Neuvottelija-podcastissa Aleksi Paavola esitteli laki.ai-palvelun uuden MCP-liitännän, jonka avulla Claudeen, ChatGPT:hen ja muihin yhteensopiviin tekoälyagentteihin voi kytkeä Finlexiin perustuvan suomalaisen oikeustietokannan. Paavolan mukaan yhdistelmä haastaa perinteisiä juristien tekoälypalveluja, mutta lakitoimistojen oma suljettu aineisto säilyy merkittävänä etuna.

Podcastin aiheet

Valitse sinua kiinnostavat aiheet

Jokaisesta aiheesta näkyy ensin uutisen ydin. Avaa haluamasi osiot tai koko artikkeli.

Laki.ai tuo Finlexin oikeuslähteet agentin käyttöön

Paavolan rakentama laki.ai sai alkunsa jo ennen nykyistä agenttiaaltoa. Alkuperäinen palvelu syntyi tavoitteesta tehdä Finlexin aineistosta helpommin käytettävä verkkopalvelu. Paavolan mukaan Finlexin aineisto vapautui avoimesti hyödynnettäväksi vuonna 2015, ja laki.ai julkaistiin myöhemmin samana vuonna.

Palvelussa lait, asetukset, oikeustapaukset ja hallituksen esitykset on yhdistetty toisiinsa. Kun käyttäjä avaa tietyn lainkohdan, hän voi nähdä siihen liittyvät hallituksen esitykset ja oikeustapaukset samassa yhteydessä.

Uudempi laki.ai MCP -liitäntä vie palvelun askeleen pidemmälle. MCP eli Model Context Protocol on Anthropic-yhtiön kehittämä avoimen lähdekoodin protokolla, jolla tekoälyagentille voidaan antaa pääsy ulkopuolisiin työkaluihin ja tietolähteisiin. Paavola vertasi sitä USB-C-liitäntään: standardin avulla eri sovelluksia ja palveluja voidaan yhdistää toisiinsa ilman jokaiseen yhdistelmään erikseen rakennettua liitäntää.

Käytännössä käyttäjä voi kytkeä esimerkiksi Clauden laki.aihin. Tällöin agentti voi hakea vastauksensa laki.aihin koottujen oikeuslähteiden kautta sen sijaan, että se yrittäisi etsiä juridista tietoa avoimesta internetistä.

Tämä on merkittävää ennen kaikkea siksi, että kielimalli ei yksinään tunne luotettavasti Suomen ajantasaista lainsäädäntöä. MCP ei kuitenkaan tee tekoälystä juristia, vaan antaa sille paremman lähteen, jota se voi käyttää tehtävänsä aikana.

Juristien kieli osoittautui vaikeaksi ymmärtää

Laki.ai-projektin ensimmäinen versio liittyi sopimusten vertailuun. Paavola kertoo, että tavoitteena oli syöttää järjestelmään esimerkiksi sata salassapitosopimusta eli NDA-sopimusta. Juristi voisi tämän jälkeen korostaa uudesta sopimuksesta jonkin kohdan ja löytää aiemmista sopimuksista semanttisesti lähimmän vastineen.

Ajatuksena oli, että juristi voisi todeta nopeasti, onko vastaava ehto hyväksytty aiemmin.

Testit eivät kuitenkaan toimineet toivotulla tavalla. Paavolan mukaan noin 50 NDA-sopimuksen aineistossa juristit olivat muotoilleet samanlaisia asioita niin monilla eri tavoilla, että vertailutyökalu merkitsi lähes kaiken punaisella niin sanottuna redline-muutoksena. Pelkkä tekstien samankaltaisuuden etsintä ei riittänyt ymmärtämään juridista merkitystä.

Tämä johti lopulta ajatukseen, että kielimallille pitää antaa sekä luotettavat suomalaiset oikeuslähteet että työskentelyohjeet tiettyihin tehtäviin.

Suomalaiseen juridiikkaan tehdään omia tekoälytaitoja

Jaksossa mainittiin myös Legit-organisaation ja Aku Nikkolan tiimin julkaisema Legal Skills -kokonaisuus. Se on yhdysvaltalaiseen ja anglosaksiseen juridiikkaan suunniteltujen tekoälytaitojen suomalainen muokkaus, jossa otetaan huomioon Suomen lainsäädäntö, pykälien rakenne ja suomalainen juridinen kieli.

Tekoälylle annettava skill tarkoittaa käytännössä ohjekokonaisuutta, joka opettaa mallille tietyn tehtävän suorittamisen. Tällainen taito voi liittyä esimerkiksi NDA-sopimuksen kommentointiin.

