Kirjoittaja: Hannu Linturi
Viisi vuotta sitten toteutettiin Delfoi-metodin tulevaisuutta pohtiva Aavistus-paneeli. Se löysi kaksi kehityspolkua, joissa toisessa metodi uudistuu ja toisessa menettää merkitystään. Kriittistä on Delfoin suhde teknologiaan ja muuhun metodologiaan. Paljon kehityspotentiaalia kasautuu siihen, miten tekoäly ja metodi integroituvat keskenään. Toinen kehityshaaste on Delfoin kyky ketjuttua muiden menetelmien kanssa. Aavistus-paneelin ennakoimaa tulevaisuutta on pala kerrallaan muokattu tulevaisuuden tekemiseksi. Työtä on tehty epävirallisessa Delfoi-kehittäjäyhteisössä, joka kookoontuu kuukausittain Otavan, Tutu-seuran ja Metodix Oy:n operoimaan työpajaan.
Tekoälyavusteinen Delfoi
Aavistus-paneeli tunnisti tekoälyn merkityksen, vaikka paneeli toteutettiin kaksi vuotta ennen OpenAI-julkistusta. Sen jälkeinen aika on ollut yhteisöaktiivista kehitystyötä, joka nyttemmin ulottuu jokaiseen Delfoi-metodin kahdeksasta päävaiheesta.

Ensimmäiset kokeilut kohdistuivat jo vuoden 2022 puolella Delfoin suunnitteluvaiheeseen. Tutkittavan ilmiön – usein systeemiseen – kuvaamiseen apu on verraton. Ilmiön tunnistaminen ohjaa tutkimuskysymyksiin ja sitä kautta paneelin käynnistäviin tulevaisuusväitteisiin, joiden sparraamisessa kaikki tunnetut tekoälyt ovat osaavissa käsissä verrattomia. Samoin asiantuntijapaneelin – ja sitä kuvaavan matriisin – rakenteluun generatiivinen tekoäly soveltuu hyvin. Suunnitteluavut korostuvat opinnäytetöissä, joissa tekijät ovat ensi kertaa paneelia rakentamassa.
Vuoden 2023 aikana käynnistettiin ensimmäiset kokeilut tekoälypanelistien kanssa. Krista Jokela (2024) täydensi johtoryhmien tulevaisuutta käsittelevää paneeliaan kahdella tekoälypanelistilla, joille luotiin karaktääri hyödyntäen CharacterAi-ohjelmistoa. Kari Hintikka tutki seuraavaksi tekoälypanelistin käyttöä osana väitöstutkimustaan sitä varten rakennetussa paneelissa.
Viime vuonna päähuomio kiinnitettiin siihen, miten tekoälyä hyödynnetään vuorovaikutusvaiheessa fasilitoinnin apuna. Paneelitiedon kierrättäminen on siinä tärkeää. Pilotointivaiheessa olevaan xDelphi-ohjelmistoon integroitiin neljä tekoälyraporttia kuvaamaan laadullista aineistoa aiemman määrällisen kuvantamisen lisäksi. Delfoin ero survey-tutkimukseen on se, että siinä ei tyydytä tiedon keruuseen vaan tavoitellaan tiedon muodostusta tavalla, jota voi nimittää yhteisöoppimiseksi.
Kuluva vuosi on analyysien tekoälykokeilujen ja -testausten vuosi. Paino on laadullisen aineiston analyysissä ja siinä, miten analyysitietoa on mahdollista kierrättää panelistien keskustelun inspiraatioksi ja syventämiseksi. Tekoälyanalyyseistä mainittakoon keskustelutilan (konsensus-dissensus, liikennevalo-metafora), skenaroinnin ja argumentoinnin analyysit.
Kokeilujen myötä on kehitetty lukuisia ChatGPT-botteja prosessin eri vaiheiden tarpeisiin. Alkuvaiheissa oli kiusaus ajatella niitä työkaluina, jotka hoitavat halutun tehtävän ilman merkittävää ohjauspanosta. Sittemmin on käynyt selväksi, ettei tämä tie ole luotettava. Tekoäly nykymuodossaan on kumppani, joka vaatii ammattitaitoa siinä kuin mikä tahansa mekaaninen tai käsitteellinen työkalu.
