Osa 2. Kasvu investointien avulla
Jatketaan tässä kirjoituksessa Sitran Kasvuatlas 2026 -raportin käsittelyä, nyt keskityn Tuotantopääoma -osuuteen. Raportissa määritellään tuotantopääoman koostuvan aineellisesta ja aineettomasta pääomasta:
- Koneet, laitteet, rakennukset, infrastruktuuri
- Ohjelmistot, data, tutkimus – ja kehitystoiminta
- Organisaatiot, toimintamallit, yritysten osaaminen
Raportissa vertauskuvana käytetään metsurin työtä ja siinä käytettyjä välineitä. Suurin osa metsätyöstä tehdään nykyään koneellisesti, mutta vertauskuva puhuttelee maatalon poikaa niin hyvin, että jatkan sen käyttämistä.
Tuotantopääomaan panostaminen ei tarkoita pelkästään metsurin sahan teroittamista, vaan myös tehokkaamman moottorisahan hankkimista, esim. GPS:n käyttämistä leimikoiden tunnistamisessa. Tietysti jos GPS-häirintä ei aiheuta Kummeli -tilannetta: https://www.youtube.com/watch?v=OTV9P7e9MLE
Toki Kummelin metsämiehet käyttivät karttaa, joten ehkä heillä olisi ollut GPS:n kanssa sittenkin parempi onni oikean palstan löytämisessä. Tässä tilanteessa investointi GPS -laitteeseen olisi siis ollut kannattavaa.
Kummelin videopätkästä voidaan vetää ainakin seuraavat johtopäätökset:
- Ahkera työnteko ei riitä, jos työpanos suunnataan väärään paikkaan
- Onnistunut lopputulos edellyttää monipuolista osaamista, olipa kyseessä kartta tai GPS-laite
Kumpikin näistä kohdista osuu tuotantopääoman alaisuuteen, eli oikeiden laitteiden ja osaamisen avulla metsurit olisivat heti osanneet kaataa puut oikeasta paikasta. On siis tehtävä oikeita asioita oikeilla välineillä ja mielellään vielä oikeaan aikaan.
Tämän tilan saavuttaminen edellyttää investointeja. Valitettavan monessa yrityksessä laitteisiin investoinnit nähdään enemmän kuluna kuin kasvun mahdollistajana. Tämä johtunee ainakin osittain siksi, että laitteiden kasvupotentiaalia ei pystytä lunastamaan. eikä siksi haluta tehdä investointia ennen kuin edellinen laite on loppuun käytetty. Tarvitaan siis osaamista laitteiden, ohjelmistojen tms. käyttämiseksi. Eli aineettomia investointeja. Yhtälö toimii myös toisinpäin, pelkkä koulutus ei riitä kasvun aikaansaamiseksi ilman tarvittavia laitteita, ohjelmistoja tai muita tuotantopääoman osia.
Osaaminen kuuluu enemmän edellisessä kirjoituksessa käsittelemäni inhimillisen pääoman puolelle. Ilmeistä kuitenkin on, että inhimillinen pääoma ja tuotantopääoma ovat tiiviisti kytköksissä toisiinsa. Kasvun aikaansaaminen tarvitsee panostusta molempiin.
Tutkimus- ja kehitystyötä tarvitaan
Onnistuneiden investointien taustalla piilee ainakin hieman tutkimus- ja kehitystyötä. Mutu -tuntumalla tehdyt investoinnit harvoin onnistuvat. Se, kuinka suuren mittakaavan T&K -työtä tehdään, riippuu yrityksen koosta ja käytettävistä resursseista. Mitä isompi yritys, sitä enemmän usein panostetaan. Myös toimiala vaikuttaa T&K -panostuksen tarpeeseen. Joka tapauksessa T&K -toiminnalla on olemassa selkeä yhteys tuottavuuden kasvuun. Siksi myös pienten yritysten tulee ottaa tämä asia vakavasti. Jos sinun yrityksesi ei sitä tee, kilpailijasi kyllä tekevät.
Tässä vaiheessa Sitran raportissa asioiden tarkastelu siirtyy niin paljon lintuperspektiiviin, että pysyn kirjoituksessani lähempänä maan pintaa ja pienempien yritysten arkea. Suosittelen kuitenkin raportin lukemista, kokonaiskuvan ymmärrys antaa edellytyksiä asioiden yksityiskohtaisempaan tarkasteluun.
Hypätään siis pienten alle 100 hengen asiantuntijayritysten maailmaan.
Tuottavuus, tekoäly ja tulevaisuus
Sitran raportissa tekoäly nostettiin erääksi merkittävämmäksi tekijäksi tuottavuuden kasvattamisessa. Keskityn siksi siihen kirjoituksessani.
Tekoälyä käsittelin jo Reikäkorteista tekoälyyn, eli miten pelin sääntöjä muutetaan -kirjoituksessa. Siinä toin esiin BCG:n raportin tekoälyn hyödyntämisestä liiketoiminnan kehittämisessä. Nostan esiin yhden kriittisimmän raportissa esitetyn johtopäätöksen: Pohjoismaissa yritykset hankkivat valmiita tekoälytuotteita, jotka sitten siirretään osaksi nykyisiä prosesseja. Tarkoitus on parantaa nykyisten prosessien tehostamisen kautta tuottavuutta. Tulokset ovat jääneet raportin mukaan vaatimattomiksi.
