SAVE
THE DATE

Merkityksellisiä ja tasa-arvoisia tekoälyjärjestelmiä voidaan saada aikaan vain, jos ymmärrämme niiden kehittämiseen ja taustadataan liittyvät ongelmat – sekä sen, kuinka helposti ne voivat vahvistaa olemassa olevia eriarvoisuuksia.

Ongelmien tunnistaminen ei ole pelkkää pelottelua tai riskien minimointia. Se on väline parempaan: keino rakentaa hyvää hallintoa, kestäviä liiketoimintamalleja sekä yhdenvertaisempaa arkea.

On tärkeää erottaa, missä AI tuo todellista lisäarvoa tai milloin se tuottaa vain keskiarvoja ja stereotypioita; mistä data oikeasti kertoo tai millä menetelmillä ihmisten perusoikeudet ovat vaarassa.

Eli puheenvuorossa pohditaan, mitä kaikkien – kehittäjien, tilaajien, päättäjien ja käyttäjien – tulisi ymmärtää tekoälystä, datasta ja tasa-arvosta ja miten ymmärrys kääntyy toiminnaksi. Puheenvuoro pohjaa tasa-arvoasiain neuvottelukunnan (Tane) tuottamaan selvitykseen.

AI is everywhere right now. We hear that it will make us more productive, more creative, and more efficient at work. But very few people talk about what it actually does to us as individuals and as teams when we start collaborating with intelligent systems on a daily basis.

In this talk, I take a closer look at the human side of AI. Based on my own research on human AI collaboration, I explore what happens to our motivation, our effort, and our development when AI becomes our coworker. Does AI always make teams better, or can it sometimes reduce individual effort? Does constant support help us grow, or can it lead to over reliance and slower long term skill development?

You will learn about phenomena such as social loafing in human AI teams and what I call the developmental bypass, where skipping struggle can also mean skipping growth. The goal is not to scare anyone away from AI, but to help you use it more consciously and strategically.

After this session, you will have a clearer understanding of both the opportunities and the trade offs of working with AI. You will be able to reflect on your own AI use, recognize potential risks, and make more intentional decisions about how to collaborate with intelligent systems in a way that supports both performance and personal growth.

The insights are grounded in empirical research and real studies on how people actually behave when working with AI.

Teknologiaprojekteissa tehdään jatkuvasti päätöksiä kiireen, epävarmuuden ja rajallisten resurssien keskellä. Samaan aikaan odotukset käyttäjäkokemuksesta, laadusta ja liiketoimintahyödystä kasvavat.

Luova ajattelu ei ole lisätyötä tämän päälle, vaan keino tehdä parempia päätöksiä näissä olosuhteissa. Puheenvuoro purkaa luovuutta koskevia väärinkäsityksiä, jotka elävät sitkeästi teknologiatyössä ja projekteissa. Se myös auttaa ymmärtämään, miksi luovuus ei ole “nice to have”, vaan keskeinen osa toimivaa teknologiatyötä ja hyvinvoivia tiimejä.

Esitys käsittelee viittä työssä opittua näkökulmaa luovuudesta teknologiatyössä. Nämä tavat perustuvat Petran omiin työelämäkokemuksiin projekteista, joissa samat haasteet toistuvat projektin koosta ja kontekstista riippumatta. Ne heijastavat tilanteita, joissa luovuus joko mahdollistuu – tai jää käyttämättä.

Sen sijaan, että luovuus esitettäisiin erillisenä ideointina tai “luovien ihmisten” erityistaitona, puhe näyttää, miten luova ajattelu näkyy arjen päätöksissä, rajauksissa ja yhteistyössä, myös tiukasti rajatuissa projekteissa. Luovuutta lähestytään käytännöllisenä ja tavoitteellisena ajattelutapana, joka tukee parempien ratkaisujen syntymistä.

Puheen tavoite on innostaa kuulijoita hyödyntämään luovuutta omassa työssään ja antamaan sille tilaa myös arjessa. Luova ajattelu kehittyy kokeilemalla, reflektoimalla ja antamalla itselleen luvan ajatella hieman pidemmälle. Usein pienet muutokset ajattelussa riittävät.

