Viikon uutiset kannattaa lukea kerroksina.

Tekoälyn ympärille rakentuu nyt käyttökerros, datakerros ja laitekerros samaan aikaan. Pelkkä parempi malli ei riitä, jos se ei pääse oikeaan aineistoon, ei sovi ihmisen työpintaan tai maksaa liikaa pitkässä käytössä.

Tällä viikolla tuo kokonaisuus alkoi saada muotoa monesta suunnasta. Exa näytti, miten AI yhdistetään suljettuihin datalähteisiin. Anthropic työnsi Clauden kohti erikoistunutta tutkimustyötilaa. xAI toi Grok Voiceen no-code-äänibottien rakentamisen. June lupasi yksityisen AI:n Macille. Vercel Labs vei kuvien ja videoiden generoinnin terminaaliin.

Samaan aikaan raskaampi kerros liikkui alla. IEEE Spectrumin uutinen AI:n suunnittelemasta radiopiiristä muistutti, että tekoäly alkaa vaikuttaa myös siihen, millaisia laitteita rakennamme. Anthropicista ja Samsungista raportoitiin siruneuvotteluja. NVIDIA rakensi SIGGRAPH-ohjelmassaan fyysisen AI:n ympärille kokonaisen pinon: robotit, digitaaliset kaksoset, simulaation ja OpenUSD:n.

Viikon kysymys suomalaiselle asiantuntijalle ja pk-yritykselle on käytännöllinen:

Mitä dataa AI saa käyttää, missä sitä käytetään ja millä hinnalla se skaalautuu?

Lähde ja päivämäärä: Exa Connect, tarkistettu 3.7.2026
Merkittävyys: 5/5

AI on usein juuri niin hyvä kuin data, johon se pääsee käsiksi.

Siksi Exa Connect on viikon tärkeimpiä uutisia. Exa tarjoaa tavan yhdistää AI julkisiin ja yksityisiin datalähteisiin. Tämä kuulostaa tekniseltä integraatiolta, mutta käytännössä kyse on koko AI-käyttöönoton ytimestä. Jos malli näkee vain julkisen verkon, se pystyy tekemään yleistä tutkimusta. Jos se näkee yrityksen omat dokumentit, asiakaskeskustelut, tuotetiedot ja muut sallitut lähteet, siitä voi tulla oikea työpari.

Tässä on kuitenkin myös viikon suurin riskikohta. Suljettu data on usein juuri sitä dataa, jota ei saa levittää väärään paikkaan. Datayhteys on siksi myös käyttöoikeus-, lokitus- ja hyväksymiskysymys.

Hyvä ensimmäinen agenttipilotti ei ala kysymyksellä 'mihin kaikkeen AI pääsee'. Se alkaa kysymyksellä 'mihin yhteen lähdejoukkoon AI saa päästä ja mitä se saa sillä tehdä'.

Lähde ja päivämäärä: Anthropic, 2.7.2026 / tarkistettu 3.7.2026
Merkittävyys: 4/5

Claude Science on kiinnostava, koska se myy erikoistunutta työtilaa, ei vain parempaa mallia.

Aligned News nosti viikon signaaliksi Anthropicin Claude Science -julkistuksen, jossa Claudea paketoidaan tutkimustyön ympärille. Ajatus on tuttu mutta tärkeä: tutkija tarvitsee keskustelukumppanin lisäksi ympäristön, jossa voi käsitellä aineistoa, ajaa koodia, dokumentoida välituloksia ja palata lähteisiin.

Tämä on sama muutos, joka tapahtuu monella toimialalla. Juristi tarvitsee AI:n sopimusten, lähteiden ja riskien keskelle. Talousjohtaja tarvitsee AI:n lukuihin, oletuksiin ja raportteihin. Tutkija tarvitsee AI:n datan, menetelmien ja toistettavuuden viereen.

Kun AI muuttuu ammattilaisen työtilaksi, pelkkä malli ei ratkaise. Ratkaisevaa on, mitä ympäristö pitää muistissa, mitä se näyttää ihmiselle ja miten tulos todistetaan.

