Osuva kehotteiden laatiminen on tekoälyn käytön avaintaitoja opinnoissa ja asiantuntijatyössä. Kun lukee kehotesuunnittelun tekniikasta esimerkiksi oikeustieteen, biotieteiden tai tekniikan alan tutkimusjulkaisuista, promptaaminen näyttäytyy tavalliselle tekoälyn käyttäjälle yllättävän vaativana. Artikkelissa aihetta demystifioidaan ja rohkaistaan kehotteiden laatijaa aktivoimaan taitoja, joita hänellä varmasti jo on.
Tutkittuja ja tarjottuja malleja
Kehotteiden kirjoittamista on vilkkaasti tutkittu viime vuosina (mm. Giray 2023; Oppenlaender, Linder & Silvennoinen 2024; Knoth, Tolzin, Janson & Leimeister 2024; Yu, Quartey & Schilder 2023; Federiakin, Molerow, Zlatkin-Troitschanskaia & Maur 2024). Siitä on laadittu myös paksuja alakohtaisia oppikirjoja (esim. Heston 2023).
Eri alojen julkaisuissa on esitelty liuta malleja ja viitekehyksiä, joilla on niminä kryptisiä akronyymejä, kuten COSTARS (Techie 2024), R.A.C.E (Pelttari n.d.), AI PROMT (Korzyński, Mazurek, Krzypkowsk & Kurasinski 2023) ja CLEAR (Lo 2023). Esimerkiksi opetuksen ja liiketoiminnan suunnittelussa muutoin käytetyt mallit on valjastettu niissä tehopromptaamisen tueksi tai tarpeeseen on sanoitettu uusia kaavoja (esim. Juro 2023; Walia 2023). Mallit tarjoavat konseptoituja strategisia lähestymistapoja pyytää tekoälyltä vastausta kysymykseen tai ratkaisua ongelmaan. Tavoitteena on tehostaa kehotemuotoilua tavalla, joka saattaa tavallisesta kirjoittajasta tuntua toisarvoiselta (Kraljic & Lahav 2024), etenkin kun niiden toimivuudesta ei ole täyttä varmuutta.
Rakenteiset mallit ovat kuitenkin varsin arkijärkisiä, ja yhden nähtyään ne kaikki tuntuvat tutuilta: sisältö on sama, vain esitettyjen vaiheiden järjestys vaihtelee. Esimerkiksi käy kehotteen kirjoittaminen COSTARS-mallin vaiheistusta soveltaen.
Context (konteksti): Olet tekoälyavustaja, joka auttaa sosiaali- ja terveysalan opiskelijoita ymmärtämään tekoälyn perusteita.
Objective (aihe): Laadi selkeä ja ytimekäs selitys siitä, mitä on koneoppiminen.
Style (tyyli): Yleistajuinen ja opettava.
Tone (sävy): Kannustava ja innostava.
Audience (kohderyhmä): Ammattikorkeakoulun 1. lukukauden opiskelijat.
Response (vastausmuoto): Kirjoita noin 300–400 sanan pituinen teksti opetuskäyttöön.
R. A. C. E.-mallin nimi taas tulee englannin kielen sanoista Role, Action, Context ja Expectation tai Execute. Suomeksi kehotteen osat siinä ovat: vastaajalle annettu rooli, tehtävänanto, kontekstitieto ja odotettu tekstilaji tai sisältö (Pelttari n.d.).
Myös eri palveluntarjoajilla, kuten Microsoftilla (n.d.) on verkossa kehotesuunnitteluun omia ohjeistuksiaan. Kokemukseni mukaan kuitenkin itse kokeilemalla saman osumatarkkuuden saavuttaa nopeasti.
Kehotteiden tekeminen edellyttää kirjoitustaitoa, mutta ei vaadi kuitenkaan mahdottomia. Useimmiten kehotteiden selkeys ja käyttäjän sitkeys riittävät (Vuorijärvi 2024; Saadioui 2025). Koneen käyttäjän on toki hyvä myös tietää, mitä pellin alla on: mitkä esimerkiksi ovat suuria kielimalleja käyttävien tekoälysovellusten tekniset mahdollisuudet ja rajat (ks. esim. Lahtinen, Kauttonen, Suonpää & Asikainen 2024). Suhteellisuudentajusta on hyötyä, mutta koodaamistaitoja kehotteiden kirjoittajalta ei kysytä. Malleista saa hyvää suuntaa kehotteille, etenkin kun etsii tiettyä täsmätietoa, mutta yleensä tilanteinen kokeilu ja soveltaminen ovat välttämättömiä (Kauttonen 2024).
