi- ja varmennusprosessien kehittämistä ja hyödyntämistä.
Luotettavuus kytkeytyy tiiviisti myös käyttäjän kokemaan luottamukseen. Jos digitaalinen kaksonen tuottaa ristiriitaisia, vaikeasti tulkittavia tai käyttäjälle perustelemattomia suosituksia, se voi heikentää asiakassuhdetta ja vaarantaa asiakkaan kokemuksen tulosten oikeellisuudesta (Radanliev, 2025). Tästä syystä asiakkaalle on tarjottava mahdollisuus tarkastella omaa dataansa, ymmärtää siihen perustuvien tulkintojen logiikkaa ja tarvittaessa korjata virheellisiä oletuksia. Ilman näitä mahdollisuuksia digitaalinen kaksonen uhkaa näyttäytyä läpinäkymättömänä järjestelmänä, jonka tuottamaan tietoon käyttäjä ei kykene luottamaan.
Digitaalinen kaksonen nostaa esiin kysymyksiä datan ja mallin omistajuudesta sekä vastuusta tilanteissa, joissa järjestelmään perustuvat suositukset johtavat virheellisiin tai jopa haitallisiin seurauksiin. Lisäksi raja hyvinvointipalvelun ja lääketieteellistä päätöksentekoa lähestyvän ohjauksen välillä voi hämärtyä, kun analytiikka syvenee ja ennusteet tarkentuvat. Tutkimuskirjallisuudessa on tunnistettu tarve laajemmille eettisille ja sääntelyyn kytkeytyville kehyksille erityisesti tekoälypohjaisten ja ennakoivien hyvinvointiteknologioiden osalta, joissa vastuunjako palveluntarjoajan ja käyttäjän välillä ei ole yksiselitteinen (Burr ym., 2026; Welch ym., 2026). Ilman selkeitä rajoja digitaalinen kaksonen voi siirtää vastuuta yksilölle tavalla, joka ei ole eettisesti perusteltu.
Kuntosaliasiakkaan digitaalinen kaksonen tarjoaa merkittäviä mahdollisuuksia asiakasymmärryksen syventämiseen ja palvelujen kehittämiseen, mutta vain, jos eettiset, tietosuojalliset ja tiedon luotettavuuteen liittyvät reunaehdot huomioidaan systemaattisesti. Tutkimus korostaa, että digitaalisten kaksosten vastuullinen käyttö edellyttää jatkuvaa suostumusta, läpinäkyvää algoritmista päätöksentekoa, vahvaa tietosuojaa sekä käyttäjälle aidosti hyödyllistä arvolupausta. Asiakkaan on myös ymmärrettävä, mistä digitaalisen kaksosen tuottama hyöty muodostuu. Ilman näitä elementtejä teknologia uhkaa heikentää luottamusta sen sijaan, että se vahvistaisi asiakaslähtöistä ja kestävää hyvinvointipalvelujen kehittämistä.
Yhteenveto
Tässä artikkelissa tarkasteltiin digitaalista kaksosta asiakasymmärryksen kehittämisen välineenä fygitaalisessa toimintaympäristössä. Quachin ym. (2025) dynaamisten asiakaspersoonien ja Hornikin ja Rachamimin (2025) kuluttajan digitaalisen kaksosen näkökulmien yhdistäminen osoittaa, että asiakasymmärrys voi siirtyä kohti reaaliaikaista, tilannesidonnaista ja ennakoivaa mallia. Digitaalinen kaksonen tarjoaa tällöin keinon koota hajanaista asiakasdataa yhdeksi kokonaisuudeksi ja mallintaa asiakkaan muuttuvia rooleja, tarpeita ja käyttäytymistä koko asiakaspolun ajalta.
