Algoritmi palotarkastajan työkaluna

Valvontakohteiden luokittelu ja valvontavälit -hankkeen loppuraportti on nyt julkaistu. Sen valmistuminen tuntuu henkilökohtaisesti merkittävältä, sillä hanke oli minulle yksi suurimmista ammatillisen kehittymisen haasteista pitkään aikaan.

Riskiperusteisuus tarvitsee yhteisen kielen

Hankkeen lähtökohta oli periaatteessa yksinkertainen, mutta käytännössä vaikea: Miten pelastusviranomaisen valvontaa voidaan kohdentaa nykyistä johdonmukaisemmin riskin perusteella?

Miten pelastusviranomaisen valvontaa voidaan kohdentaa nykyistä johdonmukaisemmin riskin perusteella?

– Kari Telaranta –

Pelastuslaki edellyttää jo nyt, että valvonnan tulee perustua riskien arviointiin. Vaikeampi kysymys on, miten riskiperusteisuus toteutetaan siten, että se on samanaikaisesti ymmärrettävää, läpinäkyvää, valtakunnallisesti vertailukelpoista ja myös käytännössä käyttökelpoista.

Tähän kysymykseen hankkeessa haettiin vastausta algoritmisen mallin avulla.

Miten riskiluku muodostuu?

Yksinkertaisesti kyse on siitä, että valvontakohteille pyritään muodostamaan riskiluku. Se ei synny yhdestä tekijästä vaan usean erilaisen näkökulman yhdistelmästä.

Mallissa tarkastellaan ensinnäkin sitä, kuinka usein tietyn tyyppisissä rakennuksissa on tilastojen perusteella tapahtunut rakennuspaloja tai rakennuspalovaaroja. Toiseksi arvioidaan, millaisia seurauksia palolla voisi olla esimerkiksi omaisuusvahinkojen, loukkaantumisten ja kuolemanriskin näkökulmasta. Kolmanneksi malliin sisältyy asiantuntija-arvio, koska kaikki olennainen tieto ei näy suoraan tilastoissa. Palotarkastajien ja muiden pelastusalan ammattilaisten kokemus sisältää sellaista hiljaista tietoa, jota pelkkä rekisteriaineisto ei tavoita.

Algoritmi kysyy kolmea asiaa:

1. kuinka todennäköinen palo on,
2. kuinka vakavia seurauksia siitä voisi aiheutua ja
3. liittyykö kohdetyyppiin sellaisia erityisiä riskejä, jotka asiantuntijat tunnistavat tilastoja paremmin.

Näiden tekijöiden perusteella eri kohdetyypeille muodostetaan ohjeellinen riskitaso, jonka pohjalta voidaan ehdottaa valvontaväliä.

Kaksi tapaa hyödyntää mallia

Käytännön soveltamista varten hanke tarjoaa pelastuslaitoksille kaksi vaihtoehtoista tapaa hyödyntää tuloksia.

Ensimmäinen vaihtoehto on käyttää hankkeessa tuotettua ohjeelliset valvontakohdeluokat ja valvontavälit -taulukkoa. Se on yksinkertaisin tapa ottaa mallin tulokset käyttöön. Taulukko antaa hankkeessa käytettyyn aineistoon perustuvan yhteismitallisen lähtökohdan eri valvontakohdetyyppien tarkasteluun. Se soveltuu erityisesti tilanteisiin, joissa halutaan yhtenäistää valvontavälien määrittelyä ilman erillistä aluekohtaista laskentaa.

Toinen vaihtoehto on ajaa algoritmi pelastuslaitoksen omalla valvontakohdeluettelolla. Tällöin laskenta huomioi juuri kyseisen pelastuslaitoksen kohderakenteen. Käytännössä käytettävissä oleva valvontaresurssi voidaan kohdentaa sen perusteella, millaisia valvontakohteita alueella tosiasiallisesti on.

Jos alueella korostuvat esimerkiksi tietyt teollisuuden, maatalouden, palveluasumisen tai kokoontumistilojen kohdetyypit, alueen erityinen kohdejakauma voidaan ottaa tarkemmin huomioon kuin käyttämällä hankkeessa tuotettua taulukkoa.

Ensimmäinen vaihtoehto antaa yhteisen viitekehyksen. Toinen vie riskiperusteisuuden pidemmälle ja sovittaa mallin pelastuslaitoksen omaan toimintaympäristöön. Molemmissa on kuitenkin kyse samasta perusajatuksesta. Valvontaa pyritään kohdentamaan nykyistä avoimemmin ja perustellummin sinne, missä riskit ja valvonnan tarve ovat suurimmat.

Algoritmi ei korvaa ammatillista harkintaa

Algoritmi ei tee palotarkastajan työtä hänen puolestaan. Se ei tunne yksittäisen rakennuksen kaikkia erityispiirteitä, toiminnan muutoksia, turvallisuuskulttuuria tai paikallista tilannetta. Sen tehtävänä on tuottaa perusteltu lähtökohta valvonnan suunnittelulle.

Lopullinen valvonnan kohdentaminen edellyttää edelleen viranomaisen ammatillista harkintaa. Tätä harkintaa tukevien menetelmien kehittämiseksi on käynnistymässä myös Arvioiva valvontamenetelmä ARVI 2.0 -hanke (Palopäällystöliiton hallinnoima hanke alkaa syyskuussa 2026).

