Neuvottelija · Artikkelit

EP421 · Työkalut · 2026-11-11

Tekoälytyötehdas | Jukka Ala-Mutka | Neuvottelija 421

Tämä artikkeli perustuu Neuvottelijan jaksoon. Jakson tiedot ja tallenne ovat sivulla Neuvottelija.fi.

Managenticsin perustaja Jukka Ala-Mutka kertoo Sami Miettiselle, miten liiketoimintaprosessien mallinnus muuttui teolliseksi: hänen alustallaan noin 50 pikkuagenttia valmistelee ja dokumentoi työpajat, ja koodiagentit rakentavat määrittelyistä tuotantoa. Jaksossa käydään läpi Finnish Consulting Groupin 80 työnkulkua kolmessa kuukaudessa, kunnan yksityistieavustusprosessi tunnin ihmistyöllä, pienten mallien 166-kertainen hintaero huippumalleihin, spesifikaatiolähtöinen koodaus vajaan miljoonan tuotantorivin mittakaavassa, organisaation muistin ja mallien lukittumisen riskit sekä SaaS-käyttöliittymän murros. Lopuksi puhutaan siitä, mitä ihmisaivoille tapahtuu, kun rutiinit siirtyvät koneelle: kontekstinvaihdosta, päätösväsymyksestä ja tekoälyn ergonomiasta.

Sami Miettinen

Tekoälytyötehdas | Jukka Ala-Mutka | Neuvottelija 421

Tiivistelmä: Jukka Ala-Mutka on mallintanut liiketoimintaprosesseja ja speksannut niitä koodareille noin 25 vuotta. Hän on tekniikan tohtori ja toimi ennen omaa yritystään pörssiyhtiö Admicomin tekoälyjohtajana. Tammikuussa 2026 hän perusti Managentics Oy:n. Yhtiön alustalla noin 50 pientä agenttia valmistelee prosessityöpajat, kirjaa niissä syntyvän hiljaisen tiedon ja piirtää kaaviot, ja koodiagentit rakentavat määrittelyistä tuotantojärjestelmiä. Jakson ydinväite on, että räätälöinti ei ole enää kirosana. Kun määrittely ja koodaus toimivat kumpikin tehtaan tavoin, yksilöllisen prosessin rakentaminen muuttuu teolliseksi ja hallittavaksi toiminnaksi.

Lukuohje. Tekstityksessä ei ole puhujamerkintöjä, mutta roolit erottuvat: Ala-Mutka kertoo omasta työstään ja asiakastapauksistaan, Miettinen kommentoi omilla kokeiluillaan. Kaikki tuntimäärät, hintaerot ja rivimäärät ovat Ala-Mutkan omia lukuja, eikä niitä ole tarkistettu erikseen. Jakson alun uutiskatsaus on nauhoitettu marraskuussa 2026. Siinä mainitut mallinimet (Fable 5.2, Mythos 5.2, Opus 5.5, Gemini Flash 3.8) ovat puhujien omia. Julkaisijan YouTube-kuvauksen mukaan Nvidia-meemi on satiiria eikä vakoiluväitettä ole vahvistettu, joten tämä artikkeli ei käsittele sitä tosiasiana. Miettinen kertoo jaksossa omistavansa Googlen osakkeita.

Ala-Mutka liittyy Miettisen omaan tekoälytarinaan. Tammikuussa 2026 hän ja Tapani Alasaarela auttoivat Miettistä käyttöönotossa, kun tämä sai Mac mini M4:n, jossa on 64 gigatavua muistia. Samasta koneesta tuli myöhemmin Miettisen Samantha-agentin koti. Lähimmät aiemmat jaksot aiheesta ovat Kun agentteja on enemmän kuin työntekijöitä (Neuvottelija 402) ja Tekoälytyön huippukäytännöt (Neuvottelija 408).