Kriittisintä oikeastaan on kasvaa kriittiseksi: oppia tunnistamaan omien kehotteittensa relevanttius ja tekoälyltä saatujen vastausten paikkansapitävyys, kattavuus ja ajantasaisuus. Käyttäjän on hyvä myös huomata, että vastausten taustalla olevat tekoälymallit päivittyvät usein. Niinpä tänään täydellisesti toimiva kehote saattaakin ylihuomenna tarjota aivan toisenlaisia tuloksia. Tarjotun tiedon toimivuus käy ilmi vasta vastauksia ja niiden arvoa punnittaessa, ja siihen taas tarvitaan nimenomaan kriittistä lukutaitoa: erityisesti tekstin tekijyyden ja luotettavuuden arviointia. Rogersin ja O’Danielsin (2015) mukaan kriittisen reflektion tulisi kohdistua myös itseen ja omaan toimintaan, ja tekoälyajalla tämä vaade nousee entistä vahvemmaksi.
Kehotemuotoilu – kommunikaatiota
Joskus tuntuu kuin viestinnän ja vuorovaikutuksen perustaidot kaikkoaisivat, kun otetaan yhteys suuria kielimalleja käyttäviin tekoälysovelluksiin kuten ChatGPT, Gemini, Perplexity tai Copilot. Kenties Google on opettanut meidät kirjaamaan hakukenttään pelkät hakusanat ja unohtamaan, että kysyminen ja vastaaminen ovat pohjimmiltaan vastavuoroisia, toisiaan täydentäviä kommunikatiivisia perustoimintoja. Ne etenevät sykleinä ja iteratiivisesti, kuten keskustelu, joka viriää, polveilee, syvenee ja lähtee joskus jopa lentoon – tai latistuu alkuunsa, kun yhteistä aaltopituutta ei löydykään.
Generatiivisen tekoälyn kanssa kommunikoidaan kielen avulla, kirjoittaen, ja siihen pätevät pitkälti samat lait kuin viestintään ja kielelliseen vuorovaikutukseen muutenkin (Lahtinen ym. 2024). Tähän suuntaan vuorovaikutusta ihmisen ja tekoälyn välillä – onneksi – tavoitteellisesti myös kehitetään (Kraljic & Lahav 2024). Hyvä kysymys tai vastaus ei synny sattumalta, vaan se rakentuu suhteessa tilanteeseen, tavoitteeseen ja keskustelukumppaniin – olipa tuo kumppani ihminen tai kone.
Kuin kilauttaisit kaverille
Mietipä, mitä ja miten kysyt, kun kilautat hädässä kaverille tai tiedustelet kollegalta kesken työpäivää, mikä homma ja missä mennään. Jotta pääsisitte samalle sivulle, kerrot, onko ongelma omasi vai kaverin puolestako kyselet, mihin asia liittyy, mitä tahdot tietää ja kuinka virallisista tai vakavista faktoista onkaan kyse. Kaikkea et kuitenkaan heti kättelyssä kuulijalle vyörytä, vaan yleensä asia kuin asia sopii pilkkoa osiin tai vaiheisiin. Tavallisesti tiedät myös, keneltä mistäkin asiasta kannattaa kysyä ja mitä sanoja käyttää. Kehoteketju toimii periaatteessa samoin (esim. Laddha 2024; Lahtinen ym. 2024). Saat sitä, mitä ja miten tilaat. Jos et heti saa, jatka. Tarkenna ja toista. (Esim. Kauttonen 2024.)
Voit pyytää tekoälyä ottamaan myös roolin, jossa se sinulle vastaa, elleivät muut antamasi tiedot riitä rajaamaan vastauksen alaa oikein (esim. Pelttari n.d.). Kokeile vaikka, miten samaan kysymykseen vastaisivat apteekkari, terveydenhoitaja ja osteopaatti – tai toiseen kysymykseen ostaja ja myyjä.
Kehotteiden keksimisen ei periaatteessa pitäisi vaatia enempää – tai vähempää – kuin vuoropuhelu asiantuntijan tai muun valitsemasi informantin kanssa (Kraljic & Lahav 2024), jonka tiedät itseäsi osaavammaksi ja valmiiksi vastaamaan tiedontarpeisiisi mahdollisimman suoraan ja rehellisesti.
