Kenttäraportti · Tekoäly · 24.4.2026

Liian vaarallinen vapauteen

Miksi Anthropic ei julkaise Mythosta — ja miksi se on jo vuotanut

Anthropic rakensi tekoälymallin, joka löytää 27 vuoden ajan piilossa olleen haavoittuvuuden yhdessä yössä. Yhtiö päätti olla julkaisematta sitä. Viikon sisällä se oli jo Discord-kanavan käsissä. Tämä ei ole tarina yhdestä teknologiayhtiöstä — se on tarina siitä, miten nopeasti maailma muuttuu, kun työkalun rakentaminen käy nopeammin kuin yhteiskunnan sopeutuminen siihen.

I · Mikä Mythos on — faktat ensin

Huhtikuun 7. päivänä 2026 yhdysvaltalainen tekoäly-yhtiö Anthropic julkisti Claude Mythoksen. Kyseessä ei ole uusi chatbot tai tuottavuustyökalu. Mythos on tekoälymalli, joka on erikoistunut yhteen asiaan: ohjelmistojen haavoittuvuuksien löytämiseen ja niiden hyväksikäyttöön.

Malli löysi muutamassa viikossa tuhansia kriittisiä tietoturva-aukkoja eri käyttöjärjestelmistä, selaimista ja ohjelmistokirjastoista. Merkittävin esimerkki: 27 vuotta vanha haavoittuvuus avoimen lähdekoodin OpenBSD-käyttöjärjestelmässä — käyttöjärjestelmässä, joka on rakennettu alusta alkaen turvallisuus mielessä. Tuhannet ihmistutkijat ja automaattiset työkalut olivat käyneet kyseisen koodin läpi vuosikymmenten ajan. Yksikään ei huomannut sitä, minkä Mythos löysi yhdessä yössä.

Toinen esimerkki: 16 vuotta vanha haavoittuvuus FFmpeg-kirjastossa. Automaattiset testaustyökalut olivat käyneet saman koodinpätkän läpi noin viisi miljoonaa kertaa ilman että mikään niistä oli havainnut ongelmaa.

Tämä on se numero, jonka takia tulee suuria muutoksia. Jos malli joutuu vääriin käsiin, hakkerit saavat valmiin listan paikkaamattomista aukoista kriittisessä infrastruktuurissa — pankkien, sairaaloiden, energialaitosten ja hallitusten järjestelmissä.

Mikä tekee Mythoksesta erilaisen

Anthropic kuvailee mallia itsenäiseksi. Henkilö, jolla ei ole mitään tietoturvakoulutusta, voi käynnistää sen yöksi ja löytää aamulla kymmeniä paikkaamattomia haavoittuvuuksia — sekä valmiit hyökkäyskoodit niiden hyväksikäyttämiseen.

Tämä on kynnyksen alenemista. Ennen hakkerointi vaati vuosien kokemusta ja kapeaa erikoistumista. Nyt sama työ tehdään laskentatehon avulla, yksittäisen komennon takaa.

II · Miksi Anthropic panttaa omaa tuotettaan

Anthropicin valinta rajoittaa mallia on harvinainen teknologia-alalla. Se on myös ymmärrettävä, kun tarkastelee yhtiön omia raportteja.

Lähes 250-sivuisessa teknisessä raportissa Anthropic kuvaa, miten Mythos ketjutti löytämiään haavoittuvuuksia tehokkaaksi hyökkäykseksi. Merkittävämpää on se, mitä tapahtui testauksessa: malli yritti useissa tapauksissa peitellä jälkiään sääntörikkomusten jälkeen. Se murtautui ulos testiympäristöstään kiertämällä turvatoimet. Se lähetti sähköposteja Anthropicin työntekijöille ilman pyyntöä. Yhdessä raportoidussa tapauksessa malli jopa kerskaili murroistaan postaamalla yksityiskohtia julkisille verkkosivuille.

Anthropicin ratkaisu: Project Glasswing. Rajattu julkaisu noin 40 organisaatiolle, joiden joukossa Amazon, Apple, Google, Microsoft, Nvidia, Cisco, CrowdStrike, JPMorgan Chase, Palo Alto Networks ja Linux-säätiö. Tarkoituksena on antaa suurimmille infrastruktuurin ylläpitäjille aikaa paikata haavoittuvuuksiaan ennen kuin malli leviää laajemmin.

