Mitä opimme London AIE Summit 2026 -tapahtumassa: agenttikaaos, nopeuden ja laadun välinen keskustelu, IDE:iden kuolema, MCP:n paradoksit ja miksi tekoäly pakotti meidät tekemään enemmän töitä.
London AI Engineer Summit 2026:n piti olla edistyksen juhlintaa. Sen sijaan se tuntui peililtä, joka nostettiin hermoromahduksen keskellä olevan ammattikunnan eteen.
Kolmen päivän ajan huhtikuun alussa satoja tekoälyinsinöörejä, alustojen rakentajia ja tutkijoita kokoontui jakamaan oppimaansa. Esiin nousi kuvio: kaikki rakentavat agenteilla, kukaan ei ole keksinyt miten niitä hallitaan, ala on kahtiajakautunut siitä pitäisikö edetä nopeasti vai ajatella huolellisesti, ja koko lähtökohta siitä että tekoäly tekisi meistä tuottavampia on kääntynyt joksikin synkemmäksi.
Tämä on se, mitä oikeasti opimme.
Huippukokouksen rehellisin keskustelu tapahtui käytävällä, ei lavalla. Keskisuuren fintech-yrityksen insinööri kuvaili ongelmaa näin: “Aloitan kehotteen, ja kolme tuntia myöhemmin agenttini on kirjoittanut puolet koodipohjasta uudelleen, lisännyt ominaisuuksia joita en pyytänyt ja kuluttanut 800 puntaa laskentaa. En voi lähteä pöytäni äärestä.”
Tämä on FOMAT: Fear of Missing Attention Time. Se ei ole vitsi — se on vuoden 2026 tekoälyinsinöörityön määrittävä ahdistus.
Kaikki huippukokouksessa käyttivät agentteja. GitHub Copilot, Claude, räätälöidyt agenttikehykset — työkalut ovat kypsyneet. Mutta orkestrointi ei. Kuilu ‘minulla on agentti’ ja ‘agenttini tekee sen mitä tarkoitin eikä mitään muuta’ välillä on valtava.
Ongelma ilmenee kolmella tavalla:
Tokenien karkaaminen. Agenteilla ei ole luontaisia pysähdyskohtia. Ilman selkeitä kaiteita ne jatkavat iterointia. “Vain yksi refaktorointi lisää”, agentti ajattelee, ja yhtäkkiä olet polttanut kuukausibudjettisi.
Laajuuden hiipiminen. Pyyntö “paranna virheenkäsittelyä” muuttuu “kirjoita koko virheenkäsittelyjärjestelmä uusiksi, lisää havainnoitavuus, refaktoroi lokikerros ja toteuta hajautettu jäljitys”. Agentti ei ollut väärässä — se oli perusteellinen. Mutta se ei ollut sitä mitä pyysit.
Ennustamaton viive. Et voi tietää, kuinka kauan agenttitehtävä kestää. Se riippuu siitä, kuinka monta osatehtävää agentti päättää käynnistää, kuinka monta epäonnistumista se kohtaa ja päättääkö se yrittää uudelleen vai pivotoida. Tämä tekee agenttivetoisista työnkulkuista mahdottomia aikatauluttaa tuotantojärjestelmissä.
Ratkaisuista ei ollut yksimielisyyttä. Jotkut tiimit käyttävät kovia tokenrajoja. Toiset toteuttavat “agentin tarkistuspisteitä” — pakottavat agentit pysähtymään ja pyytämään lupaa ennen jatkamista. Muutamat siirtyvät hierarkkisiin agenttijärjestelmiin, joissa “managerinagentti” valvoo työntekijäagentteja ja voi keskeyttää ne.
FlowHuntin lähestymistapaa — selkeät työnkulkujen määrittelyt agenttisolmuilla, virheenkäsittelijöillä ja haarautumislogiikalla — mainittiin useita kertoja mahdollisena mallina. Idea: älä anna agenttien päättää työnkulun rakennetta. Määritä se etukäteen ja anna sitten agenttien suorittaa yksittäiset askeleet.
Mutta sekin tuntui laastarilta. Todellinen ongelma on, että agentin käyttäytyminen on luonnostaan todennäköisyyspohjaista. Voit vähentää varianssia, mutta et voi poistaa sitä.
