Datayhteistyön pullonkaula ei useinkaan ole teknologia vaan epäselvyys siitä, kuka saa käyttää dataa, mihin tarkoitukseen ja millä ehdoilla. Yrityksellä voi olla arvokasta dataa, kiinnostava tekoälyn käyttökohde ja halukkuutta yhteistyöhön. Silti koneoppimis- tai tekoälykokeilu voi pysähtyä kysymyksiin siitä, kuka saa käsitellä dataa, mitä siihen saa yhdistää, kenelle tulokset kuuluvat ja mitä voidaan julkaista. AI Skaalaajat -hankkeen yritysyhteistyössä nämä sopimustekniset kysymykset ovat osoittautuneet todelliseksi pullonkaulaksi.
Salassapito-, yhteistyö- ja muut tarvittavat sopimukset ovat jatkossakin välttämättömiä. Teknologia ei ratkaise, kenelle oikeudet juridisesti kuuluvat tai miten vastuut jakautuvat. Teknisillä hallintakeinoilla sopimuksissa määritellyt oikeudet voidaan kuitenkin muuttaa konkreettisiksi käyttörajoiksi, valvontamekanismeiksi ja todennettavaksi näytöksi. Tämä voi helpottaa myös sopimista, kun osapuolet pystyvät määrittelemään selvästi, kuka saa käyttää mitäkin aineistoa, mihin tarkoitukseen ja millä ehdoilla.
Datan omistajuus on purettava konkreettisiksi oikeuksiksi
Datayhteistyössä puhutaan usein datan omistajuudesta. Käsite on ymmärrettävä, mutta käytännössä liian yleinen. Omistajuuden rinnalla on määriteltävä datan saatavuutta, käsittelyä ja hyödyntämistä koskevat oikeudet. Osapuolten on sovittava esimerkiksi:
- kuka saa päästä aineistoon ja missä ympäristössä
- mihin tarkoitukseen aineistoa saa käyttää
- saako aineistoa kopioida, muokata, yhdistää tai käyttää tekoälymallin kouluttamiseen
- kuka saa käyttää syntynyttä mallia ja tuloksia
- saako tuloksia julkaista, luovuttaa edelleen tai hyödyntää kaupallisesti
- kuinka kauan oikeudet ovat voimassa ja mitä aineistoille, kopioille ja malleille tehdään yhteistyön päättyessä.
EU:n datasäädöksessä painopiste on muodollisen omistajuuden sijasta siinä, kuka saa käyttää dataa, millä ehdoilla ja mihin tarkoitukseen. Euroopan komissio on julkaissut yritysten tueksi ei-sitovia malliehtoja datan saatavuutta ja käyttöä koskeviin sopimuksiin (Euroopan komissio 2025a; 2025b). Tämä kuvastaa laajempaa muutosta: olennaista ei ole vain se, kenen hallussa data tai sitä sisältävä tiedosto on, vaan millaisia oikeuksia ja velvollisuuksia datan käyttöön liittyy.
Kysymys vaikeutuu, kun tekoälyhanke yhdistää yrityksen omaa dataa, julkisia aineistoja ja yhteistyössä tuotettua uutta dataa. Lisäksi hankkeessa voi syntyä puhdistettuja ja yhdistettyjä aineistoja, ohjelmakoodia, malleja, malliparametreja, analyysejä, visualisointeja ja julkaisuja. Jokaiselle aineistokerrokselle voidaan määritellä erikseen pääsy-, käyttö-, muokkaus-, julkaisu- ja jatkohyödyntämisoikeudet. Näin kaikkia kysymyksiä ei tarvitse ratkaista yhdellä yleisellä toteamuksella datan tai tulosten omistajuudesta.
Opinnäytetyö konkretisoi hallitun etenemisen tarpeen
Oikeuksien määrittely on erityisen tärkeää, kun yritysyhteistyö johtaa opinnäytetyöhön. Opinnäytetyöt ovat julkisia, eikä julkaistavaan työhön voida sisällyttää yrityksen liikesalaisuuksia tai muuta salassa pidettävää aineistoa. Salassapitosopimus ei kuitenkaan muuta opinnäytetyötä salaiseksi (Metropolia n.d.). Opinnäytetyön julkisuus on siksi huomioitava jo ennen kuin opiskelija saa pääsyn yrityksen aineistoon.