Lähde ja päivämäärä: xAI Voice, tarkistettu 3.7.2026
Merkittävyys: 4/5

xAI esitteli Voice Agent Builderin, no-code-alustan ihmismäisten ääniagenttien rakentamiseen Grok Voicen päälle. Hinta on ilmoituksen mukaan 0,05 dollaria minuutilta.

Ääniagentti on eri asia kuin tekstibotti. Se tulee lähemmäs asiakaspalvelua, myyntiä, ajanvarausta, haastatteluja ja sisäistä tukea. Silloin laatu näkyy vastauksen sisällössä, rytmissä, äänen sävyssä, keskeytyksissä, varmistuksissa ja siinä, osaako agentti sanoa 'en tiedä' oikeassa kohdassa.

No-code-äänialusta tekee kokeilusta helpompaa. Samalla se tekee huonosti rajatusta kokeilusta vaarallisemman. Ääniagentti voi kuulostaa vakuuttavalta silloinkin, kun se ei ymmärrä asiakkaan tilannetta tai yrityksen lupausta.

Pk-yrityksen järkevä alku on rajattu: yksi palvelu, yksi usein toistuva kysymysjoukko, selkeä eskalointi ihmiselle ja tallenne, jonka laatua voidaan oikeasti kuunnella.

Lähde ja päivämäärä: Open Software: June, tarkistettu 3.7.2026
Merkittävyys: 4/5

June osuu toiseen isoon jännitteeseen: kaikki agenttityö ei tunnu sopivalta pilveen.

Open Software kuvaa Junea yksityiseksi AI:ksi Macille. Se yhdistää agentin, chatin, sanelun eri sovelluksiin, kokousmuistiinpanot sekä yksityiset avoimen lähdekoodin mallit ja anonymisoidut frontier-mallit. Lupaus on selvä: tiedostot, konteksti ja data pysyvät käyttäjän hallussa. Projekti on avoimen lähdekoodin ja MIT-lisensoitu.

Tämä on vastaliike agenttien datanälälle. Kun agentit haluavat lukea enemmän ja toimia useammassa sovelluksessa, käyttäjä alkaa kysyä, missä data liikkuu. Paikallinen työpöytä-AI voi olla hyvä ratkaisu ihmiselle, joka haluaa nopean assistentin mutta ei halua työntää kaikkea arjen kontekstia yhteen pilvipalveluun.

June ei silti poista governance-kysymystä. Se siirtää sen lähemmäs käyttäjää. Jos agentti voi lukea tiedostoja, kirjoittaa tekstiä sovelluksiin ja tehdä kokousmuistiinpanoja, organisaation pitää päättää, mitä paikalliset agentit saavat tehdä työdatalla.

Lähde ja päivämäärä: vercel-labs/ai-cli, tarkistettu 3.7.2026
Merkittävyys: 4/5

Vercel Labsin ai-cli näyttää pieneltä työkalulta, mutta se kertoo isosta suunnasta: luova AI muuttuu komentorivikomennoksi.

Kun kuvia ja videoita voi luoda suoraan terminaalista, generointi voi tulla osaksi skriptiä, build-putkea, sisällöntuotannon automaatiota tai tuotekehityksen prototyyppivirtaa.

Tällä on erityinen merkitys pienille tiimeille. Sama henkilö voi kirjoittaa artikkelin, luoda otsikkokuvan, tehdä lyhyen videoversion ja ajaa julkaisupaketin ilman, että jokainen vaihe avataan omassa työkalussaan.

Samalla laatuvaatimus nousee. Kun generointi automatisoituu, heikkoa materiaalia voi syntyä paljon. Hyvässä putkessa on siksi myös tarkistus: mitä julkaistaan, mikä hylätään ja millä kriteerillä kuva tai video on brändin mukainen.

Lähde ja päivämäärä: IEEE Spectrum, tarkistettu 3.7.2026
Merkittävyys: 5/5

Viikon erikoisin mutta tärkeä uutinen tuli laitesuunnittelun puolelta. IEEE Spectrum käsitteli AI:n roolia radiopiirien suunnittelussa.