Algoritminen analytiikka ei ole enää tulevaisuuden kaukainen mahdollisuus. Se on jo tulossa osaksi julkisen hallinnon ja viranomaistoiminnan arkea. Dataa kertyy yhä enemmän, tietojärjestelmät kehittyvät ja päätöksenteolta odotetaan kasvavaa perusteltavuutta, yhdenmukaisuutta ja vaikuttavuutta. Samalla viranomaisten resurssit ovat rajalliset. Kysymys ei siten ole enää vain siitä, käytetäänkö analytiikkaa, vaan siitä, millä ehdoilla ja millä vastuuperiaatteilla sitä käytetään.

Kysymys ei siten ole enää vain siitä, käytetäänkö analytiikkaa, vaan siitä, millä ehdoilla ja millä vastuuperiaatteilla sitä käytetään.

– Kari Telaranta –

Tekninen malli sisältää aina valintoja – loppuraportin eettinen tarkastelu

Hankkeessa ei ollut kyse vain laskentamallista, vaan myös siitä, millainen suhde viranomaisella on tietoon, harkintaan ja vastuuseen.

Loppuraporttiin sisältyy tämän vuoksi oma eettinen tarkastelunsa. Algoritminen malli ei ole neutraali vain siksi, että se näyttää tekniseltä. Mallia rakennettaessa tehdään valintoja siitä,

• mitä pidetään riskinä,
• mitä mitataan,
• mitä jätetään mittaamatta,
• miten eri tekijöitä painotetaan ja
• miten tuloksia tulkitaan.

Jos nämä valinnat jäävät piiloon, algoritmi voi alkaa näyttää objektiivisemmalta kuin se todellisuudessa on. Vaarana on silloin, että laskentamalli peittää alleen ne arvovalinnat, joita sen sisään on väistämättä rakennettu.

1. Mallin tulee ensinnäkin olla ymmärrettävä. Viranomaisen, päättäjän ja valvonnan kohteen pitää voida hahmottaa, miksi tietty lopputulos on syntynyt.
2. Toiseksi mallin tulee olla läpinäkyvä. Sen keskeiset lähtötiedot, oletukset ja rajoitukset on tuotava esiin.
3. Kolmanneksi vastuun tulee säilyä ihmisellä. Algoritmi voi tukea harkintaa, mutta se ei saa korvata viranomaisen velvollisuutta arvioida yksittäistapausta asianmukaisesti.

Hyvä malli tekee myös epävarmuuden näkyväksi

Hanke opetti myös nöyryyttä. Riskien mallintaminen on väistämättä epätäydellistä. Tilastot kuvaavat menneisyyttä, eivät tulevaisuutta. Asiantuntija-arvio tuo malliin käytännön ymmärrystä, mutta sisältää sekin painotuksia ja tulkintoja.

Yksittäinen laskentatulos voi näyttää täsmälliseltä, vaikka sen taustalla on epävarmuuksia, rajauksia ja oletuksia. Hyvä malli ei siksi ole sellainen, joka tuottaa näennäisen varmoja vastauksia, vaan sellainen, joka tekee myös epävarmuutensa näkyviksi.

Olennaista on, että valvontaa voidaan jatkossa perustella nykyistä paremmin. Miksi joitakin kohteita valvotaan tiheämmin kuin toisia? Miten rajallinen valvontaresurssi kohdennetaan silloin, kun kaikkea ei voida tarkastaa yhtä usein? Miten varmistetaan, ettei valvonta perustu pelkästään perinteeseen, paikalliseen käytäntöön tai yksittäisiin oletuksiin vaan mahdollisimman avoimeen riskitietoon?

Hanke ei anna näihin kysymyksiin lopullista vastausta, mutta se tarjoaa yhden konkreettisen askeleen eteenpäin.

Ammatillinen matka tiedon, harkinnan ja vastuun rajapinnalle

Minulle henkilökohtaisesti hanke oli matka pelastustoimen valvonnan, tilastollisen ajattelun, algoritmisen mallintamisen ja julkisen vallankäytön etiikan rajapinnalle.
Se pakotti opettelemaan uutta, kyseenalaistamaan omia oletuksia ja hyväksymään, ettei mallin arvo perustu siihen, kuinka täsmälliseltä sen tuottama luku näyttää. Arvo syntyy siitä, auttaako malli tekemään valvonnan perusteet, epävarmuudet ja harkintaa edellyttävät kohdat näkyviksi.
Loppuraportti on nyt julkaistu. Toivon, että se toimii myös keskustelunavauksena: Miten pelastustoimen valvontaa voidaan kehittää niin, että se on riskiperusteista, vaikuttavaa, oikeudenmukaista ja eettisesti kestävää?

Miten pelastustoimen valvontaa voidaan kehittää niin, että se on riskiperusteista, vaikuttavaa, oikeudenmukaista ja eettisesti kestävää?

– Kari Telaranta –

Algoritminen analytiikka tulee tavalla tai toisella osaksi viranomaistoiminnan tietoperustaa. Pelastusalan kannattaa siksi olla aktiivisesti mukana määrittämässä, miten sitä käytetään vastuullisesti, läpinäkyvästi ja ammatillista harkintaa vahvistaen.