Tekoälykoodi kaatoi Amazonin kuudeksi tunniksi

Amazonin verkkokauppa pimeni 5. maaliskuuta lähes kuudeksi tunniksi. Asiakkaat eivät pystyneet tekemään ostoksia, tarkistamaan tilauksiaan tai selaamaan tuotesivuja. Kyseessä oli yksi verkkokaupan vakavimmista häiriöistä pitkään aikaan. Yhtiö syytti katkosta virheellisestä koodipäivityksestä.

Financial Timesin haltuunsa saamat Amazonin sisäiset viestit kertovat tarkemman tarinan. Katkoksen taustalla oli tekoäly-avusteinen koodi, joka pääsi tuotantoon ilman riittävää tarkistusta. Tapaus on osa laajempaa trendiä, jossa generatiivisen tekoälyn avulla tuotettu koodi aiheuttaa häiriöitä kriittisissä tuotantojärjestelmissä.

Neljä häiriötä viikossa

Maaliskuun katkos ei ollut yksittäistapaus. Dave Treadwell, Amazonin verkkokaupan teknisestä perustasta vastaava varatoimitusjohtaja, kertoi sisäisessä viestissään, että yhtiöllä oli ollut neljä merkittävää häiriötä yhden viikon aikana.

Treadwell kutsui insinöörit pakolliseen TWiST-kokoukseen – lyhenne sanoista This Week in Stores Tech. Kokouksen tarkoitus oli hänen sanojensa mukaan syväsukellus niihin ongelmiin, jotka johtivat toistuviin katkoksiin. Amazon on toistaiseksi vähätellyt tekoälyn roolia häiriöissä, mutta sisäiset dokumentit viittaavat selvästi generatiivisen tekoälyn yhteyteen.

Nopeus ilman suojamekanismeja

Amazonin sisäisen selvityksen mukaan ongelmat alkoivat jo vuoden 2025 kolmannella neljänneksellä. Sisäisessä muistiossa puhutaan tapahtumien trendistä, jolle on yhteistä suuri vaikutussäde ja yhteys generatiivisen tekoälyn avustamiin koodimuutoksiin.

Jo joulukuussa 2025 Amazonin oma tekoälytyökalu Kiro poisti ja loi uudelleen AWS Cost Explorer -ympäristön täysin autonomisesti. Seurauksena oli 13 tunnin katkos AWS:n Kiinan alueella. Maaliskuun kuuden tunnin häiriö verkkokaupassa oli toinen vakava tapaus samasta ilmiöstä.

Juurisyyksi yhtiö tunnistaa uudenlaisen generatiivisen tekoälyn käytön, jolle parhaita käytäntöjä ja suojamekanismeja ei ole vielä vakiinnutettu. Perinteinen koodikatselmointi on suunniteltu ihmisen kirjoittamalle koodille, jota syntyy tietyssä tahdissa. Kun tekoälytyökalu generoi muutoksia moninkertaisella nopeudella, katselmointikäytännöt muuttuvat pullonkaulaksi ja tiimit alkavat ohittaa ne.

Generoidut muutokset voivat olla syntaktisesti moitteettomia mutta kontekstiltaan vääriä: koodi toimii eristyksissä mutta rikkoo riippuvuuksia, joita tekoäly ei tunne. Juuri tällainen vika on vaikea havaita pikaisessa katselmoinnissa.

Hallittua kitkaa

Amazon otti välittömästi käyttöön uudet säännöt. Nuoremmat ja keskitason kehittäjät tarvitsevat jatkossa seniorikehittäjän nimenomaisen hyväksynnän ennen kuin tekoäly-avusteinen koodi viedään tuotantoon. Kyse ei ole tavallisesta koodikatselmointikäytännöstä, vaan erillisestä portista nimenomaan tekoälyn tuottamalle koodille. Treadwell kuvaili muutoksia väliaikaisiksi turvallisuuskäytännöiksi, jotka tuovat hallittua kitkaa kaikkein tärkeimpiin osiin verkkokauppakokemusta.

Seniorikehittäjien rooli muuttuu samalla merkittävästi. Tekoälytyökalujen piti vapauttaa heidän aikaansa luovempaan työhön, mutta Amazonissa kävi päinvastoin: seniorit käyttävät nyt ison osan päivästään tekoälyn tuottaman koodin tarkistamiseen. Jos nopeus tuottaa vikoja joiden selvittäminen vaatii enemmän senioriosaamista kuin alkuperäinen käsin koodaaminen, kokonaishyöty jää kyseenalaiseksi.

Käyttöaste ei mittaa laatua

Tapauksen taustalla piilee laajempi ongelma siitä, miten yritykset mittaavat tekoälykoodityökalujen onnistumista. Amazon on seurannut Amazon Q Developer -työkalunsa menestystä käyttöasteen kautta. Yhtiön omat blogit raportoivat tiimeistä, joiden pull request -määrä nousi 142 prosenttia käyttöönoton jälkeen. Mittareina toimivat myös koodiehdotusten hyväksymisprosentti ja kehityssyklin nopeutuminen.

Pull requestien määrä ei kuitenkaan kerro koodin laadusta. Kun organisaatio palkitsee käyttöastetta, syntyy kannustin hyväksyä tekoälyn ehdotukset sellaisenaan ja ohittaa perusteellinen katselmointi. Amazonin tapauksessa juuri tämä dynamiikka johti siihen, että puutteellisesti tarkistettua koodia päätyi tuotantoon kerta toisensa jälkeen.

Opetus suomalaisille ohjelmistotaloille

Konsulttiyritys Gartnerin arvion mukaan 75 prosenttia ohjelmistokehittäjistä käyttää generatiivista tekoälyä koodaamisessa vuoteen 2028 mennessä. Suomessa noin puolet tietotyöntekijöistä hyödyntää jo nyt generatiivista tekoälyä päivittäisessä työssään.

Suomalaisissa ohjelmistotaloissa asetelma on tuttu. Yritykset ovat asettaneet tavoitteita tekoälytyökalujen käyttöönotolle, mutta laatuprosessien päivittäminen jää helposti jälkeen. Kehittäjä saattaa generoida minuuteissa koodin, jonka katselmointi vie kollegalta tunnin.

Amazonin kokemus on konkreettinen varoitus: ratkaisevaa ei ole se, käytetäänkö tekoälyä, vaan se, miten sen tuottama koodi tarkistetaan ennen tuotantoon vientiä. Koodikatselmointien tarve kasvaa tekoälytyökalujen myötä, mutta katselmoijien määrä harvoin pysyy samassa tahdissa.

Amazonin ensireaktio, seniorien pakollinen hyväksyntä, tuo turvaa lyhyellä aikavälillä. Kestävämpi ratkaisu vaatii tekoälylle räätälöityjä testausputkia ja staattista analyysiä, joka tunnistaa generoidun koodin tyypilliset heikkoudet. Jos kehitystiimin ainoa onnistumisen mittari on tekoälyn käyttöaste, Amazonin kokemus tuskin jää viimeiseksi laatuaan.