Kurssi 9 · Saatavilla
Tekoälyagentit ja automaatio
Miten tekoälystä siirrytään yksittäisistä vastauksista monivaiheiseen, itsenäisesti toimivaan automaatioon: agentit, MCP ja työkalut, työnkulut, turvallinen käyttöönotto ja käytännön caset.
Videot ja tekstit
~150 min
Oppitunteja
32
Moduuleja
6
Arvioitu kokonaistyö
1 op (27 h)
Vaativuustavoite
Eurooppalainen taso 6
Kokonaistyö sisältää videot, tekstit, harjoitukset ja oman soveltavan työn. Kyse ei ole korkeakoulun myöntämästä opintosuorituksesta tai sertifikaatista.
Osaamistavoitteet
Kurssin suoritettuaan opiskelija:
- osaa selittää omin sanoin, mikä erottaa tekoälyagentin yksittäistä vastausta tuottavasta chatbotista (tavoite, työkalujen käyttö, monivaiheinen itsenäinen eteneminen ja itse-lopetus) ja tunnistaa autonomian asteet
- ymmärtää, miten tekoäly kytketään dataan ja työkaluihin (tool use, Model Context Protocol, connectorit), ja osaa arvioida milloin rakenteinen lähdekytkentä on parempi kuin tiedon kopioiminen
- osaa pilkkoa oman työnsä tehtävän agenttiseksi työnkuluksi (vaiheet, ehdot, tarkistuspisteet) ja perustella, mitkä vaiheet agentti voi suorittaa itse ja mitkä vaativat ihmisen
- osaa suunnitella toistuvan tehtävän automaation ilman koodia ja määrittää sille laukaisimet, confidence-kynnykset ja hyväksyntäportit
- osaa arvioida agenttisen automaation riskit (peruuttamattomat toimet, prompt injection, karkaava kustannus) ja suunnitella ihmisen valvonnan (human-in-the-loop), oikeuksien rajauksen ja audit-jäljen EU AI Act -velvoitteet huomioiden
Kohderyhmä
Kaikki, jotka jo käyttävät tekoälyä työssään ja haluavat ymmärtää, miten yksittäisistä vastauksista siirrytään monivaiheiseen, itsenäisesti toimivaan automaatioon. Soveltuu toimialasta ja teknisestä taustasta riippumatta asiantuntijoille, esihenkilöille ja tiimeille, jotka arvioivat tai ottavat käyttöön agenttipohjaisia työkaluja. Ei edellytä ohjelmointitaitoa.
Esitiedot
Suositellaan kurssien K1 "Tekoälyn perusteet" ja K2 "Hyvät ohjeet tekoälylle" suorittamista tai vastaavia tietoja kielimallien toiminnasta (todennäköisyyspohjaisuus, hallusinaatio, konteksti, ohjeistuksen perusteet). Riittää tietokoneen ja jonkin tekoälypalvelun peruskäyttö.
Sisältö
Moduuli 1 · ~24 minMitä agentit ovatEro avustavan chatbotin ja agentin välillä: tavoite, työkalut, monivaiheinen itsenäinen eteneminen ja autonomian asteet.
Moduuli 1 · ~24 min
Mitä agentit ovat
Ero avustavan chatbotin ja agentin välillä: tavoite, työkalut, monivaiheinen itsenäinen eteneminen ja autonomian asteet.
- 1. Avustajasta agenttiin: mikä eroOsaat selittää, miten agentti eroaa yksittäisen vastauksen antavasta avustajasta.5 min
- 2. Agentin anatomia: tavoite, työkalut, silmukkaOsaat nimetä agentin peruskomponentit ja kuvata havainnoi–päättele–toimi-silmukan.5 min
- 3. Autonomian asteet: ehdottaa, toimii hyväksynnällä, toimii itsenäisestiOsaat erottaa kolme autonomian astetta ja valita sopivan tehtävän riskin mukaan.5 min
- 4. Mihin agentti sopii ja mihin eiOsaat arvioida, sopiiko jokin tehtävä agentille vai ei, käyttäen selkeitä kriteerejä.5 min
- 5. Tarkistuspiste ja moduulin yhteenvetoOsaat koota moduulin keskeiset käsitteet yhteen ja soveltaa niitä omaan työhösi.4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 2 · ~24 minMCP ja työkalutMiten tekoäly kytketään dataan ja työkaluihin — tool use, Model Context Protocol ja connectorit selkokielellä.
Moduuli 2 · ~24 min
MCP ja työkalut
Miten tekoäly kytketään dataan ja työkaluihin — tool use, Model Context Protocol ja connectorit selkokielellä.