Varmista, varmista ja varmista
Eroa inhimilliseen vuorovaikutustilanteeseen verrattuna silti on: generatiivisen tekoälyn asiantuntemuksesta aiheessasi et koskaan voi olla täysin varma. Huomaat, että koneen rajat tulevat pian vastaan, ellet syötä sille riittävästi relevanttia taustatietoa. Et voi luottaa siihen kuin hyväntahtoiseen ystävään tai tuttuun työterveyslääkäriin, vaan tekoälyn vastaus on aina luettava kriittisesti arvioiden. Jos huomaat puutteita, uskalla reilusti epäillä. Tekoälylle voi onneksi vapaasti väittää vastaan. Voit myös vaatia siltä toistuvasti lisätietoa ja pyytää lähteitä väitteiden vakuudeksi. Jos niitä ei löydy, vastauksen voinee ohittaa sepitteen veroisena.
Korkeakouluopinnoissa on olennaista, että hankittava osaaminen pohjaa tutkimukseen ja asiantuntijatietoon, ei tekaistuihin lähteisiin tai tarkistamattomiin faktoihin (Diery, Vogel, Knogler & Seidel 2020). Opetuskeskusteluissa sanotaan usein, ettei tyhmiä kysymyksiä ole, mutta jos onkin, tekoäly ei siitä välitä. Jatka keskustelua, tarkista sisältöä autenttisista lähteistä tai vaihda toiseen työkaluun, kunnes asiasi on varmasti pläkkiselvä. Toisinaan on hyvä huomata, ettei tekoäly tiedäkään aivan kaikkea, vaan tiedot kannattaa hankkia muualta.
Kohti luontevaa vuorovaikutusta
Treenaamalla kehotteita edistyt – sekä promptaamistaidoissasi että kirjoitustehtävissäsi. Kysymysten ja vastausten vuorottelun kautta erehdyt tai opit. Tai oikeastaan joka tapauksessa opit. Kehotteita kokeillessasi huomaat pian, että hyvin kysytty on usein jo puoliksi vastattu.
Tekoälysovellusten vuoropuhelutaito kehittyy myös nopeasti (Kraljic & Lahav 2024). Jo nyt ne tarjoavat vastausten ohessa palautetta, jonka avulla kysyjä voi fokusoida seuraavaa kehotetta. Niin ikään ennustetaan, että sovellukset oppivat koko ajan paremmin lukemaan koneen käyttäjän haparoivia ja epämääräisiä kysymyksiä. (Bains 2023; Kraljic & Lahav 2024.) Samalla kehotetekniikoiden hiomispaine ja ehkä niiden hypetyskin vähenevät (Acar 2023; Kauttonen 2024; Julien 2025). Tekoäly reagoi fiksusti myös seka- tai rinnakkaiskielisiin komentoihin. Vuorovaikutuksesta sen kanssa tulee koko ajan kotoisampaa ja luontevampaa – ilman eri formuloita.
Mieti, mitä sitten teet
Lopulta jää enää huoleksi, mitä tekoälyltä saamillasi vastauksilla teet. Rakennatko niillä sillan vai keitätkö kookoscurryn? Vai kokoatko pohjista projektiaikataulun, pidätkö presentaation vai teetkö tietoja muokkaillen ja täydentäen vuosikertomuksen, asiantuntija-artikkelin tai opinnäytetyön? Vastauksesta ja viestisi tarkoituksesta riippuen jatko saattaakin käydä promptailuvaihetta mutkikkaammaksi.
Yleensä saadusta saldosta seuraa kirjoittajan valintoja ja vastuuta sekä eettistä harkintaa ja laadun arviointia. Jos seuraamukset koskevat muitakin ihmisiä tai yhteisöjä tai jos kehotteiden kautta kehkeytynyt tekstituotos on julkinen dokumentti, oman ammatin ja taustatieteenalan työ- ja tarkastelutavat on taas tarpeen kerrata. Kriteerit lopputulosten tarkasteluun ovat useimmiten alakohtaisia (Bauer, Greif, Graesser, Schreiter & Sailer 2025), niin humanistisissa kuin insinööritieteissäkin, ja vasta tulosten vastuullinen käyttö kertoo kehotteiden onnistuneen.
Lähteet
Acar, O. A. 2023. AI prompt engineering isn’t the future. Harvard Business Review. Haettu 12.5.2025.