Maanantaiaamuna OpenAI:n Ryan Lopopolo nousi lavalle ja piti puheen, jonka voisi tiivistää näin: Lopeta koodin lukeminen. Ryhdy token-miljardööriksi.
Hänen argumenttinsa: Agenttimaailmassa koodin määrä on tärkein mittari. Agenttisi pitäisi generoida tuhansia rivejä päivässä. Sinun tehtäväsi on määritellä tulosten spesifikaatio ja antaa agentin maksimoida läpimeno. Jokaisen rivin lukeminen ja ymmärtäminen on pullonkaula. Luota testeihin. Luota agenttiin. Liiku nopeasti.
Keskiviikkoon mennessä Anthropicin Mario Zechner piti vastapuheen: Hidasta ja lue se vitun koodi.
Hänen argumenttinsa: Nopeus on ansa. Jokainen koodirivi, jonka agenttisi kirjoittaa, on vastuu. Sinun täytyy ymmärtää se, perustella siitä ja pystyä ylläpitämään sitä. Tiimit, jotka voittavat viiden vuoden päästä, ovat niitä, jotka asettavat selkeyden ja tarkoituksen nopeuden edelle. Agenttien pitäisi olla ajattelun työkaluja, ei mielettömän koodin tuottamisen välineitä.
Huippukokous jakautui karkeasti kolmeen leiriin:
| Asento | Puolustajat | Lähestymistapa | Riski |
|---|---|---|---|
| Token-maksimalisti | OpenAI, jotkut scale-upien insinöörit | Anna agenttien generoida aggressiivisesti; keskity tulosten laatuun testauksen kautta | Ylläpitokelvottomat koodipohjat, tietoturvavelka, tekninen hauraus |
| Tarkoituksellinen keskikohta | Useimmat yritysinsinöörit | Käytä agentteja telineisiin; ihmiset tarjoavat arkkitehtuurin ja maun | Hitaampi nopeus, mutta vakaammat järjestelmät |
| Koodi ensin | Anthropic, jotkut tutkimusinsinöörit | Agentit täydentävät ihmisen ajattelua; ihmiset kirjoittavat suurimman osan koodista | Alempi läpimeno, mutta korkein koodin laatu |
Kumpikaan puoli ei ole väärässä. Erimielisyys koskee sitä, miltä epäonnistuminen näyttää. Lopopolo optimoi iteraationopeuden. Zechner optimoi kestävyyden. Vuonna 2026 tiimit oppivat, ettet voi optimoida molempia.
Yksi konkreettinen seuraus: rekrytointi on rikki. Jos olet token-maksimalisti, sinua ei kiinnosta osaako ehdokas koodata — sinua kiinnostaa osaako hän kehotellä tehokkaasti ja arvioida agentin tuloksia. Jos olet koodi-ensin, haluat nähdä syvällistä teknistä päättelyä.
Joten kun ehdokas kävelee haastatteluun, haastattelija ja ehdokas eivät kumpikaan tiedä, mitä kehystä vastaan heitä arvioidaan. Eräs huippukokouksen osallistuja kuvaili sitä “haastatteluksi sumussa”.
Aloita ilmainen kokeilujakso tänään ja näe tulokset muutamassa päivässä.
GitHub raportoi 15-kertaisesta liikenteen kasvusta vuoden takaiseen verrattuna. Cloudflare raportoi vastaavista piikeistä. Samalla perinteiset IDE:t — VS Code, JetBrains, Sublime — näkevät käytön vähenevän tekoälynatiivien tiimien keskuudessa.
Tämä vaikuttaa ristiriitaiselta, kunnes ymmärrät mitä oikeasti tapahtuu.
IDE suunniteltiin yksittäisen kehittäjän kirjoittamaan koodia paikallisesti. Siinä oli syntaksikorostus, automaattitäydennys, virheenjäljitystyökalut ja tiedostopuu. Se oli itsenäinen ympäristö.
Tuo malli hajoaa, kun ‘kehittäjäsi’ on agentti. Agentti ei tarvitse syntaksikorostusta. Se ei tarvitse debuggeria. Se tarvitsee:
Kaikki tuo asuu nyt selaimessa. GitHub Codespaces, VS Code Web ja vastaavat työkalut korvaavat paikallisia IDE:itä.
GitHubin liikenteen kasvu ei ole kehittäjiä kirjoittamassa koodia selaimessa. Se on kehittäjiä, jotka tarkastavat, kommentoivat ja yhdistävät agenttien luomaa koodia. Yhteistyökerros räjähtää, ei muokkauskerros.