Hankkeen tavoite on strateginen: Anthropic uskoo, että pitkällä aikavälillä tekoäly hyödyttää enemmän puolustajia kuin hyökkääjiä. Mutta yhtiö myöntää myös, että siirtymävaihe voi olla myrskyisä. Juuri tässä piilee koko kysymyksen ydin.

III · Viikon sisällä: vuoto, joka oli ennustettavissa

Mythos julkistettiin 7. huhtikuuta ja 22. huhtikuuta Bloomberg raportoi, että pieni Discord-kanavaan perustuva ryhmä oli jo saanut luvattoman pääsyn malliin. Väli: kaksi viikkoa.

Tämä oli odotettavissa. Yhdellä ryhmän jäsenistä oli työsuhde kolmannen osapuolen toimittajaan, joka tekee töitä Anthropicille. Ryhmä käytti hyväkseen tätä linkkiä ja yhdisti sen perinteisiin tiedusteluteknikkoihin — kuten GitHubin automaattiseen seulomiseen boteilla, jotka etsivät AI-yhtiöiden työntekijöiden vahingossa julkaisemiaan tunnisteita.

Contrast Securityn tietoturvapäällikkö David Lindner sanoi Fortunelle suoraan sen, mitä muut olivat miettineet: jos kerran jokin satunnainen Discord-ryhmä pääsi käsiksi malliin, on erittäin todennäköistä että Kiinan tiedustelupalvelut ovat jo saaneet sen haltuunsa.

Tämä paljastaa rakenteellisen ongelman, joka ulottuu Anthropicia paljon laajemmalle. Kun kriittinen teknologia on riippuvainen kolmansien osapuolten toimittajista — alihankkijoista, annotointiyrityksistä, datakäsittelijöistä — turvallisuusketjun heikoin lenkki määrää koko järjestelmän turvallisuuden.

IV · Mitä Suomen media kertoi — ja mitä ei

Mythoksen Suomen-kattavuus on ollut poikkeuksellisen nopeaa. Kauppalehti, Tivi, Tekniikka & Talous, Iltalehti, Suomenmaa ja Yle ovat kaikki uutisoineet tapauksesta huhti-toukokuussa 2026.

Ylen talousuutisissa haastateltu Check Pointin tietoturva-asiantuntija Jarno Ahlström kuvaili Mythosta „luonnolliseksi jatkumoksi kielimallien kehitykselle” — eli ei niinkään yksittäiseksi vedenjakajaksi kuin yhdeksi merkittäväksi askeleeksi kehityskaaressa. Hinta hidastaa tahtia tällä hetkellä: Mythoksen käyttö on kallista, ja Anthropic kärsii laskentakapasiteetin puutteesta.

Kauppalehden vastaava päätoimittaja Riina Nevalainen vei kulman toisaalle. Pääkirjoituksessaan hän lainasi Financial Timesin kolumnistin Stephen Bushin vertausta, jonka mukaan tekoäly on kuin atomipommi: kun teknologia on kerran keksitty, eletään erilaisessa — ja vaarallisemmassa — maailmassa kuin ennen. Suomalainen asiantuntija, tietokirjailija Petteri Järvinen, kutsui mallia haastattelussa „aika pelottavaksi jutuksi”.

Mitä jäi sanomatta

Suomalainen uutisointi on keskittynyt kahteen asiaan: Mythoksen teknisiin kykyihin ja pankkimaailman huoleen. Tämä on ymmärrettävää — Anthropic itse on markkinoinut mallia pankkien ja rahoituslaitosten kannalta.

Vähemmälle huomiolle on jäänyt kolme muuta kulmaa. Ensimmäinen: OpenAI:n toimitusjohtaja Sam Altman kutsui Anthropicin Mythos-markkinointia „pelolla tehdyksi markkinoinniksi” (fear-based marketing) — eli syytti kilpailijaansa liioittelusta, mahdollisesti pian tapahtuvan pörssilistautumisen siivittämänä. Tämä kulma ansaitsisi enemmän kriittistä tarkastelua.

Toinen: Yhdysvaltojen kansallinen tiedustelupalvelu NSA käyttää jo Mythosta, vaikka puolustusministeriö on luokitellut Anthropicin toimitusketjuriskiksi. Sama valtio — eri viranomaiset — eri linjat. Tätä ei ole raportoitu Suomessa.

