Omalla kohdalla varma merkki kesän tulemisesta on AWS Summit Tukholmassa. Tapahtuma tarjosi katsauksen siihen, mihin suuntaan pilvipalvelut, data-alustat ja tekoälyratkaisut ovat kehittymässä. Tämän vuoden tapahtuman selkeä teema oli agenttipohjainen tekoäly, datan hallinta modernien datalakejen avulla sekä AWS:n tavoite tuoda tekoäly aidosti osaksi liiketoimintaprosesseja – ei vain teknologiahankkeiksi. Tapahtumassa oli yli 80 sessiota eri osa-alueilta ja tähän blogiin on kerätty huomioita sessioista, joihin itse osallistuin. Sessiot, joihin osallistuin keskittyivät agenttipohjaisiin ratkaisuihin, generatiiviseen analytiikkaan ja moderneihin datalakeihin.
Agenttipohjainen tekoäly nousee keskiöön
Keynotessa avattiin AWS:n näkemystä siitä, että tekoälyn seuraava vaihe rakentuu agenttien ympärille. AWS korosti, että organisaatioiden tavoitteena ei ole enää vain hyödyntää yksittäisiä tekoälymalleja, vaan rakentaa kokonaisia älykkäitä työnkulkuja ja automaatiota tukevia agentteja.
Useat asiakastarinat havainnollistivat tätä muutosta käytännössä. Danske Bank on siirtänyt infrastruktuurinsa AWS-ympäristöön, tavoitteenaan modernisoida pankin data- ja analytiikka-alustaa sekä nopeuttaa palveluiden kehitystä. Zenseact puolestaan kertoi datatehtaan rakentamisesta AWS:n päälle autonomisen ajamisen kehitystä varten, missä datamäärät, analytiikka ja koneoppiminen yhdistyvät erittäin suurissa mittakaavoissa.
Erityisen kiinnostava case oli DNB Bankin KYC-ratkaisu (Know Your Customer), jossa tekoälyä hyödynnetään asiakastietojen tarkistamiseen ja riskienhallintaan. Ratkaisussa yhdistyivät Amazon Bedrock, generatiivinen tekoäly sekä agenttipohjainen automaatio. Esimerkki kuvasi hyvin sitä, miten tekoälyä pyritään viemään pois yksittäisistä kokeiluista kohti liiketoimintaa tukevia tuotantoratkaisuja.
Keynoten ehkä tärkein viesti liittyi kuitenkin dataan. AWS korosti useaan otteeseen, että ilman selkeää datastrategiaa ei voida rakentaa kestävää AI-strategiaa. Tämä näkyy monessa organisaatiossa myös käytännössä: suuri osa IT-budjeteista kuluu edelleen legacy-järjestelmien ylläpitoon, mikä hidastaa tekoälyn käyttöönottoa.
Teknologioista keskiössä olivat erityisesti Amazon Bedrock, uudet AWS-agenttiratkaisut sekä S3:n laajentuminen entistä vahvemmaksi ja monipuolisemmaksi datakerrokseksi.
Amazon Quick ja generatiivinen BI
AWS:n tavoite on madaltaa datan hyödyntämisen kynnystä organisaatioissa. Yksi vaihtoehto tähän on Amazon Quick -palvelu, joka tuo generatiivisen tekoälyn osaksi analytiikkaa ja raportointia.
Amazon Quick -sessiossa esiteltiin ominaisuuksia, kuten QuickSight, QuickFlows, Quick Automate ja Quick Research. Käytännössä nämä mahdollistavat analytiikan, automaation ja tiedonhaun luonnollisella kielellä ilman syvällistä teknistä osaamista.
Amazon Quick -palvelussa chat-pohjaiset agentit ja knowledge space -ratkaisut integroituvat osaksi yrityksen päivittäisiä työnkulkuja. Tämä suuntaus näkyy vahvasti koko markkinassa: analytiikka ei enää rajoitu BI-tiimeille, vaan tavoitteena on tehdä datasta aidosti koko organisaation työkalu.
Teknologisesti ratkaisu nojasi vahvasti generatiiviseen tekoälyyn, Amazon Bedrockiin sekä AWS:n omaan analytiikkaekosysteemiin.
Modernit data-alustat ja S3 Taulut
Datan näkökulmasta vahva teema tapahtumassa oli modernien data-alustojen rakentaminen Apache Icebergin ja S3 Taulujen ympärille.
