Muutamaa päivää vuoden 2025 kunta- ja aluevaalien jälkeen sosiaalisessa mediassa alkoi levitä Google Translaten käännös (Kuva 1) Ilta-Sanomien otsikosta ”Lindtman sai vaimoltaan suukon – aikoo panna jalalla koreasti” (Niskanen & Hautanen 2025). Mitä ilmeisimmin kone ei tuntenut ilmaisua ”panna jalalla koreasti” ja käänsi sanonnan parhaan arvauksensa mukaan. Lopputulos on luettavissa artikkelin otsikosta. Käännöskukkanen kukki vain viikkoa sen jälkeen, kun Helsingin Sanomissa oli esitetty tekoälyn mahdollistavan uutisten kieliversioiden syntyvän napinpainalluksella (Kivioja 2025).

Kuva: Alexandra Koch / Pixabay

Esimerkki on toki ääritapaus ja esimerkiksi ChatGPT suoriutui kyseisen otsikon kääntämisestä huomattavasti Googlea mallikkaammin. Silti esimerkkiä on syytä pohtia: vaikka toiveunissa tekoäly ottaa hoitaakseen mekaaniset rutiinitehtävät ja vapauttaa ihmisen luovaan työhön, niin mitkä oikeastaan ovat näitä rutiinitöitä ja selviytyykö kone niistäkään ilman ihmisen valvontaa? Ja mitä mahdollisesti menetetään turvautuessa koneeseen?

Kuva 1. Google Translaten käännös Ilta-Sanomien otsikosta. Kuvakaappaus 16.4.2025.

Yksi esimerkki koneella ulkoistettavasta työstä ovat kuvituskuva: kunhan kirjoittaa käskyn, niin kone tuottaa useita vaihtoehtoja sekunneissa. Toki graafikon omaperäisyys jää koneen luomuksista uupumaan ja konekuvat ovat vielä toistaiseksi ”kakkosvaihtoehto”.  Tämä on toisaalta ymmärrettävääkin: piirtäminen ja visuaalisten ideoiden tuottaminen on luovaa työtä, eikä kone vielä luo vaan yhdistelee oppimaansa.

Sen sijaan kääntämisessä koneen voisi ajatella olevan vahvoilla: kysehän on toiminnasta, jossa pyritään välittämään jo muotoiltu ajatus toisella kielellä mahdollisimman täsmällisesti. Kaikkiaan moisen täsmällisyyden voisi jopa ajatella luontuvan koneelta ihmistä paremmin. Sanatarkka kääntäminen ei kuitenkaan yleisesti ottaen ole mahdollista: jos sitä yritetään, tulos ei ole mitään kieltä, sillä rakenteet, ilmaukset ja jopa sanojen merkitykset vaihtelevat kielestä toiseen (Korpela 2023).

Kääntämisessä ei olekaan kyse vain sanoista, vaan kääntäminen edellyttää kontekstin, sävyjen ja viestin ymmärtämistä sekä kielen tajua. Koneella ei tällaista ymmärrystä ole, ja siksi se toistaiseksi myös kompuroi käännöksissä. Se saattaa kirjoittaa ”delivered” kun pitäisi lukea ”edited”, konekäännös voi kuulostaa lähtökieleltä käännöskielen sanoilla ja kuvaannolliset ilmaisut ovat mahdollisesti löytäneet kirjaimellisen tulkinnan. Kone saattaa myös epäjohdonmukaisesti käyttää tietystä termistä eri kohdissa erilaista käännöstä, mikä vaikeuttaa tekstin seuraamista.

Ei tekoäly toki kääntämisessä hyödytön ole: siitä on huomattava apu, jos haluaa selvittää itselleen, mitä vieraalla kielellä luettavassa tekstissä ilmaistaan. Lisäksi koneella voi tehdä omasta tekstistään raakakäännöksen, jolloin käännöstyötä ei tarvitse aloittaa puhtaalta pöydältä. Etenkin, jos kyse on kielellisesti vähemmän kunnianhimoisesta materiaalista – kuten esimerkiksi kyselyvastausten tai tiedotteen kääntämisestä – on tekoälyn käyttö todennäköisesti järkevää ja nopeuttaa prosessia huomattavasti.

Mutta, kuten usein käy, tämäkään asia ei ole yksinkertainen: jos olet itse kääntämässä omaa tekstiäsi, raakakäännöksen tekeminen tekoälyllä voi auttaa pääsemään alkuun ja helpottaa työtä. Sen sijaan, jos tarkoituksesi on käännättää oma julkaisusi toisella kielellä julkaistavaksi, on käännöksen jättämisessä tekoälyn vastuulle useampia vaaranpaikkoja. Ensinnäkin tekoäly ei ymmärrä sisältöä, joten on riski, ettei käännöksen sisältö vastaa alkuperäistä (Pekanheimo 2023). Jos tekstiä kääntää tekoälyavusteisesti henkilö, joka ei tunne alkutekstiä, niin riski siihen, että virheelliset tulkinnat jäävät lopulliseen käännökseen kasvaa. Toisekseen tekoäly hahmottaa huonosti kielten ominaispiirteitä ja saattaa jättää lauserakenteet alkukieltä myötäileviksi. Tämän takia koneen kääntämä teksti on usein kapulakielistä ja lukijan pitää ponnistella ymmärtääkseen tekstin sanoman.

