Tekoälyavustaja yrityksen omalla datalla: miten RAG toimii ja mitä se vaatii

Tekoälyavustaja, joka vastaa yrityksen omalla datalla, toimii yleensä RAG-menetelmällä (retrieval-augmented generation, suomeksi suunnilleen ”hakuun perustuva vastaaminen”). Kun joku kysyy, järjestelmä hakee ensin yrityksen omista dokumenteista kysymykseen liittyvät kohdat ja antaa ne kielimallille, joka muotoilee vastauksen niiden pohjalta. Kielimallia ei kouluteta uudelleen, ja aineiston voi päivittää milloin tahansa. Tässä kirjoituksessa käymme läpi, miten RAG toimii, mitä oma avustaja vaatii, missä se menee vikaan ja mitä EU:n tekoälysäädös edellyttää. Esimerkkinä on rakentamamme AI Chatti.

Miksi tavallinen kielimalli ei tunne yritystäsi

Kielimalli on oppinut kielen ja yleistiedon valtavasta määrästä julkista tekstiä. Sinun hinnastoasi, toimitusehtojasi, tuotekorttejasi tai sisäisiä ohjeitasi se ei ole nähnyt. Kun siltä kysyy jotain yrityksestäsi, se joko myöntää, ettei tiedä, tai – mikä on pahempaa – keksii uskottavan kuuloisen vastauksen.

Omaa tietoa voi antaa mallille kahdella tavalla:

1. Hienosäätämällä mallia eli kouluttamalla sitä lisää omalla aineistolla.
2. Antamalla oikean tiedon jokaisen kysymyksen mukana. Tämä on RAG.

Useimmissa yritysten käyttötapauksissa – asiakaspalvelu, tuotetiedot, sisäiset ohjeet – RAG on parempi valinta. Syyt näkyvät taulukosta.

	RAG	Hienosäätö
Tiedon päivitys	Vaihda dokumentti, muutos näkyy heti	Malli koulutetaan uudelleen
Mistä vastaus tuli	Haetut kohdat voi näyttää ja tarkistaa	Tieto on mallin sisällä, lähdettä ei näe
Sopii parhaiten	Faktoihin: hinnat, ehdot, ohjeet	Tyyliin ja vakiomuotoisiin tehtäviin
Tietojen rajaus	Haku voidaan rajata käyttäjän oikeuksiin	Malli ”muistaa” kaiken opetetun

Näin RAG toimii neljässä vaiheessa

1. Dokumentit pilkotaan paloiksi

Ohjeet, PDF:t, Word-tiedostot ja verkkosivujen tekstit luetaan tekstiksi ja pilkotaan lyhyiksi paloiksi, esimerkiksi kappale kerrallaan. Pala on hakuyksikkö: liian pitkä pala hukuttaa olennaisen, liian lyhyt katkaisee asiayhteyden. Siksi palojen väliin jätetään usein pieni limitys.

2. Palat muutetaan vektoreiksi

Jokaisesta palasta lasketaan upotusmallilla (embedding) vektori eli pitkä lukusarja, joka kuvaa tekstin merkitystä. Samaa tarkoittavat tekstit saavat lähekkäiset vektorit, vaikka sanat olisivat eri. Kysymys ”saanko rahat takaisin?” löytää siis kappaleen, jossa puhutaan palautusoikeudesta, vaikka sanaa ”rahat” ei siinä olisi. Vektorit tallennetaan tietokantaan.

3. Kysymykselle haetaan lähimmät palat

Kun käyttäjä kysyy, myös kysymys muutetaan vektoriksi, ja tietokannasta haetaan muutama merkitykseltään lähin pala. Tämä vaihe ratkaisee laadun: jos haku tuo väärät palat, paraskaan kielimalli ei vastaa oikein.

4. Kielimalli vastaa haettujen palojen pohjalta

Haetut palat liitetään kielimallin ohjeeseen, ja mallia pyydetään vastaamaan vain niiden perusteella – ja sanomaan suoraan, jos vastausta ei löydy. Malli hoitaa kielen ja muotoilun, yrityksen dokumentit vastaavat siitä, mikä on totta.

