Koolid, ülikoolid ja ettevõtete koolitusmeeskonnad võtavad generatiivset tehisaru kasutusele väga kiires tempos. Seda kasutatakse õppematerjalide koostamisel, tagasiside andmisel, ülesannete hindamisel ja administratiivse töö lihtsustamisel. Tallinna Tehnikaülikooli uus eelretsenseeritud uuring näitab aga, et tehisaru ei paranda õppimist automaatselt. Mõnel juhul võib see tekitada tõhususe illusiooni, nõrgestades samal ajal õppeprotsessi ennast.

Uuringut esitles MoodleMoot Estonia 2026 konverentsil Anna Litvinenko, Tallinna Tehnikaülikooli majandusteaduskonna doktorant. Tema töö keskendub sellele, millal tehisaru õppimist tugevdab ja millal võib see kaasa tuua vastupidise tulemuse: õpetaja professionaalse oskuse nõrgenemise, eksperdihinnangu kadumise, pealiskaudsema õppimise ning olukorra, kus õppijad hakkavad sisulise mõtlemise asemel „algoritmile esinema“. Järeldused põhinevad 149 eelretsenseeritud teadusartikli poolsüstemaatilisel ülevaatel. Artiklid on avaldatud aastatel 1993–2025 ning indekseeritud Scopuse ja Web of Science’i andmebaasides. Litvinenko uuring avaldati 2. veebruaril 2026 ajakirjas Journal of Decision Systems.

Litvinenko sõnul ei ole keskne küsimus enam see, kas tehisaru peaks hariduses kasutama. Praktikas seda juba kasutatakse ning kasutus kasvab lähiaastatel veelgi. Olulisem on hoopis see, milliseid õppimise osi võib tehisaru toetada ja millised peavad jääma inimese eksperdihinnangu keskmesse. „Kas tehisaru on õppimisele hea või halb on küsimusena vale,“ selgitab Litvinenko. „Sama kursuse sees võib tehisaru olla kasulik rutiinse tagasiside või struktureeritud harjutuste puhul, kuid kahjulik siis, kui see asendab õpetaja otsustust keeruka mõtlemise, loovuse või professionaalse intuitsiooni hindamisel. Tulemust ei määra enamasti tööriist ise, vaid see, kuidas tööriist õppeprotsessi sisse integreeritakse.“

Kus tehisaru aitab?

Kõige turvalisemad ja kasulikumad tehisaru kasutusviisid tekivad seal, kus ülesanne on selgelt struktureeritud ja seda on võimalik üsna täpselt vormistada. Näiteks võib tehisaru toetada valikvastustega testide kontrollimist, harjutusülesannete loomist, õppematerjalide korrastamist, sisu kokkuvõtmist või õpetajale esialgse tagasiside mustandi pakkumist. Sellistes olukordades võib tehnoloogia säästa aega ja parandada õppetoetuse kättesaadavust. See on eriti oluline suurte kursuste, ettevõtete sisseelamisprogrammide ja koolituskeskkondade puhul, kus õpetajad või koolitajad peavad töötama suure hulga sarnaste ülesannetega.

Samas rõhutab Litvinenko uuring üht olulist tingimust: inimene ei tohi protsessist kaduda. Kui õpetaja enam ei vaata üle, ei paranda ega mõtesta tehisaru loodud tagasisidet, võib tööriist tasapisi lõpetada professionaalse otsustuse toetamise ja hakata seda asendama. Teisisõnu: tehisaru on kõige väärtuslikum mitte siis, kui see lihtsalt teeb õpetaja töö ära, vaid siis, kui see aitab õpetajal oma tööd paremini teha.

Kõige tõsisemad riskid tekivad siis, kui tehisaru kasutatakse keerukate, loovate või professionaalset intuitsiooni nõudvate tööde hindamiseks. Siia kuuluvad näiteks refleksiooniesseed, suulised eksamid, loomingulised tööd, kliiniline mõtlemine, muusikaline interpretatsioon, disainilahendused või professionaalne käitumine mitmetähenduslikes olukordades.

