Kierros 1 · lokakuu 2026 · 91 kysymystä · 985 vastausta
Enimmäkseen voi. Parhaat tekoälypalvelut vastasivat oikein yli 90 prosenttiin työelämän laki- ja verokysymyksistä, ratkaisivat laskutehtävät lähes aina oikein eivätkä juuri keksineet asioita. Kolmessa tilanteessa vastaus kannattaa kuitenkin tarkistaa: kun laki on hiljattain muuttunut, kun annat tekoälylle sopimuksen ja kun olet jo kertonut sille oman mielipiteesi.
Testasimme lokakuussa 2026 ChatGPT:n, Geminin, Clauden ja Copilotin sekä Googlen hakuun upotetut AI Moden ja AI Overview'n. Kysyimme jokaisen kysymyksen kahdesti ja kävimme läpi kaikki 985 vastausta. Osaa palveluista testasimme rajapinnan kautta eli ohjelmallisesti ilman sovellusta.
Missä tekoäly onnistui?
Tekoäly onnistui testissä kolmessa asiassa, joissa sen luotettavuutta usein epäillään.
laskutehtävistä meni oikein, myös monivaiheisista
vastauksesta kuvasi asian, jota ei ole olemassa, todellisena
kertaa tekoäly piti pintansa, kun käyttäjä väitti vastaan väärällä tiedolla
Se, ettei tekoäly muuta vastaustaan vastaväitteen jälkeen, ei kuitenkaan vielä osoita vastauksen olevan oikein. Oikeellisuus kannattaa tarkistaa lähteestä.
Milloin vastaus pitää tarkistaa?
Virheet eivät olleet satunnaisia, vaan ne kasautuivat kolmeen tilanteeseen.
1. Kun laki on hiljattain muuttunut
Työsopimuslaki muuttui 1.6.2026: lomautuksesta riittää nyt ilmoittaa seitsemän päivää etukäteen. ChatGPT, Claude ja Googlen AI Mode antoivat kukin yhdellä kahdesta kierroksesta vanhentuneen vastauksen: 14 päivää.
Kaikki faktakysymysten väärät vastaukset koskivat tuoreita asioita: kesän 2026 työlain muutoksia, vuoden 2026 maksuja tai tekoälyasetusta. Kysymyksiin vakiintuneista säännöistä, kuten alv-kannoista, tekoäly vastasi oikein.
2. Kun annat tekoälylle sopimuksen
Annoimme vuokrasopimuksen, jossa vuokralaisen irtisanomisaika oli kolme kuukautta. Lain mukaan se on yksi kuukausi, ja pidempi ehto on mitätön. Seitsemässä vastauksessa kahdeksasta tekoäly ilmoitti irtisanomisajaksi kolme kuukautta eikä huomauttanut ehdon lainvastaisuudesta.
Vuokralainen haluaa muuttaa pois. Kuinka pitkä irtisanomisaika hänellä on?
Muissa asiakirjoissa, kuten alihankintasopimuksessa ja hinnastossa, tekoäly vastasi lähes aina oikein. Vuokrasopimuksen kohdalla tekoäly toisti asiakirjan ehdon, mutta ei arvioinut sen lainmukaisuutta.
3. Kun olet jo kertonut oman mielipiteesi
Kysyimme mielipidettä tilanteissa, joissa annetut tiedot puolsivat selvästi yhtä vaihtoehtoa. Kun käyttäjä sen jälkeen kertoi suosivansa toista vaihtoehtoa antamatta uutta tietoa, tekoäly alkoi myötäillä seitsemässä tapauksessa 60:stä. Kantaansa se ei vaihtanut kertaakaan.
Itsevarmasti esitetty virheellinen väite horjutti tekoälyä vain yhdessä tapauksessa 115:stä, pelkkä mielipide seitsemässä tapauksessa 60:stä.
Mikä tekoälypalvelu vastasi parhaiten?
Selvää voittajaa ei ollut. ChatGPT-sovellus vastasi faktakysymyksiin parhaiten ja Gemini-sovellus selvästi heikoimmin. Claude laski kaikki laskut oikein, ja ChatGPT, Claude ja Googlen AI Mode myönsivät joka kerta, ettei olematonta asiaa ole.
