AI-natiivi kehitys: agentit tuotantoon, tulos mitattuna

Rakennamme agenttisia järjestelmiä tuotantoon pienellä tiimillä ja agenteilla, spesifikaatio- ja testivetoisesti. Mittaamme tuloksen emmekä arvioi sitä.

AI-natiivi kehitys tarkoittaa Staffbitellä kolmea asiaa. Rakennamme pienellä tiimillä ja tekoälyagenteilla. Toteutamme agenttisia järjestelmiä, jotka tekevät oikeaa työtä teidän prosesseissanne ja datassanne. Ja mittaamme tuloksen: spesifikaatio ja arviointitestit ovat sopimus siitä, mikä on valmista.

Tekoälyä käytetään Suomessa jo laajasti: 38 % vähintään 10 hengen yrityksistä käytti tekoälyä keväällä 2025, EU:ssa 20 % (Luku ja lähde) (Eurostat, 11.12.2025). Arvon saaminen on vaikeampaa. Gartnerin kyselyssä vain 13 % CIO:ista kertoi saaneensa tekoälystä merkittävää arvoa (Gartner, 19.10.2026).

Pyydä agenttivalmiin datan arvio

Päivitetty

Miten teemme

Spesifikaatio ja arviointitestit ensin

Ennen koodia kirjoitamme spesifikaation: mitä järjestelmä tekee, mitä se ei tee ja millä ehdoilla se on valmis.

Arviointitestit (engl. evals) ovat automaattisia testejä, jotka ajavat järjestelmää oikeilla esimerkkitapauksilla. Kun malli, kehote tai data muuttuu, testit ajetaan uudelleen. Näin laatu ei ole mielipide.

Mittaamme emmekä arvioi

Tunne nopeudesta ei ole mittaus. METRin kontrolloidussa kokeessa kokeneet avoimen lähdekoodin kehittäjät olivat tekoälyn kanssa 19 % hitaampia (Luku ja lähde), vaikka uskoivat jälkikäteen olleensa 20 % nopeampia (METR, 10.7.2025).

Uudemmassa aineistossa METR arvioi kehittäjien todennäköisesti nopeutuneen, mutta pitää omaa näyttöään tästä heikkona (METR, 24.2.2026). Siksi kirjaamme omista projekteistamme kestot, tokenit ja löydetyt virheet, myös silloin kun jokin ei toiminut.

Pienet erät ja vahva pohja

DORA 2025 -tutkimuksen mukaan tekoäly vahvistaa organisaation olemassa olevia vahvuuksia ja heikkouksia. Hyötyjä kasvattavat muun muassa pienet erät, vahva versionhallinta ja laadukkaat sisäiset alustat (DORA, 23.9.2025). Teemme työn niiden varassa.

Agentit tuotantoon

Agenttinen järjestelmä ei vain vastaa kysymyksiin. Se hakee tietoa järjestelmistä, tekee päätelmiä ja toimii sovituissa rajoissa, esimerkiksi käsittelee tarjouspyynnöt, kokoaa raportin tai valmistelee päätöksen ihmisen hyväksyttäväksi.

Kaikki agenttiprojektit eivät onnistu. Gartner ennustaa, että yli 40 % agenttiprojekteista perutaan vuoden 2027 loppuun mennessä kasvavien kustannusten, epäselvän arvon tai riittämättömän riskienhallinnan vuoksi (Gartner, 25.6.2025). Siksi ensimmäinen versio rajataan yhteen prosessiin, jonka arvon voi mitata.

Milloin agenttia ei kannata käyttää

  • Tehtävän hoitaa tavallinen ohjelma luotettavammin ja halvemmin.
  • Data ei ole saatavilla, tai sen omistaja ei ole selvä.
  • Virheen hinta on suuri, eikä ihmistä voi pitää päätöksessä mukana.
  • Agentilla olisi yhtä aikaa pääsy yksityiseen dataan, altistus epäluotettavalle sisällölle ja kyky lähettää tietoa ulos. Simon Willison kutsuu tätä yhdistelmää nimellä ”lethal trifecta” (16.6.2025).

Sovimme lopetuskriteerit ennen pilottia: mitä mitataan, mikä on raja ja milloin lopetetaan. Sellaiset on vain noin kolmanneksella: Gartnerin kyselyssä 31 %:lla organisaatioista oli säännöt epäonnistuneiden pilottien lopettamiseen (Gartner, 19.10.2026).

