Kielimallit Suomessa: GPT, Claude, Gemini ja Poro 2

Suomenkieliseen asiakaspalveluun kielimallia etsivän yrityksen kannattaa vertailla nykyisiä GPT-, Claude- ja Gemini-malleja sekä Suomessa jatkokehitettyjä vaihtoehtoja, kuten Poro 2:ta. Pelkkä tunnettu nimi ei riitä valintaperusteeksi. Puhelinpalvelussa ratkaisee, ymmärtääkö järjestelmä asiakkaan asian ja hoitaako se sovitun tehtävän oikein.

Sujuva suomenkielinen vastaus ei vielä todista tätä. Malli voi kirjoittaa hyvää tekstiä mutta sekoittaa ajanvarauksen muutoksen peruutukseen. Se voi myös antaa uskottavan vastauksen yrityksen käytännöstä, jota sille ei ole kerrottu. Silloin kielitaito on kunnossa, mutta palvelu ei ole.

Tässä oppaassa vertaillaan kansainvälisten mallipalvelujen ja Suomessa kehitettyjen, ladattavina mallipainoina saatavien vaihtoehtojen lähtökohtia. Saat myös käytännön testirungon hankintaa varten. Kyse ei ole mallien paremmuusjärjestyksestä: ilman samoilla tehtävillä tehtyä testiä sellaista ei kannata esittää.

Kielimalli suomen kielelle: mitä yrityksen kannattaa testata?

Aloita yhdestä työtehtävästä. Esimerkiksi huoltoliikkeen puhelinpalvelun pitää erottaa uuden ajan varaaminen, vanhan ajan siirtäminen ja jo tehdyn huollon laskutuskysymys. Nämä keskustelut voivat alkaa lähes samalla tavalla. Asiakas sanoo vain, että hänellä olisi asiaa siitä viime viikon varauksesta.

Kokoa testiin sanamuotoja, joita asiakkaanne todella käyttävät. Mukaan tarvitaan puhekieltä, lyhenteitä, kesken jääviä lauseita ja korjauksia. Siisti kysymys "Miten siirrän ajanvaraukseni?" kertoo vähemmän kuin "Se huominen ei nyt onnistukaan, olisko loppuviikolla mitään?" Molemmat ovat tarpeellisia, mutta jälkimmäinen paljastaa helpommin keskustelun ongelmat.

Merkitys pitää säilyttää myös korjauksissa

Yksi hyödyllinen testitapaus on kielto: "Älä peru sitä aikaa, kysyn vain hintaa." Toisessa asiakas korjaa päivämäärää kesken lauseen. Kolmannessa hän kertoo osoitteen taivutetussa muodossa. Tarkasta lopuksi, mitä järjestelmä kirjasi, älä pelkästään sitä, miltä sen vastaus kuulosti.

Kielen laadun arviointiin kannattaa ottaa asiakaspalvelija. Hän huomaa nopeasti, jos vastaus on kieliopillisesti oikea mutta tilanteeseen liian pitkä tai töksähtävä. Tekninen arvioija puolestaan tarkastaa, että oikea tieto päätyi oikeaan kenttään. Kumpikaan tarkistus ei korvaa toista.

Erota testissä ainakin nämä asiat:

• Ymmärsikö järjestelmä asiakkaan tavoitteen ja myöhemmän korjauksen?
• Perustuiko vastaus annettuun yritystietoon vai lisäsikö malli omia oletuksia?
• Kysyikö se puuttuvan tiedon ennen seuraavaa toimenpidettä?
• Vahvistiko se varauksen vasta järjestelmän onnistuneen vastauksen jälkeen?
• Siirsikö se asian ihmiselle silloin, kun oma toimivalta loppui?

Merkitse virheet niiden seurauksen mukaan. Hieman kankea lause ja väärän ajan peruuttaminen eivät saa samaa painoa. Keskiarvo voi näyttää hyvältä, vaikka yksi harvinainen virhe estäisi koko käyttöönoton.

Ajantasaiset kielimallit: mitä ottaa vertailuun?

Mallikatsaus on tarkistettu valmistajien dokumentaatiosta 8.10.2026. Alla olevat nimet ovat vertailun lähtökohtia, eivät Aisterin oman suorituskykytestin tuloksia. Palvelun saatavuus, malliversiot ja hinnat pitää tarkistaa vielä hankintahetkellä.

OpenAI: GPT-6 Astra, GPT-6.1 Sol ja GPT-6 Luna

OpenAI:n malliluettelo nostaa esiin GPT-6 Astran vaativaan päättelyyn, GPT-6.1 Solin laadun ja kustannuksen tasapainottamiseen sekä GPT-6 Lunan suurivolyymisiin, kustannusherkkiin tehtäviin. GPT-4 ei kuulu tämän uuden hankinnan vertailun kärkeen.

