Tiedonhaun tutkimuksessa on tapahtunut dramaattinen muutos lyhyessä ajassa. Kun alan johtava eurooppalainen konferenssi, European Conference on Information Retrieval (ECIR), järjestettiin maaliskuussa 2026 Delftissä Alankomaissa (ECIR 2026), tekoäly oli läsnä lähes joka käänteessä. Kahdestasadasta tarjotusta tutkimusjulkaisusta 135 hyödynsi avoimia datasettejä ja peräti 164 tekoälyä – neljässä viidestä tutkimuksessa siis jossain roolissa. Tekoäly ei ole enää nouseva trendi: se on vakiinnuttanut asemansa alan ytimessä.
Generatiivinen siirtymä muuttaa tietotyötä
Konferenssin avainpuheenvuoron piti Katja Hofmann (2026) Microsoft Research Cambridgesta. Hän käsitteli ihmiskeskeistä tekoälyä ja erityisesti sitä, miten generatiivinen tekoäly muuttaa tietotyön luonnetta. Esityksen teoreettinen kehys nojasi Advait Sarkarin (2023) malliin, jossa generatiivisen tekoälyn vaikutus kuvataan kolmen ulottuvuuden kautta.
Ensimmäinen ulottuvuus on syveneminen: tekoälyä sovelletaan nykyisiin tehtäviin entistä syvemmälle – ei vain rutiinien automatisointiin, vaan monimutkaisempiin ja aiemmin pelkästään inhimilliseen harkintaan perustuneisiin osatehtäviin. Toinen ulottuvuus on laajentuminen: tekoäly levittäytyy täysin uusille alueille, joilla automatisointia ei ole aiemmin käytetty. Kolmas on kiihdyttäminen: tekoälystä tulee yhä useammin osa jokaista työvaihetta – ei erillinen työkalu vaan orgaaninen osa arjen työnkulkua.
![[Alt-teksti: seinän täydeltä sähkökoneistusta.]](https://blogit.lab.fi/labfocus/wp-content/uploads/sites/8/2026/04/160_2026_Tekoaly-on-vallannut-tiedonhaun-tutkimuksen-1024x540.jpg)
Hofmann havainnollisti ajatuksiaan pelinkehityksen kautta. Hän esitteli simuloitua Quake 2 -peliä, jossa tekoäly oli koulutettu seuraamalla sadan tunnin pelivideoita yhdistettynä ohjainten käyttödataan. Tätä menetelmää kutsutaan käyttäytymiskloonaukseksi (Behavior Cloning). Pelintekijöiden haaveissa tekoäly voisi nopeuttaa pelin sääntöjen iterointia ja luoda loputtomat, dynaamiset tarinapolut. Esitys herätti myös tervettä kritiikkiä: yleisöstä nostettu kysymys siitä, kehitetäänkö teknologiaa viihdepelivälineiksi vai autonomisia asejärjestelmiä varten, alleviivaa tekoälytutkimukseen liittyvää jatkuvaa eettistä tasapainoilua.
Avoimet aineistot ja työkalut – alan vakiokalusto
Konferenssin esitykset paljastavat myös, mihin nykyinen tiedonhaun tutkimus nojaa. Suosituimmat avoimet datasetit kuten TREC, Amazon Reviews, MovieLens, MS MARCO ja erilaiset kysymys-vastausaineistot kuten HotpotQA muodostavat yhteisen testialustan uusien mallien rakentamiseen ja arviointiin. Menetelmäpuolella dominoivat Transformers, PyTorch, Scikit-learn ja Hugging Face -kirjastot, joista on muodostunut alan de facto -standardi.
Avointen aineistojen yhdisteleminen on ajankohtainen suuntaus. Esimerkiksi kuluttaja-arviodatan Amazon Reviews -tyyppisten aineistojen ristiinajo muiden avointen lähteiden kanssa tarjoaa monipuolisen alustan asiakaskokemuksen tutkimiseen. Tällaisilla avoimiin aineistoihin perustuvilla tutkimusasetelmilla voidaan tuottaa skaalautuvaa ja käytännönläheistä ymmärrystä suoraan liiketoiminnan kehittämisen tueksi. Alan standardikirjastot on mahdollista integroida joustavasti myös omiin analytiikkaympäristöihin.
Tekoäly haastaa korkeakouluopetuksen
ECIR 2026 lähetti selkeän viestin myös korkeakoulutukselle. Kun tekoäly on vakiintunut osaksi lähes jokaista alan tutkimusta, sen opettaminen ei voi jäädä sivurooliin. Tekoälymenetelmien ja avoimen datan hyödyntämistä on integroitava systemaattisemmin osaksi opetussuunnitelmia. Pelkkä käsitteellinen tuntemus ei enää riitä – tulevaisuuden asiantuntijalta edellytetään konkreettista kykyä soveltaa näitä teknologioita käytäntöön.
Samalla tekoälyn nopea omaksuminen tutkimuksessa haastaa myös oppimisanalytiikan rakenteet: miten voimme seurata ja tukea opiskelijan kehittymistä maailmassa, jossa työkalut muuttuvat nopeammin kuin opetussuunnitelmat?
Kirjoittaja
Sami Heikkinen, FT, KTM, opettaa LAB-ammattikorkeakoulun liiketoimintayksikössä palveluiden kehittämistä ja tutkii tekoälyn sovelluksia asiakaskokemuksen kehittämisessä.
Lähteet
Akela999. 2017. Data center, konehuone, akku. Pixabay. Viitattu 7.4.2026. Saatavissa https://pixabay.com/fi/photos/data-center-konehuone-akku-2476790/
ECIR. 2026. 48th European Conference on Information Retrieval. Verkkosivu. Viitattu 7.4.2026. Saatavissa https://ecir2026.eu/
Hofmann, K. 2026. People-Centric AI. Keynote-esitys ECIR 2026 -konferenssissa. Delft, Alankomaat. 31.3.2026.
Sarkar, A. 2023. Will code remain a relevant user interface for end-user programming with generative ai models?. Proceedings of the 2023 ACM SIGPLAN International Symposium on New Ideas, New Paradigms, and Reflections on Programming and Software, 153-167.
