Tekoälyyn kohdistuu nyt poikkeuksellisen suuria odotuksia Suomen sosiaali- ja terveydenhuollossa. Julkisen talouden paineet, väestön ikääntyminen ja kasvava palveluiden tarve pakottavat etsimään uusia tapoja parantaa sote-palveluiden vaikuttavuutta ja tuottavuutta.

Sitran teettämässä analyysissä tarkastellaan, kuinka kypsällä tasolla Suomen sote-tekoälykehitys on alueellisesti ja eurooppalaisiin verrokkeihin nähden. Teknologia- ja innovaatioyritys Futuricen toteuttamassa analyysissä kerättiin signaaleja tekoälykehityksestä esimerkiksi hankintailmoituksista, strategioista, talousarvioista, tilinpäätöksistä, työpaikkailmoituksista ja uutisartikkeleista.

Pilottianalyysin näkymä Suomesta on kaksijakoinen

Hyvinvointialueilla on paljon tekoälyyn liittyviä hankkeita, kokeiluja ja kehittämistä. Suomi sijoittuu tekoälykehittämisen kypsyydessä eurooppalaisessa vertailussa kuitenkin vain keskitasolle eikä ole tavoitteidensa mukaisesti mukana kärkikahinoissa. Esimerkiksi Tanska, Norja, Viro, Iso‑Britannia ja Espanja ovat analyysin perusteella edenneet jo Suomea pidemmälle.

Suomen haaste on ennen kaikkea rakenteellinen. Suomen sote-järjestelmä on sote-uudistuksesta huolimatta edelleen poikkeuksellisen hajautunut järjestämisvastuun jakautuessa 23 organisaatiolle. Hyvinvointialueiden kypsyystasot tekoälyssä eroavat toisistaan voimakkaasti. Pieni osa alueista pärjää hyvin myös eurooppalaisessa vertailussa, mutta kärki on kapea, eivätkä kyvykkyydet vaikuta leviävän tehokkaasti koko maan voimavaraksi.

Hajautus onkin kaksiteräinen miekka. Kokeiluvaiheessa se voi olla vahvuus: parhaat innovaatiot syntyvät lähellä kliinistä arkea, ja Suomessa tämä näkyy elävänä pilotointiympäristönä. Haastavan teknologiamurroksen keskellä hajautuksen haasteet voivat korostua aiempaa voimakkaammin. Kun jokainen alue toimii itsenäisesti, syntyy päällekkäisiä kehityspolkuja, käyttöönotto hidastuu ja tuottavuushyödyt toteutuvat liian hitaasti suhteessa odotuksiin ja julkisen talouden tarpeisiin.

Tekoälyn kohdalla mittakaavalla on poikkeuksellisen paljon väliä. Tämä johtuu esimerkiksi siitä, että tekoälyn käyttöönotto vaatii raskaampia hallintamekanismeja kuin mihin on perinteisesti totuttu. Se voi edellyttää esimerkiksi kattavaa datapohjaa, kyvykkyyttä tunnistaa vinoumia, suorituskyvyn jatkuvaa monitorointia, perusoikeuksien ja tietosuojan huomiointia sekä monikerroksisessa sääntelykentässä luovimista.

Näiden kyvykkyyksien toteuttaminen tehokkaalla ja laadukkaalla tavalla on vaativaa jo kansallisella tasolla. Täysin alueellisessa mallissa lisähaasteena on resurssien pirstaloituminen yhteisen ongelman edessä.

Edelläkävijöitä yhdistää kolme asiaa

Euroopan edelläkävijöiden malli vaikuttaisi muodostuvan kolmesta toisiaan tukevasta tasosta: kansallisesta strategiasta, kansallisesta ohjausrakenteesta sekä konkreettisista toimeenpanovälineistä. Pitkälle edenneitä maita yhdistää myös se, että tekoälykehityksen kannalta keskeiset strategiset linjaukset, investoinnit ja tukitoimet tapahtuvat suurissa yksiköissä verrattuna Suomeen.

Konkreettisina toimeenpanorakenteina analyysi nostaa esiin esimerkiksi keskitetyt puitesopimukset hankinnoille, skaalauksen tukimekanismit, sääntelyn testiympäristöt ja kansallisen tason kehityshankkeet tekoälylle.

Hajautumisen lisäksi Suomen haasteena on hiekan loppuminen tiimalasista. Julkinen talous on ennen näkemättömän kovan paineen alla. Siksi tarve tuottavuutta parantaville ratkaisuille on erittäin ajankohtainen ja jopa hyvinvointivaltion kantokyvyn kannalta kriittinen.

Eurooppalaiset esimerkit osoittavat, että Suomen on uskallettava keskittää resurssejaan strategisesti merkityksellisten kyvykkyyksien kehittämisessä. Vahvalla strategisella valtionohjauksella, yhteisillä rakenteilla ja kohdennetuilla investoinneilla voidaan tasapainottaa hajautetun järjestelmän heikkouksia.

Mihin analyysi perustuu?

  • Sitran teettämä analyysi hyödyntää vaihtoehtoista dataa: julkisia, koneellisesti kerättäviä signaaleja, jotka kertovat siitä, mitä organisaatiot parhaillaan tekevät
  • Analyysissa tarkasteltiin Suomen 21 hyvinvointialuetta ja HUS:ia sekä 30:a Euroopan maata
  • Tilannekuvaa tarkasteltiin julkisista lähteistä kerättävien signaalien kautta: mm. hankintailmoitukset, strategiat, talousarviot, tilinpäätökset, työpaikkailmoitukset ja uutiset
  • Signaalit luokiteltiin kielimallien avulla ja koottiin vertailukelpoisiksi tekoälykehittämisen kypsyyttä kuvaaviksi pisteiksi.
  • Menetelmällä on rajoitteita: esimerkiksi pienet, kynnysarvon alittavat tai IT-palveluyhtiöiden kautta tehdyt hankinnat eivät näy julkisissa rekistereissä, jolloin aktiivinenkin alue voi näyttää aineistossa todellista vaisummalta. Siksi analyysi on tarkoitettu kokonaisuutta kartoittavaksi tilannekuvaksi.

Ota yhteyttä!

Sasa Kivisaari

Johtava asiantuntija, Digisote – tekoälyllä ja datalla uudistuva sosiaali- ja terveydenhuolto

Antti Koistinen

Johtava asiantuntija, Viestintä

Tutustu myös