MS Ignite 2025 tekoälyn näkökulmasta

Tekoälyn kenttä on siirtymässä nopeasti yksittäisten mallien kokeiluista kohti yritysten läpileikkaavia agenttijärjestelmiä. Ignite 2025 -tapahtumassa Microsoft konkretisoi tämän muutoksen Microsoft AI Foundryn avulla – yhtenäisellä alustalla, joka on suunniteltu yritysten “AI-sovellus- ja agenttitehtaaksi”.

AI-insinööreille, pilviarkkitehdeille ja teknisille johtajille Microsoftin viesti on selvä: pelkkä LLM-API-kutsujen tekeminen ei enää riitä. Uusi paradigma keskittyy agenttijoukkojen orkestrointiin, turvalliseen hallintaan ja syvään integraatioon yritysdatan kanssa.

Pilviarkkitehtuurin muutos: PaaS-mallista Control Planeen

Ymmärtääksemme Foundryn muutoksia on katsottava, miten AI-ratkaisujen pilviarkkitehtuuri on kehittynyt.

Vanha tapa (PaaS-painotteinen)
Aiemmin AI-ratkaisujen rakentaminen tarkoitti irrallisten Azure-PaaS-palveluiden liimaamista yhteen. Luotiin Azure OpenAI -resurssi, AI Search -palvelu, Container App -sovelluksen ajamiseen, tallennustila RAG-datalle ja Key Vault salaisuuksille. Vastuu komponenttien yhdistämisestä, verkottamisesta, valvonnasta ja hälytyksistä oli kehittäjällä. Joustavaa, mutta operatiivisesti raskasta.

Microsoft toi AI Foundryn käyttöön jo viime vuoden lopulla, mutta se oli sekamuotoinen ratkaisu: mukana oli joitain hallinta- ja valvontaominaisuuksia, mutta toteutus perustui edelleen palveluiden yhteen ompelemiseen.

Uusi tapa (Control Plane -keskitetty)
Foundry tuo mukanaan “Control Plane” -arkkitehtuurin. Vaikka taustalla olevat resurssit (hubit ja projektit) yhä ovat olemassa, vuorovaikutus siirtyy ylemmälle abstraktiotasolle. Kaikki AI:hin liittyvä kulkee Foundryn rajapintojen kautta.

Sen sijaan, että hallitsisit suoria yhteyksiä palveluiden välillä, liikenne kulkee Foundry Gatewayn kautta. Tämä keskitetty komponentti hoitaa:

• Identiteetin ja turvallisuuden: Entra ID -politiikat ja Defender-tarkistukset automaattisesti
• Reitityksen: Ohjaa pyynnöt dynaamisesti parhaalle mallille tai agentille
• Havainnoitavuuden: Kerää lokit ja jäljitykset yhteen näkymään

Tämä vie AI-arkkitehtuurin kohti SaaS-tyyppistä kokemusta, jossa alusta hoitaa ”putkiston” ja arkkitehdit voivat keskittyä ratkaisun arvon tuottamiseen.

Syväsukellus: Uudet ominaisuudet ja kyvykkyydet

Microsoft AI Foundry tarjoaa joukon työkaluja agenttipohjaisen tulevaisuuden tueksi. Tässä merkittävimmät niistä.

1. Foundry Agent Service: Serverless-runtime

Foundry Agent Service muuttaa AI-logiikan ajamisen perustavanlaatuisesti. Se piilottaa konttien ja orkestroinnin (esim. Azure Container Apps tai Kubernetes) tarjoten täysin hallitun serverless-suoritusympäristön agenteille.

Hyödyt kehittäjälle:

• Zero Ops: Ei Docker-tiedostoja, ei K8s-manifestien hallintaa, ei skaalauksen -konfiguraatioita
• Sisäänrakennettu tilamuisti: Ympäristöön sisäänrakennettu muisti pohjautuen Redikseen tai Cosmos DB:een.
• Automaattinen skaalaus

Haitat:

• Vähemmän läpinäkyvyyttä (“black box”)
• Mahdolliset viivet käynnistyessä
• Vaikeampi tulkita virhetilanteita kuin itse hallitussa kontissa

Useimpiin enterprise-agenttikäyttötapauksiin tämä on kuitenkin oletusvaihtoehto.