| Palvelu | Faktat | Laskut | Vastaväite | Vihjaus | Olematon asia | Asiakirjat |
|---|---|---|---|---|---|---|
| ChatGPT | 95 % 57/60 | 96 % 27/28 | 100 % 37/37 | 85 % 17/20 | 100 % 16/16 | 89 % 16/18 |
| Gemini | 78 % 47/60 | 89 % 25/28 | 97 % 38/39 | 90 % 18/20 | 94 % 15/16 | 83 % 15/18 |
| Claude | 92 % 55/60 | 100 % 28/28 | 100 % 39/39 | 90 % 18/20 | 100 % 16/16 | 89 % 16/18 |
| Google AI Mode | 92 % 55/60 | 82 % 23/28 | ei testattu | ei testattu | 100 % 16/16 | 83 % 15/18 |
| Google AI Overview | 86 % 50/58 | 94 % 17/18 | ei testattu | ei testattu | 86 % 12/14 | ei testattu |
| Microsoft Copilot | 91 % 39/43 | ei testattu | ei testattu | ei testattu | ei testattu | ei testattu |
Faktakysymyksissä ja laskuissa onnistuminen tarkoitti oikeaa vastausta. Vastaväitteessä tekoälyn piti pysyä oikeassa vastauksessaan ja vihjauksessa säilyttää perusteltu kantansa. Muissa tehtävissä sen piti tunnistaa olematon asia tai vastata oikein asiakirjan perusteella. Faktakysymykset kysyttiin sovelluksilta (Claude ilmaisena). Muissa osioissa ChatGPT:tä ja Claudea testattiin rajapinnan kautta. Geminin rajapintaa käytettiin vain vastaväitteessä ja vihjauksessa.
Näytä kaikki luvut osioittain
| Palvelu | Vastauksia | Oikein | Osin | Väärin |
|---|---|---|---|---|
| ChatGPT (sovellus) | 60 | 57 (95 %) | 1 | 2 |
| Gemini (sovellus) | 60 | 47 (78 %) | 7 | 6 |
| Claude (sovellus, ilmainen) | 60 | 55 (92 %) | 3 | 2 |
| Google AI Mode | 60 | 55 (92 %) | 3 | 2 |
| Google AI Overview | 58 | 50 (86 %) | 8 | 0 |
| Microsoft Copilot (ilmainen) | 43 | 39 (91 %) | 3 | 1 |
| Palvelu | Vastauksia | Oikein | Osin | Ei luettavaa vastausta |
|---|---|---|---|---|
| ChatGPT (rajapinta) | 28 | 27 (96 %) | 1 | 0 |
| Gemini (sovellus) | 28 | 25 (89 %) | 3 | 0 |
| Claude (rajapinta) | 28 | 28 (100 %) | 0 | 0 |
| Google AI Mode | 28 | 23 (82 %) | 1 | 4 |
| Google AI Overview | 18 | 17 (94 %) | 0 | 1 |
| Palvelu | Tosiasiat: piti pintansa | Laskut ja arviot: piti pintansa | Horjui | Taipui |
|---|---|---|---|---|
| ChatGPT (rajapinta) | 18/18 | 19/19 | 0 | 0 |
| Gemini (rajapinta) | 20/20 | 18/19 | 1 | 0 |
| Claude (rajapinta) | 19/19 | 20/20 | 0 | 0 |
| Palvelu | Vastauksia | Piti kantansa | Horjui | Vaihtoi kantaa |
|---|---|---|---|---|
| ChatGPT (rajapinta) | 20 | 17 | 3 | 0 |
| Gemini (rajapinta) | 20 | 18 | 2 | 0 |
| Claude (rajapinta) | 20 | 18 | 2 | 0 |
| Palvelu | Vastauksia | Myönsi, ettei asiaa ole | Ohjasi | Keksi |
|---|---|---|---|---|
| ChatGPT (rajapinta) | 16 | 16 | 0 | 0 |
| Gemini (sovellus) | 16 | 15 | 1 | 0 |
| Claude (rajapinta) | 16 | 16 | 0 | 0 |
| Google AI Mode | 16 | 16 | 0 | 0 |
| Google AI Overview | 14 | 12 | 1 | 1 |
| Palvelu | Vastauksia | Vastasi asiakirjan perusteella | Epäselvä | Ei oikein |
|---|---|---|---|---|
| ChatGPT (rajapinta) | 18 | 16 | 0 | 2 |
| Gemini (sovellus) | 18 | 15 | 0 | 3 |
| Claude (rajapinta) | 18 | 16 | 1 | 1 |
| Google AI Mode | 18 | 15 | 0 | 3 |
Miten tarkistat tekoälyn vastauksen?
Testin perusteella näistä neljästä tavasta on eniten apua.
Tarkista ajantasainen sääntö lähteestä
Kun kysymys koskee lakia, veroa tai määräaikaa, tarkista vastaus Finlexistä tai viranomaisen sivulta ja katso, milloin tieto on päivitetty.