Tämä on merkittävä tekijä asiantuntijayritysten tuotantopääoman kehityksessä. Jos yrityksessä investoidaan tekoälysovelluksiin, panostetaan teknologiselle puolelle, pitää huolehtia myös osaamisen kehittämisestä. Eli varmistetaan käyttäjien osaavan hyödyntää hankittuja välineitä mahdollisimman tehokkaasti.
Tällöin syntyy mahdollisuus tuottavuuden parantamiseen. Ohjelmiston tai laitteen käyttöosaaminen ei yksin riitä. Olipa sitten kyseessä fyysinen laite tai tekoälyagentti, sen liittäminen osaksi tuotantoprosessia on myös olennaista. Eli tehdään oikeita asioita oikeilla välineillä oikeaan aikaan. Jos ketjun jokin osa ei toimi, seurauksena on iso joukko ongelmia.
Lisäksi tässä tilanteessa on olemassa vielä isompi ongelma. Kuten BCG:n raportissa kerrotaan, tekoälyä käytetään nykyisen liiketoiminnan prosessien tehostamiseen. Äkkiseltään ajateltuna tämä tuntuu perustellulta etenemistavalta, jonka avulla vältetään liian suuret riskit.
Asiasta on olemassa paljon muutakin tutkimustietoa. Esimerkiksi Gartnerin raportti "AI Shockwaves: The Real Disruptors Beyond the Productivity Boom", McKinseyn "Deep Dive into McKinsey’s The State of AI in 2025: From “Everyone Using AI” to “A Few Using It Well” sekä PWC:n "2026 AI Business Predictions" -raportti ovat hyviä tiedon lähteitä.
Kaikki nämä kertovat samaa viestiä: Tekoälyn käyttö on kokeilu- tai alkuvaiheessa, sitä käytetään rajattuihin liiketoiminnan osiin, merkittävää arvonluontia ei ole vielä syntynyt. Osa raporteista on sen verran vanhoja, että muutosta arvonluonnin määrässä on tapahtunut varmaan jonkin verran, mutta kokonaiskuva ei ole muuttunut.
Liiketoiminnan rakenteissa ei siis ole tapahtunut suurta muutosta, liiketoimintamalleja ei ole suunniteltu uudelleen, kilpailuetu syntyy edelleen samoista tekijöistä, uusia tulolähteitä tai markkinoita ei ole suuressa määrin syntynyt. PWC:n mukaan organisaatiot saavuttavat kyllä tehokkuusparannuksia siellä, tuotantokapasiteetin kasvua täällä, mutta kokonaistulokset ovat jääneet melko vaatimattomiksi. Käytännössä valtaosa tekoälyhypestä kohdistuu nykyisten prosessien tehostamiseen.
Tietyllä tapaa pienet asiantuntijayritykset ovat suuria yrityksiä paremmassa asemassa. Heidän on helpompi tehdä merkittäviä laajempia uudistuskokeiluja rajatuilla markkina-alueilla. Jos tavoitellaan isoja muutoksia, niitä on uskallettava tehdä, mielellään hallitusti.
Tulevaisuuden pysyvä kilpailuetu, merkittävä tuottavuuden, kannattavuuden ja tehokkuuden parannus saavutetaan siis muulla tapaa kuin nykyisten prosessien kehittämisellä.
Tekoäly ja taloushallintoala
Otan tarkastelun alle taloushallintoalan, jolla olen työskennellyt yli 20 vuotta. Ala on siis riittävän tuttu, jotta pystyn käyttämään sitä pohjana pohdinnalleni.
Suurimmista ohjelmistoista Netvisor, Procountor ja Fennoa ovat panostaneet tekoälytoimintojen tuomiseen osaksi ohjelmistoja. Edellä esitetyn mallin mukaan nämäkin toiminnallisuudet ovat mukana parantamassa nykyisten toimintojen tehokkuutta, eivät luomassa uutta. Talenomin kehittämä oma ohjelmisto on tietyllä tapaa edellä muita, koska siellä lähestymistapa eroaa muista. Siksi heidän on ollut helpompi luoda uutta, koska rasitteena ei ole riittävän hyvin toimivaa ohjelmistoa. Vanhaan ohjelmistoon isojen rakenteellisten muutosten tekeminen on hankalaa, koska teknologinen ratkaisu rajoittaa tulevaisuuden vaihtoehtoja.
Vastaava kehitys on nähty noin 10 vuotta sitten Tikon -ohjelmiston kohdalla. Tikon oli pitkään taloushallinnon alan ohjelmistojen markkinajohtaja. 2000 -luvulla kehitys kuitenkin ajoi Tikonin kiinni, yrityksistä huolimatta ohjelmistoa ei saatu enää kehitettyä tarpeeksi vastaamaan kilpailijoiden toiminnallisuuksiin. En nyt ole sanomassa, että esimerkiksi yksikään edellä mainituista ohjelmistoista kokee Tikonin kohtalon, mutta selvää on, että niiden pitää pystyä kehittymään merkittävästi nykyisestä.