1. Lotus Notesista agenttialustaan

Ala-Mutka kertoo koodanneensa jo 1990-luvun lopulla Lotuksen päälle oman CRM-järjestelmän, koska valmiita CRM-ohjelmistoja ei vielä ollut. Sen jälkeen hän työskenteli Adsneksella, konsulttina ja startupeissa. Välissä oli akateeminen ura: tekniikan tohtoriksi hän väitteli noin 20 vuotta sitten ja teki postdoc-tutkimusta Kanadassa. Akatemia oli hänen mukaansa tempoltaan liian hidas, ja startup-maailma veti puoleensa.

Kielimallien parissa hän on työskennellyt jo ennen koronaa. Ensimmäisten GPT-mallien aikaan hän kirjoitti white papereita ja hahmotteli ChatGPT:n kaltaista ideaa, jossa kielimallia käytettäisiin Slack-kanavan kautta. Kun ChatGPT julkaistiin, hän päätti panostaa aiheeseen täysillä. Admicomilla hän johti tekoälykehitystä: kehittäjiä oli viiden hengen tiimissä ja muissa tiimeissä yhteensä reilut kymmenen. Työssä rakennettiin chatbotteja, dataputkia, tekoälypohjaisia tuotteita ja rajapintoja.

Agenttiseen tekoälyyn Ala-Mutka heräsi hänen mukaansa pari vuotta sitten. Varsinainen käänne tuli noin puolitoista vuotta sitten Claude Coden myötä, kun maailmalta alkoi kuulua, että koodia kirjoitetaan jo pääosin tekoälyllä. Kesällä 2025 hän testasi, millaisella määrittelyllä sovellus syntyy, ja sovellus valmistui kahdessa ja puolessa tunnissa. Bugeja oli hänen mukaansa paljon, vaikka määrittelyt olivat lähes täydelliset. Syksyllä 2025 hän mallinsi agenttisia prosesseja noin kahdellakymmenellä eri promptilla ChatGPT:llä, Claudella ja Geminillä, mutta tulokset menivät hänen sanoin “aina jotenkin vinoon”, ja mallit hallusinoivat.

Tammikuussa 2026 hän perusti Managentics Oy:n, koska hänen mielestään oli tullut aika “laittaa kädet saveen”. Suomen Yrittäjien lokakuussa 2026 julkaiseman haastattelun mukaan yhtiö oli tuolloin neljän hengen firma. Ala-Mutka itse puhuu jakson lopussa viiden hengen tiimistä.

2. Pienet mallit, isot säästöt

Jakson alussa Miettinen kysyy Ala-Mutkan mielipidettä OpenAI:n toimitusjohtajan Sam Altmanin heitosta, jonka mukaan ihmisten ei kannattaisi haalia muistia kotikoneisiin, koska laskenta kuuluu konesaliin. Ala-Mutka ei hyväksy ajatusta sellaisenaan. Hänen mukaansa työ jakautuu paikalliseen ja keskitettyyn laskentaan, koska tehokkaat pienet mallit pyörivät jo vaatimattomillakin koneilla. Esimerkiksi hän ottaa kiinteistön, jossa on satoja sensoreita, ilmastointi ja aurinkovoimala. Kiinteistön pitää toimia, vaikka kaivinkone katkaisisi kaapelin, joten hän sijoittaisi laskennan kiinteistön sisälle. Miettinen lisää tietoturvanäkökulman: jos jokainen laite hakee lupia ulkomaisista pilvipalveluista, hyökkäyspinta kasvaa.

Ala-Mutkan mukaan uusin huippumalli ei tuo hänen arkeensa enää paljon lisää. Hänen prosessinsa on viritetty tiettyyn rytmiin, ja hänen omana työhevosenaan toimii Opus 5.5. Alustan perusoperaatiot hoitaa pieni Gemini Flash -malli, ja viime talvena käytössä oli puolitoista vuotta vanha Flash 2.5. Hänen mielestään vertailuihin, datanhakuun ja jäsentämiseen käytetään turhaan liian isoja malleja.

