Artikkel on ilmunud edasi.org lehel 09.09.2026

Ai-ai-ai… aga tegelt ei ole valus. Põnev on. Ja natuke tüütu ka. Kogu aeg räägitakse AI-st (tehisarust). Meie peres pöördutakse küll selle tegelase poole hüüdnimega “chätu”, aga vaikselt olen ise hakanud eelistama öelda AI. Ja mitte TI. Lihtsalt isiklik eelistus. Ent peres, kus vanema põlvkonna esindajatest üks on treener-õppejõud-teadlane ja teine 30-aastase kogemusega IT-spetsialist, kellele apelleerivad noor IT-spetsialist ja tulevane arst, võime küll kerge hirmuga tulevikku piiluda, sest AI-ajastul on meie kõigi (tulevane) tööpõld juba chätude poolt hõivatud. Või kas ikka on?

Seekordne lugu on natuke teistsugune, kogemuslugu. Kirjeldus, kuidas on täna, teadmata, mida toob homne. Kas AI tuleb ja võtab kõik, jättes meile pelgalt riismed?

Aasta tagasi pöördus minu poole mu kunagine sportlane, triatleet. Kaks-kolm nädalat oli Tallinna poolpika IRONMAN-ini (distantsid 1,9 km ujumist, 90 km ratast ja 21,1 km jooksu) ning ta tahtis minult konsultatsiooni. Nimelt oli ta väga hea võimekuse ja treenitusega sportlane, aga tol hooajal mitte eriti palju trenni teinud. Kuid viimasel hetkel tekkis tal uudishimu, mis tulemuse sellistes tingimustes suudaks sooritada. Tema treenerist AI oli “treenitud” olema konkreetne, sõjaväelaslikult karm ega sallinud vastuvaidlemist. See oli sportlase eelistus, ta oli loonud enda ootustele vastava “treeneri”. Või õigemini mitu treenerit, kelle ta pani omavahel vaidlema ja lahendusi pakkuma. Tuli välja, et nad vastandusid nii tugevalt, et andsid risti vastupidiseid soovitusi ja lõpuks pidi sportlane ikka hakkama ise otsustama. Ta siis otsustas. Otsustas võtta minuga ühendust ja küsida: kummal on õigus? Minu vastus oli, et ma ei tea. Olukord, mida sportlane kirjeldas, oli ennustamatu. Nagu enamus bioloogilisi, dünaamilisi, mittelineaarseid süsteeme. Ja kui keegi väidab, et tal on kontroll selliste süsteemide üle, siis ta valetab. Ära usu.

Küsisin veel riskitaluvuse ja tulemusootuste kohta ning seletasin keha tasandil, kuidas ja mis seal kirjeldatud situatsioonis mõjutavad tegurid on, ning soovitasin osaleda. Sest FOMO on hullem. Alati saab katkestada. Ja väljastasin konsultatsiooni eest arve.

Võistlusjärgsel päeval kirjutas sportlane: “Hei, Karmen, ikkagi läksin! Pärast 16 km kõnd-jooksu trenni ütles AI mudel, et võistlus tuleb kindlalt ära jätta, aga pärast sinu julgustamist otsustasin kavaga edasi minna. Võistlusel jooksu alguses hakkasid sääred jälle valutama, aga esimese ringi lõpus kadus valu järsku ära ja sain lõpuni järjest peale kruttida. Olen tulemusega ülirahul! Suured tänud Sulle julgustuse ja toe eest!”

Sellisel puhul on tegemist early adopter’i, tech-savvy persooniga. Talle (üldistatult) meeldib kontrollida protsessi, kasutada tehnoloogiat, olla pioneer, teha ise otsuseid. Aga mis takistas teda otsustamast, kas minna või mitte minna? Miks ta ei teadnud, kummal on õigus? Kas seepärast, et puuduvad sügavad teadmised füsioloogiast, anatoomiast, biomehaanikast, kinesioloogiast ehk treeningjuhtimisest? Või ei olda suuteline valideerima infot, mida sulle tõe pähe serveeritakse? Ja lausa niimoodi, et algul ütleb AI sügava veendumusega ühte, ning kui sa süsteemile vastandud, siis saad sama sügava veendumusega täpselt vastupidise info. Ent kas mõlemal juhul pole meil tegemist tõega? Nagu Niels Bohr ütles: “Õige väite vastand on vale väide. Aga sügava tõe vastand võib olla teine sügav tõde.”

Nii kohtame inimese treenimisel pidevalt “kahte suurt tõde”, mis näivad teineteisele vastu rääkivat, kuid on mõlemad õiged. Näiteks: keha vajab stressi, et areneda; ja keha vajab stressi maandamist, et areneda. Spetsiifilisus parandab sooritust; varieeruvus aitab süsteemil säilitada kohanemisvõime. Suur koormus võib muuta sportlase tugevamaks; täpselt sama koormus võib teises seisundis teda nõrgemaks teha.