Agenttivalmis data

Agentti on yhtä hyvä kuin data, johon se pääsee käsiksi. Anthropicin mukaan monimutkaisissa tehtävissä tekoälyä rajoittaa usein enemmän pääsy tietoon kuin mallin kyvykkyys (Anthropic Economic Index, 15.9.2025).

Käytämme tätä kuuden kohdan listaa:

  1. Rakenteinen: koneluettava skeema, kuten JSON tai taulut, ei pelkkiä PDF-tiedostoja.
  2. Saatavilla: API- tai MCP-rajapinta, jotta agentti voi hakea datan itse.
  3. Dokumentoitu: kenttien merkitys ja käyttösäännöt on kirjoitettu auki.
  4. Oikeutettu: pääsynhallinta agenttikohtaisesti ja vain tarvittavat oikeudet.
  5. Ajantasainen: päivitysajankohta näkyy, eikä vanhentuneita kopioita ole.
  6. Omistettu: jokaisella datalähteellä on nimetty omistaja.

Sama lista toimii myös ulospäin. Kun yrityksen julkinen data on agenttivalmis, tekoälyavustajat löytävät ja käyttävät sen faktoja. Sitä teemme AI-näkyvyydessä.

Mitä saatte

  • Toimiva agenttinen järjestelmä tuotannossa, ei pelkkä demo.
  • Arviointitestit, joilla näette itse, toimiiko järjestelmä. Ne jäävät teille.
  • Agenttivalmiin datan arvio: datanne käydään läpi kuuden kohdan listalla, ja saatte korjaukset tärkeysjärjestyksessä.
  • Riippuvuuskartta: yhden sivun kuvaus siitä, missä data ja tekoälykäsittely ovat, kenen lain alla ja millä exit-suunnitelmalla. Esimerkkinä on Staffbiten oma riippuvuuskartta.

Arkkitehtuuri ei sido yhteen kielimalliin. Mallin vaihto on konfiguraatiokysymys, ei uudelleenkirjoitus, ja arviointitestit kertovat, toimiiko uusi malli yhtä hyvin.

Laajuudet ja kestot

Kestot julkaisemme vaihteluväleinä. Hinta sovitaan tarjouksessa laajuuden mukaan.

  • Pieni: 1–2 viikkoa, josta aktiivista rakentamista 1–2 päivää. Esimerkiksi toiminnallinen kampanjasivusto tai tarjouspyyntöjen esikäsittely ennen kuin ihminen tarttuu niihin.
  • Keskikokoinen: 2–4 viikkoa, josta aktiivista rakentamista 4–6 päivää, kun data on valmiina. Esimerkiksi kampanjapeli, agenttien luettavissa oleva kohdekartta tai asiakaspalvelun sähköpostien käsittely.

Esimerkit ovat kuviteltuja pyyntöjä, eivät asiakastapauksia.

Kalenteriaika riippuu enemmän päätösrytmistä kuin rakentamisesta: kuinka nopeasti data, käyttöoikeudet ja hyväksynnät saadaan. Alla olevat map.levifinland.fi ja game.levifinland.fi valmistuivat kumpikin noin neljässä päivässä aktiivista työtä. Ne teki yksi ihminen, joten hyväksyntöjä ei tarvinnut odottaa.

Laajuuteen vaikuttavat eniten:

  • käyttötapausten ja prosessien määrä
  • datan kunto ja saatavuus (ks. agenttivalmiin datan lista yllä)
  • integraatiot nykyisiin järjestelmiin
  • käyttäjien määrä ja ylläpidon tarve.

Isoja kokonaisuuksia emme aikatauluta kerralla. Rakennamme ne erä kerrallaan, ja seuraavasta erästä sovitaan, kun edellisen tulokset on mitattu.

Kerro tarpeestanne, niin teemme tarjouksen.

Näin rakensimme tämän sivuston

staffbite.fi on rakennettu samalla tavalla, jota tarjoamme: spesifikaatio, rinnakkaiset agentit, arvioija-agentit ja automaattiset tarkistukset. Jokaisesta ajosta kirjataan agenttien määrä, tokenit, kesto ja löydökset.

Esimerkiksi sivuston visuaalisen ilmeen toteutus 20.11.2026: 21 agenttia, 1,67 miljoonaa tokenia, 38 minuuttia 44 sekuntia ja kaksi arvioijakierrosta. Ajon jälkeen jäi yhdeksän aiheellista huomiota, jotka korjattiin käsin noin 15 minuutissa. Luvut ovat Staffbiten rakennuslokista.

