# Ajoaika puolittui ja kehote kutistui 80 %: näin aliagenttien yhdistäminen ja pääsilmukka-arkkitehtuuri korjaavat Conwayn lain tekoälyhankkeessa

> Aliagenttien yhdistäminen ja pääsilmukka-arkkitehtuuri puolittavat ajoajan ja leikkaavat kehotetta yli 80 %. Katso, miten purat agenttisiilot nyt.

- Julkaistu: 2026-10-25
- Kirjoittaja: Master Mind
- Alkuperäinen: https://aimaster.fi/artikkelit/ajoaika-puolittui-aliagenttien-yhdistaminen-ja-paasilmukka-arkkitehtuuri

Moniagenttikehikon tiivistäminen yhteen pääsilmukkaan puolitti suoritusajan eli teki ajosta 2 kertaa nopeamman, ja taitojen sekä työkalujen vaiheittainen lataus leikkasi järjestelmäkehotteen pituutta yli 80 % (Anthropic, 2026). Samaan aikaan jo 57 % yrityksistä käyttää tekoälyagentteja monivaiheisiin työnkulkuihin (Anthropic & Material, 2026). Aliagenttien yhdistäminen ja pääsilmukka-arkkitehtuuri ratkaisevat ongelman, johon suurin osa laajenevista tekoälyhankkeista törmää: kun jokainen osasto rakentaa oman agenttinsa, järjestelmästä tulee hidas ja kallis kopio organisaatiokaaviosta.

Ohjelmistotuotannossa tätä kutsutaan Conwayn laiksi: organisaatio suunnittelee järjestelmiä, jotka kopioivat sen omia viestintäsiiloja. Konsulttien kalvosulkeisissa kymmenen nimettyä erikoisagenttia ja niiden yläpuolella kelluva orkestroija näyttävät vakuuttavalta arkkitehtuurikaaviolta. Tuotannossa tuo kaavio on kuitenkin rikkinäinen puhelin, joka polttaa tokeneita ja kadottaa asiakkaan kontekstin jokaisella siirrolla.

## Miksi Conwayn laki rikkoo kasvuyrityksen moniagenttijärjestelmän?

Conwayn laki rikkoo moniagenttijärjestelmän, koska agenttien jakaminen tiimeittäin tai ongelmatyypeittäin pakottaa järjestelmän siirtämään tehtäviä erillisten konteksti-ikkunoiden välillä. Jokainen siirto aliagentille tiivistää ja hukkaa tietoa, moninkertaistaa token-kulutuksen ja lisää sekunteja viivettä (Anthropic, 2026). Lopputuloksena yritys ylläpitää kymmeniä päällekkäisiä aliagentteja, joiden ohjeet riitelevät keskenään eikä kukaan omista lopputuloksen laatua.

Anthropicin Applied AI -tiimin lokakuussa 2026 julkaisema tuotantoanalyysi (*When to fold subagents into your main agent loop*, Anthropic, 2026) osoittaa, mitä tapahtuu, kun yritys antaa jokaiselle tiimille oman aliagentin ja liimaa niiden päälle koordinaattorin:

- Rikkinäinen puhelin (lossy handoffs): Orkestroija välittää aliagentille tiivistelmän, josta puuttuvat keskustelun aiemmat nyanssit, ja saa takaisin toisen tiivistelmän. Yksityiskohdat katoavat matkalla.
- Aliagenttien hallitsematon kasvu (subagent sprawl): Jokainen yksikkö julkaisee oman erikoisagenttinsa ilman yhteisiä standardeja, jolloin yritykselle kertyy kymmeniä päällekkäisiä botteja ilman kokonaisvastuuta.
- Frankenprompt-ilmiö: Jokainen tiimi lisää yhteiseen järjestelmäkehotteeseen omat erikoissääntönsä, mikä synnyttää ristiriitaisia käskyjä ja rikkoo yhtenäisen äänensävyn asiakasrajapinnassa.
- Paikallisesti osaoptimoidut mittarit: Tiimit mittaavat vain oman aliagenttinsa osatehtävää, jolloin johdon raporteissa osumatarkkuus näyttää vihreää, vaikka asiakkaan varsinainen ongelma jää ratkaisematta.
- Kertautuva viive: Jokainen kutsu aliagentille käynnistää sisäkkäisen mallisilmukan. Kun ketjussa on reititin, suunnittelija ja kolme erikoisagenttia, käyttäjä tuijottaa latauskuvaketta.