Siksi Cloudflare myös näkee liikennepiikkejä — kehittäjät käyttävät pilvi-infrastruktuuria agenttien ajamiseen ja työnkulkujen orkestrointiin. “Paikallinen IDE + paikallinen kehitysympäristö” -malli korvautuu “pilvinatiivilla agenttien orkestroinnilla + selainpohjaisella tarkastelulla”.
Yksi sessio oli tarkalleen tämän otsikon alla. Pointti: romanttinen käsitys nerokkaasta insinööristä, yksin näppäimistönsä äärellä, taidokasta koodia työstämässä — on ohi. Koodi on nyt yhteistyön tulos ihmisen ja agentin välillä. Taidot, joilla on väliä, ovat:
Tyylikkään koodin kirjoittaminen ei ole enää ensisijainen taito. Se on jotain mitä agentit tekevät. Ihmiset tekevät kaiken muun.
Tämä oli huippukokouksen hämmentävin keskustelu.
Toiselta puolelta yksittäiset tekoälyinsinöörit ja agenttikehysten ylläpitäjät sanoivat: “MCP on kuollut. Emme tarvitse sitä. Agenttimme voivat kutsua rajapintoja suoraan.”
Toiselta puolelta yritysarkkitehdit ja tietoturvatiimit sanoivat: “MCP:n käyttöönotto kiihtyy nopeammin kuin ehdimme rakentaa sille työkaluja.”
Molemmat väitteet ovat totta. Ne kuvaavat eri väestöjä.
Yksinäiselle kehittäjälle, joka rakentaa yksinkertaista agenttia, MCP lisää kitkaa. Sinun täytyy:
On helpompaa vain antaa agentillesi suora rajapintakäyttö ja antaa sen selvittää loput.
Organisaatiolle, joka ajaa agentteja tuotannossa, MCP on yhtäkkiä olennainen. Tässä syy:
Tietoturvaeristys. Et halua agenteilla olevan suoraa pääsyä tietokantaasi, maksujärjestelmääsi tai asiakastietoihisi. MCP:n avulla voit luoda hallitun rajapinnan, jota agentit voivat kutsua paljastamatta taustalla olevia järjestelmiä.
Auditoitavuus. Jokainen agentin toiminta kulkee MCP-palvelimen kautta, joka lokittaa sen. Sinulla on täydellinen tietue siitä, mitä agentti teki ja miksi.
Tunnustenhallinta. Sen sijaan että upottaisit API-avaimet agentin kehotteisiin tai ympäristömuuttujiin, MCP-palvelimet hallinnoivat tunnuksia turvallisesti.
Nopeusrajoitukset ja kiintiöiden valvonta. Voit hallita, kuinka paljon resurssia agentti voi kuluttaa.
CData Softwaren mukaan 80 % Fortune 500 -yrityksistä arvioi tai toteuttaa MCP:tä alkuvuodesta 2026, pääasiassa näistä syistä.
Huippukokouksen konsensus: MCP ei ole kuollut. Se ei vain ole relevantti niille 80 %:lle tekoälyn kehityksestä, joka on kokeellista ja yksinäistä. Mutta niille 20 %:lle, jotka ovat tuotantoa ja moni-tiimistä, MCP on muodostumassa perusedellytykseksi.
Siksi MCP-sovellukset leviävät. Anthropic, OpenAI ja kolmannen osapuolen toimittajat rakentavat valmiita MCP-palvelimia yleisille työkaluille (Salesforce, Slack, Jira, tietokannat). Yritykset voivat ottaa ne käyttöön rakentamatta räätälöityjä palvelimia.
Saa uusimmat vinkit, trendit ja tarjoukset ilmaiseksi.
Tässä kohtaa huippukokous synkistyi.
Tekoälyn piti olla voimakerroin. Käyttäisit vähemmän aikaa rutiinitehtäviin ja enemmän strategiseen ajatteluun. Tuottavuus räjähtäisi.
Sen sijaan tuottavuus räjähti — ja niin myös työmäärän odotukset.
Jevonsin paradoksi, alun perin sovellettu hiilen kulutukseen, sanoo: Kun resurssi muuttuu tehokkaammaksi, kokonaiskulutus kasvaa, koska resurssi muuttuu halvemmaksi ja houkuttelevammaksi.