- 1. Tool use: miten tekoäly käyttää työkalujaYmmärrät, että tekoäly voi kutsua ulkoisia työkaluja ja päättää itse, milloin se on tarpeen.5 min
- 2. MCP selkokielelläYmmärrät, mikä Model Context Protocol on ja miksi yhteinen standardi helpottaa tekoälyn liittämistä tietolähteisiin.5 min
- 3. Connectorit ja liitännät käytännössäYmmärrät, miten oma data tai tili kytketään tekoälyyn connectorin avulla ja mitä hyötyä siitä on.5 min
- 4. Rakenteinen data lähteestä vs. tekstin kopiointiYmmärrät, miksi suora kytkentä rajapinnan kautta tuottaa luotettavampaa tietoa kuin tekstin kopiointi chattiin.5 min
- 5. Tarkistuspiste ja moduulin yhteenvetoOsaat koota yhteen moduulin keskeiset käsitteet ja tunnistaa, miten työkalut, MCP ja connectorit liittyvät toisiinsa.4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 3 · ~24 minAgenttiset työnkulutTehtävän pilkkominen agenttivaiheiksi: ketjut, silmukat, ehdot ja virheiden käsittely monivaiheisessa työnkulussa.
Moduuli 3 · ~24 min
Agenttiset työnkulut
Tehtävän pilkkominen agenttivaiheiksi: ketjut, silmukat, ehdot ja virheiden käsittely monivaiheisessa työnkulussa.
- 1. Tehtävän pilkkominen agenttivaiheiksiOsaat jakaa yhden ison tehtävän selkeisiin, peräkkäisiin osavaiheisiin, jotka agentti voi suorittaa yksi kerrallaan.5 min
- 2. Ketjut, silmukat ja ehdotYmmärrät arkikielellä, mitä tarkoittavat vaiheiden ketjuttaminen peräkkäin, saman vaiheen toisto listan yli ja jos-niin-haarautuminen.5 min
- 3. Monivaiheinen esimerkki alusta loppuunOsaat seurata yhtä täydellistä agenttista työnkulkua alusta loppuun ja tunnistaa siinä pilkkomisen, ketjun, ehdon ja ihmisen tarkistuspisteen.5 min
- 4. Kun ketju epäonnistuu: virheiden käsittely ja varasuunnitelmaYmmärrät, miksi jokaisessa vaiheessa tarvitaan varasuunnitelma, ja miten yhden vaiheen virhe voi kertautua läpi ketjun jos sitä ei pysäytetä.5 min
- 5. Tarkistuspiste ja moduulin yhteenvetoOsaat koota moduulin opit yhdeksi kokonaiskuvaksi agenttisesta työnkulusta ja arvioida oman ymmärryksesi tason.4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 4 · ~24 minAutomaation rakentaminen ilman koodiaToistuvan tehtävän muotoilu agentiksi: laukaisimet, ajastus, confidence-kynnykset ja auto-hyväksyntä.
Moduuli 4 · ~24 min
Automaation rakentaminen ilman koodia
Toistuvan tehtävän muotoilu agentiksi: laukaisimet, ajastus, confidence-kynnykset ja auto-hyväksyntä.
- 1. Ohjepohjasta toistuvaan automaatioonOsaat tunnistaa toistuvan tehtävän ja muuntaa hyvän ohjepohjan itsestään toimivaksi automaatioksi.5 min
- 2. Laukaisimet ja ajastusOsaat valita, mikä signaali käynnistää automaatiosi ja miksi laukaisin määrää koko putken luonteen.5 min
- 3. Confidence-kynnykset ja auto-hyväksyntäOsaat käyttää varmuuskynnystä päättämään, mitkä tapaukset menevät automaattisesti läpi ja mitkä ihmiselle.5 min
- 4. Käytännön harjoitus: rakenna oma automaatioketjuOsaat suunnitella oman toistuvan tehtäväsi automaatioputken paperilla laukaisimineen, vaiheineen ja hyväksyntäportteineen.5 min
- 5. Tarkistuspiste ja moduulin yhteenvetoOsaat koota moduulin käsitteet yhdeksi kokonaisuudeksi ja arvioida, milloin automaatio kannattaa rakentaa.4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 5 · ~28 minTurvallisuus, valvonta ja human-in-the-loopHyväksyntäportit, peruuttamattomat toimet, prompt injection, oikeuksien rajaus, audit-loki ja EU AI Act -vastuu.
Moduuli 5 · ~28 min
Turvallisuus, valvonta ja human-in-the-loop
Hyväksyntäportit, peruuttamattomat toimet, prompt injection, oikeuksien rajaus, audit-loki ja EU AI Act -vastuu.