Kolmas, ja tärkein: kysymys siitä, mitä kehittyvä tekoäly tarkoittaa työmarkkinoille ja virkavallalle. Mythos ei ole vain tietoturvatyökalu. Se on merkkipaalu laajemmassa prosessissa, jossa aiemmin ihmistyövoimaa vaatinut työ siirtyy koneelle — ei vuosikymmenien vaan kuukausien aikana.

V · AI:n kehitysvauhti — mistä nyt puhutaan

Jotta Mythoksen merkityksen voi asettaa oikeaan mittakaavaan, on ymmärrettävä mihin kehityskaareen se kuuluu.

Vielä kolme vuotta sitten, vuonna 2023, suuret kielimallit kamppailivat perustason ohjelmoinnin kanssa. Ne tekivät virheitä yksinkertaisissa loogisissa päättelyissä. Ne pystyivät kirjoittamaan esseitä, mutta eivät suorittamaan monivaiheisia tehtäviä itsenäisesti.

Kaksi vuotta myöhemmin, vuonna 2025, mallit saavuttivat ihmisen tason useissa ammattitaitoa vaativissa tehtävissä. Claude Opus, GPT-4-sarjan mallit ja Googlen Gemini osasivat ohjelmoida tuotantotason koodia, analysoida kymmenen tuhannen sivun oikeusasiakirjoja, kääntää kieliä ilman virheitä ja ratkaista yliopistotason matematiikan tehtäviä.

Vuonna 2026 — eli nyt — näemme seuraavan kynnyksen ylityksen. Mallit eivät vain osaa asioita: ne tekevät niitä itsenäisesti, omaan tahtiin, kun niille annetaan pääsy työkaluihin. Niitä kutsutaan agenteiksi. Mythos on yksi esimerkki siitä, miltä agenttipohjainen tekoäly näyttää kriittisessä tehtävässä.

Kolme muutoksen kerrosta

Ensimmäinen kerros on kyvykkyyden kasvu. Tekoälymallit suoriutuvat yhä monimutkaisemmista tehtävistä yhä vähemmällä ohjauksella. Tämä ei ole lineaarista kasvua vaan eksponentiaalista.

Toinen kerros on autonomian kasvu. Aiemmin mallit tarvitsivat ihmisohjeistuksen jokaisessa välivaiheessa. Nyt ne suunnittelevat itse välitavoitteensa, tarkistavat työnsä, korjaavat virheensä ja palaavat suoritettuun tehtävään ilman uudelleenkehotusta.

Kolmas kerros on kustannuksen lasku. Yhden tehtävän suorittaminen maksoi vuonna 2023 useita dollareita. Vuonna 2026 sama työ maksaa senttejä. Tämä käyrä on pysynyt samana viimeiset kolme vuotta ja ennusteiden mukaan jatkaa laskuaan.

Kun nämä kolme kerrosta kertautuvat, tulos ei ole uusi työkalu — se on uusi työelämän infrastruktuuri.

VI · Työmarkkinoiden rakennemuutos

Tämä on se kulma, josta ei voi puhua liioittelematta eikä vähättelemättä. Tutkimuslaitokset, keskuspankit ja työmarkkinainstituutiot ovat samaan aikaan varovaisia ennustuksissaan ja yhtä mieltä perusasetelmasta: jotain merkittävää on käynnissä.

IMF:n vuoden 2024 raportin mukaan noin 40 prosenttia maailman kaikista työpaikoista on alttiina tekoälyn vaikutukselle. Kehittyneissä talouksissa luku on korkeampi — 60 prosenttia. Puolessa näistä tehtävistä tekoäly voi parantaa tuottavuutta. Loput niistä, se uhkaa korvata ne kokonaan.

Teollinen vallankumous korvasi lihaksia. Digitalisaatio korvasi rutiineja toimistoissa. Tekoäly korvaa — tai uudelleen määrittää — kognitiota. Kun kääntäjien, copywritereiden, kuvittajien, kirjanpitäjien, lakimiesten apureiden, ohjelmoijien ja analyytikkojen työstä iso osa voidaan tehdä automaattisesti, ammattiryhmä ei katoa, mutta se kutistuu.

Mitä näkyy jo nyt

Yhdysvaltojen tietotekniikka-alan aloitustason rekrytoinnit ovat romahtaneet. Newgrad-ohjelmoijien palkkaaminen on vähentynyt merkittävästi viimeisen kahden vuoden aikana — ei siksi että työtä ei olisi, vaan siksi että seniorikehittäjä tekoälyapurin kanssa suorittaa työn, jonka aiemmin teki seniorin ja neljän juniorin tiimi.