Yleensä konekääntämisen ajatellaan ongelmista huolimatta nopeuttavan käännöstyötä. Osittain tämä pitääkin paikkansa: esimerkiksi Gummeruksella on käännetty kirjasarjoja ennätystahtia koneiden avulla (Hämäläinen 2024). Toisaalta asia ei ole näin yksinkertainen, sillä kääntäjä Olga Nyströmin (2025) mukaan jälkieditointi – eli koneen tekemän käännöksen korjaaminen – voi olla jopa hitaampaa kuin tekstin kääntäminen alusta asti itse. Työtä hidastaa se, että kääntäjän on työskenneltävä sekä lähtötekstin että käännöksen kanssa, seulottava virheitä ja siivottava interferenssiä eli alkukielen rakenteita pois lopputekstistä. Gummeruksellakin päätös käyttää tekoälyä kirjasarjan kääntämiseen sisälsi myös tietoisen päätöksen tinkiä käännösten laadusta nopeuden kustannuksella (Hämäläinen 2024).

Ammatillisten julkaisujen kieli on harvoin ilmaisultaan yhtä kunnianhimoista kuin kaunokirjallisuuden. Silti konekääntämisen ongelmat koskettavat myös ammatillisten julkaisujen tekijöitä. Julkaisut käännätetään usein kielitoimistoissa, mutta koska oletuksena on, että konekäännökset nopeuttavat kääntäjien työtä, ovat kääntäjille maksettavat palkkiot konekääntämisen myötä pienentyneet. Samalla tämä tarkoittaa sitä, että käännökselle varattava työaika on vähentynyt eikä aika riitä teoksen huolelliseen jälkieditointiin.  (Nyström 2025.) Kaikkiaan konekäännösten yleistyessä ja kääntämisen palkkioiden pienentyessä tuloksena on nopeasti syntyviä ja edullisia, mutta laadultaan heikkoja käännöksiä.

Miten tämä kaikki sitten liittyy ammattikorkeakoulujen tuottamiin ammattijulkaisuihin? Laurea on nyt osa eurooppalaista PIONEER-verkostoa. Kansainvälisissä rahoitushauissa menestymisessä englanninkielisistä referensseistä on usein apua. Korkeatasoisen tekstin tuottaminen vieraalla kielellä voi kuitenkin olla kokeneellekin kirjoittajalle haastavaa, mutta myöskään tekoälyn käännösten ei voi luottaa olevan sellaisinaan valmiita. Koska asiatekstit käännetään käännöstoimistoissa koneavusteisesti ja jälkieditoinnille käännöstoimistoissa varattu aika on niukka, on myös käännöstoimistolle lähetetyn tekstin läpikäymiseen varattava aikaa. Huono käännös muuttaa hyvänkin julkaisun nopeasti referenssistä mainehaitaksi.

Kääntäminen on ymmärtämistä, ja kääntämisessä ensisijaista on kääntää ideoita, ei sanoja (Baeriswyl 2016). Kääntäminen ei ole mekaaninen suoritus, vaan ymmärrystä ja ajattelua vaativa prosessi. Tässä ihminen on vielä koneeseen verrattuna ylivertainen. Tulevaisuudessa tekoälytyökalujen kehittyessä ihmiset ja tietokoneet saattavat kuitenkin löytää tapoja työskennellä yhdessä parantaen niin lopputulosta kuin prosessiakin (Schnell 2025). Sitä odotellessa on kuitenkin resursoitava omaa työaikaa käännösten läpikäyntiin.

Lähteet

• Baeriswyl, C. 2016. Kieliasiaa – Saksa – Ein Bier, zwei Bier, drei Bier!. Lingo. Viitattu 16.4.2025.
• Hämäläinen, K. 2024. Tekoäly tehdasmaistaa suomennostyön – ”Emme säästä euroja vaan aikaa. Kirjailijan päiväkirja. Suomen kuvalehti. Viitattu 17.4.2025.
• Kivioja, P. 2025. Journalismia ei tehdä linjastolla. Helsingin Sanomat.
• Korpela, J. 2023. Arkisen asiakirjoittamisen opas. Viitattu 16.4.2025.
• Niskanen, I. & Hautanen, S. 2025. Lindtman sai vaimoltaan suukon – aikoo panna jalalla koreasti. Ilta-Sanomat.
• Nyström, O. 2025. Viisi syytä vihata tekoälyä (ja yksi syy olla vihaamatta). Kääntäjän kammiosta. Viitattu 16.4.
• Pekanheimo, K. 2023. Tekoäly ja kieli – neljän blogitekstin kokonaisuus: Osa II: Lost in translation – Tekoäly, käännöstyöt ja vieraskielisen tekstin tuottaminen. Humanistinen ammattikorkeakoulu. Viitattu 16.4.2025.
• Schnell, M.  2025. AI and the Future of Translation: A New Era of Human-AI Collaboration. Unite.AI. Viitattu 19.5.2025.