Puhelinpalveluun emme valitsisi automaattisesti raskainta mallia. Rajatussa tehtävässä kannattaa mitata, hoitaako kevyempi vaihtoehto samat asiat oikein ja nopeammin. Vaikeat poikkeustapaukset voidaan arvioida erikseen. Mallin nimi ei kerro toteutuksen kokonaisviivettä.

Pyydä tarjoukseen tarkka API-mallitunnus ja vaihtosuunnitelma. ChatGPT-sovelluksessa tehty kokeilu ei vielä osoita, miten sama toimittaja suoriutuu yrityksen järjestelmiin kytketyssä palvelussa.

Anthropic: Claude Opus 5.5 ja Fable 5.1

Anthropic julkaisi Claude Opus 5.5:n syyskuussa 2026. Sen rinnalla Claude Fable 5.1 on ajantasainen vaihtoehto vaativiin ja pitkäkestoisiin tehtäviin. Samassa julkaisussa esitelty Mythos 5.1 on rajatun saatavuuden malli, joten sitä ei pidä käsitellä tavallisena, kaikille avoimena hankintavaihtoehtona.

Tavallinen ajanvarauspuhelu ei silti ole pitkäkestoinen tutkimustehtävä. Ota vertailuun tarjottu Claude-versio samalla suomenkielisellä aineistolla kuin muut ehdokkaat. Mallin yleiset päättely- tai ohjelmointitulokset eivät todista, että se käsittelee suomalaisen asiakkaan korjauksen oikein.

Google: Gemini 3.8 Flash ja puheeseen tarkoitettu Live

Googlen Gemini-malliluettelo sisältää vakaana julkaistun Gemini 3.8 Flashin sekä puhevuorovaikutukseen tarkoitetun Gemini 3.8 Liven. Luettelossa Gemini 3.1 Pro on edelleen preview-versio. Tätä eroa ei pidä häivyttää tarjouksesta: kokeiluversio ja vakaa julkaisu eivät ole sama asia.

Gemini kuuluu mukaan vertailuun etenkin silloin, kun harkitaan ääntä käsittelevää toteutusta. Testaa kuitenkin juuri tarjottu rajapinta ja sen suomenkielinen toiminta. Tekstimallin onnistunut vastaus ei todista puheen tunnistuksen, keskeytysten tai vuoronvaihdon toimivuutta.

Suomessa kehitetty vaihtoehto: Poro 2 Instruct

Kotimaisten vaihtoehtojen osiossa pelkät Poro 34B ja Viking eivät riitä nykytilanteen kuvaukseksi. Poro 2 8B Instructin mallikortti kuvaa suomen- ja englanninkieliseen keskusteluun jatkokoulutetun mallin. Poro 2 -perheessä on myös 70B-versio. Kehityksessä ovat mukana AMD Silo AI, TurkuNLP ja HPLT.

Poro 2 perustuu Llama-malleihin. Se on siis esimerkki Suomessa tehdystä jatkokehityksestä, ei kokonaan suomalaisesta teknologiaketjusta. 8B Instructin mallikortti ilmoittaa lisenssiksi Llama 3.3 Community Licensen. Vanhan Poro 34B:n Apache 2.0 -lisenssiä ei voi olettaa uuden version lisenssiksi.

Instruct-versio on keskustelukokeiluun perusmallia luontevampi lähtökohta, mutta sekään ei ole valmis puhelinpalvelu. Tarvitset mallin ajamiseen ympäristön, järjestelmäyhteydet ja ylläpidon. Poro 2 on tässä konkreettinen arvioitava vaihtoehto, ei väite Suomen uusimmasta tai parhaasta mallista.

Vertaa samaa tehtävää, älä toimittajien mainoslauseita

Valitse pilottiin muutama toteutus, joille annetaan samat yritystiedot ja toimintarajat. Kirjaa malliversion lisäksi käytetty päättelyasetus, vasteaika ja kokonaiskustannus. Jos toisen mallin ohjeistus on valmisteltu huolella ja toinen saa pelkän asiakkaan kysymyksen, testi mittaa ennen kaikkea valmistelua.

Kielimalli suomenkielisessä puhelinpalvelussa on vain osa ketjua

Puhelinpalvelua voi toteuttaa eri arkkitehtuureilla. Erillisistä osista koostuvassa ratkaisussa puheentunnistus muuttaa asiakkaan puheen tekstiksi, kielimalli käsittelee asian ja puhesynteesi tuottaa äänen. Toisessa toteutuksessa sama malli käsittelee ääntä suoremmin. Hankinnassa kannattaa pyytää kuvaus juuri tarjotusta toteutuksesta, ei yleistä tekoälykaaviota.