Paavolan mukaan laki.ai ja suomalainen Legal Skills -paketti täydentävät toisiaan:

  • laki.ai tarjoaa oikeuslähteet
  • Legal Skills määrittelee, miten tehtävä tehdään
  • Claude tai muu kielimalli tuottaa analyysin ja tekstin

Yhdistelmä muistuttaa enemmän työkaluihin kytkettyä tekoälytyöntekijää kuin tavallista kysymys–vastaus-chatbottia.

Paavola pitää yleiskäyttöistä mallia uhkana Legoralle ja Harveylle

Paavola suhtautui kriittisesti Legora- ja Harvey-palvelujen asemaan suomalaisessa juridiikassa. Hänen mukaansa Claudeen kytketty laki.ai voi tällä hetkellä tarjota suomalaisissa oikeustehtävissä parempia vastauksia kuin palvelut, joiden taustalla ei ole vastaavaa suoraa pääsyä suomalaisiin oikeuslähteisiin.

Tämä on haastateltavan arvio, ei podcastissa esitetty riippumattoman vertailututkimuksen tulos. Paavola ja juontaja korostivat myös, etteivät he itse ole juristeja.

Suljetuilla juristipalveluilla on silti yksi vaikeasti kopioitava etu: lakitoimistojen oma tietopohja. Suurilla toimistoilla voi olla tuhansia aiempia tapauksia, sisäisiä koulutusmateriaaleja ja asiakirjoja, joita ei ole avoimesti saatavilla.

Lisäksi osa riidanratkaisuaineistosta jää julkisen datan ulkopuolelle. Podcastissa nostettiin esimerkiksi kauppakamarin välimiesmenettelyt, joiden ratkaisut eivät välttämättä ole julkisia. Niihin liittyvä tieto voi säilyä osapuolina toimivien lakitoimistojen omissa tietokannoissa.

Laki.ai voi siis tehdä julkisista oikeuslähteistä aiempaa käyttökelpoisempia, mutta se ei automaattisesti korvaa lakitoimiston omaa kokemusta tai luottamuksellista aineistoa.

MCP:n hyöty kasvaa, jos agentit osaavat käyttää sitä

MCP:n yksi aiempi ongelma on ollut sen kuluttama konteksti. Tekoälymallin konteksti-ikkuna tarkoittaa tekstin määrää, jonka malli pystyy pitämään samanaikaisesti työmuistissaan. Jokainen työkalukuvaus ja rajapinnan kautta haettu tieto vie osan tästä tilasta.

Paavolan mukaan MCP-palvelujen hyödyntäminen on kuitenkin parantunut, ja hän suhtautuu nykyään aiempaa myönteisemmin protokollan tulevaisuuteen. Hänen mukaansa agentit osaavat käyttää liitäntöjä tehokkaammin kuin aiemmin.

Jaksossa agentti erotettiin yksinkertaisesta kielimallikutsusta näin:

  • tavallinen kielimalli saa pyynnön ja tuottaa vastauksen
  • agentti voi käyttää työkaluja, tehdä useita työvaiheita ja arvioida omaa tuotostaan niiden välillä

Esimerkiksi esseetä kirjoittava agentti voi tehdä ensin luonnoksen, tarkistaa sen, havaita puuttuvan perustelun ja kirjoittaa osan uudelleen. Sama toimintatapa mahdollistaa oikeuslähteiden haun, asiakirjojen vertailun ja raportin koostamisen useassa vaiheessa.

Keskustelussa oltiin eri mieltä siitä, kuinka paljon agentin ympärille tarvitaan erillisiä ohjauskerroksia eli niin sanottua harnessia. Paavola uskoo, että kehitys kulkee kohti järjestelmiä, joissa malli ottaa yhä suuremman osan työstä itse. Juontaja puolestaan huomautti, että esimerkiksi monimutkaiset osakassopimukset ja usean yrityksen väliset kokonaisuudet voivat edelleen vaatia tarkasti rakennettuja prosesseja ja ihmisen tavoitteenasettelua.

Tekoälytyö siirtyy chatista työpöydälle

Paavola katsoo, että yritysten tekoälyn käyttö on edelleen usein liian kevyttä. Työntekijä kysyy chatbotilta yksittäisen kysymyksen tai pyytää pienen tekstin, vaikka suurempi hyöty syntyy, kun tekoäly pääsee käsittelemään kokonaisia työtehtäviä.

Hän nosti esiin Anthropicin Claude Coworkin ja OpenAI:n Codexin kaltaiset työpöytä- ja kehitysympäristöt. Niissä tekoäly voi käsitellä käyttäjän tiedostoja, työskennellä projektin parissa ja tehdä useita peräkkäisiä työvaiheita ilman, että käyttäjä kirjoittaa jokaista vaihetta erikseen chattiin.