Hän antaa esimerkiksi omia lukujaan:

Miettinen tuo esiin kokemuksen omasta chatbot-projektistaan: mallin versionumerosta ei voi päätellä sen tehokkuutta. Uudempi malli voi olla sekä nopeampi että säästeliäämpi tokeneissa, ja yksi malli saattaa onnistua yhdellä kierroksella, kun toinen tarvitsee neljä. Nopeuskriittisessä käytössä neljä kierrosta pudottaa mallin pois, vaikka se olisi halpa. Siksi mallit pitää testata oikealla datalla. Ala-Mutkan mukaan testaamisenkin voi antaa tekoälylle, ja aikakriittisiä ajoja voi siirtää yöhön.

3. Tietoturva ja red team

Miettinen kertoo tutkineensa, voisiko hän itse hakea käyttöoikeutta tietoturva-ammattilaisille tarkoitettuun Mythos-malliin “white hat” -roolissa. Hän päätyi siihen, ettei malli toisi hänelle paljon lisää. Ala-Mutka kuvaa nykytilaa monimutkaiseksi: botit koputtelevat jatkuvasti ja kokeilevat kaikkea automaattisesti. Siksi hänen mukaansa omat koneet pitää pitää palomuurin takana niin, etteivät portit näy internetiin, haavoittuvuuksia pitää tutkia huippumallilla jatkuvasti ja lokeja pitää seurata. Lisäksi hän suosittelee konttien käyttöä: jos hyökkääjä pääsee avoimen portin kautta yhteen konttiin, hän saa vain sen kontin sisällön eikä pääse liikkumaan järjestelmässä muualle.

Miettinen kertoo omasta kokemuksestaan. Keväällä 2026 Pekka Abrahamssonin johtama Tampereen yliopiston GPT-Lab teki red team -testin Samantha-agentille. Testaajat lähettivät Samanthalle “kivoja kuvia” luettavaksi, ja kuviin oli piilotettu haitallista koodia. Miettinen eristi sen jälkeen jokaisen ryhmäkeskustelun omaan konttiinsa, ja kontteja on nyt noin 130. Murtautuja pääsisi siis yhden keskustelun dataan mutta ei hänen sanoin “syväkammioon”. Miettinen suosittelee kokemusta muillekin, koska sen jälkeen oppii kunnioittamaan tietoturvaa. Tapauksesta on kirjoitettu erikseen artikkeli Improving Sami-to-Samantha Security. Samantha on siirtymässä lähiviikkoina uuteen M5 Ultra -koneeseen, jossa on 256 gigatavua muistia. Sillä Miettinen aikoo ajaa avoimia malleja, kuten Qwenia, ilman kvantisointia.

4. Määritystehdas ja kooditehdas

Jakson keskiössä on Managenticsin toimintamalli. Kun Miettinen kysyy, miten asiakas vakuutetaan, Ala-Mutka kertoo demoesimerkin. Hän piti marraskuun alussa 2026 puheen kunta-alan tekoälytapahtumassa ja rakensi sitä varten kunnan yksityistieavustusprosessin. Häneltä itseltään kului työhön noin tunti. Kone teki yhteensä yhdeksän ja puoli tuntia töitä: kolme tuntia määrittelyä, aineistojen ja testiaineiston valmistelua ja kuusi ja puoli tuntia koodausta.

Hänen mukaansa räätälöity prosessi oli ennen kirosana, koska se oli kallis ja hallitsematon. Kun käytössä on sekä määritystehdas että kooditehdas (koodiagentit), räätälöinnistä tulee teollista toimintaa, jota voidaan monilta osin hallita deterministisesti.

Tästä esimerkkinä on Finnish Consulting Group (FCG), jonka hän sai käyttää referenssinä. Sopimuksesta hän kertoo soittaneensa FCG:n johtoon kuuluvalle Sami Miettiselle, joka on isännän kaima. Jaksossa vitsaillaan siitä, kumpi Miettinen on internetissä paremmin tunnettu. FCG:n yli 400 ihmisen kanssa mallinnettiin 80 työnkulkua noin kolmessa kuukaudessa, kun kesälomia ei lasketa mukaan, noin parissakymmenessä työpajassa. Työpajoissa ihmiset kuvasivat omaa työtään: mitä prosessissa pitää tehdä, mitä ei saa tehdä ja millaisia vaiheita siinä on. Osasta prosesseista ei ollut aiemmin lainkaan kuvausta, osasta oli hyvin eritasoisia kuvauksia.

