Kriittisten järjestelmien modernisointi reguloidussa terveysteknologiaympäristössä tarkoittaa kahta haastetta yhtä aikaa: teknologian uudistamista ja sen tekemistä auditoitavasti, luotettavasti ja tuotantolaatuisesti.
Qalmarin asiantuntija rakensi migraatioprojektin ympärille generatiivista tekoälyä voimakkaasti hyödyntävän agenttikokonaisuuden, joka automatisoi toistuvat kehitysvaiheet, nopeutti toteutusta 40–50 % ja vapautti asiantuntijoiden aikaa rutiinityöstä korkeamman arvon tehtäviin. Luotuja työkaluja pidettiin esimerkkinä siitä, miten tekoälyavusteista sovelluskehitystä tulisi tehdä koko kehitysorganisaatiossa.
Lähtötilanne
Globaalilla terveysteknologiayrityksellä oli tuotteita, joiden konfigurointikäyttöliittymät oli kehitetty AngularJS:llä. AngularJS on saavuttanut end-of-life-vaiheen eikä siihen enää tehdä tietoturvapäivityksiä. Säännelty terveysteknologian toimintaympäristö edellytti siirtymistä moderniin ylläpidettyyn teknologiaan.
Teknologiauudistus tarkoitti suurta manuaalista työmäärää: migraatioon sisältyi laajoja toistuvia ja kaavamaisia kehitysvaiheita, jotka päätettiin systemaattisesti automatisoida AI:lla. Tämä muutti projektin luonteen pelkästä migraatiosta uudenlaisten sovelluskehityksen menetelmien suunnitteluksi ja käyttöönottamiseksi.
Mitä teimme?
Teknologiat
Tietoturva
auditoitava kehitysmalli
Ajansäästö
40-50 %
Organisaatiotasolla
skaalautuva malli
Qalmarin rooli
Qalmarin asiantuntija suunnitteli ja toteutti AI-avusteisen kehityksen työkalut, määritteli AI:n käytön rajat reguloidussa ympäristössä asiakkaan ohjaavien asiakirjojen mukaisesti, koulutti tiimin uusien työkalujen käyttöön ja vaikutti sitä kautta laajemmin kuin vain yksittäisessä projektissa.
Ratkaisu
AI-pohjainen kehitysmalli tuotantoon asti
Projektin keskeinen läpimenoa nopeuttava tekijä oli uusi AI-avusteinen tuotekehitysmalli. Tekoäly ei ollut yksittäinen työkalu vaan olennainen osa ohjelmistokehityksen tuotantoprosessia. Rakensimme järjestelmän, joka automatisoi kehitystyön vaiheittain:
- Projektisuunnitelmat purettiin tehtäviksi AI:n avulla
- Migraatiokoodi tuotettiin pääosin AI-avustettuna
- Dokumentaatio, commit-viestit ja testit automatisoitiin
- Code review -prosesseja nopeutettiin tekoälyllä
Agenttiarkkitehtuuri:
ticket → suunnitelma → koodi → testit → merge request
Uusien työkalujen ydin oli agenttiorkestraattori, agent orchestration layer, joka automatisoi kehitystyön vaiheittain alusta loppuun. Orkestraattori hakee tiketin suoraan tikettijärjestelmästä MCP-palvelimen kautta, muodostaa toteutussuunnitelman, tuottaa koodin ja testit ja vie kokonaisuuden merge request -vaiheeseen asti. Kehittäjä arvioi ja hyväksyy jokaisen vaiheen ennen kuin orkestraattori etenee. Kokonaisuus on usean agentin järjestelmä, jossa AI on rakennettu osaksi ohjelmistokehityksen tuotantoprosessia samalla hyödyntäen monipuolisesti safeguardeja.
Auditoitavuus ja luotettavuus kriittisessä toimintaympäristössä
Terveysteknologiassa AI:n käyttöönotto ei ole itsestäänselvyys. Asiakkaalla oli tarkat määrittelyt siitä, mitä työkaluja saa käyttää, missä ympäristöissä koodi saa liikkua ja miten tietoturvakäytänteistä pidetään kiinni.
Ratkaisun kriittinen periaate oli human-in-the-loop: kaikki tuotantokoodi validoitiin kehittäjän toimesta. Tekoäly ei kirjoittanut suoraan tuotantoon, vaan jokainen muutos on ihmisen läpikäymä, arvioima ja hyväksymä.
Jokaisessa työvaiheessa tekoäly myös kirjasi ylös keskeiset päättelyketjunsa ja havaintonsa, joita se hyödyntää myös tulevissa vastaavissa tehtävissä. Yhdistelmä teki AI-vetoisesta kehitysmallista auditoitavan ja luotettavan myös kriittisessä, säännellyssä toimintaympäristössä.
Hyödyt
AI-vetoinen kehitysmalli nopeutti projektia kehitystiimin arvioiden mukaan 40–50 % verrattuna aiempiin migraatioihin. Nopeampi läpimenoaika tarkoitti, että terveysteknologiassa pitkä testaussykli pääsi alkamaan aiemmin, ja asiantuntijat pystyivät siirtämään aikaa toistuvasta rutiinityöstä korkeamman arvon tehtäviin.
Tuotteet vastaavat nyt moderneja tietoturvavaatimuksia ja mahdollistavat jatkuvan kehittämisen säädellyssä toimintaympäristössä. Vanhassa teknologiassa pysyminen olisi kasvattanut sekä tietoturvariskiä että sääntelyriskiä, ja nopeampi modernisointi lyhensi altistumisaikaa näille riskeille.
Rakennettu AI-kehitysmalli osoittautui toistettavaksi. Kokonaisuus esiteltiin useille kehitystiimeille ja sitä pidettiin esimerkkinä siitä, miten tekoälyä voidaan hyödyntää ohjelmistokehityksessä tuotantotasolla koko organisaatiossa.