Kone ei nähnyt kaikkea. Jo ilmeen mallikuvavaiheessa ensimmäinen versio pyöristi faktakorostukset viereisten kirjainten päälle. Ihminen huomasi sen selaimessa, automaattitarkistus ei. Toisaalta arvioija-agentti löysi koodista vierityspalkin virheen, joka näkyy vain Linuxin ja Windowsin hiirikäyttäjille eikä näkynyt automaattisissa kuvakaappauksissa. Siksi ihminen katsoo lopputuloksen aina itse.

Sivuston faktat ovat palvelimella renderöitynä tekstinä, ja samat tiedot ovat koneille tiedostoissa llms.txt, llms-full.txt ja sitemap.xml. Voit tarkistaa ne omalla agentillasi.

Referenssit

  • experiencelevi.fi: Chalet Nulkan majoitussivusto suomeksi ja englanniksi. Agenteille on tarjolla llms.txt, JSON-LD, API ja MCP (Koneluettava rajapinta).
  • karotammela.fi: henkilösivusto ja blogi suomeksi ja englanniksi. Sama Go- ja htmx-pohja kuin staffbite.fi:ssä, mukana Gemini-integraatio.
  • map.levifinland.fi: Levin interaktiivinen kartta skibussien oikeilla aikatauluilla. Itse hostattu, ja data on agenttien käytettävissä API:n, MCP:n ja GTFS:n kautta (Koneluettava rajapinta).
  • game.levifinland.fi: Skibus Rally, selainpeli, joka käyttää kartan oikeaa reittidataa.

Omat tuotteemme Prosessistudio ja Kanavoi on rakennettu samalla tavalla: Tuotteet.

Usein kysyttyä

Mitä AI-natiivi kehitys tarkoittaa?

Pieni tiimi ja tekoälyagentit rakentavat agenttisia järjestelmiä, jotka tekevät oikeaa työtä asiakkaan prosesseissa. Spesifikaatio ja arviointitestit sopivat etukäteen, mikä on valmista, ja tulos mitataan.

Miksi tekoälyprojektit jäävät pilotiksi?

Usein syy on data, epäselvä arvo tai puuttuvat lopetussäännöt. Siksi aloitamme datasta ja sovimme lopetuskriteerit ennen pilottia.

Mitä testivetoinen kehitys tarkoittaa tekoälyjärjestelmissä?

Arviointitestit (engl. evals) ovat automaattisia testejä, jotka ajavat tekoälyjärjestelmää oikeilla esimerkkitapauksilla ja kertovat, toimiiko se sovitulla tavalla. Ne kirjoitetaan ennen toteutusta, ja ne ajetaan uudelleen aina, kun malli, kehote tai data muuttuu. Arviointitestit jäävät asiakkaalle, joten järjestelmän laatua voi seurata myös projektin jälkeen.

Voiko kielimallin vaihtaa myöhemmin?

Kyllä. Arkkitehtuuri ei sido yhteen kielimalliin. Gemini, Mistral tai avoimet painot omalla tai eurooppalaisen toimittajan infrastruktuurilla ovat konfiguraatiokysymys, eivät uudelleenkirjoitus. Arviointitestit kertovat, toimiiko uusi malli yhtä hyvin.

Mitä agenttivalmiin datan arvio sisältää?

Käymme datanne läpi kuuden kohdan listalla: onko data rakenteista, saatavilla rajapinnan kautta, dokumentoitua, oikeutettua, ajantasaista ja omistettua. Tuloksena on lista korjauksista tärkeysjärjestyksessä ja arvio siitä, mihin prosessiin agentti kannattaa tuoda ensin.

Mitä AI-natiivi kehitysprojekti maksaa?

Hinta riippuu laajuudesta, joten emme julkaise hintoja. Kestot julkaisemme: pieni kokonaisuus valmistuu 1–2 viikossa ja keskikokoinen 2–4 viikossa. Isommat rakennetaan erä kerrallaan. Kerro tarpeestanne, niin teemme tarjouksen.

Ota yhteyttä

Aloita suunnittelu heti

Kerro AI-arkkitehdille, mitä olette suunnittelemassa. Se vastaa saman tien ja voi koota keskustelusta ratkaisuluonnoksen, jonka voit jakaa tiimillesi.

Kysy AI-arkkitehdilta

Lähetä viesti lomakkeella

Staffbite toimii Helsingissä (Sijainti ja data). Lue EU-first-periaatteesta