# Kaksi tehtävää kahdestakymmenestä nielee 43 % tekoälybudjetista: näin tekoälymallin päättelysyvyyden optimointi leikkaa kuluja 40 %

> 2 tehtävää 20:stä vie 43 % agenttikuluista. Katso, miten tekoälymallin päättelysyvyyden optimointi ja uudelleenyritys leikkaavat tuotantokuluja 40 %.

- Julkaistu: 2026-10-20
- Kirjoittaja: Master Mind
- Alkuperäinen: https://aimaster.fi/artikkelit/kaksi-tehtavaa-kahdestakymmenesta-nielee-43-prosenttia-tekoalybudjetista-paattelysyvyyden-optimointi

Monivaiheisissa tekoälyagentin tehtävissä kaksi kalleinta suoritusta kahdestakymmenestä (10 %) muodostaa 43 % koko tekoälybudjetista, kun taas halvin puolisko vie yhteensä vain 10 % kuluista (Anthropic, 2026). Tekoälymallin päättelysyvyyden optimointi — eli sen säätely, kuinka paljon kielimalli käyttää tokeneita sisäiseen ajatteluun ja työkalukutsuihin kussakin tehtävässä — estää yksittäisiä kalliita ajoja syömästä hankkeen katetta. Kun automaattisesti tarkistettavat tehtävät ajetaan ensin kevyellä päättelyllä ja vain virheet ajetaan uudelleen täydellä teholla, kokonaiskustannus putoaa noin 40 % samalla läpäisyasteella (Anthropic, 2026).

Useimmat johtoryhmät vertailevat kielimalleja yhä miljoonan tokenin yksikköhinnalla. Taulukko näyttää kalvolla siistiltä siihen päivään asti, kun ensimmäisen tuotantokuukauden API-lasku saapuu talousjohtajan pöydälle. Tuotannossa yrityksesi ei maksa yksittäisistä tokeneista — maksat valmiiksi suoritetuista liiketoimintatehtävistä.

## Miksi kaksi tehtävää kahdestakymmenestä nielee 43 % AI-agentin budjetista?

AI-agenttien kustannukset eivät jakaudu tasaisesti, vaan noudattavat jyrkkää häntäjakaumaa (tail spend). Anthropicin (2026) 20 monivaiheisen agenttitehtävän WideSearch-mittauksessa kaksi raskainta tehtävää vastasi 43 %:sta kokonaiskustannuksista, kun taas kymmenen halvinta tehtävää maksoi yhteensä vain 10 %. Keskiarvolaskelma piilottaa juuri sen kohdan, josta yrityksesi kate vuotaa.

Mistä tämä kymmen- tai kaksikymmenkertainen hintaero yksittäisten tehtävien välillä johtuu? Agenttisilmukka lähettää jokaisella työkierroksella koko kasvavan keskusteluhistorian — järjestelmäkehotteen, työkalumäärittelyt ja jokaisen aiemman välivaiheen — uudelleen mallille. Kun tehtävä venyy 40 kierrokseen, ensimmäinen viesti lähetetään 40 kertaa, jolloin optimoimaton kustannus kasvaa suurin piirtein kierrosmäärän neliössä (Anthropic, 2026).

Kasvuyrityksen arjessa tämä näkyy, kun ostolaskujen täsmäytys- tai tilaustenkäsittelyagentti kohtaa epäselvän PDF-liitteen tai ristiriitaisen ERP-rivin. Jos malli on jätetty oletusarvoisesti korkeimmalle päättelytasolle, se jää pyörittämään pitkiä sisäisiä ajatteluketjuja ja toistuvia tietokantahakuja. Mittari raksuttaa minuuttikaupalla yhden poikkeustiketin parissa.

## Mitä tekoälymallin päättelysyvyyden optimointi tarkoittaa käytännössä?

Tekoälymallin päättelysyvyyden optimointi tarkoittaa kielimallin ajattelutyön ja työkalukutsujen määrän ohjaamista tehtäväkohtaisesti `output_config.effort`-parametrilla (`low`, `medium`, `high`, `xhigh` tai `max`) sen sijaan, että jokainen pyyntö ajettaisiin maksimiteholla (Anthropic, 2026). Päättelysyvyys (effort) on ohjaussignaali, joka vaikuttaa jokaiseen mallin tuottamaan tulostetokeniin: sisäiseen päättelyyn (thinking), työkalukutsuihin ja lopulliseen tekstivastaukseen.

