Vivicta julkisti 25.8.2026 kumppanuuden ServiceNow'n kanssa rakentaakseen AI-first-mallin, jossa tekoäly on sisäänrakennettu palveluiden suunnitteluun, operointiin ja jatkuvaan parantamiseen. Suomessa tekoälyn käyttöaste kasvaa, mutta tuottavuushyödyt jäävät jälkeen: BCG:n Nordic AI -raportin mukaan vain 3 % organisaatioista saavuttaa merkittävää tuottoa. SD Worxin tutkimus osoittaa, että moni organisaatio on jumissa välitilassa. AI Finland & Business Finlandin (2026) mukaan edistyneiden yritysten määrä on yli nelinkertaistunut kahdessa vuodessa, mutta yli puolet organisaatioista on edelleen tekoälyn arviointivaiheessa. Vivictan Nordic AI Navigator -tutkimus (340 päätöksentekijää) vahvistaa, että ongelma ei ole investointitaso vaan työtapojen muutos.
Vivicta on rakentanut strategisen kumppanuusrakenteen ServiceNow'n kanssa ja asemoitunut sekä ongelman tunnistajaksi (Nordic AI Navigator -tutkimus) että ratkaisun tarjoajaksi (ServiceNow-kumppanuus). Tämä suljettu silmukka — sama toimija diagnostisessa ja prognostisessa roolissa — on taktisesti vahva asema. Legitimiteettiä vahvistavat Microsoftin 'Frontier Firm' -tunnustus ja ISG-arviointivoitot. Organisaatio on siirtynyt perinteisestä automaatiosta uutta etsivään oppimiseen rakentamalla kyvykkyyspohjaa agenttipohjaisten työnkulkujen ympärille. ServiceNow'n AI Control Tower -hallintakehys laajentaa asemointia koko yrityksen tekoälyn hallintaan, ei vain ServiceNow'n omiin ratkaisuihin.
Suomalaisessa tekoälykeskustelussa kilpailee tällä hetkellä neljä kehystä. (1) AI-first-tehokkuuskehys (Vivicta & ServiceNow): tekoäly on rakennettava palveluiden ytimeen, ei lisätty päälle — kehys lupaa älykkäämpiä työnkulkuja ja dataohjattua toimintaa. (2) Suomen tuottavuusparadoksikehys (Vivicta, BCG, SD Worx): Suomi investoi mutta tulokset jäävät, koska työtapoja ei muuteta — diagnostinen kehys, joka resonoi vahvasti omaan dataan nojaten. (3) Suvereniteetti- ja luottamuskehys (pohjoismaiset IT-päätöksentekijät, julkinen sektori): lähes puolet pohjoismaisista vastaajista suhtautuu varauksella globaalisti ylläpidettyihin tekoälymalleihin — kehys korostaa datahallintaa, yksityisyyttä ja kansallista kontrollia. (4) Agenttivallankumouksen uhka- ja mahdollisuuskehys (ServiceNow, teknologiamedia): copilot-aikakausi on ohi, nyt eletään agenttiaikakautta — kehys luo kiireen tunteen, mutta resonoi Suomessa vasta osittain, sillä generatiivisen tekoälyn käyttöaste on alhaisempi kuin Norjassa.
Vain 41 % suomalaisista organisaatioista on tehnyt linjaukset tekoälyn eettisestä ja vastuullisesta käytöstä HR:ssä — yli 59 %:lta pohjatyö on tekemättä (SD Worx). Lähes puolet pohjoismaisista vastaajista suhtautuu varauksella globaalisti ylläpidettyihin tekoälymalleihin (Nordic AI Navigator). Professio-tutkimus (2026) tunnistaa, että kiire, epäselvät rakenteet ja puutteellinen vaikuttavuuden seuranta hidastavat todellista muutosta. Huoli ei ole muutosvastarintaa, vaan perusteltua varovaisuutta tilanteessa, jossa eettinen ja rakenteellinen pohjatyö on kesken. EU AI Actin vaatimukset lisäävät paineita linjausten kiirehtimiseen.
