Vuorotyön terveyshaitat kuriin tekoälyllä?
Tekoäly tarjoaa jo nyt konkreettisia keinoja ennaltaehkäistä vuorotyön terveyshaittoja. Yksi potentiaalisimmista keinoista on tekoälyn hyödyntäminen työvuorosuunnittelussa. Tämä edellyttää tekoälyn systemaattista hyödyntämistä niin, että terveyden edistäminen on suunnittelun lähtökohta. Tässä työterveyshuollolla on vaikuttamisen paikka!
Voisiko tekoäly auttaa ennaltaehkäisemään vuorotyön terveyshaittoja nykyistä tehokkaammin? Tarvetta tähän olisi, koska etenkin yötyötä sisältävä vuorotyö on yhteydessä monien pitkäaikaissairauksien ja työtapaturmien kohonneeseen riskiin. Yhteyttä selittävät pääasiassa elimistön vuorokausirytmien ja unen häiriintyminen, työn ja muun elämän yhteensovittamisesta aiheutuva stressi sekä epäterveelliset elintavat (kuva 1 «»1).
Vuorotyöhön liittyviä terveysriskejä voidaan vähentää monin keinoin. Keskeisimpiä ovat työaikajärjestelyiden kehittäminen ja terveellisten elintapojen tukeminen. Lisäksi riskejä voidaan vähentää terveyden seurannalla ja sairauksien hoitamisella sekä työolojen kokonaisvaltaisella kehittämisellä.
Työaikajärjestelyitä kehittämällä voidaan konkreettisesti vähentää altistumista terveyttä koetteleville työaikaratkaisuille. Vaikka esimerkiksi yötyö on monilla aloilla välttämätöntä yhteiskunnan toimivuuden ja turvallisuuden kannalta, voidaan terveysriskejä vähentää kehittämällä työvuorojen rytmitystä, alkamis- ja loppumisaikoja sekä kestoa.
Työterveyslaitoksen työaikojen arvioinnin liikennevalomalli antaa hyvän perustan työaikaergonomian kehittämiselle erityisesti epäsäännöllisessä vuorotyössä, kuten jaksotyössä. Sitä hyödyntämällä työpaikka yhdessä työterveyshuollon kanssa voi tukea kaikkien vuorotyöntekijöidensä terveyttä.
On hyvä pitää mielessä, että yksilölliset erot vuorotyöhön sopeutumisessa ovat suuria. Eroja selittävät pääasiassa vuorokausityyppi, nukkumistottumusten joustavuus, kyky kestää univajetta, yleinen terveydentila, elintavat sekä elämäntilanne. Suurin terveysvaikutus tekoälyavusteisella vuorosuunnittelulla saavutetaan todennäköisesti mahdollistamalla yksilölliset työaikajärjestelyt.
Tekoäly vuorosuunnittelun tukena
Vuorosuunnittelussa hyödynnetään tyypillisesti optimointialgoritmeja, jotka etsivät parasta mahdollista ratkaisua samanaikaisten rajoitteiden vallitessa. Edistyneimmät järjestelmät yhdistävät tähän koneoppimisen. Tällöin sovellus oppii tunnistamaan laadukkaat ratkaisut historiadatan ja palautteen perusteella sen sijaan, että soveltaisi pelkästään kiinteitä sääntöjä. Tämä tekee tekoälystä tehokkaan erityisesti monimutkaisissa tilanteissa, kuten epidemian aiheuttamassa henkilöstövajeessa, joissa sääntöpohjainen järjestelmä takkuilee. Yhtä tärkeää on, että sovellus osaa perustella valintansa. Läpinäkyvyys on oikeudenmukaisuuden edellytys, ja se vaikuttaa tekoälytoteutuksen hyväksyttävyyteen niin työntekijän ja työntekijäjärjestöjen kuin työnantajankin näkökulmasta.
Työvuorosuunnittelua ohjaavat niin sanotut kovat rajoitteet (hard constraints), kuten lainsäädäntö, työehtosopimukset ja operatiiviset vaatimukset,sekä niin sanotut pehmeämmät tekijät, kuten vuorotoiveet. Työterveyden ja -turvallisuuden edistäminen voidaan konkreettisesti kytkeä osaksi tätä kokonaisuutta esimerkiksi integroimalla Työ terveyslaitoksen liikennevalomalli työvuorosuunnittelussa käytettävään sovellukseen. Näin tekoäly oppii käyttämään ergonomisesti kestäviä ratkaisuja automaattisesti.
