Voiko monimutkaisempi prompti parantaa tekoälyn vastausta? Tutkimuksessa vertailtiin 480 vastausta.

18.11.2026

On monta keinoa esittää pyyntö tekoälylle kuten esimerkiksi yksi virke tai usean vaiheen mittainen ohjeistus, mutta kummalla tavalla syntyy luotettavampi lopputulos? Turun ammattikorkeakoulussa laaditussa opinnäytetyössä kävi ilmi, että monimutkaisempi ohjeistus ei itsessään taannut parempaa vastausten laatua.

Generatiivisia kielimalleja käytetään monenlaisiin töihin: tiedon jäsentelyyn, tekstin tiivistämiseen ja kuvien tulkintaan. Käyttäjä voi silti pohtia, miten kehote kannattaa muotoilla. Riittääkö suora kysymys, vai kannattaako mallille näyttää esimerkkejä ja pyytää sitä etenemään askel kerrallaan? Kehotteista käytetään nimitystä prompti ja sen muotoilua kutsutaan promptaukseksi.

Opinnäytetyössä viittä eri tapaa ohjata kielimallia vertailtiin keskenään. Zero-shotissa tehtävä annetaan ilman esimerkkejä. One-shotissa mallille annetaan yksi esimerkki ja few-shotissa useampi. Chain-of-Thought johdattaa mallia pohtimaan ongelmaa vaiheittain, kun taas rakenteellisessa promptauksessa tehtävänanto ja vastausohjeet jaetaan selkeisiin osiin. Tutkimuksen tavoitteena oli selvittää, näkyykö menetelmän valinta vastauksen laadussa ja mitä lisäohjeistus kustantaa laskentaresursseissa ja ajassa.

Laatuerot jäivät pieniksi

Tutkimuksessa ajettiin paikallisesti kolmea kielimallia, jotka käsittelevät sekä tekstiä että kuvia. Tehtävät liittyivät faktatietoihin, tiivistämiseen, matematiikkaan ja teollisten komponenttien tunnistamiseen kuvista. Jokainen tehtävä toteutettiin jokaisella mallilla ja menetelmällä kahdesti, joten vastauksia kertyi yhteensä 480.

Arvioinnissa kiinnitettiin huomiota muun muassa oikeellisuuteen, olennaisuuteen, kattavuuteen sekä siihen, noudattiko vastaus tehtävänantoa. Menetelmien keskimääräinen kokonaislaatu asettui asteikolla 1–5 välille 4,62–4,76. Korkein keskiarvo tuli Chain-of-Thought-menetelmältä, joka ohjaa vaiheittaiseen tarkasteluun. Ero ei kuitenkaan ollut tilastollisesti merkitsevä. Keskiarvojen järjestys ei siis todista vielä yhden menetelmän paremmuutta.

Tuloksissa havaittiin selkeää kattovaikutusta. Peräti 399 vastausta 480:stä sai täydet pisteet. Faktakysymykset ja tiivistämistehtävät olivat malleille niin helppoja, että eri ohjaustapojen väliset erot jäivät vaikeasti havaittaviksi. Tulos voisi vaikeammilla tehtävillä näyttää toisenlaiselta.

Kuvien tulkinta osoittautui vaikeammaksi

Kuvapohjaiset tehtävät osoittautuivat selvästi tutkimuksen haastavimmaksi osuudeksi, sillä tekstitehtävissä keskimääräiset laatupisteet olivat noin 4,94–4,99, mutta kuvatehtävissä keskiarvo oli 3,95. Mallit tunnistivat teollisia komponentteja, mutta kaikki vastaukset eivät nojanneet luotettavasti siihen, mitä kuvassa todellisuudessa näkyi.

Joissakin vastauksissa malli kertoi yksityiskohtia, joille ei löytynyt tukea kuvasta. Tämänlainen vahvistamaton väite voi olla ongelmallinen esimerkiksi teknisessä dokumentoinnissa tai teollisen laitteen tarkastuksessa. Sujuvasti kirjoitettu perustelu ei vielä takaa, että havainto pitäisi paikkansa. Tunnistuksen onnistumista on siksi arvioitava erikseen siitä, miltä vastaus näyttää.

