Mikä on prompti? Selitys, esimerkit ja promptaamisen perusteet suomeksi

Prompti (englanniksi prompt) on teksti tai ohje, jonka annat tekoälylle. Promptaaminen (tai promptaus) tarkoittaa näiden ohjeiden kirjoittamista niin, että saat tekoälyltä mahdollisimman hyödyllisen vastauksen.

Yksinkertaisesti: prompti = kysymyksesi tai ohjeesi tekoälylle. Mitä selkeämmin kerrot mitä haluat, sitä paremman vastauksen saat.

Esimerkiksi:

• Heikko prompti: ”Kerro Reactista”
• Hyvä prompti: ”Selitä Reactin state-hallinta aloittelijalle suomeksi, anna 3 koodiesimerkkiä”

Tässä oppaassa opit kirjoittamaan hyviä prompteja – sekä yleiskäyttöön että vibekoodaukseen.

Mitä on promptaus ja promptaaminen?

Promptaus (tai promptaaminen) on taito muotoilla tekoälylle annettavia ohjeita niin, että vastaukset ovat tarkkoja ja hyödyllisiä. Englanniksi puhutaan prompt engineeringistä.

Promptaaminen ei vaadi teknistä taustaa – se on lähempänä hyvän sähköpostin kirjoittamista kuin ohjelmointia. Kerrot selkeästi mitä haluat, kenelle, missä muodossa ja millä rajoitteilla.

Tutkimusten mukaan promptien muotoilusta on tulossa yksi tulevaisuuden työelämätaidoista (Dwivedi ym., 2023; Peres ym., 2023). EU:n tekoälysääntely (AI Act) painottaa läpinäkyvyyttä – ja selkeät promptit ovat osa sitä.

Mitä hyvä prompti sisältää?

Robertson ym. (2024) esittävät mallin, jossa konteksti, rakenne ja arviointi muodostavat iteratiivisen prosessin. Malli on suunnattu etenkin yritysjohtajille (engl. business manager), mutta sitä voinee soveltaa omaan tilanteeseen sopivasti.

1. Konteksti

Kuvaile ongelma, taustat ja toivotut lopputulokset. Rajaa yleisö: kenelle vastaus on suunnattu? Aseta äänenlaatu (esim. "keskustelullinen", "virallinen", "huumorilla höystetty"). Lisää tarvittavat tiedot (liitteet, taulukkodata, tyyliesimerkit).

Esimerkki

"Toimi HR‑asiantuntijana. Laadi 300 sanan myönteinen/kielteinen vastaus työntekijän palkkakyselyyn. Sävyn tulee olla rakentava ja neutraali, ja vastauksen on viitattava liitteenä olevaan palkkaraporttiin."

2. Rakenne

Hyvä prompti on tiivis mutta jäsennelty: Rooli: "Toimi tietoturvakonsulttina…" Tehtävä: "…selitä 3 keskeistä riskiä…" Muoto: "…taulukossa, jossa sarakkeet Riski, Todennäköisyys, Vaikutus." Rajoitteet: "…enintään 150 sanaa, vältä ammattislangia."

3. Arviointi

Validointi: Onko vastaus faktuaalisesti oikein ja puolueeton? Tarkennus: Kysy jatkokysymys, pyydä lähteitä, tiivistä yhteenvedoksi. Iterointi: Muokkaa promptia: kiristä rajoitteita, selvennä termejä, vaihda muotoa. Vinkki: Näytä tekoälylle esimerkkituloksia (few‑shot prompting) tai anna rakennekaava (JSON, Markdown‑taulukko) – näin saat toistettavaa laatua.

Hyvä vs. huono prompti – käytännön esimerkit

Teoria on hyödyllistä, mutta ero konkretisoituu parhaiten vertailemalla. Alla muutama ennen/jälkeen-pari, joissa heikko prompti on muokattu tehokkaammaksi.

Esimerkki 1 – Tekstin tiivistäminen

Heikko: "Tiivistä tämä." Parempi: "Tiivistä alla oleva artikkeli kolmeen luettelomerkkiin. Kohdeyleisö on lukiolainen, joka ei tunne aihetta. Käytä selkokieltä."

Heikossa versiossa malli ei tiedä, kuinka pitkä tiivistelmän pitäisi olla, kenelle se on tarkoitettu tai millä tyylillä se kirjoitetaan. Parempi versio rajaa tuloksen pituuden, yleisön ja rekisterin.

Esimerkki 2 – Ideointi

Heikko: "Anna ideoita." Parempi: "Ehdota viisi blogipostauksen otsikkoa, jotka käsittelevät tekoälyä pk-yritysten näkökulmasta. Äänenlaatu on käytännönläheinen ja rohkaiseva. Vältä kliseitä."

Mitä tarkemmin kerrot mitä haet, sitä vähemmän joudut karsimaan tuloksista.

Promptaaminen koodin generointiin

Koska tämä sivusto keskittyy vibekoodaukseen, on syytä tarkastella promptaamista erityisesti koodin tuottamisen näkökulmasta. Koodipromptit eroavat yleiskielisistä prompteista siinä, että ne hyötyvät erityisen paljon täsmällisistä teknisistä rajauksista.