Ala-Mutkan mukaan itse prosessimallinnus ei ole uutta, ja hän teki sitä ensimmäisen kerran jo 1990-luvun lopulla. Ennen kuvaukset kuitenkin “jäivät mappiin”, toiminta ajautui vähitellen muualle, ja laatuauditoinnissa vakuuteltiin, että prosesseja noudatetaan. Nyt kuvauksilla on ensimmäistä kertaa käyttäjä: agentit toimivat niiden mukaan. Siksi niitä kannattaa myös ylläpitää. Miettinen lisää, että uusi työntekijä tuskin lukee laatukäsikirjan mappia, mutta agentti lukee tuhansia sivuja, mieluiten markdown-muodossa eikä PDF:nä, ja on sen jälkeen saman tien perehdytetty.

Alustan noin 50 pikkuagenttia hoitavat työpajan valmistelun ja jälkityön. Ne etsivät henkilötietoja ja liputtavat EU:n tekoälysäädöksen ja ISO 42001 -standardin kannalta olennaiset kohdat. Lisäksi ne tekevät vaikutusarvioinnin ja piirtävät vuokaaviot ja sekvenssikaaviot. Ennen työpaja tarkoitti Ala-Mutkalle päivän valmistelua, päivän työpajaa ja yhdestä kahteen päivää piirtämistä. Nyt asiakas kuvaa kontekstin etukäteen oman tekoälynsä kanssa, agentti osaa kysyä työpajassa oikeat jatkokysymykset ja kaaviot syntyvät “kahdessa kolmessa minuutissa”. Ihmiset vain tarkistavat ne. Miettinen kertoo käyttävänsä itsekin samaa Mermaid-kaaviokieltä.

5. Agentit konepellin alla ja SaaS-käyttöliittymän murros

Ala-Mutka korostaa, että Managentics mallintaa organisaatioon agentteja, jotka toimivat “konepellin alla”. Niitä ei promptaa kukaan. Hänen esimerkissään julkinen tarjouspyyntö ilmestyy, ja ajastettu automaatio huomaa sen. Automaatio tarkistaa, onko yritys tarjonnut vastaavaan aiemmin, kuka voitti viimeksi ja millä hinnalla, mitkä vaatimukset ovat ja onko yrityksellä osaajia. Ihminen saa tiedon vasta, kun luonnos on valmis tarkastettavaksi. Miettinen on itse tuonut agentteja mieluummin ihmisten keskusteluvirtaan, esimerkiksi WhatsAppiin. Hänen mukaansa monet näistä ideoista, kuten cron-ajot, keksittiin Linuxissa jo vuosia sitten. Nyt ajojen väliin saadaan harkintaa, eivätkä ne ole enää pelkkää deterministista automaatiota.

Tästä keskustelu siirtyy SaaS-palveluihin. Miettinen pitää ohjelmistoyhtiöiden osakekurssien laskua oireena siitä, että ihmisen ja koneen välinen tietovirta on muuttumassa perusteellisesti. Ala-Mutkan mukaan SaaS-aikakauden ansaintamalli perustuu käyttäjäkohtaiseen hinnoitteluun, ja tietoa syöttävät ja lukevat ihmiset. Siksi käyttöliittymän suunnittelu ja käytettävyys ovat olleet niin tärkeitä. Agentti ei tarvitse käyttöliittymää ollenkaan, vaan käsittelee dataa suoraan. Jos 90 prosenttia prosessista siirtyy agenteille, ihminen tarvitsee hänen mukaansa vain tilannekuvan ja päätöspisteet: hyväksy tai hylkää, ja jos hylkää, perustelu, jonka pohjalta agentti tekee uuden kierroksen. Hänen mukaansa tällaisen kojelaudan tekee nykyään päivässä.