Suurin terveyshyöty voitaneen saavuttaa työaikojen yksilöllistämisellä. Kun tekoäly saa käyttöönsä tietoa yksittäisestä työntekijästä, kuten hänen vuorokausityypistään, terveydentilastaan ja elämäntilanteestaan, voidaan työvuorolistat räätälöidä tukemaan juuri hänen hyvinvointiaan. Parhaimmillaan tähän voidaan yhdistää puettavilla antureilla kerättyä dataa unesta ja vireyden vaihtelusta. Tällöin tekoälymalli oppii aidosti, miten eri vuorojärjestelyt vaikuttavat eri ihmisiin terveyttä edistävällä tai heikentävällä tavalla. Tiivistetysti: mitä rikkaampi data, sitä terveysviisaampi tekoäly.
Ihminen yhä päätöksentekijänä
Päätöstä julkaistavista työvuorolistoista ei voi ulkoistaa tekoälylle. Ihminen on tehnyt jo monia päätöksiä, ennen kuin tekoälyä hyödyntävä vuorosuunnittelusovellus alkaa luoda vuorolistoja: on valittu, mitä aineistoa tekoälyn opettamiseen on käytetty ja mitä ehtoja ja rajoitteita sekä yksilöllisiä tekijöitä käytetään suunnittelun perustana. Ihminen päättää myös sen, mikä vuorosuunnittelusovelluksen tuottamista vuorolistaehdotuksista julkaistaan. Päätöksiin vaikuttavat monet inhimilliset tekijät, kuten työpaikan arvot ja kulttuuri, asenteet tekoälyä kohtaan, mitä työvuororatkaisuja eri osapuolet ovat valmiita hyväksymään ja ehkä ennen kaikkea se, mihin vuorosuunnittelukäytäntöihin on totuttu.
Työterveyshuollon toimijoiden panos vuorosuunnittelua koskevassa päätöksenteossa on keskeinen, jotta tekoälyn potentiaaliset hyödyt vuorotyön terveyshaittojen ennaltaehkäisyssä toteutuvat.
Yhteistyö avainasemassa
Tuoreessa tutkimushankkeessa tuotimme yhteistyössä työpaikkojen, niiden työterveyshuoltojen ja tekoälysovelluksia kehittävien yritysten kanssa skenaarioita siitä, miten vuorotyön terveellisyyttä ja turvallisuutta voisi käytännössä kehittää tekoälyn avulla. Tarkastelimme tekoälyn hyödyntämistä vuorosuunnittelun lisäksi vuorotyöhön soveltuvissa hyvinvointi- ja työturvallisuusteknologioissa sekä unettomuuden digitaalisessa kognitiivis-behavioraalisessa hoidossa.
Keskeinen havainto oli se, että tekoälyn hyödyntäminen työpaikoilla ja työterveyshuollossa toteutuu parhaiten silloin, kun tekoälysovellusten kehittäjät, työpaikat ja työterveyshuollot toimivat yhteistyössä ja ottavat siihen tarvittaessa mukaan alan tutkijoita.
Oleellista yhteistyössä on se, että tekoälysovellukset ja niiden käyttäjät kehittyvät suurin piirtein tasatahtia. Tällöin ei synny esimerkiksi tilannetta, jossa sovellukset olisivat kehittyneet pitkälle ilman, että työpaikoilla ja työterveyshuolloilla on osaamista, resursseja ja intoa hyödyntää niitä. Yhteistyö luo edellytykset myös niin sanotulle palautesilmukalle. Tällöin tulokset ja käyttäjäpalaute ohjaavat teknologista jatkokehitystä.
Tekoälyn hyödyntämiseen liittyy eettisiä kysymyksiä, kuten yksityisyyden suoja. Yhteistyö auttaa käsittelemään niitä työpaikoilla ja ottamaan ne ajoissa huomioon sovellusten kehittämisessä.
Mitä tutkimus sanoo?
