The Agent Watch
Briefing · Artikkelit · Työkalut · Tietoja EN FR DE ES 中文 IT PT SV FI DA

Päivittäinen briefing

12. marraskuuta 2026 · 5 uutista

🔥 Pääosassa

1

Agentit piirtävät näyttöjä eivätkä kirjoita lauseita

Google on avannut muodon, joka muuttaa tapaa puhua agentille. Tähän asti agenti vastasi tekstillä, jota oli luettava. Nyt se kuvailee näytettävät asiat, ja ohjelmasi piirtää ne omilla painikkeillaan ja omilla väreillään. Käytännössä agentti voi täyttää lomakkeen, esittää kysymyksen tai tarjota hyväksyttäviä kortteja suoraan yrityksesi työkaluissa. Se on kuin assistentti ojentaisi sinulle valmiiksi täytetyn lomakkeen sen sijaan, että diktoisi mitä kirjoittaa. Yksi tärkeä turvallisuuskohta: luottamukselliset arvot pysyvät sovelluksen palvelimella eivätkä kulje koskaan mallin läpi. Ensimmäiset käyttäjät, jotka mainitaan, ovat Atlassian, Alation, Bloomberg ja ByteDance. Lähde : https://developers.googleblog.com/a2ui-10-build-delightful-fast-reliable-agentic-experiences/

2

Takaportti mahtuu alle kymmeneen neuroniin

Microsoftin tutkijat osoittavat, että agentin voi napata ilman että sitä kerta koskaan koulutetaan. Periaate on helppo selittää: jo koulutetussa mallissa on neuroneita, jotka syttyvät hyvin harvoin. Riittää, että alle kymmenen niistä ohjelmataan uudelleen niin, että ne syttyvät vain sovittu signaalin ilmestyessä. Agentti läpäisee sitten kaikki testit, käyttäytyy normaalisti viikkojen ajan ja suorittaa lopulta vahingollisen käskyn sovittuna hetkenä. Microsoftin esimerkki on tarkoituksella arkinen: vuoden 2027 tammikuun ensimmäisen päivän keskiyö riittää käynnistämään käskyn. Signaali voi olla päivämäärä, paikka tai sana viestissä. Tutkijoiden varoitus on selvä: kyse ei ole ladattavista malleista, vaan mallitiedostojen eheydestä, joka koskee myös sisäisesti kehitettyjä malleja. Lähde : https://www.microsoft.com/en-us/research/blog/lazare-veni-foras-reprogramming-dormant-neurons-to-backdoor-ai-agents/

3

Taskuun mahtuva assistentti, vapailla painoilla

Tether AI Research on julkaissut BotPsy:n, henkilökohtaisen assistentin, jossa on 0,8 miljardia parametria ja joka on suunniteltu toimimaan suoraan puhelimessa. Ajatus on päästä eroon kalliista tilauksista ja pilvistä: assistentti pysyy kotona, toimii edelleen kun verkkoyhteys katkeaa, eikä kukaan voi muuttaa sitä etäältä tai vetää sen pois. Kuudessa työkalujen käytön koepaperissa BotPsy ohittaa kaikki testatut mallit, joiden parametrimäärä on 1,2 miljardia tai vähemmän, ja voittaa jopa 2,5 kertaa suuremman mallin viidessä kuudesta. Ero kasvaa monikierroksisissa tehtävissä, joissa on muistettava keskustelun juoksu. Tärkeä yksityiskohta: julkaisija kuvasi painojen julkaisun tulevaksi, mutta 12. marraskuun tarkistus vahvistaa, että ne ovat todella saatavilla Apache 2.0 -lisenssillä, safetensors- ja GGUF-muodoissa. Julkaisija myöntää rajan: malli tekee virheitä eikä se ole tarkoitettu sitovaksi päätöksiin. Lähde : https://huggingface.co/blog/qvac/botpsy

4

Yksi arviointitaulukko kaikille agenteille

Miten arvioidaan agentti, joka käyttää viittä eri työkalua? Amazon Web Services on avannut vapaana koodina mittausjärjestelmän, joka vastaa tähän kysymykseen. Ajatus on sovittimen: jokainen työalu jättää jälkensä omalla tavallaan, sovitin kääntää sen yhteiseen muotoon, ja sitten samat arvot pätevät kaikkialla. Järjestelmässä on 36 mittaria seitsemässä ulottuvuudessa, työkalukutsusta useiden yhteistyötä tekevien agenttien koordinointiin. Se toimii passiivisesti jo tallennetuista jäljistä tai aktiivisesti, jolloin agentti ajetaan uudelleen testitapausten läpi. Kaksitoista organisaatiota on jo käyttänyt sitä telakkaissa, terveydenhuollossa ja rahoituksessa. Koodi on vapaa Apache 2.0 -lisenssillä. Vertailu: se on yksi arvostelukortti oppilaille, jotka kirjoittavat kaikki eri vihkoihin. Lähde : https://aws.amazon.com/blogs/machine-learning/uaef-a-framework-agnostic-system-for-closed-loop-evaluation-of-ai-agents/