Kolme heikkoa signaalia ansaitsee erityistä huomiota. Ensimmäinen: ServiceNow'n AI Control Tower voi muuttaa tekoälyhallinnan vastuunjakoa pohjoismaisissa organisaatioissa — jos yksi alusta toimii koko yrityksen tekoälyn hallintakerroksena, syntyy uusi rakenteellinen käytäntö, joka joko vahvistaa tai neutraloi suvereniteettikehyksen. Toinen: suomalaisyritysten kahtiajako syvenee, eikä oppiminen siirry edistyneiltä organisaatioilta hitaammille — kehyskilpailun voittaa se toimija, joka onnistuu madaltamaan kynnyksen uutta etsivään oppimiseen myös arviointivaiheessa oleville organisaatioille. Kolmas: tekoälyagenttien yleistyminen siirtää havainnollisen laukaisimen ihmiseltä datan poikkeamalle — organisaatiooppiminen voi nopeutua radikaalisti, mutta inhimillinen ymmärrys siitä, mitä ja miksi opittiin, voi heikentyä.
Väitteiden taustat ja lähdeviitteet
Vivicta julkisti 25.8.2026 kumppanuuden ServiceNow'n kanssa tavoitteenaan rakentaa 'AI-first'-malli, jossa tekoäly on sisäänrakennettu palveluiden suunnitteluun, operointiin ja jatkuvaan parantamiseen. Tämä on Ritalan (2024) käsittein selkeä toiminnallinen laukaisin: organisaatio on tunnistanut, ettei perinteinen automaatio enää riitä, ja on siirtynyt uutta etsivään oppimiseen (exploratory learning) rakentamalla kokonaan uutta kyvykkyyspohjaa agenttipohjaisten työnkulkujen ympärille. Ritalan rakenteelliset käytännöt näkyvät konkreettisesti: Vivicta on luonut strategisen kumppanuusrakenteen, jossa ServiceNow-alusta tarjoaa tekoälykyvykkyyksien kehittämisen infrastruktuurin koko organisaatiolle — ei yksittäisille kokeiluprojekteille. Tämä institutionalisoi oppimisen rakenteisiin.
Viestintäkäytäntöjen näkökulmasta (Ritala) kumppanuus julkistettiin samanaikaisesti kolmella kanavalla: englanninkielinen lehdistötiedote Cision-palveluun, suomenkielinen tiedote Vivictan omaan uutishuoneeseen, sekä aiemmin keväällä ServiceNow AI Summit Helsinki -tapahtumaan osallistuminen, jossa Vivictan edustajat jakoivat oppeja SIR- ja GRC-moduulien käyttöönotosta ('lessons learned'). Tämä formaali viestintäkäytäntö on keskeinen mekanismi, jolla organisaatio rakentaa Kaplanin (2008) mukaista kehyksen resonanssia: kumppanuus kehystetään julkisesti 'AI-first-mallina', joka antaa legitimiteettipohjan sisäisille muutospäätöksille. Kehys resonoi sekä ylimmän johdon (johtajuustarina) että asiakkaiden (luotettavuus, ennustettavuus) suuntaan.
Vivictan Nordic AI Navigator -tutkimus (kesäkuu 2026, n=340 ylintä päätöksentekijää Suomesta, Ruotsista ja Norjasta) muodostaa toiselle Spotlightille diagnostisen kehyksen: Suomi käyttää tekoälyä yrityksissä vähemmän systemaattisesti kuin Ruotsi ja Norja, ja siksi tekoälyn käytön tuottavuus uhkaa jäädä Suomessa verrokkimaita heikommaksi. Ritalan havaintoperäinen laukaisin on tässä kirkas: ulkopuolinen vertailudata — oman tutkimuksen tuottamana — luo organisatorisen herätteen toimia. Paradoksi on kuitenkin syvä: suomalaisyritykset uskovat tekoälyn voivan kasvattaa liikevaihtoa noin 30 prosenttia ja tuoda 28 prosentin kustannussäästöt vuoteen 2029 mennessä, mutta vain 3 prosenttia suomalaisyrityksistä saavuttaa tekoälyinvestoinneistaan merkittävää, eli vähintään viisinkertaista, tuottoa. BCG:n (10.3.2026) löydös paljastaa, että organisaatiot ovat hyödyntävässä oppimisessa (exploitative learning) — käyttöönotto etenee, mutta työtavat ja rakenteet eivät muutu. Kuten TEM:n analyysi toteaa, uusien työtapojen ja digitaalisten työvälineiden tuloksellinen haltuunotto vaatii toimintaprosessien ja useimmiten työnjaon uudistamista — tämä prosessitason oppiminen puuttuu Suomesta laajasti. Suomessa moni organisaatio on jäänyt välitilaan: laitteet ja ohjelmistot on hankittu, mutta työskentelytavat ovat ennallaan, jolloin investoinnit valuvat hukkaan.