Tämä on hyvä muistutus siitä, että AI:n vaikutus ulottuu tietotyön ulkopuolelle. Sama optimointikyky, joka auttaa kirjoittamaan koodia tai yhdistämään lähteitä, voi auttaa myös sellaisissa suunnitteluongelmissa, joissa muuttujia on paljon ja ihmisen intuitio ei yksin riitä.

Radiopiirin kaltaisessa kohteessa AI toimii suunnitteluprosessin osana. Jos se löytää uudenlaisen rakenteen, kysymys muuttuu: ymmärrämmekö miksi ratkaisu toimii, voimmeko valmistaa sen ja miten se validoidaan?

Tämä on sama kysymys kuin agenttien kohdalla, vain fyysisemmässä muodossa. AI:n ehdotus tarvitsee testin.

Lähde ja päivämäärä: TechCrunch, 2.7.2026
Merkittävyys: 4/5

TechCrunch raportoi, että Anthropic keskustelee Samsungin kanssa uudesta omasta AI-sirusta. Kyse on raportoidusta neuvottelusta, ei valmiista tuotteesta, mutta signaali sopii viikon kokonaiskuvaan.

Frontier-labit haluavat hallita myös mallien alla olevaa kerrosta: inferenssin kustannusta, saatavuutta, viivettä, toimitusketjua ja sitä, millaiseksi mallit kannattaa suunnitella.

Tämä voi kuulostaa kaukaiselta suomalaiselle asiantuntijalle. Kun siru- ja inferenssikustannukset muuttuvat, muuttuu myös se, mitä AI-tuotteissa kannattaa tehdä. Halvempi pitkä ajo mahdollistaa enemmän agenttityötä, enemmän tarkistuksia ja enemmän taustalla jatkuvaa prosessointia. Kalliimpi ajo taas pakottaa miettimään, mikä tehtävä todella kannattaa delegoida mallille.

Lähde ja päivämäärä: NVIDIA SIGGRAPH, tarkistettu 3.7.2026
Merkittävyys: 4/5

NVIDIA nostaa SIGGRAPH-ohjelmassaan Physical AI Dayn, jossa puhutaan robotiikasta, autonomisista ajoneuvoista, teollisista digitaalisista kaksosista ja OpenUSD:stä.

Tämä on tärkeää, koska fyysinen AI vaatii muutakin kuin yhden robotin. Se tarvitsee simulaatiota, sensoridataa, standardeja, turvallisuutta, testausympäristöjä ja laskentaa. Digitaalinen kaksonen on tällaisessa maailmassa harjoittelukenttä: ennen kuin AI toimii tehtaassa, ajoneuvossa tai varastossa, sen toimintaa pitää pystyä testaamaan ympäristössä, jossa virhe ei riko mitään.

Tietotyön agentille vastaava ajatus on yllättävän hyödyllinen. Ennen kuin agentti saa tehdä muutoksia oikeaan CRM:ään, talousjärjestelmään tai asiakasviestintään, sille kannattaa rakentaa harjoituskenttä: kopio dataa, rajatut työkalut, loki ja ihmisen hyväksyntä.

Fyysisen AI:n opetus on siis arkinen: älä päästä agenttia tuotantoon ennen kuin tiedät, missä se harjoittelee.

Lähde ja päivämäärä: Microsoft, 2.7.2026
Merkittävyys: 4/5

Microsoftin Frontier Company -ajattelu on yritys sanoittaa, miltä AI-native organisaatio näyttää. Yhtiö painottaa yrityksen tiedon, mallien, agenttien, suojauksen ja työnkulkujen yhdistämistä.

Tämä on kiinnostavaa siksi, että enterprise-AI:n kilpailu ei ratkea vain mallien benchmarkeissa. Yritys kysyy lopulta toisia asioita: pääseekö AI oikeaan tietoon, noudattaako se oikeuksia, toimiiko se nykyisissä järjestelmissä, osaako se reitittää tehtäviä ja jääkö työstä jälki.