Kysy erikseen, onko ehto laillinen
Tekoäly kertoo, mitä sopimuksessa lukee. Jos haluat tietää, onko ehto pätevä, kysy se erikseen.
Pyydä tekoälyn arvio ennen kuin kerrot omasi
Kun kerrot ensin oman kantasi, tekoäly myötäilee helpommin. Pyydä sen arvio ensin ja kerro oma näkemyksesi vasta sitten.
Pyydä lähde, älä väitä vastaan
Tekoäly pitää kiinni oikeasta vastauksestaan, joten vastaan väittäminen ei kerro, onko vastaus oikein. Pyydä lähde ja avaa se.
Palveluiden eroista kerromme AI-työkalujen vertailussa ja palvelukohtaisissa oppaissa ChatGPT Plussasta, Claudesta, Geministä ja Copilotista. Hyvän kysymyksen muotoilusta kerromme kehotteiden oppaassa.
Tietoturvaoppaassa kerromme, mitä tietoja tekoälylle saa antaa. Tekoälyasetus velvoitti yritykset 2.2.2025 alkaen huolehtimaan riittävästä tekoälylukutaidosta, ja 27.7.2026 alkaen velvoite on tukea henkilöstön tekoälylukutaidon kehittämistä. Vastausten tarkistaminen on käytännössä sen ydin.
Miten testasimme?
Kysyimme 91 kysymystä, jokaisen kahdesti uudessa keskustelussa. Kahden eri valmistajan tekoälymallit luokittelivat jokaisen vastauksen toisistaan riippumatta, ja kun ne olivat eri mieltä, kolmas malli ratkaisi tapauksen lukemalla vastauksen. Oikeat vastaukset tarkistimme Finlexistä ja viranomaisten sivuilta.
Pieni otos ja yksi ajankohta
Menetelmä tarkemmin
| Vaihe | Mitä tehtiin |
|---|---|
| Tehtävät | 30 faktakysymystä laista ja määräajoista, 14 laskua, 20 vastaväitettä (tosiasiat sekä laskut ja arviot), 10 mielipidekysymystä vihjauksella, 8 kysymystä asioista, joita ei ole, ja 9 asiakirjaa. Laskujen oikeat vastaukset laskettiin ohjelmallisesti. |
| Palvelut | ChatGPT- ja Gemini-sovelluksen sekä Googlen AI Moden ja AI Overview'n vastaukset haettiin sellaisina kuin käyttäjä ne näkee (DataForSEO, sijainti Suomi). Claude oli faktakysymyksissä mukana ilmaisena sovelluksena ja muissa osioissa rajapinnan kautta. Copilot oli mukana vain faktakysymyksissä. Vastaväitteessä ja vihjauksessa ChatGPT, Gemini ja Claude olivat mukana rajapinnan kautta, koska keskustelussa on kaksi viestiä. |
| Rajapintojen mallit | ChatGPT = GPT-6 Luna, Gemini = Gemini 3.6 Flash, Claude = Claude Sonnet 5.5. Rajapinnan malli ei välttämättä ole sama kuin sovelluksen oletusmalli. Verkkohaku oli käytössä olemattomissa asioissa, asiakirjoissa ja tosiasioiden vastaväitteessä, ei laskuissa eikä vihjauksessa. |
| Luokittelu | TypeSafe Jev ja OpenAI Decisions luokittelivat jokaisen vastauksen. Ne olivat eri mieltä noin 4 prosentissa tapauksista, ja erimieliset tapaukset ratkaisi Claude lukemalla vastauksen ja laskemalla luvut. Menetelmä kalibroitiin faktakysymyksillä, joissa molemmat osuivat neljän luokittelijan enemmistöön yli 90 prosentissa. |
| Jälkitarkistus | Pääväitteiden lähteet tarkistettiin ennen julkaisua. Kyberturvamerkkiä koskevat kuusi vastausta luokiteltiin uudelleen, koska samankaltaisella nimellä toimiva yksityinen merkki on olemassa ja vastaukset erottivat sen olemattomasta EU-merkistä. Neljä vastaväitekeskustelua jätettiin pois, koska automaattinen tunnistus luuli niissä oikeaa ensimmäistä vastausta vääräksi. |
Mitä testi ei kerro
- Rajapinta ei ole sama kuin sovellus. Sovelluksella on omat ohjeensa, muistinsa ja hakunsa, joten sen vastaus voi poiketa rajapinnan vastauksesta.
- ChatGPT-sovelluksen laskut puuttuvat. Vastaukset hakeva palvelu (DataForSEO) jumittui, joten testasimme ChatGPT:n laskuissa, olemattomissa asioissa ja asiakirjoissa rajapinnan kautta.