Projektin alussa on erotettava opiskelijan käyttämä aineisto, projektissa syntyvä tekninen aineisto ja julkaistavan opinnäytetyön sisältö. Opiskelija voi tarvita luottamuksellista dataa, vaikka työssä esitettäisiin vain menetelmä, aggregoituja tuloksia tai anonymisoituja esimerkkejä. Ennen työn aloittamista sovitaan ainakin, mitä aineistoa käsitellään ja missä ympäristössä, aineistoon pääsevät henkilöt, tulosten raportointitarkkuus, julkaistavat tiedot, yrityksen mahdollisuus tarkistaa käsikirjoitus salassa pidettävien tietojen varalta sekä aineiston ja tulosten oikeudet työn päättyessä.
Projektille valittu tai sitä varten rakennettu tekninen käsittely-ympäristö voi estää alkuperäisen datan lataamisen henkilökohtaiselle tietokoneelle, rajata aineiston nimetyille käyttäjille ja säilyttää lokitiedot käytöstä. Se ei kuitenkaan ratkaise tekijyyttä, omistajuutta tai julkaisuoikeutta. Ne määritellään sopimuksissa ja korkeakoulun ohjeiden mukaisesti.
Yhteistyön turvallisuus ei aina edellytä kaikkien mahdollisten tulevien tilanteiden ratkaisemista yhdessä laajassa sopimuksessa ennen ensimmäistä kokeilua. Sopimattomuus ei silti ole vaihtoehto. Käytännöllinen ratkaisu voi olla vaiheittainen malli, jossa sopimusten tarkkuus ja tekniset hallintakeinot kasvavat yhteistyön edetessä.
Tutustumisvaiheessa käytetään julkista, synteettistä tai muuten vähäriskistä aineistoa. Rajatussa kokeilussa yrityksen aineistoa käytetään tarkasti määriteltyyn tarkoitukseen, nimetyille henkilöille ja rajatuksi ajaksi. Kun kokeilu etenee kehitystyöksi, sovitaan yksityiskohtaisemmin malleista, tuloksista, julkaisemisesta ja kaupallisesta hyödyntämisestä. Yhteistyön päättyessä ratkaistaan aineistojen palauttaminen, säilyttäminen, poistaminen ja mahdollinen jatkokäyttö.
Kolme tasoa datayhteistyön oikeuksien hallintaan
Sopimusten ja teknisten ratkaisujen suhdetta voidaan jäsentää kolmitasoisella mallilla (taulukko 1).
| Taso | Ratkaistava kysymys | Esimerkkejä |
|---|---|---|
| 1. Sopimus | Mitä kukin osapuoli saa tehdä ja mistä se vastaa? | Käyttötarkoitus, salassapito, julkaiseminen, jatkohyödyntäminen, vastuut ja yhteistyön päättyminen |
| 2. Käyttöoikeuspolitiikka | Kuka saa tehdä mitäkin, mille aineistolle ja missä tilanteessa? | Käyttäjäroolit, aineiston luokitus, sallitut toiminnot, voimassaoloaika ja käyttöympäristö |
| 3. Tekninen toteutus ja näyttö | Miten oikeuksia valvotaan ja niiden toteutuminen osoitetaan? | Käyttöoikeuksien valvonta, ympäristöjen hallittu rakentaminen, tiedon suojaaminen, käytön jäljitettävyys, tulosten rajattu esittäminen sekä aineistojen hallittu arkistointi ja poistaminen |
Ensimmäinen taso kuuluu sopimusosapuolille ja oikeudellisille asiantuntijoille. Toisella tasolla periaatteet täsmennetään käyttöoikeussäännöiksi yhdessä liiketoiminnan, tietohallinnon ja teknisten asiantuntijoiden kanssa. Kolmannella tasolla säännöt toteutetaan järjestelmässä. Sopimus määrittelee oikeudet, jotka täsmennetään käyttöoikeuspolitiikaksi. Tekninen ympäristö toteuttaa nämä säännöt ja tuottaa näyttöä niiden noudattamisesta.
Yritys voi valmistella yhteistyötä määrittelemällä etukäteen muutaman helposti ymmärrettävän käyttöoikeus- ja salassapitotason (ks. taulukko 2). Jokaiselle projektiin tuotavalle aineistolle ja projektissa syntyvälle tulokselle valitaan soveltuva taso.