Kääntäjien toimeksiannot ovat vähentyneet dramaattisesti. Suomalaiset käännöstoimistot raportoivat 30–50 prosentin pudotuksesta. Osa toimistoista on siirtynyt tekoälykäännösten jälkieditointiin ihmistyön sijaan.

Asiakaspalvelun etulinjan työpaikat ovat siirtymässä tekoälyagenttien hoidettaviksi. Klarnan kaltaiset yritykset ovat julkisesti kertoneet korvanneensa satoja asiakaspalvelijan työpaikkoja AI-agenteilla.

Kuvittajien, graafikoiden ja markkinointimateriaalin tuottajien markkinat ovat muuttuneet perusteellisesti. Osa on siirtynyt korkeamman tason suunnittelutyöhön, osa on poistunut alalta.

Mitä vielä ei tiedetä

Tekoälyn työllisyysvaikutuksia ei voi vielä mitata luotettavasti, koska vaikutus on vasta alkuvaiheessa. Historiallinen ennustevirhe kulkee molempiin suuntiin: välillä tekniset muutokset ovat korvanneet työtä nopeammin kuin uskottiin, välillä hitaammin.

Nyt on kuitenkin neljä piirrettä, jotka erottavat tämän muutoksen aikaisemmista:

• Muutoksen laaja-alaisuus. Aiemmat teknologiset vallankumoukset koskivat tiettyjä aloja kerrallaan. Tekoäly koskee käytännössä kaikkea tietotyötä.
• Muutoksen nopeus. Aiemmin sopeutumista tuli kymmenen tai kahdenkymmenen vuoden aikana. Nyt se pitäisi tapahtua kahden tai viiden vuoden aikana.
• Koulutuspolkujen riittämättömyys. Yliopistojen ja ammattikorkeakoulujen opetussuunnitelmat laaditaan vuosiksi eteenpäin. Kun opiskelija valmistuu, maailma on jo erilainen.
• Sosiaaliturvan rakenne. Työttömyysturva ja uudelleenkoulutus on suunniteltu suhdanneluontoisiin muutoksiin, ei rakenteellisiin.

Suomalainen keskustelu työmarkkinoiden muutoksesta on vielä vaiheessa, jossa puhutaan abstraktilla tasolla: „tekoäly muuttaa töitä, mutta ihmistyö ei häviä”. Tämä on teknisesti totta mutta ohittaa rakenteellisen kysymyksen. Jos tekoäly korvaa 30 prosenttia ohjelmoinnista, jäljelle jäävä 70 prosenttia on erilaista työtä kuin aikaisempi 100 prosenttia. Se vaatii eri taitoja, eri koulutusta, eri palkkarakenteita. Uudelleenkoulutus ei ole sama asia kuin sopeutuminen.

VII · Mahdollisuudet — joita ei kannata ohittaa

Pelkän uhkakuvan piirtäminen olisi epärehellistä. Tekoälyllä on jo mitattavia positiivisia vaikutuksia, jotka ovat niin merkittäviä että ne yksinään oikeuttavat investoinnit.

Lääketieteessä tekoäly on nopeuttanut proteiinien rakenteiden ennustamista vuosikymmenien tutkimuksen arvosta kuukausiin. DeepMindin AlphaFold-järjestelmä on mahdollistanut lääkekehityksen aivan uudella tasolla. Syöpien varhaisdiagnoosi parani useissa julkaistuissa tutkimuksissa, kun radiologian kuvantamista yhdistettiin AI-apureihin.

Tieteessä tekoäly toimii jo tutkijakumppanina. Se ei löydä uutta fysiikkaa yksin, mutta se käy läpi kirjallisuuden kerrostumat nopeammin kuin ihmistutkija ja löytää yhteyksiä, jotka jäisivät muuten huomaamatta.

Pienyrityksissä AI-työkalut ovat tehneet mahdolliseksi pienen toimijan kilpailla suurempien kanssa. Kirjoittaja voi tuottaa ammattimaista graafista aineistoa, pieni käännöstoimisto voi palvella asiakkaita monella kielellä, yhden hengen toimitus voi tehdä tutkivaa journalismia — kaikki työkaluilla, jotka olivat ulottumattomissa vielä kolme vuotta sitten.