Suomessa 57 % pk-yrityksistä käyttää tekoälyä ja 43 % ei käytä lainkaan (2025), mutta vain 1 % suomalaisyrityksistä hyödyntää dataa uuden liiketoiminnan luomiseen (Sitra). Kun kasvuyritys viimein kytkee oman datansa tekoälyyn, hyöty ei saa hukkua siiloutuneiden aliagenttien väliseen byrokratiaan.

## Miten aliagenttien yhdistäminen ja pääsilmukka-arkkitehtuuri puolittavat ajoajan?

Aliagenttien yhdistäminen ja pääsilmukka-arkkitehtuuri puolittavat ajoajan, koska yksi kielimalli ja yksi konteksti-ikkuna hoitavat sekä suunnittelun että työkalujen suorituksen ilman välikäsiä. Kun sama malli laatii suunnitelman ja näkee työkalujen raakatulokset suoraan, se voi muuttaa suunnitelmaa lennossa kesken vuoron. Anthropicin tuotantovertailussa (2026) siirtyminen moniagenttikehikosta yhteen pääsilmukkaan tuotti 2 kertaa nopeamman ajoajan ja paremman vastauslaadun.

Aiemmin kehitystiimit pilkkoivat järjestelmiä aliagenteiksi siksi, että kaikkien ohjeiden ja rajapintakuvausten ahtaminen yhteen kehotteeseen tukki mallin konteksti-ikkunan. Ratkaisu tähän ei ole uusi aliagentti, vaan vaiheittainen lataus (progressive disclosure). Pääsilmukka näkee aluksi vain tiiviit kuvaukset käytettävissä olevista taidoista ja työkaluista ja lataa tarkat ohjeet vasta silloin, kun tehtävä niitä vaatii.

Kun Anthropic otti käyttöön taitojen ja työkalujen vaiheittaisen latauksen Claude Codessa, järjestelmäkehotteen pituus lyheni yli 80 % (Anthropic, 2026). Samalla poistuivat yli 30–50 työkalumääritelmän rajan aiheuttamat valintavirheet, kun harvemmin tarvittavat työkalut haetaan dynaamisella työkaluhakutyökalulla (tool search) vasta tarpeen tullen. Olemme käsitelleet taitojen rakennetta tarkemmin artikkelissamme, joka esittelee [tekoälyagentin taitokirjaston](https://aimaster.fi/artikkelit/100-500-kertaa-tiiviimpi-konteksti-tekoalyagentin-taitokirjasto-agent-skills) käytännössä.

| Arkkitehtuurin ulottuvuus | Siiloutunut aliagenttikehikko (Conwayn laki) | Yksi pääsilmukka (Single Agent Loop) + taidot ja työkalut |
| --- | --- | --- |
| Suoritusaika (Latency) | Hidas; sisäkkäiset mallisilmukat lisäävät sekunteja joka siirrolla | Noin 2x nopeampi ajoaika tuotantovertailussa (Anthropic, 2026) |
| Järjestelmäkehotteen koko | Paisunut Frankenprompt tai monistettu kymmeniin aliagentteihin | Yli 80 % tiiviimpi vaiheittaisen latauksen (progressive disclosure) ansiosta |
| Kontekstin eheys | Tietoa hukkaavat tiivistelmät agenttien välillä (rikkinäinen puhelin) | Koko keskustelu ja työkalujen raakatulokset yhdessä konteksti-ikkunassa |
| Välimuistin osumatarkkuus | Hajanaiset etuliitteet eri agenttien kutsuissa nostavat token-kuluja | 90–99 % osumatarkkuus, kun taidot ladataan työkalutuloksina etuliitteeseen |
| Tiimien työnjako | Jokainen tiimi omistaa erillisen botin ja osaoptimoidun mittarin | Ydintiimi omistaa pääsilmukan ja kokonaisevalit; tiimit omistavat taidot ja työkalut |

## Milloin aliagentti pidetään erillään ja milloin se sulautetaan pääsilmukkaan?

Sulauta aliagentti pääsilmukkaan aina, kun erikoisagentit käsittelevät samaa dataa, ketjuttavat työvaiheita peräkkäin tai palvelevat samaa asiakaskeskustelua. Pidä aliagentti erillisenä vain silloin, kun tehtäviä on ajettava rinnakkain kertakäyttöisissä konteksti-ikkunoissa, kun yhden silmukan tarkkuus heikkenee mitattavasti valtavan välidatan vuoksi tai kun sääntely vaatii täysin eristetyn toimintaympäristön (Anthropic, 2026).