Esimerkki: miten AI Chatti on rakennettu

AI Chatti on rakentamamme ja ylläpitämämme palvelu, jonka chat-ikkunan yritys liittää omille verkkosivuilleen ja joka vastaa asiakkaille suomeksi yrityksen omista dokumenteista. Sen RAG-ketju on rakennettu juuri yllä kuvatulla tavalla:

• Aineisto: PDF-, Word (.docx) -, teksti-, Markdown-, CSV- ja HTML-tiedostot luetaan tekstiksi.
• Pilkkominen: teksti pilkotaan ensisijaisesti kappaleittain, liian pitkät kappaleet lauseittain, ja palojen väliin jätetään pieni limitys.
• Vektorit: palat muutetaan vektoreiksi upotusmallilla, ja vektorihaku tehdään tietokannassa, joka sijaitsee EU:ssa.
• Rajattu haku: jokaisen botin haku kohdistuu vain sen omaan aineistoon, joten yhden yrityksen dokumentit eivät päädy toisen yrityksen vastauksiin.
• Vastaus: kielimallille annetaan viisi kysymystä lähinnä olevaa palaa ja ohje olla keksimättä tietoa, jota aineistossa ei ole. Vastaus virtaa käyttäjälle sitä mukaa kuin se syntyy.
• Chat-ikkuna: sivustolle upotettava ikkuna on erillinen pieni skripti, joka on eristetty sivuston muusta koodista, jotta se ei riko asiakkaan sivuston tyylejä. Rajapintaa suojaa pyyntörajoitus.

Jos tarvitset valmiin chat-ikkunan verkkosivuillesi, katso aichatti.com. Jos taas avustajan pitää toimia omassa järjestelmässäsi, hakea tietoa rajapinnoista tai noudattaa käyttäjien oikeuksia, kyse on räätälöidystä työstä – ja juuri sitä teemme tekoälyratkaisuina yrityksille.

Mitä oma tekoälyavustaja vaatii

Ajantasainen ja siisti aineisto

Avustaja on täsmälleen niin hyvä kuin sille annettu aineisto. Jos dokumenttikansiossa on kolme eri vuosien hinnastoa, avustaja voi vastata minkä tahansa niistä perusteella. Ennen käyttöönottoa poistetaan vanhentuneet versiot, korjataan ristiriidat ja nimetään jokaiselle aineistolle omistaja, joka pitää sen ajan tasalla.

Rajattu tehtävä

”Vastaa kaikkeen” on huono tavoite. Hyvä avustaja tietää, mihin se vastaa (esimerkiksi tuotteet, toimitus ja palautukset) ja mitä se ei tee: ei lupaa hyvityksiä, ei arvioi sopimuksia eikä tee päätöksiä asiakkaan puolesta. Kun kysymys menee ohi, avustaja ohjaa ihmiselle.

Käyttöoikeudet ja tietojen erottelu

Sisäisessä käytössä tämä on tärkein yksittäinen asia. Jos avustaja hakee koko yrityksen dokumenteista, se voi kertoa myyjälle palkkataulukon tai asiakkaalle sisäisen katelaskelman. Haku rajataan jo tietokantatasolla siihen, mitä kysyjä saa nähdä – kehotteeseen kirjoitettu ”älä kerro” ei riitä.

Reaaliaikainen tieto rajapinnoista

Dokumentti ei tiedä, missä asiakkaan tilaus on tai onko tuote varastossa. Tällainen tieto haetaan järjestelmästä rajapinnan kautta niin sanotulla funktiokutsulla: kielimalli päättää, mitä haetaan, ja järjestelmä palauttaa oikean tiedon. Näin toimii esimerkiksi Flyiisin lentohaun avustaja, joka hakee lennot varausjärjestelmästä eikä keksi niitä.

Testikysymykset ja seuranta

Kerää ennen julkaisua kymmeniä oikeita kysymyksiä asiakaspalvelun sähköposteista ja puheluista, ja kirjaa niille oikeat vastaukset. Aja ne avustajan läpi aina, kun aineisto tai ohjeet muuttuvat. Käytössä seuraa kysymyksiä, joihin avustaja ei löytänyt vastausta: ne kertovat, mitä aineistosta puuttuu.

