Tekoälytiivistelmä tästä artikkelista: Tekoälyn seuraava kehitysloikka ei synny yhdestä kaikkitietävästä mallista vaan siitä, miten tekoälyagentteja ja työnkulkuja orkestroidaan hallituksi kokonaisuudeksi. Artikkelissa käsitellään, miksi monoliittiset AI-ratkaisut johtavat samoihin ongelmiin kuin vanhat ohjelmistojärjestelmät, ja miksi tulevaisuus rakentuu näkyvien, auditoitavien ja helposti muokattavien työnkulkujen varaan. Samalla avataan, miksi asiakkaan oma infrastruktuuri, tietoturva ja datan hallinta nousevat ratkaisevaan rooliin kriittisissä AI-ympäristöissä.
Sami Dadu 27.5.2026
Tekoälystä puhutaan tällä hetkellä paljon yksittäisten mallien kautta. Rakennetaan yhä suurempia järjestelmiä, lisätään laskentatehoa ja odotetaan, että yksi älykäs kokonaisuus ratkaisisi mahdollisimman monta ongelmaa kerralla.
Tekoälyjen seuraava vaihe ei poikkea paljonkaan edellisten vuosikymmenten ohjelmistokehityksen ongelmista. Tehtiin valtavia monoliitteja, jotka kyllä hoitivat homman, mutta niiden monimutkaisuus ja historian kehitys aiheutti sen, että niiden korjaaminen muuttui kalliiksi tai mahdottomaksi. Nyt olemme tekoälyjen kanssa pikavauhtia menossa samaan, jos suuntaa ei käännetä. Tämä on se käännös: siirrytään monoliiteista mikropalveluihin.
Syy on lopulta hyvin käytännöllinen.
Meidän on pakko ymmärtää, miten järjestelmä toimii. Kun systeemin toimintalogiikka puretaan arkkitehtuurisiin kuviin ja komponentteihin, näkyviin ja auditoitaviin työnkulkuihin, meillä on jälleen käsiteltävänä ongelma, jota voidaan korjata. Pienempiä osia voidaan helpommin ymmärtää, muuttaa, kehittää tai vaihtaa. Niiden yhdisteleminen on enemmän suunnittelu ja sopimuskysymys, kuin toiveiden tynnyri.
Ja juuri tässä kohdassa orkestrointi muuttuu kiinnostavaksi.
Nykyään kuka tahansa pystyy rakentamaan tekoälyllä nopeasti näyttävän demon. Vaikea osa alkaa vasta siinä vaiheessa, kun ratkaisu pitäisi tuoda oikeaan toimintaympäristöön.
Oikeasti en tiedä, mitä tekoälyllä tehty juttu teki. Se kyllä toimii, mutta miten tarkalleen? Minkälaisia kustannuksia siitä syntyy, mitä datalle tapahtuu? Näihin kysymyksiin on todella vaikea vastata pikatuotetun demon kanssa.
Kriittisessä ympäristössä tärkeintä ei lopulta ole se, kuinka “älykäs” järjestelmä on. Tärkeämpää on se, pystytäänkö sen toimintaa seuraamaan, hallitsemaan ja auditoimaan.
Juuri tästä syystä olemme rakentaneet omaa alustaa agenttien hallintaan ja työnkulkujen orkestrointiin. Yksi ensimmäisistä käytännön käyttötapauksista on ollut seuranta-agentti, jonka tarkoitus on seurata ympäristössä tapahtuvia muutoksia ja nostaa olennaiset asiat näkyviin asiantuntijalle. Kiinnostavaa ei lopulta ollut itse agentti, vaan se miten saman työnkulkurakenteen pystyi toistamaan myös täysin erilaisiin käyttötapauksiin.
Moni tämän hetken AI-ratkaisu toimii käytännössä yksittäisenä sovelluksena tai käyttötapauksena. Minua alkoi kiinnostamaan enemmän toinen kysymys:
Miten rakennetaan ympäristö, jossa uusia tekoälytyönkulkuja voidaan ottaa käyttöön ilman, että joka kerta aloitetaan alusta?
Ajatus on yksinkertainen. Kun perusta on kunnossa, samaan ympäristöön voidaan rakentaa erilaisia käyttötapauksia: seuranta-agentteja, uutishuoneita ja toimialakohtaisia työnkulkuja.
Ero vibekoodaukseen on pieni. Molemmissa tapauksissa syntyy toimivaa koodia. Meidän orkesterointialusta tekee sen vain näkyvän työnkulun kautta, tekemällä kuvan vaiheistuksesta ja avaten jokaisen vaiheen tekijälle näkyviin: mitä tapahtuu ja miten. Tekijä voi vibetyksen jälkeen käydä läpi kokonaisuuden ja hioa ja viilata sitä haluamallaan tavalla.
Riippumatta siitä millä toimialalla ollaan tai mitä tehtävää ollaan tekemässä; ongelmat on lopulta kuvattavissa työnkulkuina. Vaikka toimiala vaihtuu, työnkulun logiikka pysyy samana.
Samansuuntaista kehitystä tapahtuu myös rapakon takana. Sielläkin on huomattu, että suuremmat konesalit eivät ole pelastus, eikä ”vielä älykkäämpi malli” tee meistä viimaampia. Markkinan kanta on selkeä, tästä hyvänä esimerkkinä on se, kun Temporal.io sai valtavan rahoituksen workflow- ja orkestrointialustansa ympärille.
Yksi isoimmista ongelmista nykyisessä AI-keskustelussa on se, että useimpien ratkaisujen datapolku menee organisaation ulkopuolelle. Monessa ympäristössä tämä ei ole ongelma.
Mutta kriittisessä toimintaympäristössä tilanne muuttuu nopeasti vaikeammaksi. Mukaan tulevat GDPR, auditointivaatimukset, ISO-standardit, tietoturva ja kysymys siitä, kuka oikeastaan hallitsee ympäristöä.
Siksi meille tärkeä lähtökohta oli, että data ei poistu asiakkaan omasta ympäristöstä, ilman, että siirtymä on suunniteltu ja hallittu.
Käytännössä tämä tarkoittaa multi-tenant-ajattelua: jokaisella asiakkaalla on oma täysin erillinen ympäristönsä. Ei yhteisiä käytäviä, ei näkyvyyttä muiden asiakkaiden toimintaan eikä riippuvuutta yhdestä keskitetystä datakerroksesta.
Vaikka tämä on teknisesti huomattavasti vaikeampi tapa rakentaa, se on juuri se erottautumistekijä, miksi Temporalin kaltaiset yritykset jäävät helposti mielenkiintoisiksi kokeiluiksi.
Seuraava iso harppaus tekoälyssä ei ole tekninen vaan rakenteellinen. Sote ATK -päivillä puhuttiin paljon siitä, mitä tekoäly voi tehdä. Minua kiinnostaa enemmän se, miten. Jos sama kysymys vaivaa, jutellaan lisää.