Kuvatehtävien määrä oli kuitenkin suppea, joten tulokset eivät kerro kattavasti eri laitteista, kuvaolosuhteista tai teollisuuden käyttötilanteista. Havainto antaa pikemmin aiheen huolellisempaan testaamiseen kuin lopullisen arvion multimodaalisten kielimallien soveltuvuudesta teollisuuteen.

Resurssien kulutus kasvoi lisäohjeiden myötä

Promptausmenetelmän valinta näkyi laadun ohella myös vastausten pituudessa ja tuottamiseen kuluneessa ajassa. Chain-of-Thought tuotti keskimäärin eniten tulostokeneita, ja sen vastausten muodostaminen kesti pisimpään. Few-shot puolestaan kasvatti syötettä mallille annettavien useiden esimerkkien myötä. Token on kielimallin käsittelemä tekstin osa, joten tokenmäärä kuvaa osaltaan käsiteltävän aineiston laajuutta.

Näillä lisäpanostuksilla ei tässä tutkimuksessa kuitenkaan saavutettu johdonmukaista kokonaislaadun parannusta. Käytännön järjestelmissä vaikutus voi kertautua, mikäli sama tehtävä suoritetaan useita satoja tai tuhansia kertoja. Promptia olisi hyvä arvioida vastausten laadun sekä nopeuden ja resurssien käytön näkökulmasta.

Tutkimus avaa näkökulmia ADINO-hankkeeseen

Tutkimus tehtiin Turun ammattikorkeakoulun Cognitive Technologies -tutkimusryhmässä osana (CoRe) osana Business Finlandin rahoittamaa Adaptive Intelligence for State-Aware Industrial Optimization (ADINO) -hanketta. ADINO-hankkeessa kehitetään tekoälyratkaisuja, jotka ymmärtävät teollisuuden tilaa ja optimoivat toimintaa yhdistäen muun muassa sensoritietoa, koneiden tietoja ja ihmisten asiantuntemusta.

Opinnäytetyön havainnot voivat esimerkiksi tukea sellaisten sovellusten suunnittelua, joissa käsitellään teknisiä aineistoja ja tulkitaan teollisia kuvia. Tutkimuksessa ei kuitenkaan testattu valmista ADINO-järjestelmää tuotantoympäristössä. Tulosten siirtäminen todellisiin käyttökohteisiin edellyttää erillistä testausta ja käyttäjälle tärkeiden virhetilanteiden huomioimista.

Aloita kevyesti, varmista mittaamalla

Tutkimuksen keskeinen johtopäätös on käytännöllinen: promptista ei kannata tehdä monimutkaista vain monimutkaisuuden vuoksi. Selkeä ja lyhyt tehtävänanto voi toimia hyvin, mutta vaativammissa tilanteissa esimerkeistä tai vaiheittaisista ohjeista saattaa olla hyötyä. Paras valinta riippuu tehtävästä ja käytetystä kielimallista.

Luotettava käyttöönotto edellyttäisi kuitenkin, että vastauksia verrattaisiin ennalta määriteltyihin laatukriteereihin eikä arvioitaisi vain yksittäisten onnistumisten perusteella.

Erityisesti kuvatehtävien perusteella mallin havainnot päätelmissä on syytä tarkistaa. Paras lopputulos syntyy usein yksinkertaisen promptin, järjestelmällisen testauksen ja ihmisen tekemän varmistuksen yhdistelmästä – ei ohjeistuksen jatkuvasta pidentämisestä.

Artikkeli on osa Kognitiiviset teknologiat -tutkimusryhmän julkaisuja.

Lähteet

Riku Väliaho 2026. Promptausmenetelmien vaikutus generatiivisten ja multimodaalisten kielimallien tuottamien vastausten laatuun. Viitattu 4.11.2026.

Turun ammattikorkeakoulu 2026. Mukautuva äly teollisuuden tilannetietoiseen optimointiin (ADINO). Viitattu 4.11.2026.