Viestintäkäytäntöjen siltarooli (Ritala→Kaplan): Vivictan viestintätapa — oman tutkimuksen julkaiseminen — on samalla kehystämisteko (Kaplan). Nordic AI Navigator ei ole neutraali kartoitus, vaan prognostinen kehys: se määrittelee ongelman (Suomi jää jälkeen), nimeää syyn (ei-systemaattinen käyttö) ja tarjoaa ratkaisun (Vivictan kaltainen kumppani). Viestintäkäytäntö ja kehystäminen ovat tässä erottamattomia.
Kaplanin (2008) mukaan epävarmuus on kehystämiskilpailujen raaka-aine, ja juuri nyt suomalaisessa tekoälykeskustelussa epävarmuus on maksimaalista: käyttöaste kasvaa, mutta tuottavuus ei seuraa. Tästä epävarmuudesta kilpailevat neljä kehystä. Hallitseva kehys on Vivictan oma AI-first-tehokkuuskehys, joka on taktisesti vahva koska se omistaa sekä diagnostisen roolin (Nordic AI Navigator -tutkimus) että prognostisen roolin (ServiceNow-kumppanuus ratkaisuna). Kehys on näin rakennettu 'suljetuksi silmukaksi', jossa sama toimija tunnistaa ongelman ja tarjoaa ratkaisun — klassinen kehystämisstrategia.
Kilpaileva suvereniteettikehys on latentisti vahva, koska lähes puolet pohjoismaisista päätöksentekijöistä jo omaksuu sen. Tämä kehys voi haastaa AI-first-kehystä erityisesti julkisen sektorin asiakkaissa (esim. Palkeet, jonka Vivicta on jo asiakkaana). Agenttivallankumouksen kehys on toistaiseksi haastajan asemassa Suomessa — sen resonanssi kasvaa, kun suomalaiset organisaatiot siirtyvät kokeiluista strategiseen käyttöön. Viestintäkäytännöt ovat näiden kehysten kilpatanner: julkiset lehdistötiedotteet, tutkimusjulkaisut, toimialaeventit (ServiceNow AI Summit Helsinki) ja ammatilliset uutiskirjeet ovat konkreettiset areenat, joissa kehysten elinvoima punnitaan.
Sekä Vivictan Nordic AI Navigator -tutkimuksessa että BCG:n Nordic AI -raportissa nousee esiin huoli, jota ei pidä lukea muutosvastarintana: lähes puolet pohjoismaisista vastaajista suhtautuu varauksella globaalisti ylläpidettyihin tekoälymalleihin. SD Worxin tutkimuksen mukaan vain 41 prosenttia suomalaisista organisaatioista on tehnyt linjaukset tekoälyn eettisestä ja vastuullisesta käytöstä henkilöstöhallinnossa — miltei kuusi kymmenestä on tilanteessa, jossa tämä pohjatyö on tekemättä. Professio-tutkimus (2026) tunnistaa, että kiire, epäselvät rakenteet ja puutteellinen vaikuttavuuden seuranta jarruttavat kehitystä.
Nämä huolet voivat näyttäytyä AI-first-kehystämisen valossa 'hidastajilta' tai 'muutosvastarintaisina'. Tämä olisi vakava virhetulkinta. Ritalan (2024) käsittein kyse on pikemminkin toiminnallisten mahdollistajien puuttumisesta: organisaatioilla ei ole rakenteellisia käytäntöjä (pelisääntöjä, eettisiä linjauksia, koulutusrakenteita) joiden varaan AI-kyvykkyyksien kehittäminen voisi nojata. Lisäksi Kyndrylin People Readiness Report 2026 osoittaa, että haaste ei enää ole tekoälyn käyttöönottoa koskeva teknologinen osaaminen, vaan organisaation kyky valmentaa henkilöstö tekoälyn koko potentiaalin hyödyntämiseen — tämä on vastuullinen huolenpito tulevaisuuden kyvykkyydestä, ei jarrutus.