| Taso | Kuka saa käyttää? | Mitä voidaan tehdä? | Tyypillinen esimerkki |
|---|---|---|---|
| Julkinen | Kuka tahansa | Käyttää ja julkaista lisenssiehtojen mukaisesti | Avoin data tai julkaistu raportti |
| Yhteistyössä jaettava | Sovitut projektiosapuolet | Käyttää rajattuun yhteistyötarkoitukseen | Yhteinen testiaineisto tai hyväksytty yhteenveto |
| Rajattu | Nimetyt henkilöt tai roolit | Käsitellä vain hyväksytyssä ympäristössä | Pseudonymisoitu asiakasdata tai yksityiskohtaiset analyysit |
| Lähdeorganisaation hallinnassa | Aineiston toimittaja ja erikseen hyväksytyt henkilöt | Käyttää vain erikseen määriteltyihin tehtäviin | Liikesalaisuus tai alkuperäinen tuotantodata |
Tasoihin liitetään tarvittaessa lisäehtoja: voimassaoloaika, hyväksytty pilviympäristö, sallittu analyysi, mallin koulutusoikeus, mallin siirrettävyys ja tulosten käyttö opinnäytetyössä. Luokittelu ei ratkaise oikeuksia itsenäisesti, vaan tekee sovitut ehdot helpommin ymmärrettäviksi ja toteutettaviksi.
Tekniset keinot toteuttavat sovitut käyttöoikeudet
Sovitut käyttöoikeudet toteutuvat käytännössä useiden toisiaan täydentävien teknisten mekanismien avulla. Käyttöoikeussäännöt määrittelevät sallitut toiminnot, infrastruktuurin määritykset rakentavat hallitun ympäristön ja tietopalvelut rajaavat käyttäjille esitettävää sisältöä. Agenttiset työkalut voivat tukea kokonaisuuden ylläpitoa, mutta merkittävät päätökset ja muutokset on pidettävä ihmisen valvonnassa.
Teknologisten mekanismien tarkoituksena ei ole siirtää oikeuksien määrittelyä tai vastuuta ihmiseltä järjestelmälle. Ihmiset ja organisaatiot päättävät, mitä oikeuksia osapuolilla on, mihin tarkoitukseen dataa saa käyttää ja millä ehdoilla käyttö on sallittua. Tekninen järjestelmä tekee näiden päätösten perusteella yksittäiset käyttöoikeustarkistukset, valvoo rajoja ja tuottaa jäljitettävää näyttöä.
Ihmisen valvonta ei tarkoita jokaisen käyttöpyynnön manuaalista hyväksymistä. Ihmiset määrittelevät, tarkastavat ja hyväksyvät säännöt, joiden perusteella järjestelmä tekee käyttöoikeuspäätökset automaattisesti. Myös infrastruktuurimuutokset voidaan tarkastaa ja hyväksyä ennen käyttöönottoa. Säännöt ja tekniset määritykset katselmoidaan uudelleen, kun osapuolet, käyttötarkoitukset tai sopimusehdot muuttuvat.
Tekoälyä hyödyntävissä tietopalveluissa ihmisen valvontaa tarvitaan sallittujen tietolähteiden määrittelyyn sekä toiminnan ja tulosten arviointiin. Varsinaista käyttöoikeuspäätöstä ei pidä jättää tekoälymallille. Oikeudet tarkistetaan erillisessä ja ennakoitavasti toimivassa valvontakerroksessa ennen kuin lähdeaineisto annetaan tekoälymallin käsiteltäväksi.
Cedar tekee säännöistä koneellisesti tulkittavia. Cedar Policy Language on esimerkki teknologiasta, jolla käyttöoikeussäännöt erotetaan sovelluksen varsinaisesta ohjelmakoodista. Käyttöoikeuspäätös perustuu neljään tietoon: kuka pyytää pääsyä, mitä hän haluaa tehdä, mihin resurssiin toiminto kohdistuu ja missä tilanteessa pyyntö tehdään. Cedar kuvaa nämä käsitteillä principal, action, resource ja context (Cedar Policy Language n.d.).
Säännöllä voidaan esimerkiksi määritellä, että yrityksen asiantuntija saa nähdä alkuperäisen aineiston, opiskelija saa analysoida pseudonymisoitua aineistoa sovitun projektin aikana ja ulkopuolinen käyttäjä saa nähdä vain julkaistut tulokset. Cedar ei määrittele oikeuksien juridista omistajaa, vaan toteuttaa järjestelmässä osapuolten sopimat käyttöoikeudet.
IaC rakentaa yhteistyöympäristön toistettavasti. Infrastructure as Code eli IaC tarkoittaa pilvi- ja muun infrastruktuurin määrittelemistä koneellisesti käsiteltävänä koodina. Yhteistyöprojektissa IaC:lla voidaan kuvata ja rakentaa projektille varatut tallennus- ja laskentaresurssit, käyttäjäryhmät, verkon erottelu, salaus, lokitus, varmuuskopiointi, käyttöoikeuksien määräajat sekä ympäristön sulkeminen projektin päättyessä.