Kuntosalikonteksti tarjoaa havainnollisen esimerkin siitä, miten digitaalinen kaksonen voi toimia sillanrakentajana fyysisen ja digitaalisen palveluympäristön välillä sekä tukea samanaikaisesti asiakkaan hyvinvointia ja organisaation asiakasymmärrystä. Tarkastelu osoittaa kuitenkin, että teknologian hyödyt eivät yksinään riitä, vaan sen käyttöön kytkeytyy olennaisia eettisiä, tietosuojaan ja tiedon luotettavuuteen liittyviä kysymyksiä. Erityisesti asiakkaan autonomia, informoitu ja tietoinen suostumus, algoritmien läpinäkyvyys ja vastuunjako korostuvat hyvinvointi‑ ja liikuntapalveluissa.
Yhteenvetona voidaan todeta, että kuntosaliasiakkaan digitaalinen kaksonen tarjoaa lupaavan mutta vaativan viitekehyksen asiakaslähtöisten ja yksilöllisten hyvinvointipalveluiden kehittämiseen. Sen onnistunut soveltaminen edellyttää teorian, teknologian ja eettisen harkinnan tiivistä yhdistämistä. Digitaalinen kaksonen voi parhaimmillaan toimia asiakkaan hyvinvointia tukevana kumppanina ja organisaation asiakasymmärrystä syventävänä työkaluna, kun sen kehittämistä ohjaavat ihmiskeskeisyys, läpinäkyvyys ja vastuullinen datan käyttö.
Lähteet
Microsoft Copilot. Smart GPT-5. Käytetty ideointiin, osittaiseen käännöstyöhön ja avuksi joidenkin tekstikappaleiden muotoilemisessa selkeämmiksi ja tiiviimmiksi joulu-huhtikuu 2025–2026. https://copilot.microsoft.com/
Microsoft Copilot 2025b. Smart GPT-5. Pyydetty luokittelemaan digitaalisten kaksosten lyhenteiden kautta erilaisia digitaalisten kaksosten sovelluksia, 20.12.2025. https://copilot.microsoft.com/.
Kehote (prompt): ”Millaisia lyhenteitä ihmisiin liittyvistä digitaalisista kaksosista on olemassa ja mitä ne tarkoittavat? On olemassa muun muassa HDT (Human Digital Twin), CDT (Consumer Digital Twin) ja WDT (Wellbeing Digital Twin), mutta mitä muita? Entä mitkä termeistä ovat vakiintuneita ja mitkä mahdollisesti nousevia?”
Keskeiset artikkelit:
Hornik, J. & Rachamim, M. 2025. AI-enabled consumer digital twins as a platform for research aimed at enhancing customer experience. Manag Rev Q (2025). Viitattu 19.12.2025 https://doi.org/10.1007/s11301-025-00527-3.
Quach, K., Nguyen, T. T., Quach, S., Pham, H. T., Weaven, S., Nguyen, Q. V. H., Nguyen, T. T., & Thaichon, P. 2025. Digital Twins: Enhancing Personalized Experience Through Multiple and Dynamic Persona Across Customer Phygital Journey. Australasian Marketing Journal, 0(0). Viitattu 19.12.2025 https://doi.org/10.1177/14413582251358859.
Muut lähteet:
Abdelrahman, M., Macatulad, E., Lei, B., Quintana, M, Miller, C. & Biljecki, F. 2025. What is a Digital Twin anyway? Deriving the definition for the built environment from over 15,000 scientific publications. Building and Environment, Volume 274, 2025, 112748, ISSN 0360-1323. Viitattu 20.12.2025 https://doi.org/10.1016/j.buildenv.2025.112748.
Barricelli, B. R., Casiraghi, E., Gliozzo, J., Petrini, A. & Valtolina, S. 2020. Human Digital Twin for Fitness Management. IEEE Access, vol. 8, pp. 26637-26664, 2020. Viitattu 15.2.2026 doi: 10.1109/ACCESS.2020.2971576.
