#10 | Agentti tunnissa. Miten helppoa on AI-agenttien rakentaminen? Vieraana Rami Luisto.

Missä tilanteissa kannattaa käyttää AI-agentteja, missä tilanteissa RPA-tyyppiset ratkaisut riittää ja miten RPA:ta voi tehostaa tekoälyllä? Milloin yrityksen kannattaa investoida agenttien kehittämiseen ja mitä hyötyjä ne tuovat? Miten helppoa on AI-agenttien rakentaminen käytännössä? Entä miten tekoälymalleja oikeasti koulutetaan?

Silloin kun ihmisessä yhdistyy älykkyys, sosiaaliset taidot ja intohimo omaa tekemistä kohtaan, niin syntyy arvokkaita ja syvällisiä keskusteluja, jotka lisäävät meidän kaikkien tietämystä. Signaali-podcastin vieraana on tällä kertaa matematiikan dosentti ja syväteknologian huippuasiantuntija Rami Luisto Digital Workforce Services Plc:stä.

Rami toi keskusteluun runsaasti esimerkkejä siitä, miten syväteknologiaa voidaan valjastaa tuottamaan konkreettista lisäarvoa sekä yrityksille että niiden asiakkaille. Tämä jakso täydentää minun aiemmin Karli Kalpalan kanssa käytyä keskustelua jaksossa 5 teknisimmillä asioilla agentteihin, RPA:han ja tekoälyyn liittyen.

Teimme parhaamme, jotta jakso olisi kuunneltavissa ymmärrettävällä tasolla kaikille kuulijoille taustastaan riippumatta ja siitä kuuluu suuri kiitos Ramille, joka osasi purkaa minun hankalat kysymykset pienempiin ja ymmärrettävimpiin kokonaisuuksiin. Sen lisäksi meillä oli tosi hauskaa ja siitä kiitokseksi aion tuomita Ramin uuteen jaksoon tänä keväänä 😅

Jakso lähtee pohdinnalla siitä minkälaista on olla matemaatikkona liike-elämässä ja noin puolen tunnin kohdalla siirrymme keskustelemaan ydinasioista. Mukavia kuunteluhetkiä ja muista seurata podcastia kaikilla yleisillä lempialustoillasi 🎧

Miten näet tekoälyn ja automaation roolin omalla alallasi?

---

AIKALEIMAT

00:00:00 - Fiksuus ja osaaminen

00:01:45 - Työelämän rikastuminen

00:02:36 - Ratkaisukeskeisyys

00:03:33 - Ajatusjohtajuus

00:05:01 - Monimutkaiset paperit

00:07:51 - Yann LeCun

00:10:02 - AGI ja LLM

00:12:11 - Datan puute

00:14:24 - LLM ja kieli

00:19:32 - Innovaatio ja tekoäly

00:22:37 - Kokemus ja oppiminen

00:25:28 - Luovuus ja rajat

00:26:31 - Ramin esittely

00:27:49 - Tekoälyn ja robotiikan rooli

00:30:38 - Terveyssektori ja tekoäly

00:31:51 - Transformaatioprojektit

00:33:52 - RPA

00:35:54 - Low-code

00:37:39 - Koodipohjainen toteutus

00:40:01 - Agenttipohjainen tekoäly

00:42:13 - Hybridiratkaisut

00:43:03 - Vertauskuva

00:47:24 - Kielimallit

00:49:36 - Mallien nimet

00:50:55 - Mallien alkuperä

00:52:58 - Jatkokoulutus

00:56:33 - Vertauskuva ja ymmärrys

00:59:58 - Testausmenetelmät

01:01:06 - Vertauskuva ja mallin arviointi

01:03:54 - Virheiden toleranssi

01:06:44 - Pienet ja suuret kielimallit

01:08:15 - Mallien käyttäytyminen

01:09:57 - Konteksti ja ymmärrys

01:12:29 - Datan puhdistaminen

01:13:31 - Deep tech -asiat

01:15:30 - Tulevaisuuden näkymät

01:21:06 - Arvot ja työ

01:22:28 - Matematiikka ja topologia

01:24:51 - Työ ja vapaa-aika

01:26:03 - Tekoälyn käyttö

01:36:38 - Tekoälyn vaikutus motivaatioon

01:40:13 - Tekoäly ja vastuu

01:42:37 - Agentin rakentaminen

01:47:01 - Data ja API

01:49:34 - Semaphore

01:51:08 - Kiitokset ja lopetus

---

Rami Luisto toimii Healthcare AI Lead Data Scientistina Digital Workforcella ja vastaa tittelinsä mukaisesti terveysteknologiasektorin tekoälyratkaisuista. Rami on pohjakoulutukseltaan matematiikan dosentti, mutta vaihtoi akateemiselta urapolulta yksityiselle puolelle vuonna 2020 aloittaessaan Digital Workforcen tekoälytiimissä. Hänen erikoisosaamisaluettaan ovat kielipohjaiset tekoälyt sekä erityisesti suuret kielimallit, ja käyttää tällä hetkellä valtaosan työajastaan tekoälyagenttien kehityksen parissa.

---

🕸️Signaali: https://signaalipodcast.fi/

📸Instagram: https://www.instagram.com/signaalipodcast/

👔Linkedin (Signaali): https://www.linkedin.com/company/signaali-podcast

🗣️Linkedin (Juontaja): https://www.linkedin.com/in/georgelapinlampi/