Tekoäly ja mielenterveys – Miten käyttää tekoälyä turvallisemmin mielenterveyden tukena?
Arvioiden mukaan noin 27 % ihmisistä hakee tekoälyltä tukea emotionaalisiin tai mielenterveyteen liittyviin haasteisiin. Tekoälyn käyttöön liittyy kuitenkin useita riskejä. Tässä artikkelissa perehdymme siihen, kuinka laajoihin kielimalleihin pohjautuvia tekoälysovelluksia voi käyttää turvallisemmin mielenterveyden tukena.
Tiivistetysti:
Miten tekoäly toimii?
Tekoäly eli AI (Artificial Intelligence) on termi, jolla viitataan yleisesti tietokonepohjaisiin ohjelmiin, jotka osallistuvat ihmisille tyypillisiin, älykkyyttä vaativiin toimintoihin, kuten esimerkiksi päätöksentekoon, tekstin- ja puheentunnistukseen ja tuottamiseen tai kuvien ja sävellysten luomiseen. Nykyisin tekoäly-termiä käytettäessä viitataan usein laajoihin kielimalleihin perustuviin tekoälysovelluksiin, joita ovat muun muassa ChatGPT, Gemini ja Claude.
Laajoihin kielimalleihin pohjautuvat tekoälyt koulutetaan suurella määrällä dataa, jonka vuoksi ne oppivat tarkasti jäljittelemään kieltä. Tekoäly voi siis kuulostaa varsin ihmismäiseltä kanssakeskustelijalta, mutta sen perimmäinen toimintalogiikka perustuu todennäköisyyksien laskemiseen. Toisin sanoen, tekoäly muodostaa vastauksen laskelmoimalla käyttäjän syöttämän tekstin perusteella mikä olisi sopivin sana ensimmäiseksi, mikä toiseksi, mikä kolmanneksi, ja niin edelleen.
Kysymyksen muotoilulla eli promptauksella on väliä
Tekoälyn vastaus riippuu kysymyksen muotoilusta. Esimerkiksi sanavalinnat, johdattelu tai annetut taustatiedot vaikuttavat siihen, millaista vastausta tekoäly lähtee kehittelemään.
Tekoäly myötäilee herkästi käyttäjäänsä. Se voi puolueettoman pohdinnan sijaan siis taipua vahvistamaan käyttäjänsä näkemyksiä, vaikka ne eivät vastaisikaan luotettavista lähteistä peräisin olevaa tietoa.
Tekoäly pyrkii miellyttämään käyttäjää
Tekoäly on altis hallusinoinnille eli tekaistun tiedon tuottamiselle. Se voi esittää jonkin asian vakuuttavasti ja tarkasti perustellen, vaikka se ei pitäisi ollenkaan tai lähes ollenkaan paikkaansa.
Tekoäly suosii usein yleisimmin toistuvaa, tunnetuinta tietoa. Tämä voi johtaa esimerkiksi siihen, että osa ajankohtaisesta tai tärkeästä tiedosta jää huomioimatta, jolloin kovin syvällistä ymmärrystä ilmiöstä ei pääse syntymään.
Tekoäly pyrkii ylläpitämään käyttäjän kiinnostusta. Reaaliaikainen ja personoitu vuorovaikutus, joka mukautuu käyttäjän tarpeisiin ja mieltymyksiin, kannustaa häntä jatkamaan tekoälyn käyttöä.
Tekoälyn käyttöön liittyviä haasteita ja riskejä
Virheellinen asiantuntijuus
Vaikka tekoäly parhaimmillaan tuottaa vakuuttavaa ja ammattimaisen kuuloista tekstiä, ei se silti ole luotettavaa tietoa tarjoava asiantuntija. Ihminen osaa tekoälyä paremmin tunnistaa ja tulkita sosiaalisia vihjeitä.
Sopimattomat ja haitalliset vastaukset
Pyrkimys miellyttää käyttäjää saattaa vahvistaa ja validoida virheellisiä näkemyksiä tai vakaviakin oireita esim. itsetuhoisuutta, psykoottisuutta ja väkivaltaisuutta
Tietosuoja
Tekoälylle syötetyt tiedot voivat tallentua ja päätyä kaupallisten tekoälymallien koulutusmateriaaliksi, joka on tärkeä huomioida henkilökohtaisia ja arkaluonteisia tietoja jakaessa.
Kontekstin ymmärtämättömyys
Tekoäly ei ymmärrä käyttäjänsä todellista tilannetta eikä kontekstia esim. ikää, kehitysvaihetta, kulttuuritaustaa tai sosioekonomisia tekijöitä. Se ohjaa herkästi katsomaan mielenterveyttä vain yksilökeskeisesti, sivuuttaen rakenteelliset ja ympäristöön liittyvät vaikutukset. Lisäksi koulutusdatassa tietyt vähemmistöryhmät ovat aliedustettuina, joka voi vääristää tekoälyn antamia vastauksia.