TBA

Mimmit koodaa -palkinto jaetaan vuosittain henkilölle, joka tekee pyyteetöntä työtä sekä yhteisön että koko alan eteen. Palkinto juhlistaa saavutuksia, jotka luovat pysyvää muutosta sukupuolten tasa-arvon ja monimuotoisuuden edistämisessä teknologia-alalla ja palkinto on tunnustus tehdystä työstä.

Vuoden 2026 voittajan valintaan vaikuttaa tuomaristo, johon kuuluvat Sonja Hyrynsalmi (LUT-yliopisto), Salla Niskanen (Tieto Tech Consulting), Eeva-Jonna Panula (Eevis Codes) ja Tatiana Semakin (Accenture).

Palkinnon jakaa tänä keväänä ensimmäisen palkinnon voittanut ja tuomaristossa vaikuttava Eevis Panula.

Miten varmistamme, että käyttäjien todellinen arki näkyy järjestelmäkehityksessä – eikä jää oletusten varaan?

Tässä esityksessä pureudutaan osallistamisen voimaan uuden potilastietojärjestelmämme, Terveystalo Ellan, kehityksessä. Kuulet, miksi käyttäjien syvällinen ymmärtäminen on elinehto kompleksisten kokonaisuuksien suunnittelussa ja miten me olemme osallistaneet terveydenhuollon ammattilaisiamme kehityksen eri vaiheissa.

Lisäksi käsittelemme, miten tekoälyn mukaantulo on muuttanut osallistamisprosessiamme. Jaamme konkreettisia onnistumisia sekä rehellisiä oppeja tilanteista, joissa tekoälyn soveltaminen ei olekaan vielä tuonut toivottuja hyötyjä.

Tule kuulemaan, miten rakennamme seuraavan sukupolven potilastietojärjestelmää yhdessä ammattilaistemme kanssa!

TBA

What actually happens to a data point from the moment it’s generated to the moment it helps a customer make a greener choice? In this session, Eevi-Inkeri Forsman (Senior Data Engineer) and Rosmy Sebastian (Product Analyst) break down the distinct but deeply connected paths of data roles at Zalando.

We will explore:

• The Foundations: How Data Engineering builds the scalable ”pipelines” that move millions of data points safely.
• The Insights: How Product Analytics turns those raw numbers into stories that drive product features.
• Tech for Good: A real-world look at how these roles collaborate to power Zalando’s sustainability goals.

Whether you are a code-curious beginner or a transitioning professional, join us to see which ”technology path” resonates with you.

Puheenvuorossaan Tuuli kertoo, kuinka päätyi viulunsoitonopettajasta ohjelmistokehittäjäksi ja kuinka kiinnostus kestävään kehitykseen vei hänet data science -tiimiin tekemään gradua.

Tekoälyn energiankulutus on tällä hetkellä ajankohtainen ja paljon keskustelua herättävä aihe. Tutkimuksessaan Tuuli selvitti, kuinka tekoälymallin energian- ja resurssienkulutusta voidaan mitata ja pienentää. Erityisesti hän tarkasteli transformer-tyyppisen mallin painojen kvantisointia ja onnistui vähentämään mallin inferenssivaiheen energiankulutusta lähes 40 %.

Puheenvuorossa kuulet:

• miksi tekoälyn ympäristövaikutukset ovat tärkeä kysymys teknologia-alalla
• miten mallin energiankulutusta voidaan mitata käytännössä
• miten energiankulutusta voidaan pienentää erilaisilla optimointikeinoilla
• millaisia haasteita tutkimusprosessin aikana tuli vastaan
• millaista oli siirtyä backend-kehityksestä data science -maailmaan
• mistä löydät lisää tietoa vihreästä teknologiasta

Puheenvuoro ei edellytä ennakkotietoa koneoppimisesta. Se sopii kaikille, joita kiinnostavat vastuullinen teknologia, tekoälyn optimointi tai oma ammatillinen suunnanmuutos.