2. Foundry IQ: Päättelyä, ei pelkkää hakua

Siirrymme kohti älykkäämpää RAG:ia (Retreival Augmented Generation). Standardi RAG epäonnistuu monimutkaisissa, useampiosaisissa kysymyksissä (esimerkiksi miten yrityksen liikevaihto on kehittynyt viimeisen kolmen vuoden aikana?). Tätä on aiemmin paikattu monikierroksisella RAGilla, käyttäjän syötteen/vektorihaussa käytettävän syötteen optimoinnilla ja agenttisilla RAG-toteutuksilla.

Foundry IQ tuo tähän sisäänrakennetun agenttisen päättelysilmukan. Se:

• jakaa monimutkaiset kysymykset osakysymyksiksi (esimerkiksi miten yrityksen liikevaihto on kehittynyt tänä vuonna? Miten yrityksen liikevaihto on kehittynyt vuonna 2024? Miten yrityksen liikevaihto on kehittynyt vuonna 2023?)
• tekee useita hakuja aikaisemmista saatujen tietojen perusteella
• yhdistää tulokset LLM:n avulla.

Hyödyt:

• Parempi tarkkuus monimutkaisissa liiketoimintakysymyksissä
• Hyvä yleisratkaisu RAG optimointiin  ilman oman agentin rakentamiseen

Haitat:

• Korkeampi viive  ja kustannus
• Ei yhtä tarkka kuin itse rakennettu agenttinen RAG, joka on toimiala- ja aineistokohtaisesti viritetty.

Käyttö sopii POC- ja MVP-vaiheisiin tai yleistehtäviin.

3. Model Router: Useampien kielimallien käytön ­optimointi

Arkkitehdit tasapainoilevat AI:n kustannus–viive –laatu-kolmion kanssa. Model Router automatisoi optimoinnin:

• Kevyet pyynnöt → halvat ja nopeat mallit
• Vaativat pyynnöt → huippumallit
• Potentiaaliset säästöt: 30–50 %

Haitta: viive  tyyli voi vaihdella mallista riippuen.

4. Foundry Tools & MCP

MCP (Model Context Protocol) on strategisesti merkittävä lisä. Sen avulla:

• Voit jakaa työkaluja useamman agentin käyttöön
• Hallita kaikkia työkaluja keskitetysti ja Entra:n avulla
• Voit luoda omia työkaluja tai tuoda jo olemassa olevia

Foundry Tools toimii organisaation turvallisena työkalurekisterinä.

5. AI-valmiit tietokannat

Azure HorizonDB – PostgreSQL-yhteensopiva, AI-optimoitu tietokanta

• Integroi upotusmallit ja uudelleenluokittelumallit suoraan tietokantaan
• Minimoi ETL-prosessin tarpeen
• Mahdollistaa matalan viiveen RAG-ratkaisut

Azure DocumentDB

• Nopea, skaalautuva NoSQL-tietokanta, jossa sisäänrakennettu vektorihaku
• Optimoitu suurien tiedostomäärien vektorivarastoiksi (50 % pienempi tallennus)
• Syvä MCP-integraatio, joka mahdollistaa käytön vektoritietokantana sekä pitkäkestoisena muistina agenteille

6. RBAC Foundryssa: AI-rooleihin perustuva hallinta

Kaksi tasoa:

• Account Level – verkot, identiteetit, politiikat
• Project Level – agentit, arvoinnit, resurssit

Sisäänrakennetut roolit:

• Azure AI User – lukuoikeudet
• Azure AI Project Manager – projektitason hallinta
• Azure AI Account Owner – täysi hallinta
• Azure AI Owner (tulossa) – yhdistää molemmat

Huomio: käyttöliittymä piilottaa toiminnot, joihin käyttäjällä ei ole oikeuksia.

