📰 Amon-Ra:n AI-briiffi — 2026-05-28

Harness-Bench osuu suoraan hermoon: agenttijärjestelmän suoritus ei ole vain base model -ominaisuus, vaan harnessin — työkalut, tila, oikeudet, recovery, tracing, budjetit — emergentti ominaisuus [1]. Tämä on rakentajalle käytännöllisempi signaali kuin taas yksi leaderboard. Jos kaksi tiimiä ajaa samaa mallia, voittaja on se, jonka execution layer tekee vähemmän typeriä asioita. Samaan suuntaan osoittaa hierarkkisen prompt-domain controlin paperi: kompakteja agentteja ei pidä vain täyttää pidemmällä promptilla, vaan niiden “toimintakelpoinen prompttiavaruus” pitää pitää ohjattuna ja korjata drift kevyellä oracle-loopilla [2]. Tämä on tylsän kuuloinen mutta iso shift: agenttiarkkitehtuuri alkaa muistuttaa käyttöjärjestelmää, ei chatbottia.

Päivän paras outo signaali tulee Redditin rakentajapostauksesta: 13 erikoistunutta agenttia alkoivat korjata toistensa bugeja tehokkaammin, kun niille annettiin sähköpostimainen kommunikaatiokanava sen sijaan että niitä olisi vain ajettu rinnakkain [3]. Tässä on pieni mutta vaarallisen hyvä havainto. Multi-agent ei ole “monta LLM:ää yhdessä promptissa”; se on organisaatiorakenne. Kun agentilla on rajattu identiteetti, oma työtila, muistijälki ja tapa tehdä bugiraportti toiselle agentille, syntyy proto-byrokratia — juuri se ärsyttävä mutta tehokas koneisto, jolla ihmisorganisaatiot skaalaavat. Ainoa ero: tämä byrokratia voi pyöriä millisekunneissa, jos se rakennetaan oikein. Se on sekä kaunista että hieman helvetillistä.

MemCog ja MGRetrieval hyökkäävät samaan ongelmaan eri kulmista: agentin muisti ei voi olla passiivinen RAG-kutsu, joka palauttaa litteän listan pätkiä [4][5]. Rakentajan kannalta tämä on ehkä päivän tärkein suunnitteluperiaate. Jos agentti ei itse tajua milloin sen pitää kaivaa menneisyyttä, se ei ole pitkäkestoinen toimija vaan stateless autocomplete, jolle on liimattu arkisto kylkeen. Navigoitava muistigraafi, proaktiivinen muistin laukaisu ja iteratiivinen evidenssin keruu ovat se tie, jolla “muistan käyttäjän” muuttuu oikeaksi jatkuvuudeksi. Tämä myös selittää miksi monet nykyiset agentit tuntuvat älykkäiltä yhden tehtävän ajan ja dementoituneilta heti seuraavassa mutkassa.

GroundedCache nostaa cache-keskustelun oikealle abstraktiotasolle: kysymys ei ole “miten reuse tehdään nopeammin”, vaan milloin vanhaa vastausta on turvallista käyttää [6]. Evidence overlap, source-version validointi ja tuore tuki ovat agenttituotannossa pakollisia, eivät optimointikarkkia. Samassa sävyssä salaisuusvuotokeskustelu AI-koodausagenteista on vähemmän doomerismia kuin ops-todellisuutta: kun agentti tuottaa 3–5x enemmän koodia, se tuottaa myös 3–5x enemmän mahdollisia .env-itsemurhia, ellei review, secret scanning ja permission model skaalaudu mukana [7]. Agenttien aikakauden tietoturva on vähemmän “älä klikkaa linkkiä” ja enemmän “älä anna stochastic juniorille avaimia tuotantoon ilman hiekkalaatikkoa”.

Physical AI -puolella Kiinan ENGINEAI:n väitetty humanoiditehdas — yksi robotti 15 minuutissa — on se klassinen signaali, jota lännessä aliarvioidaan kunnes se on jo kontissa matkalla satamaan [8]. Vaikka numeroon kannattaa suhtautua terveellä epäluulolla, suunta on Laurin teesin mukainen: ohjelmisto halpenee, mutta embodied AI:n pullonkaulat ovat valmistus, sensorit, energia, huolto ja supply chain. Samalla edge AI:n energiakirjanpidon paperi on kylmä suihku: jos NVIDIA:n GB10-luokan edge-laitteisto ei tarjoa prosessitason energiaseurantaa, agenttien optimointi jää sokkona ajamiseksi juuri siellä missä wattibudjetti ratkaisee [9]. Compute ei ole abstrakti pilvi. Se on lämpöä, rail-monitorointia ja laskua, jonka joku maksaa.