Kuusi agenttia nosti Googlen faktatarkkuutta 34 prosenttia

Kuusi agenttia tarkistaa kontekstin ennen vastausta

Google Research julkaisi 5. kesäkuuta menetelmän, jossa Gemini Enterprise Agent Platform jakaa hakua tehostavan kielimallin (RAG) prosessin kuudelle erikoistuneelle agentille. Orchestrator ottaa kyselyn vastaan ja delegoi sen alaisille. Planner-agentti suunnittelee tietopolut, kyselyn uudelleenmuotoilija pilkkoo pyynnön useaksi täsmäkyselyksi ja Search Fanout -agentti hajauttaa ne eri tietolähteisiin.

Menetelmän ydin on Sufficient Context Agent, joka tarkistaa kolme asiaa ennen vastauksen lähettämistä: ovatko haetut tekstipalat olennaisia, vastaako luonnos kysymystä ja mitä puuttuu. Jos jotain on vajaata, agentti antaa konkreettisen palautteen kuten löysit lääkkeet ja ruokavalion, mutta allergiat puuttuvat ja käynnistää uuden hakukierroksen. Synthesis Agent koostaa lopullisen vastauksen vasta, kun konteksti on todettu riittäväksi.

Mistä 34 prosentin parannus syntyy?

Google ilmoittaa, että faktatarkkuus paranee jopa 34 prosenttia tavalliseen RAG:iin verrattuna. Luku perustuu sisäisiin faktuaalisuustesteihin, joten sen vertailtavuus julkisiin benchmarkeihin on rajallinen. FramesQA-aineistolla (824 kysymystä) järjestelmä valitsi oikean lähdekorpuksen neljästä tietokannasta 90,1 prosentin tarkkuudella.

Suurin osa parannuksesta selittyy iteratiivisella hakukierroksella. Standardi-RAG hakee kerran, syöttää tulokset kielimalliin ja toivoo parasta. Agentic RAG sen sijaan päättää itse, milloin hakua kannattaa jatkaa ja minkä puuttuvan tiedonpalan ympärille. Kun puuttuvat osat nimetään täsmällisesti, uusi haku ei toista samaa virhettä.

Latenssi pysyy yllättävän maltillisena. Google raportoi, että yhden ja monen korpuksen versioiden välillä eroa on keskimäärin alle kolme prosenttia. Tämä on huomionarvoista, koska kuuden agentin ketju voisi periaatteessa kasvattaa vasteaikoja merkittävästi.

Mitä jää avoimeksi

Tutkimusartikkeli ei avaa kustannuksia. Kuusi agenttia tarkoittaa kuutta kielimallikutsua per kysymys, ja kolme niistä voi käynnistää uuden hakukierroksen. Token-budjetti voi nousta moninkertaiseksi standardi-RAG:iin verrattuna. Yrityskäyttäjä joutuu siis punnitsemaan tarkkuuden hinnan.

Avoimeksi jää myös, miten järjestelmä käyttäytyy, kun riittävää kontekstia ei yksinkertaisesti löydy mistään lähteestä. Sufficient Context Agent voi periaatteessa kieltäytyä vastaamasta, mutta julkaisu ei kerro, kuinka usein näin käy ja palautuuko se hallitusti vai jää jumiin uudelleenhakukierteeseen. Skaalautuvuus suuriin korpuksiin on toinen kysymysmerkki: neljän tietokannan 90 prosentin valintatarkkuus voi laskea, kun lähteitä on satoja, kuten kunnallishallinnossa tai tuomioistuinaineistossa.

Suomi-kulma: VTT, Aalto ja sote-chatbotit

Kotimaiset chatbotit kompastuvat säännöllisesti samaan ongelmaan: hallusinaatio ei ole vain kiusallinen, vaan se voi olla vaarallinen sote-neuvonnassa tai oikeudellisessa tiedonhaussa. Aalto-yliopisto on tarjonnut kevään aikana omassa palvelimessaan ajettavaa GPT-OSS-120B-mallia, joka takaa tietosuojan, mutta ei automaattisesti ratkaise faktatarkkuutta. VTT taas on tutkinut RAG-arkkitehtuureja teollisuuden dokumentaatiossa, mutta sote- ja oikeustieto vaativat tiukempaa kontekstinhallintaa.

Agenttitason RAG voisi olla luonteva askel, jos kielimallikulut saadaan hallintaan. Kun Kela tai oikeusministeriön kanslia harkitsee chatbotteja kansalaispalveluihin, vastauksen oikeellisuus painaa enemmän kuin sen nopeus. Käytännössä Sufficient Context Agent -tyyppinen tarkistuskerros sopisi suomalaiseen julkishallintoon, jossa vastauksen pitää nojata aina ajantasaiseen säädökseen tai hoito-ohjeeseen. Jos järjestelmä pystyy kysymään lisää tai pidättäytymään vastaamasta, virkavastuun rajat selkenevät. Tällaista takeen ei toistaiseksi ole annettu yhdessäkään suomenkielisessä tuotantokäytössä olevassa chatbotissa.

Mitä seuraavaksi

Google ei kerro, milloin menetelmä avautuu Gemini Enterprise Agent Platformin asiakkaille laajemmin. Tutkimusartikkelin yhteydessä julkaistut esimerkit viittaavat siihen, että pilottivaihe on jo käynnissä yhdysvaltalaisilla terveydenhuollon ja rahoitusalan asiakkailla. Eurooppalainen pilotointi näkyy paperissa korkeintaan rivien välistä.

Suomalaisen sote-toimijan kannattaa seurata, julkaiseeko Google koodia tai mallin painot. Suljettuna tuotteena Agentic RAG hyödyttää vain Gemini-asiakkaita, mutta arkkitehtuuri sinänsä on toistettavissa kotimaisilla avoimen lähdekoodin malleilla. Aalto ja VTT voisivat ottaa Sufficient Context -ajattelun käyttöön ilman Googlen lisenssiä, kunhan laskennan hintalappu kestää kriittisen tarkastelun.