Kun AI tulee organisaatioon, kilpailu siirtyy yksittäisestä botista toimintatapaan. Siksi viikon uutiset Exa Connectista, Claude Sciencesta, Junesta, xAI:n äänityökalusta ja Microsoftin yritysajattelusta kuuluvat samaan lauseeseen. Ne kaikki etsivät vastausta siihen, missä AI oikeasti tekee työnsä.

Lähteet ja päivämäärä: AI-Sanomien ryhmätilaus, 29.6.2026 ja Kehotesuunnittelijan Loopit, tarkistettu 3.7.2026
Merkittävyys: 4/5

Tämä nosto on oma, mutta se kuuluu viikon kartalle.

AI-Sanomissa julkaistiin tällä viikolla ryhmätilaus yrityksille ja tiimeille. Yritys voi tilata tiimilleen tai koko henkilöstölleen AI-Sanomien Plus-jäsenyyden 25 prosentin alennuksella. Minimitilaus on 5 kappaletta ja etu koskee vuositilauksia.

Miksi tämä kuuluu uutiskatsaukseen? Koska AI-osaamisesta on tulossa tiimitaito. Yksi ihminen voi kokeilla työkaluja. Tiimi tarvitsee yhteisen sanaston, esimerkit, käytännöt ja tavan seurata, mikä toimii.

Samaan aikaan Kehotesuunnittelijaan tuli uusi Loopit-kategoria. Se tarjoaa valmiita looppeja, joilla AI laitetaan työskentelemään pitkäjänteisesti annettua tavoitetta vasten. Loopit ovat saatavilla AI-Sanomien Plus-tason tilaajille.

Tämä on käytännön jatko AI-Sanomien Loop engineering -oppaalle. Hyvä looppi on työnkulku, jossa agentilla on tavoite, rajat, välitarkistukset ja pysäytysehto.

AI-Sanomissa viikon julkaisut osuivat harvinaisen hyvin samaan kokonaisuuteen: AI:n hyöty syntyy, kun talous, käsitteet, työnkulut ja tiimin osaaminen kulkevat samaan suuntaan.

Tekoälytalous on jo 175 miljardin dollarin vuosivauhdissa kysyi, riittääkö AI-kysyntä maksamaan konesalien laskun. Se liittyy suoraan viikon siru- ja inferenssiuutisiin. Jokainen pitkä AI-ajo kuluttaa laskentaa, sähköä, kapasiteettia ja rahaa.

20 AI-agenttien ydinkonseptia jotka sinun on hyvä osata antaa sanaston, jolla viikon uutisia voi lukea rauhallisemmin. Agentit, työtilat, työkalut, muisti, evalit ja loopit ovat suunnittelupalikoita, eivät irrallisia trendejä.

ICM selitettynä: kansiorakenne agenttiarkkitehtuurina taas vie ajatuksen arkeen. Jos agentti tarvitsee kontekstia, sen ei aina tarvitse tarkoittaa raskasta järjestelmää. Joskus hyvin suunniteltu kansiorakenne, numeroidut välitulokset ja selkeät ohjeet riittävät tekemään työstä tarkistettavaa.

Maanantaille on tulossa myös Claude Fable 5 -kehotepaketti, jossa on 13 suomenkielistä kehoteaihioita vaativaan agenttityöhön. En linkitä sitä tässä julkaistuna juttuna, koska artikkeli ei ole vielä julkinen 3.7.2026. Sisällöllisesti se jatkaa samaa linjaa: pitkä agenttiajo vaatii paremman toimeksiannon kuin tavallinen chat-kysymys.

Yhdessä nämä jutut muodostavat aika käytännöllisen pinon:

Exa Connectin kaltaiset työkalut tekevät datayhteyksistä helpompia. Se ei tarkoita, että agentille kannattaa antaa heti laaja pääsy kaikkeen.

Kirjoita ensimmäiseen pilottiin nämä viisi kohtaa: