Year: 2026
Type: dissertation
Abstract: Työssä perehdyttiin AWS Bedrock AgentCore Code Interpreter -toiminnon soveltuvuuteen data-analyysitehtävissä ja sen tuottamien tulosten luotettavuuteen. Toimeksiantajana oli Skillwell Oy, joka tarvitsi käytännönläheistä arviota uuden AWS-pohjaisen tekoälytyökalun käyttökelpoisuudesta liiketoiminta-kontekstissa. Työkalun julkaisuajankohtana käytännön käyttökokemuksia ja tutkimustietoa sen soveltuvuudesta data-analyysiin oli saatavilla rajoitetusti (16.4.2026), minkä takia käytännön testauksen toteuttaminen oli perusteltua. Toteutuksessa hyödynnettiin AWS-ympäristöä, jossa käytettiin Amazon Nova Pro -kielimallia ja LangGraphin ReAct-arkkitehtuuriin perustuvaa agenttikehystä. Testiaineistona käytettiin keinotekoista myyntidatasettiä, jonka oikeat analyysitulokset laskettiin ennakkoon vertailukohtaa varten. Testitapaukset jaettiin kolmeen monimutkaisuustasoon. Toteutuksessa suoritettiin toistettavuustestaus sekä kolme lisätestiä, joissa arvioitiin agentin itsekorjauskykyä, kehotetekniikoiden vaikutusta ja virheellisen datan käsittelyä. Toteutuksen pohjana hyödynnettiin toimeksiantajan GitHub-repositoriosta saatua AgentCore Code Interpreter -esimerkkipohjaa, jota laajennettiin ja jonka päälle rakennettiin toimiva testitoteutus data-analyysikäyttöä varten. Toteutuksessa käytettiin AWS:n tarjoamia palveluita, sillä toimeksiantajan olemassa oleva AWS-ympäristö ja mahdollinen tuotantokäyttöönotto tapahtuisi samassa kontekstissa. Tekninen toteutus suoritettiin kevään 2026 aikana. Tulosten perusteella todettiin, että AWS Bedrock AgentCore Code Interpreter soveltuu hyvin strukturoidun liiketoimintadatan analyysiin ja toistuviin raportointitehtäviin. Työkalu täydentää kielimallin päättelykykyä tavalla, mitä pelkkä kielimalli ei yksin pysty toteuttamaan luotettavasti. Tuotantokäyttöön siirryttäessä suositellaan S3-integraation hyödyntämistä aineistojen välittämiseen sekä tulosten luotettavuuden varmistamiseen virheellisen datan tunnistamisen avulla.
Source: Theseus (Ammattikorkeakoulujen)
Author: Salpakoski, Niilo
Institution: JAMK University of Applied Sciences
Language: Finnish
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7163474776