Vaisala on maailmanlaajuinen sää-, ympäristö- ja teollisuusmittausten markkinajohtaja. Suomessa toimiva yritys kehittää innovatiivisia mittalaitteita ja ohjelmistoja, joita käytetään vaativissa ympäristöissä ympäri maailmaa.
Pähkinänkuoressa
Yritys
Vaisala on sää-, ympäristö- ja teollisuusmittausten maailmanlaajuinen johtaja, jolla on yli 80 vuoden kokemus innovaatioista.
Yli 2 400 työntekijää maailmanlaajuisesti.
28 % työntekijöistä työskentelee tutkimuksen ja tuotekehityksen parissa.
Haaste
Vaisala halusi muuttaa insinöörien päivittäistä toimintatapaa passiivisesta oppimisesta käytännönläheiseen tekoälyn hyödyntämiseen ja vapauttaa aikaa ihmisen luovuutta vaativiin tehtäviin.
Tiimin tavoitteena oli purkaa tiimirajoja jakamalla räätälöityjä Claude Code -taitoja, hookeja ja konfiguraatioita koko yrityksessä.
Vaisala halusi myös standardoida Claude Coden ja Anthropic-mallien käyttöön (suoran API-yhteyden ja AWS Bedrockin kautta).
Ratkaisu
Työskentelimme Vaisalan kanssa toteuttaaksemme käytännönläheisiä tekoälykokeilujen sprinttejä, jotka perustuivat todellisiin teknisiin haasteisiin.
Tiimit tunnistivat päivittäisen työnsä kitkakohdat, kehittivät testattavia tekoälyhypoteeseja, rakensivat toimivia Claudella toimivia agentteja ja esittelivät ratkaisunsa ylimmälle johdolle.
Tiimit laativat tiekartan toiminnan tulevaa skaalaamista ja kehittämistä varten koko organisaatiossa.
Tulokset
Claude Code on nyt Vaisalan ensisijainen tekoälyavustaja ohjelmointiin.
Yli 40 käytännön tekoälyhypoteesia kehitettiin ja validoitiin.
Käytännön kokemusta autonomisten agenttien rakentamisesta.
Käytössä on nyt toimintamalli Claude Code -konfiguraatioiden ja -taitojen jakamiseen tiimirajojen yli.
Luotiin toistettava tekoälysprinttimalli laajempaa käyttöönottoa varten.
Tiekartta lähestymistavan laajentamiseksi muihin osastoihin ja tuotelinjoihin.
Haaste: tekoälyn tuominen osaksi päivittäistä kehitystyötä
Eficoden toteuttaman git-migraation jälkeen Vaisala ryhtyi rakentamaan koko yrityksen kattavaa tekoälykyvykkyyttä kohdennetusta kokeilusta alkaen.
Tavoitteena oli muuttaa perustavanlaatuisesti kehittäjien oletustoimintatapoja – siirtää heidät passiivisesta oppimisesta tekoälyn käyttöön päivittäisissä tehtävissä. Tämä auttaisi Vaisalaa rakentamaan kyvykkyyden integroida tekoäly skaalautuvasti päivittäisiin työnkulkuihinsa ja ydinratkaisuihinsa.
Vaisala halusi tarttua jo varhaisessa vaiheessa tekoälyosaamisen jakamiseen tiimirajojen yli liittyviin yleisiin haasteisiin – varmistaen, että yhden tiimin kehittämät räätälöidyt Claude Code -taidot, hookit ja konfiguraatiot hyödyttävät helposti myös muita.
Muutoksen vauhdittamiseksi Vaisala valitsi Claude Coden pääasialliseksi tekoälyavustajakseen koodaukseen. Tiimi käytti Anthropicin malleja tekoälyagenttiensa pohjana muodostaen yhteyden suoraan Anthropic API:n kautta ja AWS Bedrockin välityksellä.
Tekoälyn käyttöönotosta tulee huomattavasti arvokkaampaa, kun tiimit voivat yhdistää teknologian suoraan päivittäiseen työhönsä. Tekoälybootcampien sprintit tarjosivat kehittäjille jäsennellyn tavan kokeilla tekoälyä todellisten haasteiden parissa teoreettisten esimerkkien sijaan.
Ratkaisu: todellisiin kehityshaasteisiin perustuvat tekoälysprintit
Loimme yhdessä käytännönläheisen tekoälyn kokeilumallin, joka keskittyi Vaisalan kehittäjien päivittäisen työn haasteisiin.
Ennen ensimmäistä sprinttiä haastattelimme keskeisiä sidosryhmiä ymmärtääksemme Vaisalan tavoitteita ja varmistaaksemme, että sessiot keskittyivät olennaisiin liiketoiminnan ja kehitystyön painopisteisiin.
Kehittäjät eivät käyneet läpi keinotekoisia harjoituksia, vaan toivat sessioihin päivittäisestä työstään nousevia todellisia haasteita. Asiantuntijoidemme ohjauksessa tiimit noudattivat käytännönläheistä prosessia, jossa he:
Tunnistivat päivittäisestä työstään toistuvia tai aikaa vieviä tehtäviä.
Muotoilivat haasteista selkeitä, testattavia hypoteeseja tekoälyavusteisille ratkaisuille.
Rakensivat ja testasivat toimivia agentteja Claude Coden ja AWS Bedrockin avulla.
Jakoivat uudelleenkäytettäviä Claude Code -konfiguraatioita, hookeja ja taitoja tiimirajojen yli ratkaistakseen eriytyneen oppimisen yleisen haasteen.
Esittelivät ratkaisunsa sisäisille sidosryhmille ja ylimmälle johdolle.
Näin osallistujat pääsivät kokeilemaan tekoälyä ympäristössä, joka liittyi suoraan heidän omaan työhönsä.
Olen vaikuttunut jo ensimmäisen tekoälysprintin tuottamasta sijoitetun pääoman tuotosta. Tulokset kiehtovat meitä, ja odotamme innolla lisää!
Tulos: käytännön tekoälyosaamista ja malli skaalautumiseen
Käytännönläheinen toteutustapa antoi kehittäjille kokemusta tekoälyn käyttämisestä oman työnsä haasteiden ratkaisemiseen.
Yhteistyön aikana osallistujat kehittivät ja validoivat hypoteeseja kehitystyön kitkan vähentämiseksi sekä rakensivat toimivia autonomisia agentteja. Ratkaisujen esittely johdolle auttoi myös konkretisoimaan tekoälyn potentiaalia koko organisaatiossa. Kahdeksan neliviikkoisen sprintin aikana testasimme yli 40 hypoteesia, jotka lähes 300 kehittäjää oli laatinut.
Välittömien nopeiden hyötyjen lisäksi tiimi loi selkeän etenemissuunnitelman tulevaa skaalaamista ja kehittämistä varten koko organisaatiossa. Samalla syntyi toistettava malli muille toiminnoille ja tuotelinjoille.
- AI
- AWS
- DevOps
- Transformation
Related client stories