- 1. Hyväksyntäportit: missä agentti pysähtyy ja pyytää ihmistäOsaat tunnistaa, mihin kohtiin agentin työnkulussa kannattaa sijoittaa ihmisen hyväksyntä.5 min
- 2. Peruuttamattomat toimet: mitä agentti ei saa tehdä yksinOsaat luokitella toimet panoksen ja peruutettavuuden perusteella ja tunnistaa, mitkä vaativat aina ihmisen.5 min
- 3. Prompt injection ja epäluotettava sisältöYmmärrät, miten ulkoiseen tekstiin piilotetut ohjeet voivat kaapata agentin, ja tunnet perussuojat.5 min
- 4. Oikeudet, rajaus ja audit-lokiOsaat soveltaa vähimpien oikeuksien periaatetta ja tiedät, miksi agentin toimet pitää kirjata.4 min
- 5. EU AI Act ja vastuu agentin toimistaTunnet EU:n tekoälysääntelyn pääperiaatteet ja ymmärrät, että vastuu agentin toimista säilyy ihmisellä.5 min
- 6. Tarkistuspiste ja moduulin yhteenvetoOsaat koota moduulin turvallisuusperiaatteet yhtenäiseksi ajattelutavaksi ja soveltaa niitä omaan automaatioosi.4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Moduuli 6 · ~28 minKäytännön casetAgentit oikeassa käytössä: myynti, taloushallinto, laki, markkinointi ja sisäinen työ — mitä ihminen määrittää, valvoo ja hyväksyy.
Moduuli 6 · ~28 min
Käytännön caset
Agentit oikeassa käytössä: myynti, taloushallinto, laki, markkinointi ja sisäinen työ — mitä ihminen määrittää, valvoo ja hyväksyy.
- 1. AgentX: autonominen myyntiagenttiYmmärtää, miten myyntiagentti etsii ja kvalifioi liidit itsenäisesti, ja missä kohdin ihminen määrittää rajat ja hyväksyy.5 min
- 2. Invoicify: tiliöintiagentti tarkistusjonollaYmmärtää, miten agentti erottaa varmat ja epävarmat tapaukset, ja miksi peruuttamaton toimi pidetään aina ihmisellä.5 min
- 3. LexAI: oikeudellinen agentti, joka siteeraa lähteetYmmärtää, miten agentin kytkentä todennettuun tietolähteeseen estää arvailun ja tekee vastauksista jäljitettäviä.5 min
- 4. AinoAI: sisältöautomaatioputkiYmmärtää, miten ajastin laukaisee monivaiheisen sisältöketjun ja missä ihminen asettaa suunnan ja hyväksynnän.4 min
- 5. Aino Pilvi: sisäinen työntekijä-agenttiYmmärtää, miten agentti tuodaan organisaatioon kuin uusi työntekijä: tehtävät, oikeudet ja valvonta määriteltyinä.5 min
- 6. Kurssin päätös: agentti vahvistaa hyvän prosessinKoota kurssin ydin yhteen ja kannustaa soveltamaan oppeja omaan työhön.4 min
Moduuli päättyy omaan työhön sovellettavaan oppimistehtävään. Tehtävänanto avautuu moduulin oppitunneilla.
Arviointi
Hyväksytty / hylätty. Hyväksytty suoritus edellyttää, että opiskelija on palauttanut kaikkien moduulien soveltavat oppimistehtävät ja saavuttanut loppukokeessa vähintään 60 % oikeita vastauksia. Oppimistehtävät arvioidaan suhteessa osaamistavoitteisiin: hyväksytyssä suorituksessa vastaus osoittaa käsitteiden ymmärrystä ja perusteltua soveltamista opiskelijan omaan työkontekstiin, ei pelkkää toistoa.
Kurssin lähteet (5)
- Yao, S. et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models (päättelyn ja toiminnan yhdistäminen agentissa).
- Schick, T. et al. (2023). Toolformer: Language Models Can Teach Themselves to Use Tools (työkalujen käyttö).
- Anthropic (2024). Building Effective Agents (agenttien suunnittelun periaatteet, työnkulku vs. agentti).
- Model Context Protocol — spesifikaatio ja dokumentaatio (mallin ja tietolähteiden välinen avoin standardi).
- Euroopan parlamentin ja neuvoston asetus (EU) 2024/1689 tekoälystä (AI Act) — läpinäkyvyys-, riski- ja valvontavelvoitteet.
Saavutettavuus: Tavoitetaso WCAG 2.1 AA. Jokaisesta video-oppitunnista on tekstivastine (litteraatti tallennettuna oppimisalustalle), ja slide-pisteet toimivat visuaalisen sisällön tekstivaihtoehtoina. Värikontrastit noudattavat AA-tasoa. Materiaali on käytettävissä myös pelkkänä tekstinä ilman ääntä.
Sisältö tarkistettu: 2026-07-04