kun algoritmi kohtaa kulttuuriperinnön
Tekoäly voi tunnistaa kuvasta kohteita, mutta historiallisen kuvan merkitys syntyy myös sen taustatiedoista ja kontekstista. Museoammattilaisen asiantuntemus on keskeistä tekoälyn tuottamien kuvailutietojen arvioinnissa ja täydentämisessä. Kuva: Matti Salonen, 1970-luku. Kymenlaakson museo, yleiskokoelma, YLEV51899:1.
Tekoäly on noussut nopeasti osaksi työelämää, eikä museokenttä ole kehityksen ulkopuolella. Kulttuuriperintöorganisaatioissa tekoälyn mahdollisuudet ulottuvat hallinnollisista tehtävistä kokoelmatiedon käsittelyyn, tutkimukseen, saavutettavuuteen ja asiakaspalveluun. Teknologian käyttöönotto herättää kuitenkin kysymyksiä tiedon luotettavuudesta, eettisyydestä ja asiantuntijatyön tulevaisuudesta.
Museoiden tehtävänä on säilyttää, tutkia ja välittää kulttuuriperintöä. Tämä edellyttää laajojen ja keskenään erilaisten tietoaineistojen hallintaa. Kokoelmiin sisältyy esineitä, valokuvia, asiakirjoja ja niihin liittyvää historiatietoa, jonka kuvailu ja luettelointi vaativat asiantuntijatyötä. Tekoäly voi tarjota uusia välineitä näiden prosessien tukemiseen, mutta sen hyödyllisyys riippuu siitä, miten teknologia yhdistetään museotyön käytäntöihin.
Tekoäly museotyön tukena
Tutkin vuonna 2026 valmistuneessa ylemmän ammattikorkeakoulututkinnon opinnäytetyössäni Tekoälyn soveltaminen museoalalla tekoälyn mahdollisuuksia Merikeskus Vellamon asiakaspalvelussa ja museotyössä. Tutkimukseen sisältyi museohenkilöstön näkemyksiä tekoälyn hyödyntämisestä sekä tarkastelu digitaalisten palveluiden kehittämismahdollisuuksista.
Henkilöstön vastauksissa tekoäly näyttäytyi ennen kaikkea asiantuntijatyötä täydentävänä työvälineenä. Mahdollisuuksia tunnistettiin erityisesti viestinnässä, saavutettavuudessa, kokoelmanhallinnassa ja tiedon käsittelyssä. Samalla esille nousivat tietosuojaan, luotettavuuteen, ympäristövaikutuksiin ja henkilöstön osaamiseen liittyvät kysymykset. Museotyössä tekoälyn hyödyntäminen eroaa monista kaupallisista sovelluksista. Kokoelmatietojen tulee olla mahdollisimman tarkkoja ja jäljitettäviä, sillä virheellinen tulkinta voi siirtyä osaksi aineiston myöhempää käyttöä. Tekoälyn tuottama uskottavalta kuulostava tieto ei siksi sellaisenaan riitä museaalisen tiedon perustaksi.
Kymenlaakson museo mukana Profiumin tekoälypilotissa
Kymenlaakson museo on osallistunut Profium Oy Kontti-kokoelmanhallintajärjestelmän tekoälyominaisuuksien pilotointiin. Kokeilussa on tarkasteltu, miten tekoäly voi tukea kokoelma-aineiston luettelointia, asiasanoitusta ja kuvailua.
Teknisesti ratkaisu perustuu multimodaaliseen Gemma 4 31B -kielimalliin, jota ajetaan Profiumin omilla Suomessa sijaitsevilla palvelimilla. Malli käsittelee kuvia ja tuottaa niistä KOKO-ontologiaan perustuvia asiasanaehdotuksia, OCM-luokituksia sekä vaihtoehtoisia kuvailutekstejä eli alt-tekstejä. Tiedot muodostetaan rakenteistettuina vastauksina, ja asiasanojen sekä luokitusten kuuluminen käytettyihin sanastoihin validoidaan automaattisesti.
Tekoäly on integroitu suoraan Kontin luettelointiprosessiin. Kun käyttäjä lisää objektille kuvan, järjestelmä tuottaa muutamassa sekunnissa ehdotukset luontilomakkeeseen. Museoammattilainen voi tarkistaa, muokata tai poistaa niitä ennen tallennusta. Näin tekoäly toimii asiantuntijan työvälineenä eikä itsenäisenä päätöksentekijänä.
Käytännön kokemukset
paljastavat mahdollisuudet ja rajat
Kymenlaakson museon kuva-arkistotutkijan kokemukset havainnollistavat tekoälyn vahvuuksia ja heikkouksia. Yksi kokeilun lähtökohdista oli ajatus siitä, että tekoäly voisi täydentää luettelointia tunnistamalla kuvista yksityiskohtia, jotka saattavat jäädä ihmiseltä itsestäänselvyyksinä merkitsemättä. Tällaisia ovat esimerkiksi kuvissa näkyvät vuodenajat.