Burr, C., Qian, S., Winter, P., Chico, T., Smith, C. R., Wagg, D. & Niederer, S. A. 2026. Realising the digital twin: a thematic review and analysis of the ethical, legal, and social issues for digital twins in healthcare. AI & Soc (2026). Viitattu 2.4.2026 https://doi.org/10.1007/s00146-025-02833-6
Canali, S., Schiaffonati, V. and Aliverti, A., 2022. Challenges and recommendations for wearable devices in digital health: Data quality, interoperability, health equity, fairness. PLOS digital health, Volume 1 nro 10, e0000104. Viitattu 3.4.2026 https://doi.org/10.1371/ journal.pdig.0000104
Chikwetu, L., Miao, Y., Woldetensae, M., Bell, D., Goldenholz, D. M. & Dunn, J. 2023. Does deidentification of data from wearable devices give us a false sense of security? A systematic review. The Lancet Digital Health, Volume 5 nro 4 (2023), e239-e247. Viitattu 2.4.2026 https://doi.org/10.1016/S2589-7500(22)00234-5
Dewitte, P. (2025). AI Meets the GDPR: Navigating the Impact of Data Protection on AI Systems. Kirjassa Smuha NA, ed. The Cambridge Handbook of the Law, Ethics and Policy of Artificial Intelligence. Cambridge Law Handbooks. Cambridge University Press, 133-157. Viitattu 2.4.2026 https://doi.org/10.1017/9781009367783.010
Digital Twin Consortium (DTC). 2025. What Is A Digital Twin? Viitattu 26.1.2026 https://www.digitaltwinconsortium.org/initiatives/the-definition-of-a-digital-twin/.
Friis Dam, R. & Yu Siang, T. 2025. Personas – A Simple Introduction. Interaction Design Foundation. Viitattu 22.12.2025 https://www.interaction-design.org/literature/article/personas-why-and-how-you-should-use-them.
EU:n yleinen tietosuoja-asetus (EU) 2016/679.
Hasan, S. K. K. & Crawford, C. W. 2025. A new era for digital twins: progress and industry adoption. Digital Twin 19 Sep 2025. Viitattu 10.1.2026 DOI: 10.1080/27525783.2025.2555877.
He, Q., Li, L., Li, D. ym. 2024. From Digital Human Modeling to Human Digital Twin: Framework and Perspectives in Human Factors. Chin. J. Mech. Eng. 37, 9 (2024). Viitattu 25.1.2026 https://doi.org/10.1186/s10033-024-00998-7.
Helsingin kaupunki. 2025. Asiakastutkimuksen opas. Pelikirja. Viitattu 26.1.2026 https://pelikirja.hel.fi/kehittamisen-aikana/asiakastutkimuksen-opas/.
Hliš, T., Iztok, F. & Iztok, F jr. 2024. Digital twins in sport: Concepts, taxonomies, challenges and practical potentials. Expert Systems with Applications, Volume 258, 15 December 2024, 125104. Viitattu 15.2.2026 https://doi.org/10.1016/j.eswa.2024.125104.
Holopainen, M. Saunila, M., Rantala, T. & Ukko, J. 2024. Digital twins’ implications for innovation. Technology Analysis & Strategic Management, 36:8, 1779-1791. Viitattu 20.12.2025 DOI: 10.1080/09537325.2022.2115881.
Iqbal, J.D., Krauthammer, M. and Biller-Andorno, N., 2022. The use and ethics of digital twins in medicine. Journal of Law, Medicine & Ethics, Volume 50 nro 3, pp.583-596. Viitattu 3.4.2026. https://doi.org/10.1017/jme.2022.97
Kritzinger, W., Karner, M., Traar, G., Henjes, J. & Sihn, W. 2018. Digital Twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnLine, Volume 51, Issue 11, 2018. Viitattu 11.1.2026 https://doi.org/10.1016/j.ifacol.2018.08.474.
Martinescu, L. 2023. Exploring the concepts of digital twin, digital shadow, and digital model. Oxford Insights 23.10.2023. Viitattu 23.12.2025 https://oxfordinsights.com/insights/exploring-the-concepts-of-digital-twin-digital-shadow-and-digital-model/.