Jos asiakkaan sukunimi tunnistuu väärin jo ensimmäisessä vaiheessa, tekstimallin vaihtaminen ei välttämättä auta. Jos oikea vastaus odottaa hidasta ajanvarausrajapintaa, nopeampi tekstintuotto ei poista koko viivettä. Ongelma pitää paikantaa ennen korjausta.

Testaa sama asia ensin tekstinä ja sitten puhelussa

Anna aluksi mallille kirjoitettu keskustelu. Tarkista ymmärrys, toimintapäätös ja tallennettavat tiedot. Aja sen jälkeen vastaava tilanne äänen kautta. Jos tekstikoe onnistuu mutta puhelu ei, tutki tunnistusta, vuoronvaihtoa ja keskeytyksiä ennen kielimallin hylkäämistä.

Puhelutestissä asiakkaan kannattaa myös keskeyttää vastaus. Kokeile esimerkiksi tilannetta, jossa järjestelmä lukee vapaita aikoja ja asiakas sanoo väliin: "Ei kun tarkoitin ensi viikkoa." Hyvän toteutuksen pitää muuttaa suuntaa. Pitkän, jo vanhentuneen vastauksen lukeminen loppuun tuntuu asiakkaasta hitaalta, vaikka ensimmäinen ääni olisi alkanut nopeasti.

Mittaa sekä ensimmäisen vastauksen alkua että asian valmistumista. Lisäksi tarvitset tiedon siitä, kuinka moni puhelu vaati korjauksen tai siirron ihmiselle. Lyhyt puhelu ei ole onnistuminen, jos asiakas joutuu soittamaan heti uudelleen.

Yrityksen tiedot haetaan hyväksytystä lähteestä

Kielimallin ei pitäisi päätellä aukioloaikoja tai peruutusehtoja yleisestä kielitaidostaan. Anna sille hyväksytty tietolähde ja määritä, mitä tehdään, jos vastausta ei löydy. Sama koskee vanhentuneita tai keskenään ristiriitaisia ohjeita: järjestelmän pitää osata pysähtyä, eikä valita uskottavimmalta kuulostavaa versiota.

Mallin ehdotus ja varsinainen toimenpide kannattaa erottaa. Jos asiakas haluaa siirtää ajan, taustajärjestelmän tulee tarkistaa sallittu muutos ja palauttaa tulos. Vasta tämän jälkeen puhepalvelu vahvistaa onnistumisen. Näin mallin sujuva ilmaisu ei muutu vahingossa lupaukseksi tekemättömästä työstä.

Kokonaisuuden testaamista käsittelee tarkemmin oppaamme AI-puhelinpalvelun laadunvarmistuksesta.

Kotimaisuus, ylläpito ja hinta pitää eritellä tarjouksessa

Kotimainen kielimalli voi tarkoittaa Suomessa kehitettyä mallia. Kotimainen palvelu voi puolestaan olla suomalaisen yrityksen tarjoama toteutus, joka käyttää kansainvälistä mallia. Kumpikaan ilmaus ei vielä kerro, missä asiakkaan puhelu käsitellään tai kuka näkee tallenteen.

Pyydä toimittajaa nimeämään kehittäjä, palvelun ylläpitäjä ja tietojen käsittelypaikat erikseen. Kysy myös puheentunnistuksen, lokien ja varmuuskopioiden toteutuksesta. Pelkkä kielimallin sijainti ei kuvaa koko tiedonkulkua. Tämä on hankinnan tarkistuslista, ei arvio yksittäisen ratkaisun lainmukaisuudesta.

Oma malli tuo myös omaa työtä

Mallipainojen saatavuus ei poista palvelinkustannuksia eikä ylläpitoa. Jonkun pitää seurata kuormaa, korjata vikoja, arvioida uudet versiot ja vastata häiriötilanteisiin. Pienelle yritykselle ylläpidetty palvelu voi olla käytännöllinen jo siksi, ettei omaa päivystävää teknistä tiimiä ole.

Oma toteutus voi silti olla perusteltu, jos yrityksellä on siihen osaaminen ja selvä tarve hallita ympäristöä tai muokata mallia. Tee tämä päätös työmäärän ja vaatimusten pohjalta. Kotimaisuus ei yksin todista parempaa suomen kielen laatua, eikä suuri kansainvälinen toimittaja yksin todista soveltuvuutta juuri teidän prosessiinne.