Selliseid ülesandeid ei saa täielikult taandada formaalsetele kriteeriumidele. Kogenud õpetaja või ekspert märkab sageli omadusi, mida on raske hindamisjuhendisse lõpuni kirja panna: argumentatsiooni sügavust, mõtlemise küpsust, teksti tooni, otsuse taga olevat loogikat või peent erinevust tehniliselt korrektse vastuse ja tegeliku arusaamise vahel.

Kui tehisaru muutub sellistes olukordades tegelikuks hindajaks, ei ole probleem üksnes tehniline. Süsteem võib anda kiire ja veenvalt kõlava tagasiside, kuid see ei tähenda veel, et ta mõistaks töö kvaliteeti sisuliselt. Õppija saab vastuse, õpetaja hoiab aega kokku ja asutus näeb tõhususe kasvu. Samal ajal võib kaduda õppimise kõige olulisem osa: hetk, mil ekspert selgitab, miks töö on tugev, nõrk, paljulubav või poolik. „Oht ei seisne ainult selles, et tehisaru võib eksida või hallutsineerida,“ ütleb Litvinenko. „Sügavam risk on see, et õppeprotsessist kaob pedagoogilise otsustuse hetk. Väga sageli toimubki õppimine just selles hetkes.“

Kus läheb kasuliku ja kahjuliku piir?

Teine oluline risk puudutab õppijate käitumist. Kui õppijad tajuvad, et nende tööd hindab, filtreerib või suunab algoritm, võivad nad hakata kohanema sellega, mida nad arvavad süsteemi premeerivat. Tulemuseks võib olla töö, mis näeb väliselt korrektsem ja lihvitum välja, kuid on sisult vaesem. Õppija ei pruugi arendada sügavamat arusaamist, vaid õpib tootma oodatud vormi. See on eriti ohtlik valdkondades, kus õppimine sõltub mitte ainult faktitäpsusest, vaid ka tõlgendamisest, argumentatsioonist, refleksioonist, loovusest ja professionaalsest otsustusvõimest.

Asutuste jaoks võib sellist muutust olla raske märgata, sest väliselt näeb kõik sageli edukas välja: ülesanded liiguvad kiiremini, tagasiside saabub rutem ja õpetajate koormus näib vähenevat. Kuid nende tõhususvõitude taga võib õppimise sügavus tasapisi väheneda. Selleks et aidata asutustel riske märgata enne tehisaru laiemat kasutuselevõttu, pakub Litvinenko välja Knowledge Collaboration Matrixi ehk teadmuse koostöö maatriksi. Raamistik töötati välja laiemalt tehisaru, organisatsioonilise õppimise ja teadmusjuhtimise kontekstis, kuid MoodleMoot Estonia 2026 konverentsil rakendas Litvinenko seda konkreetselt õpetamisele ja õppimisele.

Praktikas saab raamistiku taandada kahele küsimusele. Esimene küsimus on: millist tüüpi teadmist õpetatakse või hinnatakse? Osa teadmistest on selgelt vormistatav: seda saab kirja panna, reegliteks, hindamisjuhenditeks või vastusevõtmeteks muuta ning usaldusväärselt korrata. Teine osa on vaikiv või ekspert-intuitiivne teadmine. See avaldub näiteks õpetaja tajus, et essee „veel ei tööta“, arsti võimes ära tunda keerukas juhtum või juhendaja tähelepanekus, et õppija on ülesande küll vormiliselt täitnud, kuid pole seda sisuliselt mõistnud. Teine küsimus on: kas tehisaru automatiseerib ülesande või abistab inimest, kes jääb lõpliku otsuse eest vastutavaks? Kui tehisaru toetab õpetajat ja õpetaja jääb otsustajaks, on riskid väiksemad. Kui tehisaru asendab inimest ülesandes, mis nõuab professionaalset otsustust, kasvavad riskid kiiresti.

Nende kahe küsimuse vastused aitavad koolidel, ülikoolidel ja ettevõtete koolitusprogrammide juhtidel mõista, kas nad loovad õppimist toetava protsessi või automatiseerivad ära just selle ekspertiisi, millest õppimine sõltub.