Miettinen huomauttaa, että rajakin hämärtyy: kone alkaa haastaa ihmisen päätöksiä. Jos ihminen hylkää ehdotuksen huonolla perusteella, kone voi kysyä, miksi, kun ehdotus on 99-prosenttisesti määrittelyjen mukainen. Ala-Mutka on kokenut saman. Hän antaa koneelle tavoitteensa ja tiekarttansa, ja kun hän ehdottaa jotain niiden ulkopuolelta, kone muistuttaa aikataulusta ja tavoitteista. Mallien eroista Miettinen sanoo, että Claude on “HR-henkisempi” ja vastaansanovampi, kun taas OpenAI:n mallit hyväksyvät helpommin sen, että ihmisellä voi olla tietoa, jota hän ei ole kertonut koneelle.

6. Kahden työn kevät ja vajaa miljoona riviä

Keväällä 2026 Ala-Mutka teki kahta työtä yhtä aikaa: hän veti FCG:n mallinnustyöpajoja konsulttina ja koodasi samalla alustaa niistä saamansa palautteen perusteella. Claude arvioi tuolloin hänen tuotoksistaan, että ilman tekoälyä työhön olisi tarvittu 35 ihmistä. Laskelman pohjana oli esimerkiksi neljä tuntia vuokaaviota kohden. Jokaisesta työnkulusta syntyy vähintään kaksi kaaviokierrosta, ensin työpajan karkea versio ja sitten rikastettu ja katselmoitu versio. Prosessien uudistamisvaihe tuo lisää kaavioita, ja kaikki tämä kerrotaan 80:llä. Hänen mukaansa promptaamalla tehty työ olisi silti jäänyt kauas siitä, mitä 50 automaattista agenttia tekee: promptaaminen häviää agenttiajalle “ihan 6–0”.

Hinta maksettiin kontekstinvaihdoissa. Koska kehitys eteni pieninä ideoina ja kone koodasi nopeasti, tuotoksia piti tarkistaa monta kertaa päivässä. Keväällä 2026 Claude myös vielä rikkoi koodia. Kerran kahden tai kolmen päivän työ meni hukkaan, koska malli vain jatkoi rikkomista, ja koodausohjeistusta piti tarkentaa. Lisäksi FCG:n liiketoiminta-alueet vaihtelivat koulutuksesta ja konsultoinnista rakennettuun ympäristöön, pilaantuneen maan tutkimukseen, luontotiimiin ja siltasuunnitteluun.

Mittakaavasta Ala-Mutka kertoo seuraavaa: tammikuusta marraskuuhun on syntynyt vajaa miljoona riviä tuotantokoodia. Kaikkiaan rivejä on tuotettu yli puolitoista miljoonaa, koska noin kolmannes on jo poistettu refaktoroinnissa. Määrittelyjä on hänen mukaansa monessa kerroksessa: analyysimäärittelyt, konseptimäärittely ja moduulikohtainen suunnittelumäärittely. Kriittisillä koodeilla ja kaikilla agenteilla on lisäksi “elävä speksi”, joka vastaa koodia yksi yhteen, joten koodin muutos muuttaa myös määrittelyä. Noin 70–80 prosenttia testeistä kirjoitetaan ennen koodausta. Kone koodaa nyt parhaimmillaan viisi päivää putkeen, ajaa yön yli tuhansia testejä, avaa selaimen, klikkailee, ottaa kuvakaappauksia ja korjaa itse havaitsemansa virheet. Tätä vaihetta on hänen mukaansa kestänyt vasta kolmesta neljään kuukautta. Hän sanoo itsekin pohtivansa, luottaako hän jo liikaa.

Miettinen vertaa tätä omaan projektiinsa. Juho-nimisen yhteistyökumppanin Lovablella rakentamasta MVP:stä on tullut monimutkainen tuote, jota asiakkaat jo käyttävät. Miettinen katselmoi alussa jokaisen pull requestin, mutta nykyään työ on hänen sanoin “YOLO-meininkiä”, jossa hän kuulee muutoksista vasta, kun ne ovat jo tuotannossa.