Hybridi menetelmäkehitys
Toinen Aavistus-paneelin ennakoima kehityskulku liittyy mahdollisuuteen integroida eri menetelmiä toisiinsa. Osa kumppanimenetelmistä on määrämuotoisia tavalla, joka selkeyttää tekoälykäsittelyä tukemaan tai jatkamaan Delfoi-prosessia. Sellaisia ovat Tulevaisuuspyörä (Futures Wheel) ja relevanssipuu (Relevance Tree), jotka soveltuvat etenkin ilmiön suunnitteluvaiheen avuksi. Causal Layered Analysis (CLA) soveltuu moneen yhteyteen kuten Delfoi-aineistoperustaisten skenaarioiden syventämiseen tai strategiatyön merkityksellistämiseen. Toimialaennakoinnissa on jo pitkään yhdistetty Delfoita SWOT-konseptiin.
Skenaariot ovat perinteisesti olleet luonteva Delfoi-prosessin jatkojaloste. Tekoälyn käyttö tarjoaa siihenkin uusia variaatioita. Skenaariot voidaan asemoida mihin tahansa Delfoi-prosessin vaiheeseen. Usein se liittyy myös hybridiin menetelmäkehitykseen, jossa anonyymit Delfoi-kierrokset vuorottelevat kasvokkaisten lähityöpajojen kanssa. Teemu Koskimäki (2022) käytti väitöstutkimuksessaan onnistuneesti tällaista prosessimallia.
Pehmeä systeemimetodologia on potentiaalinen viitekehys menetelmälliseen ekosysteemiin, jossa eri metodeita yhdistetään toisiinsa toimintatutkimuksen kaltaisessa pitkäkaarisessa kehittämistyössä. Sen osia voivat olla systeeminen mallinnus (esim. Rich Picture), strategiatyötä palveleva CATWOE-analyysi ja barometrityyppinen toistuva/pysyvä Delfoi-paneeli. Näitä on sovellettu organisaation kehittämiseen ja strategiatyöhön.
Digitaalinen kehitys ovat poistaneet esteet siltä, että Delfoita käytetään asiantuntijapaneelien lisäksi suurten asianosaismäärien äänestykseen ja vuorovaikutukseen. Tällaiset osallistavat metodivariaatiomahdollisuudet ovat sisältönä jutun kolmannessa luvussa.
Delfoin tulevaisuus
Aavistus-aineiston skenarointi nosti esiin toivottavan mutta epätodennäköisen menetelmätulevaisuuden, joka nimettiin Osallistavaksi Delfoiksi. Suurvaltojen autokratiakehitys ja Euroopan niistä poikkeava demokratiauskollisuus kuumentavat tätä skenaariota. Tunnistan kolme jännitteistä kehityskulkua, joiden suhteen Delfoi saattaa muodostua merkittäväksi työkaluksi.

Teknologian kehittyessä päätöksentekoon tuodaan lisääntyvästi tekoälyä. Algoritminen päätöksenteko tarkoittaa esimerkiksi koneoppimisen käyttöä politiikkatoimien kohdentamisessa, suurten datamäärien analysointia lakien valmistelussa tai jopa autonomisia järjestelmiä, jotka tekevät rajattuja hallinnollisia päätöksiä. Tekoäly kykenee simuloimaan politiikkatoimien vaikutuksia ja tunnistamaan trendejä valtavasta tietomäärästä tavoilla, jotka ihmiselle ovat mahdottomia. Toisaalta algoritmien käyttö herättää kysymyksiä läpinäkyvyydestä ja vastuullisuudesta. Algoritmit heijastavat kehittäjiensä arvoja tai datan vinoumia. Jos poliitikot ja kansa luottavat liiaksi konepäätöksiin, arvopohdinta jää sivurooliin. Olemme kenties matkalla kohti “algokratiaa”?
Toinen jännite on syntynyt tieteellisen tiedon ja populismin välille. Liikehdintään liittyy epäluulo asiantuntijoita ja tieteellistä eliittiä kohtaan. Populismi määritellään kansan “terveen järjen” ja eliittiin kuuluvien asiantuntijoiden vastakkainasetteluksi. Esimerkiksi ilmastonmuutosta, rokotteita tai pandemian torjuntaa koskevissa kysymyksissä populistiset johtajat vähättelevät tieteellistä konsensusta. Populismiin taipuvaiset ryhmät tuntevat muita vähemmän luottamusta instituutioihin ja asiantuntijatietoon. Puhutaan “totuudenjälkeisestä ajasta”, jossa objektiivisiksi esitetyt faktat eivät enää vakuuta, jos ne haastavat ihmisten identiteettiä tai mielipiteitä.