Havainnointi & läpinäkyvyys: Ei enää mustia laatikoita

Foundry tuo lisää työkaluja jäljitettävyyteen:

• Läpinäkyvä jäljitettävyys jokaisesta agentin syötteestä tai päätelmästä työkalukutsuihin asti
• Jatkuva havainnointi tuotantoympräistöihin

APIM-integraatio: Sillanrakennus legacy-järjestelmiin

APIM-rajapinnoista (Azure Api Management) voi nyt tehdä MCP-työkaluja. Voit uudelleen hyödyntää jo olemassa olevat integraatiot, kuten laskutusjärjestelmät, HR-järjestelmät ja ERP-integraatiot ilman koodin uudelleenkirjoittamista.

Operatiivinen haaste: IaC vs. ClickOps

Vaikka Foundry tarjoaa paljon, se luo jännitteen:

IaC(Infrastructure as Code )
Hyvä resurssien provisionointiin:

• Foundry Hubit ja projektit
• Tallennustilojen hallinnointi
• Salaisuuksien hallinta
• Identiteetit
• Verkot

ClickOps (Foundry Portal)
Tarvitaan mallien säätöihiin, agenttien konfigurointiin, automatisoituihin arviointeihin .

Ratkaisu (tämän hetken paras käytäntö)

• Käytä AIProjectClient-SDK:ta konfiguraation skriptaamiseen
• Sekoittaminen (ClickOps + IaC + koodi) on väliaikainen “pakollinen paha”

Koodiesimerkit: Uusi Azure SDK

Uusi azure-ai-projects SDK yhdistää edellä mainitut omiaisuudet. Näin hyödynnät sitä Python-ohjelmointikielellä.

1. Projektin alustaminen

Sen sijaan, että hallitsisit erillisiä OpenAI, AI Search ja Storage palveluita, luot yhden AIProjectClient-instanssin.

from azure.ai.projects import AIProjectClient
from azure.identity import DefaultAzureCredential

project_connection_string = "endpoint=https://<region>.api.azureml.ms;subscription_id=...;resource_group=...;project_name=..."

project = AIProjectClient.from_connection_string(
    conn_str=project_connection_string,
    credential=DefaultAzureCredential()
)

2. Serverless-agentin luominen ja ajaminen

 Agentin käyttöönotto serverless-ajoympäristöön voidaan tehdä koodilla:

# Luo agentti, jolla on pääsy Code Interpreter -työkaluun
agent = project.agents.create_agent(
model="gpt-5.1",
name="data-analyst-agent",
instructions="You are a data analyst. Use code to visualize trends.",
tools=[{"type": "code_interpreter"}],
)
# Aja agentti säikeessä
thread = project.agents.create_thread()
message = project.agents.create_message(
thread_id=thread.id,
role="user",
content="Analyze the uploaded sales_data.csv and plot the revenue trend."
)
run = project.agents.create_run(thread_id=thread.id, assistant_id=agent.id)
# ... odota valmistumista

3. Foundry IQ (päättelysilmukka)

Käyttääksesi päättelymoottoria omalla datallasi, välität data_sources-konfiguraation.

# "extra_body"-parametri käynnistää Foundry IQ -orkestroinnin
response = project.inference.chat.completions.create(
    model="gpt-5.1",
    messages=[{"role": "user", "content": "Why did our Q3 margin drop?"}],
    extra_body={
        "data_sources": [
            {
                "type": "azure_search",
                "parameters": {
                    "endpoint": "https://<search-service>.search.windows.net",
                    "index_name": "financial-reports",
                    "authentication": {"type": "system_assigned_managed_identity"}
                }
            }
        ]
    }
)

4. Infrastruktuuri koodina

Koska Foundry-resurssit on rakennettu Azure Machine Learningin päälle, luotettavin tapa provisioida ne tällä hetkellä on käyttää azapi-provideria, joka antaa pääsyn uusimpiin API-ominaisuuksiin ennen kuin ne tulevat vakio azurerm-provideriin.