Ihmisten tekemästä katselmoinnista Ala-Mutka sanoo, että sitä tulee niin paljon ja niin nopeasti, ettei ihminen pysty tarkastamaan kaikkea. Siksi hän katselmoi määrittelyn, ei koodia. Miettinen huomauttaa, että samalla ketterä manifesti pizzatiimeineen ja demoineen on agenttien aikana käytännössä kuollut: kone demoaa suoraan tuotantokoodia. Paine siirtyy määrittelyyn ja visioon. Jos ei tiedä, mitä haluaa, Ala-Mutkan mukaan koko homma on “ihan turha”.

Gitin käytöstä keskustellaan Miettisen kertoman uutisen pohjalta. Hänen mukaansa Anthropicilla jokainen tiimi kehittää tekoälyllä, ja GitHubin yhdistämisjonoihin kertyy kymmeniä tuhansia pull requesteja. Siksi Anthropic olisi siirtymässä keskitetympään malliin, kun taas OpenAI on tehostanut Gitiä. Tätä tietoa ei ole tarkistettu tätä artikkelia varten. Ala-Mutkan tiimi käyttää Gitiä perinteisesti: muutos tehdään aina ensin omaan haaraan paikallisesti, ja suurimmat yksittäiset yhdistämiset ovat olleet noin 20 000 rivin kokoisia.

7. Organisaation muisti ja lukittuminen

Ala-Mutka kertoo esimerkin siitä, miten määrittelyjä rakennetaan. Kun Andrej Karpathy julkaisi kielimallin ylläpitämää wikiä muistuttavan muistirakennemallinsa, Ala-Mutka analysoi, mitä Managentics ottaa siitä ja mitä ei, ja tallensi analyysin yhdeksi referenssidokumentiksi. Tällaisia peruskonsepteja alustalla on noin 50.

Miettisen mukaan frontier-mallien tarjoajat yrittävät nyt vallata organisaation muistin itselleen: Claude, OpenAI, Gemini ja Cursor tarjoutuvat kaikki rakentamaan sen. Hänen mielestään kielimallien pitää olla työntekijöitä eikä esimiehiä. Ala-Mutka on samaa mieltä ja pitää asiaa suvereniteettikysymyksenä. Alustat haluavat hänen mukaansa omistaa koko ketjun: loppukäyttäjän, mallivalikoiman ja omat palvelimensa, joilla laskenta ajetaan. Perusteluna käytetään integraatiota, mutta hänen mielestään sellainen järjestely toimii “hinnankorotusautomaattina” eikä mallien käyttöä voi enää optimoida.

Managenticsin alustalla malleja voi vaihtaa ja jokaiselle mallille on määritelty varamalli, joka voi olla eri toimittajalta. Jos malli palauttaa virheen tai palvelu on poissa käytöstä, kriittinen prosessi jatkuu testatulla varamallilla. Ala-Mutka pitää tätä sekä tietoturva- että huoltovarmuuskysymyksenä: jos amerikkalainen toimittaja ei enää jostain syystä tarjoa mallia ja prosessi on rakennettu sen varaan, arkkitehtuuri olisi pitänyt miettiä etukäteen. Miettinen perustelee 256 gigatavun koneen hankintaa samalla tavalla: kun omalla raudalla on oma laskenta, internetyhteyden katkeaminen hidastaa työtä mutta ei kaada koko tehdasta.

Miettinen kertoo myös kilpailuttavansa malleja keskenään. Kun hän tekee isoja muutoksia, hän kertoo mallille, mistä palaute tulee, esimerkiksi “Opus 5.5:ltä tämmösiä huomioita” tai “Samanthan kommentit”. Hänen kokemuksensa mukaan mallit oppivat painottamaan laadukkaaksi tunnistettua palautetta, eivätkä ne ole alkaneet piikitellä toisilleen. Ääniagenttien kohdalla hän on päätynyt ElevenLabsiin. Ongelmana on vasteaika: agentin pitäisi sanoa heti alkuun jotain järkevää, kun se puskuroi varsinaista vastausta. Ala-Mutka ajaa pienet tehtävänsä Gemini Flash -malleilla ja huomauttaa, että Google tekee myös hakutulosten tiivistelmät samoilla Flash-malleilla.