Kolmas jännite kietoutuu kahteen aikaisempaan. Maailmanmeno on yhä kompleksisempaa tavalla, jossa instituutiot eivät pysy perässä. Ilmastonmuutos, luontokato, pandemiat, kyberturvallisuus tai vaikkapa geenieditoinnin eettiset kysymykset edellyttävät syvällistä tieteellistä ymmärrystä. Samalla demokraattinen päätöksenteko olettaa, että kansalaiset kykenevät muodostamaan mielipiteensä ja johtajat voivat oikeuttaa päätöksensä kansan silmissä. Miten varmistaa, että päätökset ovat sekä tieteellisesti valideja että demokraattisesti legitiimejä? Habermasin ratkaisu on kommunikatiivinen toiminta: asiantuntijat altistavat tietonsa julkiseen argumentaatioon, jossa myös eettiset ja arvoulottuvuudet otetaan huomioon.
Oppivassa hallinnoinnissa päätöksiä tarkistetaan jatkuvasti uuden tiedon valossa. Kaikki päätökset ovat tavallaan kokeiluja, joita säädetään kun tiede kehittyy tai vaikutukset näkyvät. Kompleksisuuden hallinta edellyttää monitieteisyyttä ja poikkisektoraalista yhteistyötä. Tieteentekijät, virkamiehet, lainsäätäjät ja kansalaisjärjestöt ohjataan yhteiseen pöytään ratkomaan ongelmia, joita mikään taho ei yksin hallitse. Tähän tulevaisuuteen tekoälytetty Delfoi istahtaa kuin kissa nojatuoliin.
Kirjoittaja: Hannu Linturi, Metodix Oy
Linkkejä
Brynjolfsson, E. (2022) The Turing Trap: The Promise & Peril of Human-Like Artificial Intelligence. Verkossa https://digitaleconomy.stanford.edu/news/the-turing-trap-the-promise-peril-of-human-like-artificial-intelligence/ .
Habermas, J. (1984) The Theory of Communicative Action, Beacon Press.
Jokela, K. (2024) Tulevaisuudenkestävä johtoryhmä – miten johtryhmät voivat ennakoida tulevaisuuden johtamisen tarpeita. Turku AMK.
Koskimäki, T. (2022) Expert perspectives on achieving global sustainability with targeted transformational change. A thesis submitted for the degree of Doctor of Philosophy of The Australian National University. PDF-julkaisu https://openresearch-repository.anu.edu.au/bitstream/1885/274587/1/TK%20-%20PhD%20thesis%20-%20Revised%20version%202022%20FINAL.pdf .
Linturi, H. (2023) Delfoin seitsemän ideaa. Metodix Oy. Verkossa https://metodix.fi/2023/10/09/delfoin-seitseman-ideaa/ .
Morgan, M. (2017) The Problem of Inconvenient Expertise I. Facts, Truth, and Populism. Niskanen Center/Open Soviety Analysis Verkossa https://www.niskanencenter.org/problem-inconvenient-expertise-facts-truth-populism/#:~:text=Donald%20Trump%20did%20not%20create,inconvenient%20expertise%20across%20the%20board .
Štětka, V., Brandao, F., Mihelj, S., Tóth, F., Hallin, D., Rothberg, D., … Klimkiewicz, B. (2024) Have people ‘had enough of experts’? The impact of populism and pandemic misinformation on institutional trust in comparative perspective. Information, Communication & Society, 1–22. Verkossa https://doi.org/10.1080/1369118X.2024.2413121 .
Tretter, M. (2025) Opportunities and challenges of AI-systems in political decisionmaking contexts. Frontiers in Political Science, 7: 1504520. Verkossa https://doi.org/10.3389/fpos.2025.1504520 .
ChatGPT-botteja:
Delphi Oracle https://chatgpt.com/g/g-O9I0o74MC-delphi-oracle (Hannu Linturi: Delfoin suunnittelubotti)
Iisit-Teesit https://chatgpt.com/g/g-FkKVF3Rp3-iisit-teesit (Kari Hintikka: Teesien ja paneelin suunnittelu)