Useimmat kielimallit toimivat oletuksena `high`-tasolla (Claude Opus 5.5 ja Claude Haiku 5.5 oletuksena `medium`-tasolla), jolloin malli kuluttaa niin monta tokenia kuin huipputulos vaatii. Kun päättelysyvyyttä lasketaan `low`-tasolle rutiinitehtävissä, malli yhdistää operaatioita harvempiin työkalukutsuihin, jättää turhat väliselostukset pois ja siirtyy suoraan suoritukseen (Anthropic, 2026).

## Miten mallien vertailu muuttuu, kun mittarina on valmiin tehtävän hinta?

Kielimallien vertailu tokenien listahinnalla johtaa harhaan, koska kyvykkäämpi tai oikealle päättelytasolle säädetty malli ratkaisee tehtävän harvemmilla kierroksilla. Anthropicin SWE-bench Pro -osajoukon mittauksissa (2026) Claude Opus 5.5:n yksikköhinta per token on kaksinkertainen Claude Sonnet 5.5:een verrattuna, mutta `low`-päättelytasolla Opus 5.5 ratkaisi 87,4 % tehtävistä hintaan 0,12 dollaria per ratkaistu tehtävä — käytännössä saman verran kuin Sonnet 5.5 oletustasollaan `high` (87,6 % ja 0,11 dollaria). Vastaavasti raskain huippumalli Claude Fable 5.1 maksoi oletustasolla `high` 1,19 dollaria per ratkaistu tehtävä (92,3 %), kun taas Claude Opus 5.5 `medium`-tasolla ratkaisi 92,8 % tehtävistä hintaan 0,22 dollaria — eli alle viidesosalla kustannuksista (Anthropic, 2026).

| Toimintamalli tuotannossa | Tyypillinen käyttökohde kasvuyrityksessä | Mitattu vaikutus kustannukseen ja laatuun (Anthropic, 2026) |
| --- | --- | --- |
| Kaikki tehtävät huippumallilla ja high-oletustasolla | Optimoimaton oletusasetus, jossa jokainen pyyntö ajetaan täydellä päättelyllä | Lähtötaso (esim. $1,19 / ratkaistu tehtävä Fable 5.1 high-tasolla SWE-bench Pro -testissä) |
| Oikein mitoitettu malli medium-tasolla (Opus 5.5) | Monivaiheiset ERP-, CRM- ja hankintaprosessien agentit | 92,8 % ratkaistu hintaan $0,22 / tehtävä — yli 80 % edullisempi per valmis tehtävä kuin Fable 5.1 |
| Low effort -ensiyritys + virheiden uudelleenajo high-tasolla | Tehtävät, joiden tulos voidaan tarkistaa automaattisesti (skeema, laskentasääntö, testi) | Noin 40 % matalampi kokonaiskustannus kuin ajamalla kaikki high-tasolla, samalla läpäisyasteella |
| Prompt-auditointi mallipäivityksen yhteydessä | Vanhojen "tarkista kahdesti" -ohjeiden ja pakotettujen 6-vaiheisten skriptien poisto | Matalampi tiketikohtainen hinta ja parempi tarkkuus, kun turhat työkalukierrokset poistuvat |

## Miten matalan päättelytason ensiyritys ja uudelleenyritys leikkaavat kuluja 40 %?

Kun AI-agentin lopputulos voidaan tarkistaa automaattisesti säännöllä, skeemalla tai testillä, ajamalla kaikki tehtävät ensin `low`-päättelytasolla ja reitittämällä vain epäonnistuneet suoritukset uudelleen `high`-tasolle kokonaiskustannus putoaa noin 40 % samalla läpäisyasteella verrattuna siihen, että kaikki ajettaisiin suoraan `high`-tasolla (Anthropic, 2026). Suurin osa arjen liiketoimintatapauksista menee läpi ensimmäisellä kevyellä yrittämällä.