Maailmalla on kaksi esimerkkiä ohjelmistoista, jotka voivat mahdollisesti antaa kuvan siitä, mikä on suomalaisten taloushallintosovellusten tulevaisuus. Näitä ovat amerikkalainen Intuit -yhtiön QuickBooks -sovellus ja brittiläinen Sage Group plc:n Sage -ohjelmisto. Molemmilla historia ulottuu 1980 -luvun alkuun, kummallakin on vankka markkina-asema, QuickBooksilla USA:ssa ja Sagella Euroopassa.
Näistä kahdesta ohjelmistosta merkittäviä tekee heidän lähestymistapansa tekoälyyn. Kun suomalaiset ohjelmistot keskittyvät prosessiautomaatioon, nämä kaksi sovellusta ovat keskittyneet enemmän interaktiiviseen toimintatapaan. QuickBooksilla on käytössä oma tekoäly, Sage käyttää Copilot -tekoälyä. Ohjelmistojen toiminta-ajatus lähtee keskustelunomaisesta käyttäjäkokemuksesta, kun suomalaisilla taas enemmän perinteisistä taloushallinnon prosesseista.
Nykyisyyttä olennaisempaa on tietysti tulevaisuus. Nopeasti arvioiden suomalaisten sovellusten muutosmatka tekoälyn parempaan hyödyntämiseen on pidempi kuin kansainvälisillä kumppaneillaan. Johtuen juuri tuosta lähestymistavan erosta. Procountorin, Netvisorin tai Fennoan ei tarvitse toistaiseksi olla suuresti kuitenkaan huolissaan kansainvälisistä kilpailijoistaan, koska taloushallinnon sovellusten lokalisointi on aina iso projekti ja Suomi on niille liian pieni markkina-alue. Mutta ainakin itse seuraisin tiukasti näiden kahden ohjelmiston kehitystä, koska ne näyttävät tällä hetkellä olevan globaalisti alan kehityksen suunnannäyttäjien kärkijoukoissa. Tämän hetken Suomen kärkisovelluksista Talenomilla voisi ehkä olla parhaat edellytykset siirtyä tulevaisuudessa kehityksen kärkeen.
Kolikolla on tässäkin toinen puoli. Vaikka ohjelmistot olisivat pitkälle kehittyneet tekoälyn käytössä osana taloushallintoa, pitää tilitoimiston osata hyödyntää tuo potentiaali. Tilitoimistolla pitää olla riittävä osaaminen, ymmärrys ja oma liiketoimintamallinsa. Sen sijaan, että tilitoimistot keskittyisivät viilaamaan omia nykyprosessejaan, he voisivat menestyä paremmin tulevaisuudessa rakentamalla liiketoimintamallinsa kokonaan uudelleen tekoälylähtöisesti.
Toki tämä edellyttää kokonaan uudenlaista osaamista tekoälyn käytössä. Mutta jos kehitys etenee tätä vauhtia, tekoäly mahdollistaa itse itsensä paremman hyödyntämisen ja kehittämisen. Tämä tarkoittaa pitkälle räätälöityjen ohjelmistoagenttien luomisen, jotka käsittelevät määrättyä dataa määrätyllä tavalla.
Tällä hetkellä on jo mahdollista luoda tekoälyagenttien ketjuja, jotka toimivat itsenäisesti ja ihminen toimii valvovassa roolissa. Todennäköisesti ohjelmistotalot avaavat sovelluksiaan entistä enemmän ne muuttuvat tekoälypohjaisiksi ”agenttikeskuksiksi”. Jos tilitoimistossa on riittävästi osaamista, pystyvät he tekemään omia agenttejaan. Tällöin kilpailuetu siirtyy uuteen paikkaan, kilpailukyvyn ylläpitäminen edellyttää täysin uutta osaamista.
Iso muutos lähtee siis todennäköisesti enemmän tilitoimistojen suunnasta, jotka haluavat kehittää omaa liiketoimintaansa ja heillä on siihen suurempi tarve verrattuna ohjelmistotaloihin.
Sama logiikka kuin taloushallinnon alalla, pätee myös muille aloille. Jokaisella alalla muutos on kuitenkin omanlaisensa. Niin laajaan kuvaan ei minunkaan kristallipalloni näkyvyys riitä.
Yhteenvetona kuitenkin totean, että merkittävä muutos lähtee aina alan sisältä. Ja silloin kun joku tekee ensimmäisen ison liikkeen, ketsuppipullon korkki aukeaa. Muiden toimijoiden on lähdettävä muuttamaan liiketoimintansa rakenteita, pysyäkseen kilpailussa mukana.
Merkittävien muutosten aikaansaaminen vaatii uskallusta ajatella uudella tavalla. Ja uusilla tavoilla ajattelu onnistuu myös pienissä yrityksissä.
Terveisin
Petri
