Putket murenevat alla
Anthropic julkaisi 8. kesäkuuta esseen, jonka sanoma on jämäkkä: tekoälyagentit eivät kaadu siihen, että mallit olisivat liian tyhmiä. Ne kaatuvat siihen, että biologian data-infrastruktuuri ei kestä niitä. Tutkijoiden Laura Luebbertin ja Ferdous Nasrin mukaan ongelma on rakenteessa, ei älykkyydessä.
Esseen vertaus on havainnollinen. Modernilla autolla on vaikea ajaa keskiaikaisen kaupungin kaduilla, vaikka auto olisi kuinka kehittynyt. Tietokannat suunniteltiin ihmiselle, joka klikkailee selaimessa, ei agentille, joka haluaa kysyä tuhansia kertoja peräkkäin.
Ebola-haku tuotti kolme eri vastausta
Konkreettinen esimerkki tulee NCBI Virus -tietokannasta. Anthropicin tutkijat pyysivät Claude Sonnet 4 -agenttia hakemaan kaikki Ebola-virussekvenssit. Sama kysymys, kolme yritystä, kolme eri vastausta: 106, 15 ja 5 sekvenssiä. Oikea luku oli 266.
Syynä ei ole se, että malli huijaisi. Tietokannan suodattimet elävät vain web-käyttöliittymässä, eivätkä ole ohjelmallisesti saatavilla. Agentti joutuu yhdistämään kolmea eri API:a ja kirjoittamaan satoja koodirivejä saadakseen saman tuloksen kuin ihmiskäyttäjä parilla klikkauksella. Pienikin virhe matkalla nielee tulosta. Tarkkuus romahti, kun kyselyyn lisättiin enemmän kuin kolme tai neljä suodatinta.
Deterministinen putki paikkaa aukot
Anthropic rakensi yhdessä NCBI:n kanssa työkalun nimeltä gget virus. Se on deterministinen hakurajapinta, joka kääntää selainlogiikan yhdeksi vakaaksi API-kutsuksi. Kun agentit pääsivät sen päälle, tarkkuus nousi yli 90 prosenttiin. GPT-5.5:llä luku oli 99,7 prosenttia, ja mallien väliset erot kutistuivat olemattomiin.
Sanoma on käytännönläheinen: ratkaisu ei tule isommista malleista vaan paremmista putkista. Tietokannan ylläpitäjien pitäisi pitää agenttia yhtenä käyttäjäryhmänä, ei poikkeustapauksena. Anthropic puhuu kontekstimoottoreista, luotettavista rajapinnoista, jotka tarjoavat biologisen datan agentille yhtenäisessä muodossa.
“Jos haluamme agenttien auttavan tieteellisessä keksimisessä, epidemiatorjunnasta lääkesuunnitteluun ja biologiseen mallinnukseen, meidän on rakennettava sellainen biologinen data-infrastruktuuri, jota agentit voivat navigoida yhtä luotettavasti kuin ihminen.”
Suomen biopankkien sama vuoto
Sama ongelma näkyy Suomen terveysdatassa. Sitran helmikuussa 2026 julkaiseman selvityksen mukaan terveystieto on yhä eri siiloissa, järjestelmät eivät puhu keskenään ja datan laatu vaihtelee. THL:n biopankki, HUS, BBMRI.fi-verkosto ja FIMM käyttävät kukin omia kuvailutapojaan. Metadatakentät tarkoittavat eri asioita eri rekistereissä.
Suomella on harvinaisen vahva lähtökohta, sillä rekisteridataa on kerätty kymmenien vuosien ajalta. Mutta jos jokaisen tutkijan pitää erikseen sopia, miten esimerkiksi diagnoosi tai lääke on koodattu, ei agentista ole apua. Sitra rahoittaa parhaillaan 1,16 miljoonalla eurolla hankkeita, joissa HUS ja Länsi-Suomen hyvinvointialue ottavat tekoälyä käyttöön päivittäisessä työssä. Ilman yhtenäisiä rajapintoja kokeilut jäävät yksittäisiksi.