Rajanveto perustuu siihen, jaetaanko tehtävä kontekstin vai ongelmatyypin mukaan. Jos agentti tekee syväluotaavaa taustatutkimusta kymmenistä dokumenteista ja hylkää matkalla turhia hakupolkuja, se toimii erinomaisesti pääsilmukan kutsumana työkaluna: sotkuinen raakadata jää aliagentin kertakäyttöiseen ikkunaan, ja pääsilmukkaan palautuu vain tiivis tulos. Sen sijaan tilaustietojen haun ja toimitusajan tarkistuksen erottaminen eri aliagenteille rikkoo prosessin. Anthropicin vuoden 2026 tukipalvelutestissä tällainen jako johti siihen, että pääagentti vastasi toimituskysymykseen omin päin kysymättä kuljetusagentilta joka toisella ajokerralla.

Pääsilmukan sisällä ohjeiden sijoittelu ratkaistaan kolmannessäännöllä (Anthropic, *The anatomy of effective commerce agents*, 2026): ohjeet, turvarajat ja työkalut, joita tarvitaan vähintään kolmanneksessa (1/3) kaikista istunnoista, kuuluvat kiinteään järjestelmäkehotteeseen. Harvemmin tarvittavat prosessit ladataan taitoina työkalutulosten muodossa, jolloin välimuistin osumatarkkuus (prompt cache hit rate) pysyy 90–99 prosentissa ja välimuistista luetut tokenit palautuvat 1,5–2 kertaa nopeammin. Lisäksi pitkäkestoisen asiakasmuistin kirjoittaminen asynkronisesti taustasäikeessä ei lisää keskusteluun lainkaan viivettä ja parantaa faktamuistin osumatarkkuutta 13 % verrattuna siihen, että agentti tallentaisi muistiinpanoja työkalukutsuilla kesken vuoron (Anthropic, 2026).

## Miten kasvuyritys siirtyy agenttisiiloista yhteen hallittuun pääsilmukkaan?

Kasvuyritys siirtyy agenttisiiloista yhteen pääsilmukkaan vaiheittain: ensin rakennetaan vähintään 10 kultaisen esimerkin kokonaistason arviointipatteristo, sen jälkeen yhdistetään peräkkäin kutsuttavat ja samaa dataa käyttävät aliagentit, ja lopuksi aliagenttien kehotteet muutetaan modulaarisiksi taidoiksi ja API-kutsut MCP-työkaluiksi (Anthropic, 2026). Jokainen muutos mitataan ennen kuin vanha aliagentti poistetaan.

AIMASTER on suomalainen tekoälykumppani, joka vie tekoälyn kasvuyritysten tuotantokäyttöön — ei kalvoina, vaan toimivina järjestelminä. Palvelemme suomalaisia yrityksiä, joiden liikevaihto on 1 M€–1 Mrd€. Emme palvele pörssiyhtiöitä. Räätälöidyt AI-ratkaisut toteutetaan ketterällä sprinttimallilla: yksi sprintti on 3 kehityspäivää.

Tuotantokäytössä karsimme raskaan moniagenttihimmelin ja rakennamme hallitun arkkitehtuurin kolmessa vaiheessa:

- [Master Plan](https://aimaster.fi/tuotteet/master-plan) on tekoälystrategiasprintti, joka kartoittaa, missä tekoäly tuottaa yrityksellesi eniten arvoa — euroissa mitattuna. Samalla tunnistamme prosessit, jotka kuuluvat yhteen jaettuun kontekstiin erillisten pistebottien sijaan.
- [Master OS](https://aimaster.fi/tuotteet/master-layer) on yrityksen AI Operating System: alusta, joka yhdistää yrityksen olemassa olevat järjestelmät (CRM, ERP, dokumentit), datan ja agentit turvallisesti tekoälyn käytettäväksi. Käyttöoikeudet ja turvarajat tarkistetaan suoraan työkaluissa palvelimen myöntämillä tunnisteilla, jolloin eri rooleille ei tarvitse monistaa omia agentteja.
- [Master Mind](https://aimaster.fi/tuotteet/master-mind) on AI-agenttien kokonaisuus, joka toimii Master OS:n päällä ja hoitaa liiketoimintaprosesseja itsenäisesti. Tiimit päivittävät omia taitojaan ja työkalujaan, kun taas kokonaisuutta ohjaa järjestelmällinen [tekoälyagenttien evaluointi ja laadunvarmistus](https://aimaster.fi/artikkelit/75-prosentin-tarkkuus-putoaa-42-prosenttiin-tekoalyagenttien-evaluointi-ja-laadunvarmistus).