Paavola kertoi käyttäneensä Claude Coworkia yli 150 dian esityksen tekemiseen. Hänen kuvauksensa mukaan työn teki usean agentin muodostama ”agenttiarmeija”, ei yksi peräkkäisiä vastauksia tuottava chatbot. Kyse on kuitenkin yksittäisestä käyttökokemuksesta, ei riippumattomasta suorituskykymittauksesta.

Hän viittasi myös OpenAI:n blogikirjoitukseen, jonka mukaan yhtiön sisäisessä käytössä yli 90 prosenttia tekoälyn käsittelemistä tokeneista eli tekstiyksiköistä tuli Codexista eikä ChatGPT:stä. Paavolan mukaan havainto kertoo siitä, että tekoälyä käytetään yhtiössä ennen kaikkea työtehtävien suorittamiseen eikä vain kysymysten esittämiseen.

Ihmiselle jää tavoite, harkinta ja vastuu

Keskustelun keskeinen johtopäätös oli, että rutiininomaiset työtehtävät ovat tekoälylle helpoimpia. Jos työntekijän rooli on vastaanottaa tehtävä, suorittaa se ja palauttaa lopputulos, agentti voi korvata suuren osan työstä.

Ihmisen rooli ei kuitenkaan katoa samalla tavalla tehtävistä, joissa tarvitaan:

  • pitkän aikavälin tavoitteiden asettamista
  • vaikeasti määriteltävää makua ja harkintaa
  • asiakkaan tai organisaation erityispiirteiden tuntemista
  • vastuunkantoa monimutkaisesta kokonaisuudesta

Paavolan mukaan tekoälyn ei vielä voi antaa itsenäisesti hoitaa esimerkiksi vuosien aikajänteelle ulottuvaa, usean yrityksen ja omistajan välistä monimutkaista sopimusjärjestelyä. Ihmisen pitää edelleen määrittää suunta ja arvioida, onko lopputulos oikeasti tarkoituksenmukainen.

Sen sijaan päivittäisiä osatehtäviä ei hänen mukaansa ole järkevää tehdä käsin, jos tekoäly pystyy hoitamaan ne luotettavasti.

Omia agentteja ei välttämättä tarvitse rakentaa

Podcastissa korostettiin myös sitä, että tekoälyn tehokas käyttö ei enää edellytä oman agenttifarmin rakentamista. Paavolan mukaan valmiit tuotteet, kuten Claude Cowork ja Codex, pystyvät jo hoitamaan pitkälle meneviä tehtäviä ilman, että käyttäjän tarvitsee ohjelmoida taustalle erillistä järjestelmää.

Juontaja kuvasi tästä vastakkaisen esimerkin omasta Samantha-agentistaan, joka toimii WhatsAppissa Neuvottelijan suljetussa sisäpiiriyhteisössä. Sen erikoisuutena on mallin ympärille rakennettu muisti: keskusteluhistoriaa ja käyttäjän kanssa kerättyjä muistiinpanoja voidaan hakea tiedostoista ja semanttisista muistirakenteista.

Tällainen agentti voi olla hyödyllinen, koska se ei rajoitu vain viimeisimpiin viesteihin. Sen arvo syntyy kuitenkin ennen kaikkea muistista, yhteisöön integroitumisesta ja muista liitännöistä – ei välttämättä siitä, että sen taustalla oleva kielimalli olisi parempi kuin suoraan saatavilla olevissa palveluissa.

Luottamukselliset asiakirjat vaativat varovaisuutta

Laki.aihin kytketty agentti voi helpottaa julkisten oikeuslähteiden käyttöä, mutta käyttäjän omat asiakirjat kulkevat samalla käytetyn tekoälypalvelun kautta. Podcastissa suositeltiin luottamuksellisten dokumenttien pseudonymisointia tai anonymisointia. Asiakkaiden ja henkilötietojen nimet voi esimerkiksi vaihtaa väliaikaisesti tunnisteiksi ennen käsittelyä.

Yrityskäytössä tietoturva riippuu muun muassa siitä, millainen Business- tai Enterprise-sopimus tekoälypalvelun kanssa on tehty, missä data käsitellään ja mitä palveluntarjoajan ehdot sanovat aineiston käytöstä. Erityisesti EU:n ulkopuolella sijaitsevat palvelimet ja eri maiden sääntely on tarkistettava tapauskohtaisesti.

Laki.ai:n kaltaiset avoimet liitännät voivat siten madaltaa tekoälyn hyödyntämisen kynnystä, mutta ne eivät poista käyttäjän vastuuta siitä, mitä aineistoa mallille annetaan.

Podcast: Neuvottelija – Tekoälyagentit muuttavat lakialan – mitä ihmiselle jää? | Aleksi Paavola | Neuvottelija 396
Julkaistu: 18.7.2026
Lähde: YouTube