Riskit ja rajat

• Keksityt vastaukset eivät katoa kokonaan. RAG vähentää niitä paljon, mutta kielimalli voi silti yhdistellä haettuja paloja väärin. Siksi tärkeissä asioissa (hinnat, ehdot, turvallisuus) vastaus kannattaa rajata tarkasti aineiston sanamuotoon tai ohjata ihmiselle.
• Haku voi osua väärin. Huonosti pilkottu aineisto, taulukot ja skannatut PDF:t, joissa teksti on kuvana, tuottavat huonoja hakutuloksia. Skannattu dokumentti pitää ensin muuttaa tekstiksi.
• Henkilötiedot ja luottamuksellinen tieto. Asiakkaille näkyvään avustajaan ei ladata mitään, mitä et haluaisi kenen tahansa kysyjän näkevän. Jos aineistossa tai keskusteluissa on henkilötietoja, tietosuoja-asetus (GDPR) koskee niitä: tarvitset käsittelijäsopimuksen kielimallipalvelun tarjoajan kanssa, ja sinun on tiedettävä, missä tietoja käsitellään ja säilytetään.
• Kehotteella manipulointi. Käyttäjä voi yrittää saada avustajan ohittamaan ohjeensa. Paras suoja on, ettei avustajalla ole oikeuksia, joita se ei tarvitse: jos se ei pääse käsiksi luottamukselliseen tietoon, sitä ei voi huijata kertomaan sitä.
• Kustannus. Jokainen kysymys on kielimallikutsu, josta maksetaan käytön mukaan. Pyyntörajoitus ja tehtävään riittävän kevyt malli pitävät kulut kurissa.

EU:n tekoälysäädös: perusteet lokakuussa 2026

Tämä on yleiskatsaus, ei oikeudellinen neuvo.

• Kerro, että kyse on tekoälystä. Tekoälysäädöksen 50 artiklaa on sovellettu 2.8.2026 alkaen. Euroopan komission läpinäkyvyysohjeiden mukaan järjestelmä on suunniteltava niin, että ihmiselle kerrotaan selvästi, kun hän on suoraan vuorovaikutuksessa tekoälyjärjestelmän kanssa (tarkistettu lokakuussa 2026). Asiakaspalvelun avustaja nimetään siis selvästi tekoälyavustajaksi.
• Tekoälylukutaito ja kielletyt käytännöt. Komission tekoälysäädöstä koskevan sivun mukaan kielletyt käytännöt ja tekoälylukutaitoa koskevat velvoitteet ovat olleet voimassa 2.2.2025 alkaen (tarkistettu lokakuussa 2026). Käytännössä avustajaa ylläpitävien ihmisten pitää ymmärtää, miten se toimii ja missä se voi erehtyä.
• Korkea riski on eri asia. Saman sivun mukaan korkean riskin käyttötapauksia ovat esimerkiksi rekrytointi ja työntekijöiden hallinta sekä luottokelpoisuuden arviointi. Heinäkuussa 2026 voimaan tullut niin sanottu AI-omnibus siirsi tällaisten järjestelmien vaatimukset alkamaan 2.12.2027 (tarkistettu lokakuussa 2026). Avustaja, joka vastaa tuotteista ja toimitusehdoista, ei kuulu näihin esimerkkeihin. Jos avustaja alkaa tehdä tai valmistella päätöksiä ihmisistä, tilanne pitää arvioida erikseen.
• GDPR pätee joka tapauksessa. Tekoälysäädös ei korvaa tietosuoja-asetusta.

Mistä aloittaa

1. Valitse yksi rajattu tehtävä, esimerkiksi asiakaspalvelun toistuvat kysymykset tai henkilöstön ohjekirja.
2. Kokoa ja siivoa aineisto ja nimeä sille omistaja.
3. Kerää testikysymykset oikeista yhteydenotoista ja kirjaa niille oikeat vastaukset.
4. Rakenna ja testaa pienellä käyttäjäjoukolla ennen kuin avustaja näkyy kaikille.
5. Seuraa ja paranna: lisää aineistoon se, mihin avustaja ei osannut vastata.

Ensimmäinen versio kannattaa pitää pienenä. Kun se vastaa hyvin yhteen asiaan, aineistoa ja tehtäviä on helppo laajentaa.

Yhteenveto

RAG-avustaja ei ole uusi tekoälymalli vaan hyvin rakennettu haku, jonka päällä kielimalli muotoilee vastauksen. Laatu syntyy aineistosta, pilkkomisesta, haun rajauksesta ja testeistä – ei mallin nimestä. Kun avustajalle kerrotaan selvästi, mitä se saa tehdä, ja käyttäjälle kerrotaan, että hän keskustelee tekoälyn kanssa, avustaja on sekä hyödyllinen että turvallinen.

Katso, miten rakensimme AI Chatin, ja lue lisää tekoälyratkaisuistamme yrityksille. Jos haluat avustajan, joka vastaa juuri teidän aineistostanne ja toimii teidän järjestelmissänne, ota yhteyttä – arvioimme tarpeen ja tarjoamme projektin sen mukaan.