Emotionaalinen side
Tekoälyn käyttö voi olla tunnetasolla koukuttavaa, joka voi johtaa riippuvuuteen ja vähentää tukeutumista muihin ihmisiin.
+ Tekoälyn käyttö kuormittaa ympäristöä
Tekoälymallien runsas käyttö aiheuttaa voimakasta luonnonresurssien käyttöä, kuten sähkön ja veden kulutusta sekä maa-alueiden raivaamista konesalikäyttöön.
Tekoäly turvallisemmin mielen tukena
Kriisitilanteessa hae apua ihmiseltä.
Ota yhteyttä läheiseen tai soita Kriisipuhelimeen (p. 09 2525 0111). Akuutissa tilanteessa soita hätänumeroon 112.
Lopeta keskustelu tekoälyn kanssa heti, jos vointisi huononee tai jos tekoäly ehdottaa vahingollista toimintaa.
Tekoälyn tuottama sisältö ei aina ole turvallista tai tarkoituksenmukaista.
Käytä tekoälyä vain apuvälineenä.
Voit esimerkiksi jäsennellä asioita, ideoida uutta tai harjoitella taitoja. Älä kuitenkaan tee merkittäviä päätöksiä perustuen vain tekoälyn näkemyksiin.
Anna tekoälylle selkeät ohjeet.
Kerro tarkasti mitä haluat sen tekevän ja mitä haluat välttää. Näin tekoäly antaa todennäköisemmin parempilaatuisen vastauksen.
Pyydä tekoälyä tarkastelemaan asiaa monipuolisesti eri näkökulmista.
Voit esimerkiksi kysyä ”Mitä muita tulkintoja tilanteesta voisi olla?”, ”Mitä oletan ilman varmaa tietoa?”, ”Mitä saattaa jäädä huomaamatta?”
Varmista tekoälyn antamat tiedot aina luotettavasta lähteestä.
Esimerkiksi alan ammattilaiselta.
Ole avoin tekoälyn käytöstä keskustellessasi ammattilaisen kanssa.
Tällä tavoin ammattilainen saa kokonaiskuvan tilanteestasi.
Kirjoittajat:
Anniina Karvanen
Psykologian maisteri (PsM)
Anniina.karvanen@gmail.com
Jenna Nurmola
Psykologian maisteri (PsM)
American Psychological Association. (2025). APA Health Advisory on the Use of Generative AI Chatbots and Wellness Applications for Mental Health. https://www.apa.org/topics/artificial-intelligence-machine-learning/health-advisory-chatbots-wellness-apps
Anh-Hoang D, Tran V and Nguyen L-M (2025) Survey and analysis of hallucinations in large language models: attribution to prompting strategies or model behavior. Front. Artif. Intell. 8:1622292. doi: 10.3389/frai.2025.1622292
Arnaiz-Rodriguez, A., Baidal, M., Derner, E., Annable, J. L., Ball, M., Ince, M., Perez Vallejos, E., & Oliver, N. (2026). Between help and harm: An evaluation study of mental health crisis handling by large language models. JMIR Mental Health, 13, e88435. https://doi.org/10.2196/88435
Go, E., & Kim, T. (2026). Mapping user gratifications in the age of LLM-based chatbots: An affordance perspective. Computers in Human Behavior: Artificial Humans, 7, 100240. https://doi.org/10.1016/j.chbah.2025.100240
Gooding, P., van Kolfschooten, H., & Centola, F. (2024). Artificial Intelligence in mental healthcare. Mental Health Europe.
Lehmann, H. H., Lee, J. H., Schockaert, S., & Wermter, S. (2026). Knowing the facts but choosing the shortcut: Understanding how large language models compare entities. In V. Demberg, K. Inui, & L. Marquez (Eds.), Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 4788-4821). Association for Computational Linguistics. https://doi.org/10.18653/v1/2026.eacl-long.222
Opetushallitus. (2025). Tekoäly varhaiskasvatuksessa ja koulutuksessa – lainsäädäntö ja suositukset. https://www.oph.fi/fi/tekoaly-varhaiskasvatuksessa-ja-koulutuksessa-lainsaadanto-ja-suositukset
Sharma, M., Tong, M., Korbak, T., Duvenaud, D., Askell, A., Bowman, S. R., Cheng, N., Durmus, E., Hatfield-Dodds, Z., Johnston, S. R., Kravec, S., Maxwell, T., McCandlish, S., Ndousse, K., Rausch, O., Schiefer, N., Yan, D., Zhang, M., & Perez, E. (2023). Towards understanding sycophancy in language models. arXiv. https://doi.org/10.48550/arXiv.2310.13548