Probleem ei ole isegi ainult selles, et sul puuduvad vajalikud teadmised. Veel raskem on aduda, milline teadmine konkreetses olukorras üldse loeb.

Ekspertsus ei ole entsüklopeedia peas, vaid võime eristada olulist ebaolulisest, hinnata ebakindlust ja märgata, millal üks väike detail kogu otsust muudab.

Muide, see, et võistlus hästi lõppes, ei tõesta, et minul oli õigus ja AI-l polnud. Hea otsus võib lõppeda halvasti ja halb otsus hästi. Küsimus on selles, kas otsus oli sellel hetkel olemasoleva informatsiooni, inimese eesmärgi ja aktsepteeritava riski juures mõistlik.

Ehk hea treeningotsus ei seisne alati selles, et leida, kumb kahest vastandlikust väitest on õige. Mõnikord on mõlemad õiged; pigem on küsimus, kumb neist on konkreetse inimese jaoks selles seisundis ja selles hetkes olulisem. Me ei suuda ette ennustada tulevikku. Ka sina ei tea, mis on su HRV (pulsisageduse varieeruvus) homme hommikul, isegi kui sul on 10 aasta jagu iga päeva kohta andmed. Sest väga väikesed muutused sisendandmetes annavad suure muutuse väljundis. Me ei suuda kõiki sisendeid ära tunda ega tajuda, rääkimata kvantifitseerimisest. Ühele mõjub ämmaga kohtumine miinusena, teisele plussina. Sündmus on sama, aga mõju sisendile pöördvõrdeline. Kuid kas ämmal on üldse tähtsust, kui mingid muud sisendid on tugevama signaaliga? Kes seda teab. Ent treenerina oskan ma seletada sportlasele, mille põhjal vajadusel otsuseid vastu võtta, millal loobuda, millal läbi suruda. Kust ma tean? Kõhutunne. Aga intuitsioon ei ole suvaline, lambist võetud. Intuitsioon on kokkupressitud ekspertiis. See on spetsialisti aastatepikkune kogemus, mis genereerib vastuse sõrmenipsust, sest kõikide sinna viivate otsuste sõnastamine on liiga aeganõudev. Aga kui vaja, saab otsustuspuu ära kaardistada. Õnneks enamus juhtudel pole vaja.

Treeneri ülesanne ei olegi tulevikku täpselt ette ennustada. Ülesanne on teha teadmatuses võimalikult hea otsus.

Need on kaks eri asja. Kas säärevalu muutub 21 kilomeetri jooksul vigastuseks, ei teadnud ei mina ega AI. Aga kas selle teadmatuse tingimustes tasub startida, on juba otsus. Ja otsus sõltub lisaks füsioloogiale sellest, mida inimene tahab, kui suurt riski ta aktsepteerib ning mis hinnaga eksimine talle tuleb.

Siiski ei takista teadmatus (treeningalane ega programmeerimisest) loomast sadu äppe ja start-up’e, mis töötavad AI baasil, püüdmaks neid panna treeningprotsessi juhtima. Sest AI aitab kodeerida ja öelda, kuidas trenni teha. Ja nüüd neid saabubki – nagu seeni pärast vihma. Mõni neist on ka väga kasulik. Seda artiklit kirjutades teatas Elon Musk just, et järgmise aasta lõpuks suudab AI tema hinnangul teha kõike digitaalset üleinimlikul tasemel. Sealt edasi on meie ülesanne lihtsalt füüsilist tööd teha? Aga senikauaks?

Tulles tagasi mu näite juurde, siis mis tundeid see minus tekitas, kui paluti, et tee mulle plaan ja ma siis lasen seda AI-l hinnata – öelda, kas sa oled pädev või mitte? Ei saa öelda, et põnevust, hasarti ja soovi selle mõttega kaasa kiirustada. Pigem vastupidi: tundsin vastumeelsust ja tõenäoliselt ka hirmu. Tahet vastanduda. Kukele saata. Samamoodi nagu mu kaasa eelmine suvi ütles, et never-ever ei lase tema AI-l koodi kirjutada. Sest ilus, funktsionaalne, struktureeritud kood on tema kroonijuveel, ta väärtus. Aga muutus toimus ainult poolt aastat hiljem, 2025. aasta lõpus ning uue alguses, kust peale ta enam sisuliselt ise ei kodeeri. Sest tema väärtus on liikunud mujale. Kuigi frustratsiooni AI saamatuse üle kuulen ma küll, sest detailsemalt arutledes kostub sealt läbi, et protsess pole veatu, ehkki tõenäoliselt on sellel siiski ka oma reaalsed plussid. Nagu väga kiired ujujad triatlonis eelistavad, et kalipsod on keelatud, sest need lubavad kehvematel ujujatel kiiremini ujuda, samas võivad tippujujal teha õlavöötme töö ebamugavamaks. Aga kui kalipsod on lubatud, peavad ka head ujujad neid kasutama, sest ilma selleta oleksid nad enda suhtes (ja konkurentsis) aeglasemad.