Tekoälyn kielellä: Agentit tekivät koodin generoinnista halvempaa ja nopeampaa, joten johtajat odottavat nyt jokaiselta insinööriltä:
Tuottavuushyödyt kuluivat paisuneisiin odotuksiin.
Eräs insinööri Lontoossa toimivasta startupista: “Kirjoitin ennen 500 riviä koodia päivässä ja tunsin itseni tuottavaksi. Nyt kirjoitan 5 000 riviä päivässä — agenttien luomina — ja olen uupunut, koska minun täytyy tarkastaa kaikki, testata se, dokumentoida se ja selittää sidosryhmille. Teen 60-tuntisia työviikkoja.”
Toinen: “Esimieheni sanoo: ‘Sinulla on nyt agentti, joten sinun pitäisi pystyä hoitamaan kaksinkertainen määrä projekteja.’ En ole tuottavampi. Olen vain kiireisempi.”
Tutkija: “Agentit ovat hyviä koodin generoinnissa. Ne eivät ole hyviä päättämään mitä koodia generoidaan. Tuo päätöksenteon taakka on siirtynyt kokonaan ihmisille. Emme automatisoi vaikeaa osaa; automatisoimme helpon osan ja panemme ihmiset ajattelemaan enemmän.”
UC Berkeleyn California Management Review julkaisi tammikuussa 2026 tutkimuksen, joka dokumentoi tätä ilmiötä. Avainoivallus: Tekoälyn käyttöönotto ei vähennä työtä; se muuttaa työn luonnetta.
Vanha työ: Koodin kirjoittaminen. Uusi työ: Agenttien ohjaaminen, tulosten arviointi, laadun ylläpito, laajuuden hiipimisen hallinta.
Uusi työ on kognitiivisesti rankempaa, vaikka näppäilyä olisi vähemmän.
Huippukokouksessa oli vahva eurooppalainen joukko, ja heidän viestinsä oli johdonmukainen: Eurooppa ei liiku yhtä nopeasti kuin Yhdysvallat tekoälyinsinöörityön omaksumisessa.
EU:n tekoälylaki on vielä toteutusvaiheessa. Yritykset ovat epävarmoja vastuusta. Jos tekoälyagentti tekee päätöksen, joka vahingoittaa asiakasta, kuka on vastuussa? Yritys? Mallin toimittaja? Insinööri?
Tuo epävarmuus halvaannuttaa. Monet eurooppalaiset yritykset odottavat nähdäkseen, miten ensimmäiset oikeudenkäynnit menevät ennen kuin rakentavat vakavia agenttijärjestelmiä.
Perinteiset ohjelmistoinsinöörit Euroopassa eivät siirry tekoälyinsinööreiksi samassa tahdissa kuin Yhdysvalloissa. On skeptisyyttä sen suhteen, siirtyvätkö taidot. Monet eurooppalaiset insinöörit odottavat nähdäkseen, onko tekoälyinsinöörityö oikea urapolku vai hypesykli.
Eurooppa on myös varovaisempi datankäsittelyn suhteen. Agentit tarvitsevat pääsyn dataan ollakseen hyödyllisiä. Mutta eurooppalaiset yritykset epäröivät antaa agenteille pääsyä asiakasdataan, jopa MCP-suojatoimin.
Eurooppalaiset insinöörit huippukokouksessa eivät olleet tekoälyn vastustajia. He olivat varovaisuuden puolesta. Tunnelma: “Yhdysvallat liikkuu nopeasti ja rikkoo asioita. Me liikumme hitaammin ja yritämme olla rikkomatta yhtä paljon. Viiden vuoden päästä näemme, kuka oli oikeassa.”
Huippukokouksen loppuun mennessä nousi esiin kuvio: Perinteiset ohjelmistoinsinöörityön roolit ontostetaan ja korvataan kolmella uudella arkkityypillä.
| Rooli | Vastuu | Taidot |
|---|---|---|
| AI PM | Määritellä agentin käyttäytyminen, onnistumisen mittarit, rajoitukset | Tuoteajattelu, kehotesuunnittelu, arviointikehykset |
| Agentin lapsenvahti | Valvoa suoritusta, napata virheet, puuttua tarvittaessa | Virheenjäljitys, havainnoitavuus, virheenkäsittely, tilanteisiin reagointi |
| Maun asettaja | Arvioida tulosten laatua, antaa palautetta, ohjata hiomista | Koodin tarkastelu, arkkitehtuuriajattelu, esteettinen arvostelukyky |
Mikään näistä rooleista ei sisällä perinteistä koodin kirjoittamista. Kaikki sisältävät agentin käyttäytymisen ohjaamista, arviointia ja hiomista.
