Vielä muutama vuosi sitten data-arkkitehtuurien rakentaminen oli pitkälti käsityötä: asiantuntijoiden SQL-lauseiden hienosäätöä, Python-skriptien debuggaamista sekä raskaiden ETL-putkien rakentamista. Muutama vuosi sitten saapui generatiivinen tekoäly, ja pelikenttä muuttui pysyvästi.
Olen seurannut data-alaa, ohjelmistoja sekä konsultointia vuosituhannen vaihteesta yli 25 vuoden ajan. Olen nähnyt useiden teknologioiden nousevan ja väistyvän, mutta uskallan sanoa, että nyt käsillä oleva murros on suurin näkemäni muutos sitten pilviratkaisuihin siirtymisen, joka alkoi tapahtua 2010-luvulla. Siinä missä pilvi muutti sen missä data asuu ja prosessointi tapahtuu, tekoäly tulee muuttamaan sen, miten datan kanssa työskentelemme päivittäin.
Tämä ei tarkoita data-asiantuntijoiden katoamista vaan roolin painopisteen muutamista: tekijöistä on tulossa yhä enemmän arkkitehteja, kuraattoreita ja laadunvarmistajia kuin koodin vääntäjiä.
Ohjelmistojätit tekoälyn eturintamassa
Suuret data-alustat ja integraatiotyökalut eivät ole jääneet odottelemaan, vaan ne ovat integroineet tekoälyn suoraan ydintoimintoihinsa. Tämä automatisoi jo nyt huomattavan osan työstä, joka aiemmin tehtiin käsin.
| Alusta | Esimerkkejä AI-ratkaisuista |
| Snowflake (Cortex) | Tuo LLM-mallit suoraan datan luokse, mahdollistaen älykkään analyysin ilman datan siirtämistä turvallisesta ympäristöstä. |
| Databricks (Agents Bricks) | Tarjoaa työkalut itsenäisten agenttien rakentamiseen, jotka osaavat hakea tietoa ja suorittaa tehtäviä yritysdatan pohjalta. |
| Microsoft Fabric | Copilot ohjaa läpi koko tietovirran, automatisoiden koodin generointia, dokumentointia ja raportointia. |
| SAP (Joule) | Helpottaa navigointia monimutkaisissa ERP-tietorakenteissa ja kääntää liiketoimintaprosessit nopeammin ymmärrettäviksi oivalluksiksi. |
”Vibe” tai “Agentti” koodaus vaatii rautaista senioriteettia
Mielenkiintoinen ja paljon keskustelua herättänyt ilmiö on niin sanottu vibe coding. Vibe coding viittaa tyyliin, jossa asiantuntija ei välttämättä kirjoita jokaista riviä itse, vaan kuvailee luonnollisella kielellä halutun lopputuloksen – ja antaa tekoälyn hoitaa teknisen toteutuksen. Tässä tyylissä keskiössä on intentio, ei syntaksi.
Toinen nopeasti yleistyvä käsite on agenttikoodaus. Agenttikoodaus tarkoittaa mallia, jossa tekoälyagentti toimii osittain tai täysin itsenäisesti: se hakee tietoa, käsittelee dataa ja suorittaa määriteltyjä tehtäviä yrityksen dataympäristössä ennalta asetettujen tavoitteiden pohjalta. Kehittäjän rooli siirtyy tällöin toteuttajasta ohjaajaksi ja orkestroijaksi.
Mutta tässä piilee merkittävä sudenkuoppa: jos ei tiedä, miltä laadukkaan koodin ja kestävän arkkitehtuurin ”kuuluu tuntua”, vibe-koodaus johtaa nopeasti hallitsemattomaan ja vaikeasti ylläpidettävään kokonaisuuteen. Tekoäly on erinomainen apulainen, mutta se on surkea johtaja.
Tässä kohtaa senioriteetti ja kokemus nousevat arvoonsa. Kokenut asiantuntija tunnistaa välittömästi, kun tekoälyn ehdottama ratkaisu on teknisesti hieno mutta käytännössä virhealtis tai vaikeasti skaalautuva. Mitä helpommaksi koodin tuottaminen käy, sitä tärkeämmäksi nousee ymmärrys siitä, mitä todella ollaan tekemässä ja miksi.
Jatkossa tämä asiantuntemus vielä korostuu, kun siirrytään ympäristöihin, joissa useat tekoälyagentit toimivat rinnakkain ja suorittavat tehtäviä osittain itsenäisesti. Mitä enemmän päätöksentekoa delegoidaan agenteille, sitä tärkeämpää on ymmärtää kokonaisarkkitehtuuri, vastuurajat ja riskit.
Etlialla olemme kehityksen ytimessä
Tämä teknologinen murros on nopeampi kuin mikään aiempi. Siksi meillä Etlialla panostetaan jatkuvaan oppimiseen ja markkinan seurantaan tavalla, joka näkyy suoraan asiakkaillemme.
- Aktiivinen seuranta: Analysoimme jatkuvasti markkinajohtajien julkistuksia. Emme tyydy esitteisiin, vaan testaamme uudet ominaisuudet käytännössä, jotta tiedämme niiden todellisen arvon. Tässä kohti pitää kiittää myös teknologiatoimittajia, jotka pitävät kiitettävästi kumppaneita ajan tasalla uusista AI -ominaisuuksista
- Osaamisen validointi: Meillä tekoälyä hyödynnetään nopeuttamaan rutiineja, mutta senioritason asiantuntemus varmistaa aina, että lopputulos on tuotantokelpoinen, tietoturvallinen ja ylläpidettävä.
- Tiedon jakaminen: Jaamme osaamistamme aktiivisesti tiimin kesken, jotta uusin ymmärrys siirtyy välittömästi asiakkaidemme hyödyksi.
Meille on kunnia-asia, että asiakkaamme saavat aina ajanmukaista strategista näkemystä – emme rakenna eilispäivän ratkaisuja tämän päivän ongelmiin.
Onko perinteinen osaaminen enää tarpeen?
Vaikka tekoäly hoitaa rutiinit, todellinen ymmärrys datan rakenteista ja integraatioista on kriittisempää kuin koskaan. Asiantuntijan rooli on siirtynyt suorittavasta työstä kohti tarkastajan, arkkitehdin ja orkestroijan tehtäviä. On tiedettävä tarkalleen, mitä ollaan rakentamassa, jotta tekoälyä osataan ohjata oikeaan suuntaan.
Data engineering on muuttumassa teknisestä suorittamisesta strategisemmaksi rooliksi. Kun alustojen natiivit AI-työkalut hoitavat raskaan työn, jää enemmän tilaa sille, mikä on oikeasti tärkeää: datan muuttamiselle todelliseksi liiketoiminta-arvoksi.
-Petri Räsänen
Haluatko kuulla, miten Etlian kokeneet asiantuntijat voivat auttaa teitä navigoimaan tässä murroksessa ja hyödyntämään uusia työkaluja hallitusti? Ollaan yhteydessä!