Hyöty ei ole vain automatisoitu rakentaminen. Määrityksistä syntyy tarkastettava kuvaus ympäristöstä, ja sama toteutus voidaan katselmoida, testata ja tarvittaessa luoda uudelleen. Sopimuksen vaatimus voidaan näin yhdistää tekniseen toteutukseen ja siitä syntyvään näyttöön.
RAG voi esittää tuloksia eri käyttäjille hallitusti. Retrieval-Augmented Generation eli RAG yhdistää kielimallin erilliseen tietolähteeseen. Käyttäjän kysymykseen etsitään tietoa hyväksytyistä lähteistä, minkä jälkeen malli muodostaa vastauksen löydetyn aineiston perusteella (Lewis ym. 2020). Yhteistyöalustalla aineistoihin voidaan liittää lähdettä, salassapitotasoa, käyttötarkoitusta ja sallittuja käyttäjäryhmiä kuvaavat metatiedot.
RAG ei kuitenkaan ole käyttöoikeusjärjestelmä. Oikeudet on tarkistettava ennen aineiston hakua ja toimittamista kielimallille. Hallinnan on katettava lähdedokumenttien lisäksi tietokannat, välimuistit, keskusteluhistoria, lokit ja mallille lähetettävät kehotteet. Muuten järjestelmä voi paljastaa tietoa, johon käyttäjällä ei ole oikeutta.
Agenttiset työkalut voivat avustaa, mutta eivät päättää oikeuksista. Agenttinen tekoäly voi tunnistaa ristiriitoja sopimusehtojen ja teknisten määritysten välillä, ehdottaa käyttöoikeuspolitiikan muutosta, tuottaa IaC-määrityksen luonnoksen tai tunnistaa projektin päättyessä poistettavat oikeudet ja aineistot. Nykyiset agenttikehykset mahdollistavat myös suorituksen keskeyttämisen ennen arkaluonteista työkalukutsua ihmisen hyväksyttäväksi (OpenAI n.d.).
Agentin tulkinta voi silti olla virheellinen ja toimenpiteen vaikutus tarkoitettua laajempi. Siksi agentille annetaan vain tehtävän kannalta välttämättömät oikeudet. Merkittävät käyttöoikeus-, infrastruktuuri- ja poistotoimenpiteet pysäytetään hyväksyttäviksi, toimenpiteet lokitetaan ja muutokset tehdään mahdollisuuksien mukaan palautettaviksi. Agentti kannattaa nähdä aluksi avustajana: se analysoi ja ehdottaa, mutta ihminen vastaa oikeuksien määrittelystä ja merkittävien muutosten hyväksymisestä.
Koneellisesti toteutettava käyttöoikeuksien hallinta ei kuitenkaan synny ilman kustannuksia. Sääntöjen määrittely, käsittely-ympäristön rakentaminen, lokituksen ylläpito ja aineistojen elinkaaren hallinta vaativat osaamista ja jatkuvaa ylläpitoa. Kaikkia mekanismeja ei siksi tarvitse ottaa käyttöön kerralla. Pienessä kokeilussa voidaan aloittaa rajatusta aineistosta, nimetyistä käyttäjistä ja yksinkertaisesta lokituksesta ja täydentää hallintaa hankkeen laajentuessa.
MetroCloudissa sopimukset yhdistetään tekniseen toteutukseen
Artikkelissa kuvattuja hallintakeinoja sovelletaan AI Skaalaajat -hankkeen yritysprojekteissa käytettävässä MetroCloud-ympäristössä. Yritysten aineistoja käsitellään nykyisin pääasiassa Metropolian omassa suljetussa palvelinympäristössä (on premises). Ratkaisu on usein mahdollistanut yhteistyön nopean käynnistämisen tilanteissa, joissa yrityksen aineistoa ei ole haluttu siirtää julkipilveen. MetroCloud on integroitu myös julkipilvipalveluihin, ja niitä hyödynnettäessä yritykselle rakennetaan vaatimusten mukainen erillinen kokeiluympäristö eli sandbox. Julkipilviympäristöt määritellään Infrastructure as Code -periaatteella, jolloin niiden rakenne, käyttöoikeudet ja muutokset voidaan dokumentoida, toistaa ja tarkastaa.
MetroCloudin kehittämisessä on kiinnitetty huomiota myös datan laatuun ja myöhempään jaettavuuteen. Samuli Ahokkaan insinöörityössä kehitettiin sensoridatan keruujärjestelmä, jossa raakadataa rikastetaan keruuta, käsittelyä ja validointia kuvaavilla metatiedoilla. Työ osoittaa, että aineiston löydettävyys, yhteentoimivuus ja uudelleenkäytettävyys eivät synny vasta jakamisvaiheessa, vaan ne on huomioitava jo dataa kerättäessä ja tallennettaessa (Ahokas 2026).