“Nuorempi insinööri” -roolit puristuvat kasaan. Ei ole enää selkeää polkua “osaan kirjoittaa yksinkertaista koodia” -tasolta “osaan arkkitehturoida järjestelmiä” -tasolle. Välivaiheet automatisoidaan.
Tämä luo taitojen jyrkänteen: joko olet hyvä kehottelussa ja arvioinnissa (siinä tapauksessa olet arvokas), tai et ole (siinä tapauksessa kilpailet agenttien kanssa).
Makua, arvostelukykyä ja arkkitehtuuriajattelua vaativat roolit kasvavat. Samoin roolit, jotka vaativat syvää aluekohtaista asiantuntemusta (koska agentit tarvitsevat ihmisiä arvioimaan ratkaisevatko ne oikean ongelman).
Huippukokouksessa ei ollut yksimielisyyttä siitä, onko tämä hyvä vai huono. Jotkut näkivät sen vapautumisena rutiinikoodauksesta. Toiset näkivät sen uhkana ammatille.
Yksi osa huippukokouksesta oli omistettu tietylle käännekohdalle: jotain siirtyi tekoälyagenttien ekosysteemissä uudenvuoden tienoilla.
OpenClaw ja vastaavat kehykset alkoivat mahdollistaa agentteja parantamaan omia tuloksiaan iteratiivisesti ilman jatkuvaa ihmisen kehotteita. “Agentti, kirjoita funktio, joka laskee X” -sijaan siitä tuli “agentti, kirjoita funktio, joka laskee X, ja jatka sen parantamista, kunnes se läpäisee kaikki testit ja käsittelee reunatapaukset.”
Avainoivallus, jonka useat tutkijat ilmaisivat: Lopettakaa agenteilta triviaalin neuvon kysely.
Sen sijaan että pyydät agenttia “parantamaan tätä funktiota”, pyydä sitä “tekemään tästä funktiosta kuulisuojaava”. Anna sen päättää, mitä se tarkoittaa. Agentti:
Kaikki ilman, että sitä pyydettäisiin jokaisesta askeleesta.
Tämä muutti mentaalimallin “agentti työkaluna” -ajattelusta “agentti itsenäisenä panoksenantajana” -ajatteluun. Ja se muutti työmäärän dynamiikan: sen sijaan että agentit vähentäisivät ihmistyötä, ne lisäsivät sitä (koska ihmisten täytyi nyt arvioida paljon hienostuneempaa agentin tuotosta).
Huippukokous päättyi ilman ratkaisua, mikä tuntui rehelliseltä. Tässä ovat ristiriidat, jotka määrittävät tekoälyinsinöörityön huhtikuussa 2026:
Ristiriita 1: Agentit ovat tarpeeksi voimakkaita ollakseen vaarallisia (FOMAT on todellinen), mutta eivät tarpeeksi voimakkaita, jotta niihin voisi luottaa valvomatta.
Ristiriita 2: Nopeutta ja laatua käsitellään vastakohtina, mutta molemmat ovat välttämättömiä.
Ristiriita 3: MCP on samanaikaisesti kuollut (yksilöille) ja kukoistaa (yrityksille).
Ristiriita 4: Tekoäly teki meistä tuottavampia, mutta myös ylityöllistetympiä.
Ristiriita 5: Kaikki rakentavat agenteilla, mutta kukaan ei ole keksinyt, miten niillä rakennetaan hyvin.
Ristiriita 6: Tekoälyinsinöörityö on oikea urapolku, mutta taidot, joilla luulimme olevan väliä (koodin kirjoittaminen), eivät enää merkitse.
Nämä eivät ole ratkaistavia ongelmia. Ne ovat jännitteitä, joita pitää hallita. Tiimit, jotka voittavat vuonna 2026, ovat niitä, jotka tunnustavat nämä ristiriidat sen sijaan että teeskentelisivät, etteivät ne ole olemassa.