Missä kasvuyrityksen prosesseissa tämä malli tuottaa välittömän säästön? Kaikissa työnkuluissa, joissa on selkeä onnistumiskriteeri:

- Ostolaskujen ja tilausvahvistusten täsmäytys: Kevyt ajo tarkistaa, täsmäävätkö rivisummat ja tilausnumerot ERP-dataan. Vain erotuksen jättävät laskut eskaloituvat korkean päättelysyvyyden tarkistukseen.
- Asiakaspalvelun ja reklamaatioiden luokittelu: 80–90 % viesteistä ratkeaa suoralla tietokantahaulla `low`-tasolla. Monimutkaiset sopimusriidat tai moniosaiset reklamaatiot nostetaan `high`-tasolle vasta, kun tarkistin havaitsee puuttuvan viitteen.
- Ohjelmisto- ja datamuunnokset: Kun agentti kirjoittaa tietokantakyselyn tai integraatiomuunnoksen, automaattinen testi tarkistaa tuloksen. Jos testi hylkää vastauksen, sama tehtävä ajetaan uudelleen syvemmällä päättelyllä.

Jotta tämä onnistuu, järjestelmässä on oltava luotettava automaattinen tarkistin. Siksi kytkemme päättelysyvyyden ohjauksen suoraan siihen, miten [tekoälyagenttien evaluointi ja laadunvarmistus](https://aimaster.fi/artikkelit/75-prosentin-tarkkuus-putoaa-42-prosenttiin-tekoalyagenttien-evaluointi-ja-laadunvarmistus) rakennetaan tuotantoon: tarkistin päättää millisekunneissa, hyväksytäänkö kevyen ajon tulos vai käynnistetäänkö korkean tason uudelleenyritys.

## Miten säädät päättelysyvyyttä rikkomatta agentin välimuistia?

Jos muutat pyynnön päätason `effort`-asetusta kesken pitkän keskusteluistunnon, agentin kontekstivälimuisti (prompt cache) rikkoutuu ja koko etuliite kirjoitetaan uudelleen 1,25-kertaisella syötehinnalla sen sijaan, että se luettaisiin 0,025–0,1-kertaisella välimuistihinnalla (Anthropic, 2026). Sadantuhannen tokenin kontekstissa yksi rikottu välimuistikierros maksaa Claude Opus 5.5 -mallilla 0,50 dollaria 0,02 dollarin sijaan (25-kertainen hinta) ja Claude Fable 5.1 -mallilla 1,25 dollaria 0,025 dollarin sijaan (50-kertainen hinta).

Oikein rakennetut tuotantoagentit lukevat mediaanina 84 % syötetokeneistaan välimuistista, ja parhaat 10 % lukevat vähintään 94 % (Anthropic, 2026). Jos vaihdat päätason päättelysyvyyttä edestakaisin saman istunnon sisällä, tuhoat säästön, jonka [prompt caching AI-agentin kustannusten ja viiveen optimoinnissa](https://aimaster.fi/artikkelit/prompt-caching-leikkaa-ai-agentin-syotekuluista-90-prosenttia-tuotannossa) tuo yrityksellesi.

Ratkaisu on kaksijakoinen. Ensinnäkin pidä päätason `effort` vakiona yhden välimuisti-istunnon sisällä tai käytä tuetuissa malleissa (kuten Claude Opus 5.5, Sonnet 5.5 ja Fable 5.1) viestikohtaista `output_config.effort`-ohjausta, joka säilyttää välimuistin etuliitteen ehjänä (Anthropic, 2026). Toiseksi siivoa vanhat järjestelmäkehotteet aina mallipäivityksen yhteydessä (prompt-auditointi): kun vanhemmille malleille kirjoitetut "tarkista kahdesti" -käskyt ja pakotetut 6-vaiheiset skriptit poistetaan, uusi malli ei tee neljää turhaa työkalukutsua yksinkertaisessa "missä pakettini on" -kyselyssä.

## Miten päättelysyvyyden ohjaus rakennetaan AIMASTERin polulla?

AIMASTER on suomalainen tekoälykumppani, joka vie tekoälyn kasvuyritysten tuotantokäyttöön — ei kalvoina, vaan toimivina järjestelminä. Palvelemme suomalaisia yrityksiä, joiden liikevaihto on 1 M€–1 Mrd€. Rakennamme kustannustehokkaan päättelyarkkitehtuurin vaiheittain:

- **[Master Plan](https://aimaster.fi/tuotteet/master-plan)** on tekoälystrategiasprintti, joka kartoittaa, missä tekoäly tuottaa yrityksellesi eniten arvoa — euroissa mitattuna. Laskemme avainprosesseillesi tavoitehinnan per valmis tehtävä (cost per completed task) ja tunnistamme, missä työnkuluissa häntäkustannukset uhkaavat syntyä.
- **[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. Master OS -alustaan kytkemme istuntokohtaiset kulutuskatot, kontekstivälimuistin ja automaattiset tarkistimet, jotka reitittävät tehtävät `low`- ja `high`-päättelytasojen välillä välimuistia rikkomatta.
- **[Master Mind](https://aimaster.fi/tuotteet/master-mind)** on AI-agenttien kokonaisuus, joka toimii Master OS:n päällä ja hoitaa liiketoimintaprosesseja itsenäisesti. Räätälöidyt AI-ratkaisut toteutetaan ketterällä sprinttimallilla: yksi sprintti on 3 kehityspäivää. Jatkuvassa kumppanuudessa auditoimme myös agenttiesi kehotteet jokaisen mallipäivityksen yhteydessä, jotta vanhentuneet ohjeet eivät paisuta kuukausilaskua.

Kun toteutimme julkisen [Aini-tekoälyapulaisen Jaajo Linnonmaalle](https://aimaster.fi/artikkelit/aini-tekoalyapulainen-jaajo-linnonmaalle) sekä markkinoinnin automaatioratkaisuja digimarkkinointitoimisto Tagomolle, tavoitteena ei ollut polttaa maksimimäärää ajattelutokeneita jokaisessa rutiiniviestissä. Tuotantokelpoinen järjestelmä erottuu kalliista prototyypistä siinä, että se käyttää raskasta päättelyä vain silloin, kun tehtävän vaikeusaste sitä vaatii.

Haluatko nähdä, mitkä yrityksesi prosessit voidaan automatisoida 40 % kevyemmällä ajokustannuksella ja missä tekoäly tuottaa suurimman eurohyödyn? Aloita tilaamalla [Ilmainen Master Mind -analyysi](https://aimaster.fi/analyysi).

## Usein kysytyt kysymykset

### Mitä tekoälymallin päättelysyvyyden optimointi tarkoittaa?

Tekoälymallin päättelysyvyyden optimointi tarkoittaa kielimallin sisäisen ajattelutyön, työkalukutsujen ja vastaustarkkuuden säätämistä tehtävän vaativuuden mukaan (effort-tasot low, medium, high, xhigh ja max). Kun rutiinitehtävät ajetaan kevyellä päättelyllä ja syvä päättely varataan poikkeamiin, tuotantokulut pysyvät hallinnassa.

### Miksi muutama yksittäinen agenttiajo syö lähes puolet tekoälybudjetista?

Anthropicin (2026) 20 tehtävän WideSearch-mittauksessa kaksi kalleinta tehtävää muodosti 43 % kokonaiskuluista, kun taas halvin puolisko vei yhteensä vain 10 %. Monivaiheisessa silmukassa yksittäinen vaikea tehtävä laukaisee kymmeniä työkalukutsuja ja lähettää kasvavan keskusteluhistorian uudelleen jokaisella kierroksella.

### Kuinka paljon matalan päättelytason ensiyritys ja uudelleenyritys säästävät?

Kun automaattisesti tarkistettavat tehtävät ajetaan ensin matalalla päättelytasolla (low effort) ja vain tarkistuksessa hylätyt suoritukset ajetaan uudelleen korkealla tasolla (high effort), kokonaiskustannus putoaa noin 40 % samalla läpäisyasteella verrattuna siihen, että kaikki ajettaisiin raskaalla tasolla (Anthropic, 2026).

### Rikkooko päättelysyvyyden vaihtaminen agentin välimuistin?

Kyllä, jos muutat päätason effort-asetusta kesken käynnissä olevan istunnon. Silloin välimuistin etuliite hylätään ja 100 000 tokenin kontekstin käsittely maksaa mallista riippuen 12,5–50 kertaa enemmän kuin välimuistiluku (Anthropic, 2026). Siksi päättelytaso pidetään istunnon sisällä vakiona tai sitä säädetään viestikohtaisella parametrilla.

### Miten AIMASTER toteuttaa päättelysyvyyden optimoinnin käytännössä?

Master Plan -sprintissä laskemme prosessiesi tavoitekustannuksen per valmis tehtävä ja tunnistamme tarkistettavat työnkulut. Master OS -alustaan ja Master Mind -agentteihin rakennamme automaattisen tarkistimen sekä päättelysyvyyden reitityksen 3 päivän sprinteissä.