Mele, C., Hollebeek, L. D., Di Bernardo, I. & Russo Spena, T. 2025. Unravelling the customer journey: A conceptual framework and research agenda. Technological Forecasting and Social Change, Volume 211, February 2025, 123916. Viitattu 22.12.2025 https://doi.org/10.1016/j.techfore.2024.123916.
Palvelumuotoilu Palo. 2021. Asiakasymmärrys palvelumuotoilussa – miten kerätä ja hyödyntää asiakasymmärrystä. Blogi päivitetty 01/2026. Viitattu 17.1.2026 https://www.palvelumuotoilupalo.fi/blogi/asiakasymmarrystutkimus-luo-pohjaa-palveluiden-muotoilulle/.
Pennanen, J. 2025. Asiakasymmärrys ja asiakaslähtöisyys hoivatyössä. Laurea-ammattikorkeakoulu, blogi. Viitattu 26.1.2026 https://blogs2.abo.fi/hyvinvoivahoiva-opas/yhdessa-kohti-toimivampaa-hoivatyota/asiakasymmarrys-ja-asiakaslahtoisyys-hoivatyossa/
Radanliev, P., 2025. Privacy, ethics, transparency, and accountability in AI systems for wearable devices. Frontiers in Digital Health, volume 7, p.1431246. Viitattu 3.4.2026 https://doi.org/10.3389/fdgth.2025.1431246
Raekorpi, H. & Holopianen, M. 2025. Digitaaliset kaksoset työelämässä – johtamisen ja päätöksenteon uudet välineet. Lahden yliopistokampus 20.11.2025. Viitattu 20.12.2025 https://lahdenyliopistokampus.fi/digitaaliset-kaksoset-tyoelamassa-johtamisen-ja-paatoksenteon-uudet-valineet/.
Singh, M., Fuenmayor, E., Hinchy, E.P., Qiao, Y., Murray, N. & Devine, D. 2021. Digital Twin: Origin to Future. Appl. Syst. Innov. 2021, 4(2), 36. Viitattu 8.6.2025 DOI: 10.3390/asi4020036.
Stremersch, S., Cabooter, E., Guitar, I. A. & Camacho, N. 2024. Customer insights for innovation: A framework and research agenda for marketing. Journal of the Academy of Marketing Science, Volume 53, pages 29–51, (2025). Viitattu 11.1.2025 https://doi.org/10.1007/s11747-024-01051-8.
Terrell Hanna, K. & Sachs, S. 2024. What is customer insight (consumer insight)? TechTarget 5.11.2024. Viitattu 11.1.2026 https://www.techtarget.com/searchcustomerexperience/definition/customer-insight-consumer-insight.
Tudor, B. H., Shargo, R., Gray, G. M., Fierstein, J. L., Kuo, F. H., Burton, R., Johnson, J. T., Scully, B. B., Asante-Korang, A., Rehman, M. A. and Ahumada, L. M., 2025. A scoping review of human digital twins in healthcare applications and usage patterns. Digital Medicine, Volume 8 nro 1, p.587. Viitattu 5.4.2026 https://doi.org/10.1038/s41746-025-01910-w
Vahdati, M., Gholizadeh HamlAbadi, K, Laamarti, F., Kumar, D. & El Saddik, A. 2025. Digital Twin AI Fitness Coach: An Intelligent Multi-Agent System for Personalized Exercise Guidance. MSMA ’25: Proceedings of the 1st International Workshop on Multi-Sensorial Media and Applications. Pages 18 – 26. Viitattu 15.2.2026 https://doi.org/10.1145/3728485.3759171.
Zhu, E. & Yang, S. 2025. Towards human digital twin: Reviewing human modelling and simulation. Journal of Industrial Information Integration, Volume 48, 2025, 100975, ISSN 2452-414X. Viitattu 20.12.2025 https://doi.org/10.1016/j.jii.2025.100975.
Asiasanat: asiakasymmärrys, digitaalinen kaksonen, tekoäly, ihmisen ja tietokoneen vuorovaikutus, koneiden välinen viestintä