Tarve yhteistyön kehittämiselle korostuu, kun käy läpi aiheeseen liittyvää tutkimuskirjallisuutta. Tutkimushankkeessa tekemässämme systemaattisessa kirjallisuushaussa löysimme 34 vertaisarvioitua alkuperäisjulkaisua tekoälyavusteisesta vuorosuunnittelusta. Näistä vain kuudessa selvitettiin työntekijöiden terveyttä tai yleisemmin hyvinvointia. Tulokset ovat kuitenkin pääasiassa rohkaisevia. Tekoälypohjaisen osallistavan vuorosuunnittelun todettiin voivan parantaa työvuoroergonomiaa, työvuorojen jakautumisen oikeudenmukaisuutta, työn ja muun elämän tasapainoa sekä työntekijän kokemaa autonomiaa. Toisaalta työntekijöitä huolestutti työvuorosuunnittelun ulkoistaminen persoonattomalle tekoälylle. Tähän asti julkaistuista tutkimuksista suurimmassa osassa pääpaino oli henkilöstöresurssin käytön optimoinnissa ja työvuorosuunnitteluun kuluvan ajan minimoinnissa.
Työterveyshuollolla vaikuttamisen paikka
Tekoälyn aikakaudella työterveyshuollon rooli vuorotyön terveyshaittojen ennaltaehkäisyssä säilyy, mutta vaikuttamisen kanavat ja tavat muuttuvat. Keskeistä on vaikuttaa siihen, miten esimerkiksi tekoälyä hyödyntävä vuorosuunnittelusovellus priorisoi terveyden kannalta oleellisia työaikapiirteitä. Lisäksi työvuorolistojen yksilöllistäminen tekoälyn avulla tarjoaa työterveyshuollolle konkreettisen keinon tukea vuorotyöntekijöiden terveyttä.
Nämä vaikuttamisen paikat eivät edellytä, että työterveyshuollon toimijoista tulisi tekoälyn syväosaajia. Riittää, että on omalla asiantuntemuksellaan mukana tekoälysovellusten kehityksessä ja niiden käyttötavoista päätettäessä.
PsT, tutkimuspäällikkö
Työterveyslaitos
mikael.sallinen@ttl.fi
Kati Karhula
FT, erikoistutkija
Työterveyslaitos
kati.karhula@ttl.fi
Kristian Lukander
M.Sc.(Tech), vanhempi asiantuntija
Työterveyslaitos
kride@seetruetechnologies.com
Niina Seittenranta
FM, erityisasiantuntija
Työterveyslaitos
niina.seittenranta@ttl.fi
Kirjallisuutta
- Gerlach M, Renggli FJ, Bieri JS, ym. Exploring nurse perspectives on AI-based shift scheduling for fairness, transparency, and work-life balance. BMC Nurs 2025;24(1):1161 «PMID: 40898192»PubMed
- Härmä M, Puttonen S, Hublin C. Miten yötyö vaikuttaa terveyteen? Lääketieteellinen Aikakauskirja Duodecim 2019;135:27-34.
- Kecklund G, Axelsson J. Health consequences of shift work and insufficient sleep. BMJ 2016;355():i5210 «PMID: 27803010»PubMed
- Kubo T, Matsumoto S, Nishimura Y, ym. A Participatory Artificial Intelligence Driven Shift-Scheduling Application for Improving Sleep Among Shift-Working Caregivers: A 4-Month Non-Randomised Controlled Study With Cross-Over Design. J Sleep Res 2026;35(1):e70144 «PMID: 40676768»PubMed
- O'Callahan K, Sitters S, Petersen M. 'You make the call': Improving radiology staff scheduling with AI-generated self-rostering in a medical imaging department. Radiography (Lond) 2024;30(3):862-868 «PMID: 38582024»PubMed
- https://www.ttl.fi/tutkimus/hankkeet/tekoalyn-hyodyntaminen-vuorotyon-terveellisyyden-ja-turvallisuuden-edistamisessa «https://www.ttl.fi/tutkimus/hankkeet/tekoalyn-hyodyntaminen-vuorotyon-terveellisyyden-ja-turvallisuuden-edistamisessa»1
- https://www.ttl.fi/teemat/tyohyvinvointi-ja-tyokyky/tyoaika/vuorotyo/tyoaikojen-arvioinnin-liikennevalomalli «https://www.ttl.fi/teemat/tyohyvinvointi-ja-tyokyky/tyoaika/vuorotyo/tyoaikojen-arvioinnin-liikennevalomalli»2