8. Asiantuntijaorganisaatioiden muutos tai kuolema

Ala-Mutka kuvaa Managenticsia “aikuisten kooditehtaaksi”: lähtökohtana ovat liiketoiminnan työnkulut ja strategiset painotukset, ja tuotantoon edetään vasta niiden jälkeen. Hänen mukaansa tavoitteena ei ole irtisanoa puolta henkilöstöstä, vaan arvioida, mikä vaikutus prosessilla on liiketoimintaan. Kun lähtökohtana on koko prosessi eivätkä yksittäiset käyttötapaukset ja kokeilut, päädytään hänen mukaansa aivan toisenlaisiin ratkaisuihin.

Hänen jyrkin väitteensä koskee asiantuntijaorganisaatioita. Jos ne eivät nyt käynnistä tekoälymuutosta, ne hänen mukaansa kuolevat. Kilpailija, joka tekee työn agenttisesti, tekee sen puoleen hintaan ja puolessa ajassa, ja silloin 10 prosentin katteella toimiva yritys ei saa enää yhtään kauppaa. Miettinen lisää esimerkin julkisista hankinnoista: jos yksi tarjoaja käy Hilman ilmoituksia läpi käsin ja toisella on täysin automatisoitu prosessi, joka esivalmistelee ja pisteyttää tarjouspyynnöt, tulos on “6–0”.

Ala-Mutka ottaa esimerkiksi datakeskushankkeen, jossa koneisiin sijoitetaan kymmeniä miljardeja ja rakennus maksaa noin 100 miljoonaa. Hänen mukaansa sillä, maksaako rakennus 100 vai 120 miljoonaa, on vähemmän merkitystä kuin sillä, valmistuuko se kuukausia aiemmin. Sama koskee kunnallisia lupaprosesseja: kun niitä nopeutetaan, jokainen liiketoimintahalli alkaa tuottaa rahaa yhteiskunnalle aiemmin. Jakson alussa molemmat puhuvat siitä, että Suomen pitäisi lyhentää datakeskusten luvitusta ja YVA-menettelyjä merkittävästi. Ala-Mutka arvioi, että jos Yhdysvallat jäädyttää datakeskushankkeita, rakentaminen voi siirtyä Eurooppaan.

Teknisesti hänen mukaansa este on jo poistunut. Jos prosessi on määritelty tarkasti, koodiagentti toteuttaa sen ensimmäisellä yrityksellä, ja 55 tällaista prosessia voidaan rakentaa rinnakkain 55 koodiagentilla, jolloin työ ei vie montaa viikkoa. Lopulta kyse on hänen mukaansa vain siitä, että yritysjohto päättää ryhtyä toimeen. Ensi vuotta hän pitää “todellisen maailman vuotena”: samalla tavalla kuin nyt promptataan abstraktia tietotyötä ja koodausta, ensi vuonna aletaan ohjata robotteja ja fyysistä maailmaa.

9. Miksi Ala-Mutka ei enää promptaa ja mitä aivoille tapahtuu

Ala-Mutka sanoo, ettei hän itse enää juuri promptaa. Kun muistirakenne, konteksti ja määrittelyt ovat kunnossa, kone pystyy toimimaan pitkiä jaksoja itsenäisesti, eikä hänen tarvitse kirjoittaa ohjeita tyyliin “sinä olet nyt suunnittelija”. Miettinen kertoo pitävänsä itse kirjoittamisesta mutta tilanneensa Metan älylasit. Niillä hän voisi esimerkiksi näyttää koneelle reitittimen ja kysyä ohjeita, ja 256 gigatavun Samantha voisi keskustella hänen kanssaan lähes viiveettä.