Tehisaru ei tohi muutuda varjatud eksamineerijaks

Uuringu järeldused on olulised ajal, mil nii Eesti haridusasutused kui ka ettevõtted katsetavad üha aktiivsemalt tehisaru võimalusi õppeplatvormides, koolitusprogrammides ja professionaalses arengus.

Enne uue tehisarufunktsiooni lisamist Moodle’i kursusele, ülikoolimoodulisse, ettevõtte sisseelamisprogrammi või reguleeritud valdkonna koolituskeskkonda tasub asutustel küsida, mida täpselt automatiseerida tahetakse. Samuti tuleb hinnata, kas ülesanne nõuab pedagoogilist või professionaalset intuitsiooni, kas õpetaja või ekspert jääb lõpliku otsuse eest vastutavaks ning kas mõõdetakse tegelikku õppimist või lihtsalt süsteemi mugavust.

Litvinenko rõhutab, et eesmärk ei ole tehisaru kasutuselevõttu pidurdada ega tehnoloogilist innovatsiooni tagasi lükata. Vastupidi: läbimõeldult kasutatud tehisaru võib õpetamist tugevdada. See võib aidata õpetajal sõnastada tagasisidet, leida õppija argumentatsioonis nõrku kohti, pakkuda aruteluküsimusi, struktureerida materjale ja vabastada aega sisulisemaks suhtluseks õppijatega.

Selleks on aga vaja selget piiri: tehisaru peaks jääma inimese ekspertiisi toetajaks, mitte muutuma varjatud eksamineerijaks, kes seda asendab.

„Tehisaru võib olla tugev tööriist õpetamise toetamiseks,“ ütleb Litvinenko. „Kuid see on halb asendaja pedagoogilisele otsustusele. Mida keerukamat, loovamat või professionaalselt intuitiivsemat teadmist hinnatakse, seda ettevaatlikum tuleb olla täieliku automatiseerimisega.“

Uuringu keskne järeldus on, et tehisaru tulevik õppimises ei sõltu ainult algoritmide kvaliteedist. See sõltub sellest, kui vastutustundlikult asutused kujundavad õppeprotsessi nende algoritmide ümber.

Kui tehisaru kasutatakse rutiinsete ülesannete jaoks ja see toetab õpetaja otsustust, võib see haridust parandada. Kui see aga asendab inimlikku otsustust seal, kus see otsustus on õppimise keskne osa, võib tehnoloogia hakata nõrgestama just seda õppimist, mida ta peaks toetama.

Selles mõttes ei lahenda tehisaru hariduse kvaliteedi küsimust automaatselt. Ta võimendab süsteemi, kuhu ta paigutatakse. Tugevas õpikeskkonnas võib sellest saada sügavama õpetamise tööriist. Nõrgas süsteemis võib see kiirendada õppimise imitatsiooni.

Just seetõttu ei peaks Litvinenko sõnul tehisaru kasutuselevõtt hariduses algama platvormi valikust. See peaks algama põhimõttelisemast küsimusest: millise osa inimlikust ekspertiisist oleme valmis masinale üle andma ja mida võime kaotada, kui teeme seda liiga kiiresti?

*Litvinenko esitles raamistikku MoodleMoot Estonia 2026 konverentsil, mis toimus Tallinnas 29.–30. aprillil 2026. Konverentsi korraldas Vextur koostöös TalTechi ning Eesti Muusika- ja Teatriakadeemiaga. Konverentsi teema oli „Creativity and Collaboration in the Age of AI“.

**Anna Litvinenko on Tallinna Tehnikaülikooli majandusteaduskonna ärikorralduse instituudi doktorant erialal „Tehisintellekt organisatsioonides“. Tema uurimisvaldkond on organisatsiooniline õppimine ning inimese ja tehisintellekti koostöö.

***Uuring: Litvinenko, A. (2026). The knowledge collaboration framework: A review of artificial intelligence in organisational learning and knowledge management. Journal of Decision Systems, 35(1), artikkel 2616703.

Artikkel ilmus Delfi Forte-s