Seuraavassa kehitysvaiheessa MetroCloudissa otetaan käyttöön Data Rangers Oy:n toimittama Cedar Policy Languageen perustuva ratkaisu. Siinä dataan liittyvät käyttöehdot määritellään datamanifestissa ja aineistoa voidaan käsitellä hallitussa selainpohjaisessa analyysiympäristössä. Tavoitteena on, etteivät käyttöoikeusmääritykset jäisi vain yhden sovelluksen sisäisiksi asetuksiksi, vaan niitä voitaisiin hyödyntää myös muissa ratkaisuun liitetyissä käsittely-ympäristöissä. Näin dataan liitetyt oikeudet ja rajoitukset säilyvät koneellisesti tulkittavina aineiston siirtyessä ympäristöstä toiseen. (Laine 2026.)
RAG-ratkaisuja on hyödynnetty rajatuissa yritystapauksissa, mutta niiden tuloksia ei voida salassapitosyistä esitellä julkisesti. Agenttisten työkalujen osalta tehdään ensimmäisiä selvityksiä ja kokeiluja. Tässä vaiheessa niitä tarkastellaan ihmisen valvonnassa toimivina avustajina, ei itsenäisinä käyttöoikeuksista tai infrastruktuurimuutoksista päättävinä järjestelminä.
Metropolian lakipalvelut ovat tukeneet yhteistyöprojektien sopimusasioiden selkeyttämistä sekä salassapitoa, aineistojen käyttöä, tulosten hyödyntämistä ja julkaisemista koskevien ehtojen määrittelyä. Tavoitteena on yhdistää juridisesti kestävät sopimuskäytännöt ja niitä tukevat tekniset mekanismit kokonaisuudeksi, joka suojaa osapuolia mutta ei tarpeettomasti hidasta kokeilujen käynnistämistä.
Teknologia tekee luottamuksesta todennettavaa
Datayhteistyön sopimusteknisillä kysymyksillä suojataan yrityksiä, opiskelijoita, tutkijoita ja muita osapuolia. Epäselvät oikeudet voivat estää tulosten julkaisemisen tai hyödyntämisen vasta siinä vaiheessa, kun yhteistyö on jo tuottanut jotain arvokasta.
Metropoliassa kokonaisuutta rakennetaan yhdistämällä AI Skaalaajat -hankkeen yritysyhteistyö, lakipalvelujen sopimusosaaminen ja MetroCloudin tekninen kehittämisympäristö. Tavoitteena ei ole korvata sopimuksia teknologialla, vaan tehdä sovituista oikeuksista käytännössä toteutettavia ja todennettavia. Sopimus määrittelee oikeudet, vastuut ja rajat. Käyttöoikeuspolitiikka muuttaa ne täsmällisiksi säännöiksi, ja tekninen ympäristö toteuttaa säännöt sekä tuottaa näyttöä niiden noudattamisesta.
Parhaimmillaan sopimuksen ja teknologian suhde on täydentävä: sopimus kertoo, mitä saa tehdä, ja järjestelmä huolehtii siitä, että juuri niin myös toimitaan.
Lähteet
Ahokas, S. 2026. Sensor Data Collection Framework for Improving Data Quality. Insinöörityö. Metropolia Ammattikorkeakoulu.
Cedar Policy Language n.d. What is Cedar? Cedar Policy Language Reference Guide. Haettu 24.9.2026.
Euroopan komissio 2025a. Data Act explained. Päivitetty 15.12.2025. Haettu 24.9.2026.
Euroopan komissio 2025b. Draft Recommendation on non-binding model contractual terms on data access and use and non-binding standard contractual clauses for cloud computing contracts. 19.11.2025. Haettu 24.9.2026.
Laine, S. 2026. Toimitusjohtaja, Data Rangers Oy. Suullinen tiedonanto 6.10.2026.
Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W., Rocktäschel, T., Riedel, S. & Kiela, D. 2020. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems 33.
Metropolia n.d. Opinnäytetyön vaiheet ja ohjeet. Opiskelijan tietopankki. Haettu 24.9.2026
OpenAI n.d. Human-in-the-loop. OpenAI Agents SDK. Haettu 24.9.2026.
Kirjoittaja
-
Erkki Räsänen
Yliopettaja, Metropolia AmmattikorkeakouluErkki Räsänen työskentelee Metropoliassa pilviteknologian, tekoälyn ja yritysyhteistyön parissa.
Tutustu tekijään