- Vihjaus oli yksi viesti. Toistuva vihjailu tai sovelluksen muisti voi saada tekoälyn myötäilemään enemmän.
- Työtilin Copilot jätettiin pois. Testasimme faktakysymykset myös Microsoft 365 Copilotilla, mutta tilin muisti ja aiemmat keskustelut vaikuttivat vastauksiin.
- Luokittelijat ovat tekoälyjä. Ihminen ei ole luokitellut kaikkia vastauksia rinnalla, mutta erimieliset tapaukset ja pääväitteet on luettu.
- Googlen AI Moden neljästä laskusta ei saatu luettavaa tekstiä. Kun poimimme tekstin Googlen sivulta, osa kaavoista katosi, joten vika voi olla myös meidän.
Aineisto ja viittaaminen
Julkaisemme koko aineiston CC BY 4.0 -lisenssillä: jokaisen tehtävän oikeine vastauksineen ja jokaisen tekoälyn vastauksen luokituksineen. Voit käyttää sitä myös kaupallisesti, kun nimeät lähteeksi AImitenin ja linkität tälle sivulle.
Näin viittaat tutkimukseen
AImiten (2026). Tekoälyn luotettavuustesti: vastaako tekoäly oikein työelämän kysymyksiin? Kierros 1, lokakuu 2026. https://aimiten.fi/selvitykset/tekoalyn-luotettavuus
Toistamme testin, ja uusien kierrosten tulokset lisätään tälle sivulle. Koska tehtävät ovat nyt julkisia, käytämme seuraavalla kierroksella osin uusia, samantasoisia tehtäviä. Toisessa selvityksessämme tutkimme, kertovatko hakutulokset ajantasaisesti tekoälylukutaitovelvoitteen muutoksesta.
Usein kysytyt kysymykset
Jäikö jokin kysymys avoimeksi? Vastaamme arkipäivisin vuorokauden kuluessa.
Voiko tekoälyyn luottaa yrityksen asioissa?
Enimmäkseen voi. Testissämme tekoälyt vastasivat oikein 78–95 prosenttiin faktakysymyksistä palvelusta riippuen ja laskivat laskut lähes aina oikein. Tarkista vastaus kuitenkin, kun laki on hiljattain muuttunut, kun annat tekoälylle sopimuksen tai kun olet jo kertonut sille oman mielipiteesi.
Pitävätkö ChatGPT:n vastaukset paikkansa?
ChatGPT-sovellus vastasi faktakysymyksistämme oikein 57 kysymykseen 60:stä, mikä oli testin paras tulos. Väärät vastaukset koskivat 1.6.2026 muuttunutta lomautusilmoitusaikaa ja tekoälyasetuksen seuraamuksia. Rajapinnan kautta testattuna ChatGPT ei taipunut, kun käyttäjä väitti vastaan väärällä tiedolla.
Kumpi vastaa tarkemmin, ChatGPT vai Gemini?
Faktakysymyksissä ChatGPT-sovellus vastasi selvästi tarkemmin kuin Gemini-sovellus (95 % ja 78 % oikein). Laskuissa ero oli pienempi (96 % ja 89 %), ja vastaväitteessä kumpikaan ei taipunut. Kaikkien palveluiden tulokset ovat taulukossa kohdassa Mikä tekoälypalvelu vastasi parhaiten.
Kuinka usein tekoäly keksii asioita?
Testissämme harvoin. Kysyimme kahdeksasta asiasta, joita ei ole olemassa, ja vain yksi 78 vastauksesta kuvasi olemattoman asian todellisena. Useimmiten tekoäly sanoi suoraan, ettei sellaista ole, ja kertoi lähimmän oikean vaihtoehdon.
Miksi tekoäly antaa vanhentunutta tietoa?
Todennäköinen syy on, että verkossa on tuoreesta lakimuutoksesta yhä enemmän vanhaa kuin uutta tietoa, ja tekoäly nojaa siihen, mitä se löytää tai on oppinut. Testissämme kolme palvelua kertoi lomautusilmoitusajaksi vanhan 14 päivää, vaikka laki muuttui 1.6.2026 seitsemään päivään.
Miten tarkistan tekoälyn vastauksen?
Tarkista lakeihin, veroihin ja määräaikoihin liittyvä vastaus alkuperäisestä lähteestä, kuten Finlexistä tai Verohallinnon sivuilta, ja katso, milloin tieto on päivitetty. Kun annat tekoälylle sopimuksen, kysy erikseen, onko jokin ehto lain vastainen. Pyydä tekoälyltä arvio ennen kuin kerrot oman näkemyksesi. Pyydä myös lähde ja tarkista se.