Ei taha minagi dinosauruseks jääda, ja mida rohkem olen AI võimalustesse süvenenud, seda enam oskan teda enda kasuks tööle panna. Mul on eelkõige vaja võimekat assistenti, lisamälu, mustrituvastajat ja intellektuaalset sparringupartnerit. Täna ei saa seda kõike veel päris ühe nupuvajutusega, aga mängides, valideerides, agente õpetades ja katsetades liigun vaikselt sinna poole. Hetkel tunnen, et mina veel juhin protsessi. Aga kauaks?

Nn musta töö tegijana on AI juba väga hea: raportid, kokkuvõtted, struktureerimine, visualiseerimine, menüüd, mäluvärskendus on sel käpas. Aga siin on üks suur eeldus: sa pead teadma, mida küsid, mida väljundiks ootad, ja suutma saadut valideerida. Ehk olema ise õppinud. Töö ära teinud.

Ja õppimine on raske, ebamugav ning aeganõudev. Seepärast ongi nii ahvatlev mõelda, et äkki pole enam vaja ise millestki aru saada – küsin ja saan vastuse.

Ma tegelikult usun, et mingites baasteadmistes on AI päris hea õpetaja. Selle struktureeritus, järkjärgulisus jm pedagoogilised võtted on väga efektiivsed. Lisaks võib seda lõputult pommitada küsimustega, saada tagasisidet, toetust ja laitust ning see ei tüdi ära. Aga sparringupartneriks (võrdväärseks!) sobivad nad täna võrratult. Siinkohal pean ütlema, et mulle väga meeldis David Heinemeier Hanssoni mõte Lex Fridmani podcast’is (#501): tihti teevad spetsialistid vea ja proovivad AI-le promptida, kuidas mingit probleemi lahendada, selmet kirjeldada probleemi ja küsida erinevaid lahendusi. Esimesel juhul paneme süsteemile piirangud peale ja tõelised mõttepärlid võivad luku taha jääda. Teisel juhul võid üllatuda, et vot selline lahendus… ise poleks kohe selle peale tulnudki, aga kui mõelda, siis see on palju paremgi enda peas mõlkunust. Ehk siis – saab kastist välja. Või põrgatada oma salajasi hüpoteese, sest saad isegi aru, et neid mõeldes oled sa kas geenius või noh, suurema tõenäosusega ikkagi lihtsalt rumal – niimoodi esmast tagasisidet küsides tundub tajutud hind madalam, kui minna kohe päris inimese manu. Üllatus-üllatus, miks see küll nii on?

Aga treeneri töö on ju treeningplaanide tegemine? Kas ma neid ei lase AI-l teha? Ei. Ma tean päris täpselt, mida, millal, millist trenni ma tahan lasta sportlasel teha, mis on hooaja ülesehitus jne. Mõtlen füsioloogilistes terminites, tean, mis metoodikat ja kuidas kasutan, kuidas ja miks individualiseerin. Me räägime siin raamaturiiulite kaupa koondatud teadmistest, miks ma just tol neljapäeval tahan just seda trenni lasta sportlasel teha. Kes seda jaksaks promptida… Aga ma esitan küll väljakutseid oma süsteemile ja mõtlemisele. Või kirjeldan juhtumit, mis vajab väga spetsiifilist läbimõtlemist, ja vaatan, mis variandid lauale tõstetakse. Et ma ei jääks kinni vanasse ega teeks nii, “nagu on alati tehtud”.

Minu töö on üks ekspertvaldkond, aga tegelikult huvitab sind ilmselt palju rohkem, kuidas saaksid ise kasutada AI-d trenni kontekstis. Nii palju kui olen katsetanud ja lasknud sel erinevaid treeningplaane teha, siis minu meelest saab süsteem sellega päris kenasti hakkama. Eriti kui mõelda, et mida algajam, seda vähemspetsiifiline võib olla lähenemine – peaasi, et teed. Ja kui AI suudab pakkuda taaskord struktureeritud tegevust, järkjärgulist progressiooni, toredat ja kannustavat tagasisidet, mis paneb sind järjepidevalt trenni tegema ehk olema füüsiliselt aktiivne, siis see ongi ju peamine. Soovitus on treenida, olla enda treenerina pigem konservatiivne ja küsida seletusi, miks üks või teine tegevus on kasulik või miks seda tegema peaks. Aga siiski tuleb aduda, et süsteemis oled sa tegelikult üksi. Sul pole kellelegi oma otsuste tegemisel toetuda.

Ja võib-olla polegi tuleviku huvitavaim küsimus see, kas AI saab inimesest paremaks treeneriks. Mingites asjades kindlasti saab. Küsimus on, milliste otsuste juures tahame ka siis, kui masin meist rohkem teab, ikkagi teist inimest enda kõrvale. Minul on igatahes endiselt treener. Inimene. Mitte AI.