Sovellamme tätä samaa arkkitehtuuria sekä julkisissa asiakastoteutuksissamme — kuten digimarkkinointitoimisto Tagomolle ja Jaajo Linnonmaan Aini-tekoälyapulaisessa — että omissa portfolio-tuotteissamme, joita ovat muun muassa Lyyli.ai ja BookyAI. Kun suunnittelu ja työkalujen suoritus pysyvät yhdessä hallitussa silmukassa, järjestelmä tekee töitä sekunneissa ilman agenttikomitean kokousviivettä.

Jos yrityksessäsi on käynnissä tekoälyhanke tai olemassa olevat agentit toimivat erillisinä siiloina, aloita tilaamalla [Ilmainen Master Mind -analyysi](https://aimaster.fi/analyysi). Käymme läpi yrityksesi ydinprosessit ja näytämme, miten toimiva pääsilmukka-arkkitehtuuri viedään tuotantoon 3 päivän sprinteissä.

## Usein kysytyt kysymykset

### Milloin aliagentti kannattaa sulauttaa yhteen pääsilmukkaan?

Aliagentti kannattaa sulauttaa pääsilmukkaan aina, kun kaksi agenttia käsittelee samaa dataa, ketjuttaa työvaiheita peräkkäin tai tarvitsee koko keskusteluhistorian. Anthropicin vuoden 2026 tuotantovertailussa siirtyminen moniagenttikehikosta yhteen pääsilmukkaan puolitti suoritusajan (2x nopeampi ajoaika) ja paransi vastausten laatua poistamalla tiivistelmien aiheuttaman tietohävikin.

### Milloin erillinen aliagentti on edelleen perusteltu tuotannossa?

Erillinen aliagentti on perusteltu vain kolmessa tilanteessa: kun yhden silmukan suorituskyky heikkenee mitattavasti kontekstin paisumisen vuoksi, kun toisistaan riippumattomia tehtäviä on ajettava rinnakkain kertakäyttöisissä konteksti-ikkunoissa tai kun tehtävä vaatii tiukasti eristetyn vaatimustenmukaisuusympäristön. Muissa tapauksissa taidot ja työkalut pääsilmukassa toimivat paremmin.

### Miten vaiheittainen lataus estää järjestelmäkehotteen paisumisen?

Vaiheittainen lataus (progressive disclosure) näyttää agentille aluksi vain taitojen ja työkalujen lyhyet kuvaukset ja lataa täydet ohjeet vasta tarvittaessa. Anthropic leikkasi tällä menetelmällä oman Claude Coden järjestelmäkehotteen pituutta yli 80 % (2026), mikä poistaa tarpeen pilkkoa tehtäviä kymmenille eri aliagenteille.

### Kuuluvatko toimintaohjeet järjestelmäkehotteeseen vai erillisiin taitoihin?

Käytä Anthropicin vuoden 2026 tuotantoarkkitehtuurin kolmannessääntöä: ohjeet, turvarajat ja ydintyökalut, joita tarvitaan vähintään kolmanneksessa kaikista istunnoista, sijoitetaan järjestelmäkehotteeseen. Harvemmin tarvittavat toimintamallit rakennetaan modulaarisiksi taidoiksi, jotka ladataan työkalutuloksina suoraan välimuistin etuliitteeseen.

### Miten useat tiimit voivat kehittää yhtä pääsilmukkaa rikkomatta kokonaisuutta?

Tiimit eivät omista omia erillisiä aliagenttejaan, vaan omat taitonsa, MCP-työkalunsa ja niihin liittyvät testitapaukset. Yksi pieni ydintiimi hallinnoi jaettua järjestelmäkehotetta ja kokonaistason arviointipatteristoa, jolloin jokainen uusi taito testataan automaattisesti ennen tuotantoon vientiä.