Laske onnistuneen asian kustannus

Vertailuun kuuluvat mallin käytön lisäksi puhelinliikenne, äänen käsittely, järjestelmäyhteydet, testaus ja ihmistyö. Hinnoitteluyksikkö voi olla token, minuutti, puhelu tai kuukausi. Pyydä toimittajaa muuttamaan tarjous yhteiseen käyttöesimerkkiin, jotta eri yksiköt eivät peitä kokonaisuutta.

Seuraava lasku on kuvitteellinen esimerkki, ei Aisterin hinnasto tai asiakastulos. Jos palvelun kokonaiskulu on 900 euroa ja sillä hoidetaan 600 sovitun määritelmän mukaan onnistunutta asiaa, kustannus on 1,50 euroa onnistumista kohti. Jos 700 euron vaihtoehto hoitaa vain 350 asiaa, vastaava luku on 2 euroa. Mukaan pitää laskea samalla tavalla myös korjausten työaika ja mahdolliset uusintayhteydenotot.

Sopikaa siis onnistumisen määritelmä ennen hintavertailua. Pelkkä puheluun vastaaminen on eri suorite kuin vahvistettu ajanvaraus tai oikein toimitettu takaisinsoittopyyntö.

Näin viet kielimallin valinnan rajattuun pilottiin

Älä aloita koko asiakaspalvelusta. Valitse tehtävä, jonka oikean lopputuloksen pystytte tarkistamaan ilman tulkinnanvaraa. Huoltoajan siirtopyyntö voi olla sopiva, jos järjestelmäyhteys ja vastuut on määritelty. Monimutkainen sopimusriita on huono ensimmäinen kokeilu.

Käytännöllinen aloitus on esimerkiksi 60 itse laadittua tai asianmukaisesti anonymisoitua testitapausta. Tämä on ehdotus pilotin työmääräksi, ei tilastollinen laatutakuu. Jaa aineisto tavallisiin pyyntöihin, täsmennystä vaativiin tilanteisiin ja tapauksiin, jotka pitää siirtää ihmiselle. Pidä osa tapauksista erillään ohjeiden kehittämisestä, jotta et mittaa vain harjoiteltujen vastausten muistamista.

Kirjoita jokaiselle tapaukselle odotettu lopputulos. Asiakkaan ilmauksen "ensi perjantai" kohdalla se voi olla päivämäärän täsmentäminen, ei mallin arvaama päivä. Kun testitapaus on epäselvä myös ihmiselle, mallilta ei pidä vaatia maagisesti oikeaa tulkintaa. Sen pitää kysyä lisää.

Kirjaa ennen testiä myös hylkäysehdot. Esimerkiksi keksitty varausvahvistus voi estää julkaisun riippumatta muista tuloksista. Rajattu pilotti ei todista, ettei tällaista virhettä voisi koskaan tapahtua, mutta se antaa konkreettisen perustan korjauksille ja tuotannon seurannalle.

Pidä testipäiväkirjassa mallin tarkka versio, ohjeistus, käytetty tietoaineisto ja havainnot. Aja kriittiset tapaukset useammin kuin kerran. Yksi onnistunut vastaus ei riitä, jos sama pyyntö epäonnistuu seuraavalla yrityksellä. Arvioi myös ruuhka ja taustajärjestelmän aikakatkaisu: järjestelmän täytyy kertoa epäonnistumisesta, ei peittää sitä kohteliaaseen vastaukseen.

Pilottiin kannattaa varata selvä palautumistapa. Jos palvelu ei saa yhteyttä ajanvaraukseen, se kerää sovitun takaisinsoittopyynnön tai ohjaa asiakkaan työntekijälle. Nimeä henkilö, joka käy poikkeamat läpi, ja päätä, milloin kokeilu keskeytetään. Näin testistä syntyy tietoa myös silloin, kun valittu malli ei läpäise vaatimuksia.

Lue tarvittaessa AI-puhelinpalvelun pilotointiopas ennen ensimmäistä oikeaa asiakaspuhelua.

Päätä näytön perusteella

Suomenkieliseen käyttöön sopivaa kielimallia ei voi valita pelkästä nimestä, alkuperämaasta tai näyttävästä demosta. Vertaa rajattua tehtävää, koko puheluketjua ja ylläpidon todellista työmäärää. Säilytä testiaineisto myös hankinnan jälkeen, jotta seuraavaa malliversiota voidaan arvioida samoilla perusteilla.

Jos haluat rajata ensimmäisen kokeilun, ota yhteyttä. Katsotaan ensin, mikä puhelun lopputulos pitää saada luotettavasti aikaan. Sen jälkeen voidaan arvioida, millainen puhe-AI-ratkaisu tehtävään sopii.