Foundry Hubin provisiointi:

resource "azapi_resource" "hub" {
  type      = "Microsoft.MachineLearningServices/workspaces@2024-07-01-preview"
  name      = "my-foundry-hub"
  location  = azurerm_resource_group.rg.location
  parent_id = azurerm_resource_group.rg.id
  tags      = { "kind" = "hub" }

  body = jsonencode({
    kind = "Hub"
    properties = {
      friendlyName = "My Enterprise Hub"
      storageAccount = azurerm_storage_account.st.id
      keyVault       = azurerm_key_vault.kv.id
    }
  })
}

Projektin provisiointi:

resource "azapi_resource" "project" {
  type      = "Microsoft.MachineLearningServices/workspaces@2024-07-01-preview"
  name      = "my-ai-project"
  location  = azurerm_resource_group.rg.location
  parent_id = azurerm_resource_group.rg.id
  tags      = { "kind" = "project" }

  body = jsonencode({
    kind = "Project"
    properties = {
      friendlyName = "Customer Support Agent Project"
      hubResourceId = azapi_resource.hub.id
    }
  })
}

Strateginen päätös: Foundry vai räätälöity ratkaisu?

Valitse Foundry, kun:

• tarvitset nopeaa tuotekehitystä  
• tarvitset vahvan hallinnan ja valvonnan (reguloidut toimialat)
• hallitset suurta agenttijoukkoa (“fleet management”)

Valitse räätälöity ratkaisu, kun:

• tarvitset äärimmäistä kustannusoptimointia
• tarvitset uusimpia ominaisuuksia  tai erityistoteutuksia
• vältät toimittajariippuvuutta

Uusi Foundry on edelleen preview-vaiheessa, joten esim. portaali ei tue päästä päähän -verkon eristämistä. Käytä klassista Foundry-portaalia, SDK:ta tai komentorivikäyttöliittymää (CLI) päästäksesi Foundry-projekteihisi turvallisesti käsiksi, kun verkon eristäminen on käytössä.

Käyttötapaukset: Luomisesta orkestrointiin

Foundry yhdistää Low-Code- ja Pro-Code-maailmat:

• Analyytikko voi prototypoida portaalissa
• Kehittäjä voi viedä saman työnkulkupohjan suoraan koodiin
• Molemmat maailmat toimivat yhtenäisenä ketjuna

Keskeiset kyvykkyydet

• Agenttien luonti (Microsoft Agent Framework / avoimen lähdekoodin frameworkit)
• Flow-rakentaminen: agentit työskentelevät yhdessä
• Orkestrointi: agenttien hallinta, valvonta, skaalautuminen

Päätelmä

Microsoft AI Foundry 2025 edustaa merkittävää kypsymisvaihetta generatiivisen tekoälyn ekosysteemissä. Azure siirtyy kohti hallittuja, säänneltyjä ja skaalautuvia AI-järjestelmiä. Arkkitehtien ja insinöörien tehtävä on hyödyntää Foundryn tarjoamia Control Plane -kyvykkyyksiä ja rakentaa modernin yrityksen älykäs hermosto.

Lopulta Foundry on edelleen PaaS-tarjonta – ei räätälyidyn kehityksen korvaaja, vaan kehitystä nopeuttava ja yksinkertaistava työkalu.

Referenssejä ja lisälukemista

• Ignite 2025 Announcement: Azure at Microsoft Ignite 2025: All the intelligent cloud news explained
• Microsoft Foundry Updates: Introducing Claude Opus 4.5 in Microsoft Foundry
• SDK Documentation: Azure AI Projects Client Library for Python
• MS AI Foundry documentation: What is Microsoft Foundry?

Ignite 2025 -tilaisuudet, joista saattaisit kiinnostua

• BRK187: AI Playbook for ROI with Microsoft Foundry
• BRK130: The blueprint for intelligent AI agents backed by PostgreSQL
• BRK391: Accelerating Media Innovation with AI Agents
• BRK1706: Build&Manage ai apps with your agent factory
• BRK195: Making smarter model choices: Anthropic, OpenAI & More on Microsoft Foundry
• BRK194: Driving agentic innovation with MCP as the backbone of tool-aware AI
• BRK189: AI agents in Microsoft Foundry, ship fast, scale fearlessly
• BRK205: AI Operations to own the fleet, master the mission in Microsoft