Hyödyllisiä käytäntöjä koodiprompteihin:

• Nimeä teknologiat eksplisiittisesti. Esim. "Kirjoita React-komponentti TypeScriptillä, joka käyttää Tailwind CSS -tyylejä" on huomattavasti tehokkaampi kuin "Tee nettisivu-komponentti".
• Kuvaile haluttu tulos konkreettisesti. "Funktio, joka ottaa vastaan listan merkkijonoja ja palauttaa ne aakkosjärjestyksessä ilman duplikaatteja" tuottaa paremman tuloksen kuin "Tee sorttausfunktio".
• Anna esimerkkejä sisään- ja ulostuloista. Mallin on helpompi ymmärtää vaatimukset, kun se näkee konkreettisen esimerkin halutusta lopputuloksesta.
• Pyydä selityksiä koodin ohessa. Lisäämällä "Kommentoi jokainen vaihe suomeksi" saat koodia, josta opit samalla kun rakennat.

Esimerkiksi vibekoodaustyökalussa kuten Cursorissa promptin laatu vaikuttaa suoraan siihen, kuinka hyvin editori ymmärtää mitä olet rakentamassa ja millaisessa kontekstissa koodi toimii.

Pikastartti omaan promptirutiiniin

Määritä tavoite: Mitä kysyt, miksi ja kenelle? Kerää konteksti: Liitä taustamateriaali (linkit, datat). Kirjoita prompttiluonnos rooli–tehtävä–muoto–rajoitteet‑sapluunalla. Testaa ja arvioi: Vertaa tulosta tavoitteeseen; merkitse puutteet. Iteroi: Tee yksi muutos kerrallaan ja testaa uudelleen.

Yleisimmät sudenkuopat

Liian väljä kysymys → geneerinen vastaus. Useita pyyntöjä samassa lauseessa → malli hämmentyy. Epämääräiset aikamääreet ("juuri nyt") → käytä absoluuttisia päivämääriä. Liikaa sisäpiirijargonia → selvennä. Oletus, että malli "muistaa" aiemman keskustelun → toista oleelliset tiedot uudessa promptissa. Liian pitkä prompti ilman rakennetta → malli kadottaa pääpointin; käytä luettelomerkkejä tai otsikoita. Tunteiden tai kiireen tuominen promptiin ("tarvitsen HETI vastauksen!!!") → ei paranna tulosta, vaan vie tilaa hyödylliseltä kontekstilta.

Edistyneet tekniikat

Kun perusteet ovat hallussa, seuraavat menetelmät voivat parantaa tuloksia merkittävästi:

Chain-of-thought (ajatusketju). Pyydä mallia "ajattelemaan vaihe vaiheelta" ennen lopullista vastausta. Tämä on erityisen tehokas matemaattisissa ja loogisissa tehtävissä, joissa malli muutoin saattaa hypätä suoraan virheelliseen johtopäätökseen (Wei ym., 2022). Esimerkki: "Selitä vaihe vaiheelta, miten lasket projektin kustannusarvion seuraavilla tiedoilla..."

Few-shot-esimerkit. Sisällytä promptiin 2–3 esimerkkiä halutusta tulos­muodosta. Malli tunnistaa toivotun rakenteen ja toistaa sen johdonmukaisesti. Tämä toimii erityisen hyvin, kun haluat tietyn formaatin – esimerkiksi taulukon, JSON-rakenteen tai tietyllä tyylillä kirjoitetun tekstin.

Järjestelmäpromptit (system prompts). Monissa rajapinnoissa ja työkaluissa voi asettaa järjestelmätason ohjeen, joka määrittää mallin "roolin" koko keskustelun ajaksi. Esimerkiksi: "Olet kokenut full-stack-kehittäjä, joka kirjoittaa selkeää TypeScript-koodia ja selittää ratkaisunsa suomeksi." Järjestelmäprompti vähentää tarvetta toistaa samoja ohjeita jokaisessa viestissä.

Lopuksi

Hyvä prompti syntyy harjoittelemalla ja kokeilemalla. Selkeys, konteksti ja iterointi vievät pitkälle. Jokainen kysymys kehittää sekä sinua että tekoälyä paremmaksi tiimiksi. Lisää valmiita promptipohjia löydät promptimallisisältösivultamme, ja jos olet vasta aloittamassa, tutustu vibekoodauksen aloitusoppaaseen.

Lähteet

• Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., ... & Wright, R. (2023). Opinion Paper:"So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International journal of information management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642

• Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1—35. https://doi.org/10.1145/3560815

• Peres, R., Schreier, M., Schweidel, D., & Sorescu, A. (2023). On ChatGPT and beyond: How generative artificial intelligence may affect research, teaching, and practice. International Journal of Research in Marketing, 40(2), 269—275. https://doi.org/10.1016/j.ijresmar.2023.03.001

• Regulation 2024/1689. The AI Act. The European Union. Haettu Heinäkuu 15, 2025, lähteestä: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/

• Robertson J., Ferreira, C., Botha, E., & Oosthuizen, K. (2024). Game changers: A generative AI prompt protocol that enhances the co-construction of human and AI knowledge. Business Horizons, 67(5), 499—510. https://doi.org/10.1016/j.bushor.2024.04.008