Jakson lopun painavin aihe on aivosumu. Ala-Mutkan mukaan tekoälyn ergonomia on vielä ratkaisematta. Tekoäly antaa usein liikaa kerralla, vaikka sen pitäisi aloittaa johdon tiivistelmällä ja edetä pala palalta, koska ihmisaivot ovat kehittyneet kuuntelemaan tarinoita. Hänen vertauksessaan ihmisen “prosessori” oli luolassa versio 1.0 ja on nyt korkeintaan 1.1. Siksi tekoälylle pitää määritellä myös se, miten ihmisen kanssa keskustellaan.

Kun rutiinit siirtyvät koneelle, ihminen työskentelee Ala-Mutkan mukaan koko ajan liian korkealla abstraktiotasolla. Jos aamupäivän kolmen tunnin aikana on vaihtanut yhdeksän kertaa kontekstia, iltapäivän pitäisi olla kevyempi. Hän ehdottaa agenttia, joka seuraa käyttäjän kognitiivista kuormaa ja ehdottaa iltapäiväksi helpompia tehtäviä. Hän kuvaa päätösväsymystä niin, että tarve tehdä arkinen päätös, kuten ruokakaupassa, alkaa tuntua pahalta. Siksi hän on vakioinut arkensa: aamupala ja iltapala ovat aina samat, ja kaupassa hän kulkee aina samaa reittiä ja ostaa samat tuotteet. Miettinen kysyy leikillään, onko kyse vajoamisesta “autistin arkkityyppiin” vai keinosta pelastautua aivosumusta. Miettinen myöntää itsekin pelkäävänsä aivosumua, koska hän tekee nyt niin paljon töitä. Hän kertoo myös, että eräs Claude Opus -malli ehdotti aiemmin iltayhdeksän jälkeen, että työt jätettäisiin seuraavaan päivään. Jälkikäteen ajateltuna neuvoa olisi kannattanut kuunnella, ja hän joutui kesällä 2026 tekemään korjausliikkeitä omaan tapaansa tehdä töitä.

10. Konsultin uusi sopimusmalli ja yhden hengen firmat

Miettinen kertoo tekevänsä nykyään sopimuksia, joissa hänet voi irtisanoa milloin tahansa ja hän voi itsekin lähteä melko helposti. Hänen mukaansa järjestely on henkisesti helppo: joko hän tuo lisäarvoa joka viikko tai ei tuo. Hän huomauttaa, että tämä on päinvastaista kuin perinteinen konsulttiajattelu, jossa tavoitellaan pitkiä jatkuvia laskutuksia ja ylläpitosopimuksia. Ala-Mutka kertoo, että hänen esitysmateriaaleistaan ja asiakastapauksistaan noin 80 prosenttia on vaihtunut keväästä 2026. Hänen mukaansa nyt ratkaisee oppimisen nopeus, eikä parasta versiota tai konetta kannata jäädä odottamaan. Koodaamalla itse pysyy hänen mukaansa paremmin perillä siitä, mikä on mahdollista, kuin seuraamalla kehitystä Copilotin tai Clauden käyttöliittymän kautta. Hän perusti oman yhtiön, jotta päätösvalta pysyisi hänellä.

Lopuksi pohditaan, tuleeko tästä yhden hengen yritysten maailma, jossa jokaisella on oma holdingyhtiö, omaa laskentakapasiteettia ja omat agentit, jotka kytkeytyvät toisiin. Ala-Mutka uskoo, että ihmiset haluavat silti tehdä töitä tiimeissä, mutta suurten yritysten “tornitaloaika” voi alkaa murentua. Hänen mukaansa Managenticsin viisi henkeä tuottaa jo keskikokoisen ohjelmistotalon verran.

Keskustelu jatkuu jäsenjaksossa Neuvottelija Sisäpiiri 171, jossa puhutaan julkaisijan kuvauksen mukaan Porscheista ja ajamisen ilosta.

Mitä jaksosta jää käteen

Lähteet

Osastot: Työkalut ja toteutukset + Tekoäly ja talous · Markdown: index.md · In English