Lontoon huippukokous oli tilannekuva siirtymävaiheessa olevasta ammatista. Tekoälyinsinöörityö on todellista, mutta se ei ole sitä mitä luulimme sen olevan. Se on sotkuisempaa, ristiriitaisempaa ja ihmisriippuvaisempaa kuin hype antoi ymmärtää.
Parhaat insinöörit huippukokouksessa eivät olleet niitä, joilla oli kehittyneimmät agentit. He olivat niitä, jotka ymmärsivät, että agentit ovat ajattelun työkalu, eivät korvike sille. He olivat niitä, jotka olivat rakentaneet prosesseja agentin käyttäytymisen hallintaan, tulosten arviointiin ja laadun ylläpitoon. He olivat niitä, jotka olivat hyväksyneet, että tuottavuushyödyt tulevat uusien työn muotojen kanssa, eivät vähemmän työn kanssa.
Jos rakennat tekoälyjärjestelmiä vuonna 2026, huippukokouksen opit ovat selviä:
Orkestrointi on tärkeämpää kuin agentin kyvykkyys. Keskinkertainen agentti hyvällä orkestroinnilla voittaa loistavan agentin ilman kontrolleja.
Selkeys on arvokkaampaa kuin nopeus. Nopeasti liikkuminen ja asioiden rikkominen toimii kunnes ei toimi. Mittakaavassa se ei toimi.
Yritysten omaksuminen on todellista, mutta yksilöiden omaksuminen on yhä kokeellista. Jos olet yksittäinen kehittäjä, voit liikkua nopeasti. Jos olet tiimi, tarvitset kaiteita.
Taidot, joilla on väliä, ovat muuttuneet. Kehotesuunnittelu, tulosten arviointi ja arkkitehtuuriajattelu ovat uudet ydintaidot.
Odota tekeväsi enemmän työtä, et vähemmän. Tekoäly on tuottavuuskerroin, mutta hyödyt kuluvat korkeampiin odotuksiin. Suunnittele sen mukaisesti.
Huippukokous ei vastannut kysymykseen “Miltä tekoälyinsinöörityö näyttää?” Se näytti meille vastauksen: se näyttää meiltä, yrittämässä selvittää sitä reaaliajassa.
{{ cta-dark-panel heading=“Lopeta agenttien manuaalinen orkestrointi” description=“FlowHuntin työnkulkurakentajan avulla voit määritellä agentin käyttäytymisen, asettaa kaiteet ja automatisoida monivaiheisia tekoälytehtäviä. Ei enää FOMATia. Ei enää arvailua siitä, mitä agenttisi tekevät.” ctaPrimaryText=“Kokeile FlowHuntia ilmaiseksi” ctaPrimaryURL=“https://app.flowhunt.io/sign-in" ctaSecondaryText=“Varaa demo” ctaSecondaryURL=“https://www.flowhunt.io/demo/" gradientStartColor="#667eea” gradientEndColor="#764ba2” gradientId=“aie-summit-cta” }}
Arshia on AI-työnkulkuinsinööri FlowHuntilla. Tietojenkäsittelytieteen taustalla ja intohimolla tekoälyyn hän erikoistuu luomaan tehokkaita työnkulkuja, jotka integroivat tekoälytyökaluja arjen tehtäviin, parantaen tuottavuutta ja luovuutta.
Lopeta agenttien manuaalinen orkestrointi. FlowHuntin työnkulkurakentaja hoitaa agenttien ketjutuksen, virheiden palautuksen ja monivaiheiset tekoälytehtävät — jotta voit keskittyä siihen, mitä agenttien pitäisi tehdä, et siihen, miten heitä pidetään aisoissa.
Tutustu, kuinka AMP, Sourcegraphin uuden aallon koodausagentti, muovaa tekoälykehityksen maisemaa panostamalla nopeaan iterointiin, autonomiseen päättelyyn ja t...
Tutustu siihen, miksi Model Context Protocol (MCP) ei välttämättä ole ihanteellinen abstraktio tekoälyagenteille ja miten ylivoimainen koodin suoritus -lähestym...
Tutustu OpenAI Dev Day 2025 -tapahtuman oivalluksiin AI-työprosesseista, agenttipohjaisista järjestelmistä, vektorikannoista ja tekoälykehityksen tulevaisuudest...
Evästeiden Suostumus
Käytämme evästeitä parantaaksemme selauskokemustasi ja analysoidaksemme liikennettämme. See our privacy policy.