Bains, C. 2023. AI prompt engineering: learn how not to ask a chatbot a silly question. Haettu 11.5.2025.
Bauer, E., Greiff, S., Graesser, A.C., Schreiter, K. & Sailer, M. 2025. Looking beyond the hype: Understanding the effects of AI on learning. Educational Psychology Review 37, 45.
Diery, A., Vogel, F., Knogler, M. & Seidel, T. 2020. Evidence-based practice in higher education: Teacher educators’ attitudes, challenges, and uses. Frontiers in Education 5.
Federiakin, D., Molerow, D., Zlatkin-Troitschanskaia, O. & Maur, A. 2024. Prompt engineering as a new 21st century skill. Frontiers in Education 9.
Giray, L. 2023. Prompt engineering with ChatGPT: A guide for academic writers. Annals of Biomedical Engineering 51(12), 2629–2633.
Heston, T. F. 2023. Prompt engineering for students of medicine and their teachers. arXiv.
Julien, G. 2025. Prompt engineering: The most overhyped skill of 2025? LinkedIn 12.3.2025. Haettu 17.5.2025.
Juro 2023. A guide to legal prompt engineering. The Juro Knowledge Team. Haettu 12.5.2025.
Kauttonen, J. 2024. Hyvän promptauksen periaatteet tietotyön tekijöille. Tärkeissä töissä. Haettu 17.5.2025.
Knoth, N., Tolzin, A., Janson, A., Leimeister, J. M. 2024. AI literacy and its implications for prompt engineering strategies. Computers and Education: Artificial Intelligence. Haettu 12.5.2025.
Korzyński, P., Mazurek, G., Krzypkowska, P. & Kurasinski, A. 2023. Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT. Entrepreneurial Business and Economics Review 11(3), 25–37.
Kraljic, T. & Lahav, M. 2024. A human-centered approach to AI interfaces. Interactions 31(3), 30–35.
Laddha, A. 2024. Is prompt engineering a tech skill or communication skill? LinkedIn 28.4.2024. Haettu 17.5.2025.
Lahtinen, A., Kauttonen, J., Suonpää, M. & Asikainen, M. 2024. Muutosvoimaa tekoälystä – johtajan ja työntekijän käsikirja tekoälyn ensiaskeleihin. Haaga-Helia julkaisut. Helsinki: Haaga-Helia ammattikorkeakoulu.
Lo, L. S. 2023. The art and science of prompt engineering: A new literacy in the information age. Internet Reference Services Quarterly, 27(4), 203–210.
Microsoft n.d. Parempia tuloksia Copilot-kehotteiden avulla. Haettu 11.5.2025.
Oppenlaender, J., Linder, R., & Silvennoinen, J. 2024. Prompting AI art: An investigation into the creative skill of prompt engineering. International Journal of Human–Computer Interaction, 1–23.
Pelttari, J. n.d. Tekoäly tutuksi – Promptauksen perusteet. Oikio. Haettu 12.5.2025.
Rogers, R., & O’Daniels, K. 2015. Critical literacy education. Teoksessa Rowsell, J. & Pahl, K. (toim.) The Routledge Handbook of Literacy Studies, 62–78. London & New York: Routledge.
Saadioui, Z. 2025. The importance of clarity in prompt engineering for AI. Asturn. Haettu 17.5.2025.
Techie, T. 2024. Unleashing the power of COSTAR: A Journey into structured GPT prompting. Medium. Haettu 12.5.2025.
Vuorijärvi, A. 2024. Asiantuntija tanssii tekstien kanssa 2/2: Kirjoittajan ja tekoälyavustajan vuorovaikutus. Sotemuotoilijat. Helsinki: Metropolia Ammattikorkeakoulu. Haettu 12.5.2025.
Walia, A. S. 2023. ChatGPT power prompts – Cheatsheet C.R.E.A.T.E framework for prompting. Medium. Haettu 12.5.2025.
Yu, F., Quartey, L. & Schilder, F. 2023. Exploring the effectiveness of prompt engineering for legal reasoning tasks. Findings of the Association for Computational Linguistics, 13582–13596.
Kirjoittaja
-
Aino Vuorijärvi
Yliopettaja, Metropolia AmmattikorkeakouluAino Vuorijärvi on suomen kielen ja viestinnän yliopettaja, joka arvostaa hyvin hengittäviä tekstejä, mutta myös dialogia sananarvauskoneen kanssa.
Tutustu tekijään