Testauksessa havaittiin kuitenkin myös ongelmia asiasanojen merkityksellisyydessä. Kulttuurihistoriallisessa kuva-aineistossa esimerkiksi asiasana ihmiset voi olla niin yleisluontoinen, ettei se juuri paranna kuvan löydettävyyttä. Selkeänä virhetulkintana tekoäly puolestaan ehdotti juhlatilaisuudesta otettuun valokuvaan asiasanaa arki. Esimerkit osoittavat, ettei kuvantunnistus yksin ratkaise kokoelmatiedon laadullisia kysymyksiä. Tekoäly voi tunnistaa kuvasta henkilöitä, rakennuksia tai vuodenaikaan viittaavia piirteitä, mutta se ei välttämättä ymmärrä, mitkä havainnot ovat kyseisen aineiston kannalta olennaisia.
Erityisen kiinnostavaa oli, ettei tekoäly testissä täydentänyt kuvien historiallista kontekstia. Kuva-arkistotutkija piti tätä tarkoituksenmukaisena: kuvan taustojen selvittäminen ja historiallisen merkityksen tulkinta kuuluvat tutkijalle, eikä tekoälyn ole syytä täydentää puuttuvia tietoja arvauksilla.
Sen sijaan kuvien sisältöä kuvaileva teksti osoittautui hyödylliseksi. Kontin Sisällön kuvaus -kenttään tuotettu teksti soveltui tutkijan kokemuksen mukaan vaihtoehtoiseksi kuvailutekstiksi eli alt-tekstiksi. Tällaisia tekstejä voidaan hyödyntää digitaalisten kokoelmien saavutettavuuden parantamisessa.
Tämä on konkreettinen esimerkki siitä, miten tekoäly voi tukea museotyötä ilman, että sen tarvitsee korvata asiantuntijan tekemää historiallista tulkintaa.
Kehitystyö jatkuu
Profiumin jatkokehityksessä suunnitellaan tekoälyavusteista kuvien massatuontia, jossa järjestelmä voisi käsitellä esimerkiksi 50 kuvaa kerrallaan ja muodostaa niille automaattisesti asiasanat, luokitukset ja alt-tekstit. Samalla kehitetään asiasanoituksen tarkkuutta ja selvitetään hakuavusteisen generoinnin (RAG) hyödyntämistä alt-tekstien laadun parantamisessa.
Keskeisenä tavoitteena on säilyttää asiantuntijan mahdollisuus tarkistaa ja täydentää automaattisesti tuotettua tietoa myös suuria aineistoja käsiteltäessä.
Kohti vastuullista tekoälyn käyttöä
Museoalan tekoälykehityksessä keskeistä ei ole pelkästään teknologian suorituskyky, vaan myös sen soveltuvuus kulttuuriperintöorganisaatioiden perustehtäviin. UNESCO tekoälyn etiikkaa koskeva suositus korostaa muun muassa ihmisen toimijuutta, läpinäkyvyyttä ja vastuullista teknologian käyttöä. Kokoelmanhallinnassa nämä periaatteet konkretisoituvat tiedon alkuperän jäljitettävyydessä, asiantuntijan mahdollisuudessa tarkistaa ehdotukset sekä selkeässä työnjaossa ihmisen ja tekoälyn välillä.
Kymenlaakson museon pilotoinnista saadut kokemukset viittaavat siihen, että tekoäly voi jo nykyisellään täydentää luettelointia ja tukea saavutettavuutta. Laajempi arviointi edellyttää kuitenkin monipuolista testiaineistoa sekä ehdotusten laadun, työajan säästön ja korjaustarpeen systemaattista mittaamista. Tekoälyn hyödyntämisen tavoitteena ei tulisi olla mahdollisimman suuren tietomäärän automaattinen tuottaminen, vaan kokoelmatiedon laadun, löydettävyyden ja käytettävyyden parantaminen.
Voidaan kuitenkin todeta, että tekoäly voi tunnistaa, mitä kuvassa näkyy. Museoammattilainen taasen ymmärtää, miksi kuva on merkityksellinen.
Näiden kahden osaamisen yhdistäminen tarjoaa lupaavan suunnan museotyön tulevaisuudelle. •
Lähteitä:
Lehtinen, L. (2026). Tekoälyn soveltaminen museoalalla. YAMK-opinnäytetyö, Hämeen ammattikorkeakoulu. https://urn.fi/URN:NBN:fi:amk-2026061224796
Profium Oy (2026). Kontti-kokoelmanhallintajärjestelmän tekoälyominaisuuksien tekninen toteutus ja jatkokehityssuunnitelmat. Yrityksen toimittama selvitys.
Kymenlaakson museo (2026). Kuva-arkistotutkijan kokemukset Kontti-järjestelmän tekoälyominaisuuksien pilotoinnista. Julkaisematon käyttäjäpalaute.
UNESCO (2021). Recommendation on the Ethics of Artificial Intelligence.
Lasse Lehtinen, insinööri (ylempi AMK), digituottaja, Kymenlaakson museo