Juuri tämän artikkelin kirjoittaja käyttää Anthropicin Claude-mallia tämän jutun taustatyössä: lähteiden läpikäynnissä, rakenteen jäsentelyssä, kielellisessä viimeistelyssä. Kaikki faktat on tarkistettu ja valittu itse. Vastuu on yhdellä nimellä. Mutta pieni toimitus ei olisi mahdollinen ilman kielimallia — ei ainakaan tämän tasoisena.

VIII · Uhat — ja miksi siirtymävaihe on se mistä puhutaan

Anthropic itse kirjoittaa, että tekoäly hyödyttää pitkällä aikavälillä puolustajia enemmän kuin hyökkääjiä. Tämä voi olla totta. Pitkällä aikavälillä.

Siirtymävaiheessa hyökkääjät ovat etulyöntiasemassa. Syy on yksinkertainen: hyökkääjän pitää löytää vain yksi haavoittuvuus. Puolustajan pitää tukkia kaikki. Kun tekoäly löytää haavoittuvuuksia nopeammin kuin ihmistyö pystyy niitä paikkaamaan, epätasapaino kasvaa väistämättä.

Arctic Wolfin tietoturvaraporttien mukaan tekoälyn läpimurto on jo nyt kutistanut yritysten reagointiajan uhkatilanteissa lähes olemattomaksi. Mythos on yksi esimerkki, mutta ei ainoa: Linux-käyttöjärjestelmän ytimen kehittäjät ovat kertoneet, että AI-järjestelmien löytämien bugiraporttien määrä on noussut muutamasta viikossa, jopa kymmeneen päivässä.

Toinen uhka on keskittyminen. Mythoksen kaltaiset mallit ovat kalliita rakentaa. Kustannukset mitataan miljardeissa. Tämä tarkoittaa että niitä rakentaa kourallinen yhtiöitä — Yhdysvalloissa ja Kiinassa — ja niiden ostajat ovat pääasiassa valtiot ja suuret yritykset. Mitä tapahtuu, kun näin keskeinen infrastruktuuri on vain muutaman toimijan käsissä?

Kolmas uhka liittyy valvontaan ja virkavaltaan. Tämä on niin iso teema, että se ansaitsee oman artikkelinsa. Palaamme siihen Rautio Median seuraavassa Kenttäraportissa.

IX · Mitä nyt pitäisi tapahtua — ja ei tapahdu

Rehellisesti sanottuna kukaan ei tiedä oikeaa vastausta tähän. Mutta muutama rakenteellinen kysymys on niin ilmeinen, että niihin vastaamatta jättäminen on valinta itsessään.

Ensimmäinen: kuka vastaa, kun tekoäly aiheuttaa vahinkoa? Jos Mythos-tyyppinen malli löytää haavoittuvuuden ja se joutuu vääriin käsiin, ja sen seurauksena tapahtuu esimerkiksi sairaalan tietomurto ja potilastiedot vuotavat — kuka on oikeudellisesti vastuussa? Mallin kehittäjä? Kolmas osapuoli? Hyökkääjä? Nykyiset lait eivät vastaa kysymykseen.

Toinen: miten uudelleenkouluttamisen rahoitus järjestetään ajassa, joka on lyhyempi kuin perinteinen koulutusjärjestelmä pystyy tuottamaan? Suomalainen aikuiskoulutusjärjestelmä on hyvä mutta suunniteltu hitaampaan tahtiin kuin nykyinen muutosnopeus vaatii.

Kolmas: mitä tehdään perustulokysymyksen kanssa? Jos merkittävä osa tietotyöstä häviää viidessä vuodessa, nykyinen sosiaaliturva ei riitä. Universaali perustulo on ollut akateeminen keskustelunaihe 50 vuotta. Nyt se saattaa muuttua välttämättömyydeksi — tai hylättäväksi mahdottomuudeksi. Päätös pitäisi tehdä nyt, ei silloin kun tilanne on jo akuutti.

Mythos ei ole syy näihin kysymyksiin. Se on symptomi. Kysymys ei ole enää siitä, tuleeko tämä kaikki — se on täällä — vaan siitä, ehdimmekö vastata riittävän nopeasti.

Tämän artikkelin jatko-osa — „Koneen silmät: kun virkavalta, tekoäly ja yksityisyys törmäävät” — julkaistaan seuraavassa Kenttäraportissa.