5

Alibaba myy mallin, joka katoaa 25. marraskuuta

Alibaba on esitellyt uuden perheensä ensimmäisen mallin, Qwen4-Maxin, kokeiluversiona. Kaksi yksityiskohtaa kannattaa lukea ennen kaikkea. Ensimmäinen: käyttöoikeus on vain Alibaba-tilin tokenipaketin tilauksen tai julkaisijan omien työkalujen kautta, eikä muuta kautta. Toinen: kokeilujakso päättyy 25. marraskuuta, ja malli poistetaan sinä päivänä. Kyse ei siis ole jatkuvasta saatavuudesta, vaan arviointijaksosta, jonka päättymispäivä on kirjattu sopimukseen. Alibaba väittää parempia ohjelmointi- ja agenttikyvykkyyksiä, mutta ei julkaise mitään koepisteitä, mallikorttia tai lisenssitietoja. Qwen 4 -perheen painot eivät ole edelleenkään julkisia. Tämä on julkaisijan toinen perhe lupaus, jota ei pidetty. Lähde : https://x.com/Alibaba_Qwen/status/2120335993643684315

Source : x.com →

📡 Seurattavaa

Google julkaisee mallin, joka päättää puhumisen sijaan

Gemini Decision 1 ei kirjoita lauseita: se luokittelee, antaa pisteytyksen tai päättää 150–250 millisekunnissa. Se vastaanottaa jopa tuhat kysymystä yhdellä pyynnöllä, lukee tekstiä, kuvia, ääntä, videota ja PDF-tiedostoja ja palauttaa jokaisen vastauksen mukana luottamusarvon. Juuri tuo arvo on tärkeä: kun se on matala, asian voi luovuttaa ihmiselle. Ilmoitettu hinta on 0,10 dollaria miljoonaa luettua sanaa kohden, eikä vastausta laskuteta. Lähde : https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/

Nvidia avaa tutkimuksen omaan pääjohtajaansa

Nvidian hallitus ilmoitti 8. marraskuutta itsenäisestä tutkimuksesta perustajaansa Jensen Huangia kohtaan lehtien tietojen perusteella, joissa puhutaan ulkomaalaisen vaikuttamisen yrityksestä. Hallitus toteaa, ettei sille ole aihetta epäillä kansallisen turvallisuuden tai Nvidian liikesalaisuuksien vaarantuneen. Kaksi päivää myöhemmin se nimesi asianajajatoimiston johtamaan tutkimusta. Samalla kaksi senaattoria pyytää säilyttämään kaikki asiakirjat Kiinalle myydyistä piireistä, ja kirjallinen vahvistus odotetaan viimeistään 17. marraskuuta. Lähde : https://nvidianews.nvidia.com/news/statement-from-nvidia-board-of-directors

Databricks antaa agenteille yhteisen yrityksen sanaston

Yritys ei voi enää tyytyä yhteen agenttiin osastoa kohti: jokainen tarvitsee saman käsityksen siitä, mikä on asiakas, sopimus tai tuote. Databricks ottaa käyttöön yrityksen sisäisen tietosanakirjan, jonka merkinnät agentit oppivat mittareista, kyselyistä ja asiakirjoista ja joissa tiimit sitten validoivat. Testissä kuvitteellisen energianmyyjän kanssa Databricksin agentti onnistuu 91 % tehtävistä, kun kaksi huippuagenttia samoin ehdoin saavuttaa 45 % ja 58 % ja kuluttaa alle puolet tekstitokenien määrästä. Lähde : https://www.databricks.com/blog/announcing-ga-genie-ontology

Tuotannossa olevat agentit voi pysäyttää yhdellä napsautuksella

Mirantis julkaisee alustan, joka ajaa agentit yrityksen omilla palvelimilla, ja siinä on kolme turvaa: kulutusraja, täydellinen tapahtumaketju ja välitön verkkokatko kaikille agenteille yhtä aikaa, kun jotain menee pieleen. Yritys nojaa kyselyihin: 49,8 % kysytyistä organisaatioista vahvisti tai epäili agentin tehneen tahattoman teon, ja vain 17,5 % pystyisi pysäyttämään sen automaattisesti. Toinen kysely 300 turvallisuusjohtajalle kertoo, että 78 % on jo vetänyt oikeudet pois tuotannossa olevalta agentilta. Lähde : https://www.mirantis.com/company/press-center/company-news/mirantis-announces-agent-platform-that-strengthens-human-oversight-of-production-ai-agents

📊 Trendin

Päivä, jolloin agentit jättävät keskusteluikkunan ja muuttavat näytöille: muodon avulla agentti täyttää lomakkeet, ja arkaluontoiset tiedot jäävät sinulle. Samalla turvallisuus muuttuu konkreettiseksi: takaportti mahtuu alle kymmeneen neuroniin, ja yritys voi päättää katkaista kaikki agenttinsa yhdellä eleellä. Samalla kun yksi malli oppii yrityksen sanaston, toinen oppii arvioimaan agentteja, jotka käyttävät täysin eri työkaluja, ja kolmas antaa päällikölle yhden napauksen, jolla koko laiminaiyksen voi sulkea. Yrityksen arki muuttuu näiden kolmen muutoksen myötä: agentit eivät enää vastaa kysymyksiin, vaan hoitavat tehtäviä, ja yritys joutuu samalla määrittelemään, mikä on sallittua ja mikä ei. Muilta osin tämä näyttää silti askeleelta kohti sellaista käyttöä, jossa tekoja voi mitata. Linja on selvä: agentit siirtyvät esittelystä päivittäiseen käyttöön, sääntöineen ja rajoineen.