Modern batch analytics -sessiossa esiteltiin, kuinka AWS rakentaa uuden sukupolven analytiikkaratkaisuja yhdistämällä Amazon S3 Tables, Apache Iceberg, AWS Glue, Lake Formation ja Athena. Tavoitteena on mahdollistaa skaalautuvat ja transaktionaaliset datalaket ilman perinteisten data warehouse -ratkaisujen rajoitteita.
Sessiossa korostui myös datan hallittavuus ja tietoturva. Lake Formationin rooli käyttöoikeuksien hallinnassa sekä Glue-orkestrointi olivat keskeisiä osia kokonaisuutta.
Myös SageMaker Unified Studio ja QuickSuite tuovat analytiikan, koneoppimisen ja visualisoinnin lähemmäksi samaa alustaa. AWS:n strategia näyttää olevan yhtenäisen dataekosysteemin rakentaminen,jossa data engineering, analytiikka ja AI yhdistyvät saumattomasti.
Case Funnel: agenttipohjaiset dataintegraatiot
Yksi käytännönläheisimmistä sessioista oli Funnelin esitys agenttipohjaisista dataintegraatioista.
Funnel käsitteli ongelmaa, joka on tuttu dataorganisaatioille: SaaS-järjestelmien API-rajapinnat muuttuvat jatkuvasti, integraatiot ovat hauraita ja niiden ylläpito vie paljon aikaa.
Ratkaisuna Funnel on rakentanut deklaratiivisen connector-alustan, jota laajennetaan nyt agenttipohjaisella tekoälyllä. Ajatuksena on, että AI-agentit voivat automaattisesti tulkita API-rajapintoja, rakentaa datamalleja ja muuntaa raakadataa analytiikkavalmiiseen muotoon.
Tämä oli yksi konkreettisimmista esimerkeistä siitä, miten generatiivista tekoälyä voidaan hyödyntää data engineeringissä käytännön tasolla. Samalla se kuvastaa hyvin koko alan muutosta: manuaalinen integraatiotyö pyritään automatisoimaan mahdollisimman pitkälle.
Funnelin Open Data Lake -ratkaisu AWS:n päällä osoitti myös, kuinka tärkeään rooliin avoimet formaatit ja data lake -arkkitehtuurit ovat nousseet.
Apache Iceberg ja modernit datalaket
Viimeinen sessio keskittyi Apache Icebergiin ja modernien datajärvien rakentamiseen Amazon S3:n päälle.
Apache Iceberg nousi tapahtumassa lähes standardiksi modernille data-alustalle. Teknologia tarjoaa transaktionaalisuuden, schema evoluutio -ominaisuudet ja paremman suorituskyvyn suurille datalakeille.
Sessiossa käytiin läpi erityisesti käytännön operointia: metadatan optimointia, skeemasuunnittelua sekä kustannusten hallintaa.
AWS painotti vahvasti S3 Taulujen -ratkaisua, jonka tavoitteena on yksinkertaistaa Iceberg-pohjaisten datalaken hallintaa. AWS näkee data lakehouse -arkkitehtuurit keskeisenä osana tulevaisuuden analytiikka- ja AI-ratkaisuja.
Yksi tärkeä havainto oli myös se, että datalakejen kehitys ei enää keskity pelkästään tallennukseen. Nyt tavoitteena on rakentaa alustoja, jotka tukevat samanaikaisesti analytiikkaa, koneoppimista, generatiivista tekoälyä ja agenttipohjaisia sovelluksia.
Yhteenveto
AWS Summit Stockholm 2026 vahvisti käsitystä siitä, että tekoäly on siirtymässä kokeiluista kohti tuotantokäyttöä – mutta matkaa on vielä jäljellä. Agenttipohjaiset ratkaisut, generatiivinen analytiikka sekä modernit datalaket tekevät tuloaan kovalla vauhdilla.
Samalla tapahtuma muistutti siitä, että onnistunut AI-strategia rakentuu edelleen vahvan data-alustan päälle. Organisaatioiden on modernisoitava data-arkkitehtuurinsa, automatisoitava integraatioita ja hallittava dataa tehokkaasti ennen kuin tekoälystä voidaan saada täysi liiketoimintahyöty.
AWS:n vahva panostus Amazon Bedrockiin, Apache Icebergiin, S3 Tauluihin ja agenttipohjaisiin ratkaisuihin antaa hyvän kuvan siitä, mihin suuntaan pilvi- ja dataekosysteemi on seuraavina vuosina kehittymässä.
-Asko Ovaska, Partner, Senior Data Architecht & Engineer
