Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Päättely, koodin suoritus ja verkkohaku: automatisoidut työnkulut

Oppitunti 7 / 12 Päivitetty 5. marraskuuta 2026 Keskitasoinen
Tällä sivulla
  1. Kun päättely kohtaa työkalut
  2. Kolme täydentävää roolia
  3. Miten malli päättää käyttää työkalua
  4. Mitä yhdistelmä mahdollistaa
  5. Työkalujen käyttöönotto ja hallinta
  6. Sinun vuorosi
  7. Keskeiset asiat

Kun päättely kohtaa työkalut

Korkean tason päättelyn yhdistäminen koodin suoritukseen ja verkkohakuun muuttaa kielimallin agentiksi, joka pystyy laskemaan, hakemaan tietoa ja syntetisoimaan tulokset yhdeksi kokonaisuudeksi. Tämä oppitunti näyttää, miten hyödynnät tätä synergiaa. Ensinnäkin terminologiasta: ChatGPT:ssä koodin suoritus tunnetaan nimellä Data Analysis ja haku nimellä Search; rajapinnassa nämä ovat työkaluja Code Interpreter ja Web Search. Aiemmat sukupolvet varasivat tämän roolin erityisille päättelymalleille, kuten o3:lle; nykyään se on asetus, joka on käytettävissä jokaiselle mallille.

Kolme täydentävää roolia

Ensimmäinen pilari on itse malli. Korkealla päättelytasolla se toimii aivoina: se päättelee, suunnittelee, päättää mitä toimia suorittaa ja orkestroi koko prosessin.

Koodin suoritus toimii käsissä. Se ajaa Pythonia eristetyssä ympäristössä, mikä mahdollistaa Excel-, CSV- tai JSON-tiedostojesi käsittelyn, monimutkaisten laskelmien tekemisen, kaavioiden ja visualisointien luomisen sekä datan puhdistamisen tai muuntamisen ennen analyysiä. Verkkohaku toimii silminä: se tarjoaa pääsyn reaaliaikaiseen tietoon, olipa kyseessä ajantasainen data, faktantarkistus, useista lähteistä kerätty informaatio tai pääsy julkisiin verkkosivustoihin ja tietokantoihin.

Miten malli päättää käyttää työkalua

Sinun ei yleensä tarvitse nimetä työkalua: malli havaitsee, milloin laskelmaa tai tuoreita tietoja tarvitaan, ja kutsuu työkalua oikealla hetkellä. Jos haluat käyttää tiettyä työkalua, sano se suoraan: “tee laskelma Pythonilla”, “hae verkosta”. Rajapinnan puolella Responses API vie tämän pidemmälle ohjelmallisella työkalukutsulla (Programmatic Tool Calling): malli kirjoittaa JavaScript-ohjelman, joka suoritetaan eristetyssä ympäristössä. Tämä ohjelma kutsuu työkaluja – mahdollisesti rinnakkain – ja suodattaa välituloksia sen sijaan, että niitä kutsuttaisiin yksi kerrallaan.

Kattava pyyntö rahoitusanalyysistä havainnollistaa tätä sekvenssiä hyvin.

“Tässä on myyntidatani viimeiseltä 12 kuukaudelta (Excel). Analysoi trendit, laske keskimääräinen kuukausittainen kasvuvauhti, ennusta myyntiä seuraaville 3 kuukaudelle ja hae verkosta alan ennusteita vertailua varten. Tuota raportti kaavioineen.”

Malli voi sitten suorittaa tällaisen sekvenssin ilman, että sinun tarvitsee pilkkoa sitä; tarkka järjestys vaihtelee pyynnöstä toiseen.

Päättely työkalujen välillä Neljä vaihetta silmukassa: päättele ymmärtääksesi ja suunnitellaksesi; laske Pythonilla tiedostoissasi; hae verkosta tuoreita tietoja; päättele vertaamalla ja kirjoittamalla. Päättely palaa jokaisen työkalukutsun välissä päättämään seuraavan askeleen. KOODI JA VERKKOHAKU Päättely työkalujen välillä 1 Päättele Ymmärrä ja suunnittele 2 Laske Pythonilla tiedostoissasi 3 Hae Tuoreita tietoja verkosta 4 Päättele Vertaa, kirjoita Päättely palaa jokaisen työkalukutsun välissä päättämään seuraavan askeleen Python-ympäristöllä ei ole pääsyä verkkoon: ulkoinen data tulee haun kautta.
Perustuu OpenAI Help Centerin artikkeleihin Data Analysisista ja Web Searchista (marraskuu 2026).
  1. Päättele: Ymmärrä ongelman rakenne
  2. Suorita koodia: Lataa Excel-tiedosto, laske trendit, tee ennusteita
  3. Hae verkosta: Etsi alan ennusteita
  4. Päättele: Vertaa tuloksia ja tee johtopäätökset
  5. Suorita koodia: Generoi kaaviot
  6. Päättele: Kirjoita lopullinen raportti

Huomaa vuorottelu: päättely ei tapahdu vain alussa; se palaa jokaisen työkalukutsun välissä päättämään seuraavan askeleen. Tämä rytmi erottaa agentin pelkästä suorittajasta.

Mitä yhdistelmä mahdollistaa

Automatisoitu vertailuanalyysi (benchmarking) on välittömin käyttötapaust, sillä se vaatii lukujesi vertaamista ulkoiseen dataan.

“Tässä on yritykseni taloudelliset tunnusluvut (Excel-tiedosto). Hae verkosta keskimääräiset taloudelliset suhdeluvut toimialaltamme (B2B SaaS Euroopassa) ja vertaa niitä omiimme. Tuota vertailutaulukko värikoodauksella: vihreä, jos olemme keskiarvon yläpuolella, punainen, jos alapuolella.”

Kilpailijaseuranta saa uuden ulottuvuuden, kun sitä tukee oma datasi: pelkän ilmoitusten keräämisen sijaan mittaat niiden vaikutusta.

“Hae viimeisimmät ilmoitukset kolmelta kilpailijaltamme (Kilpailija A, Kilpailija B, Kilpailija C) viimeisen 30 päivän ajalta. Ristiviittaa nämä verkkoliikennedataamme (liitetty CSV-tiedosto) tunnistaaksesi, vaikuttivatko heidän ilmoituksensa liikenteeseemme.”

Kolmas tyypillinen käyttötapaus on dataan perustuva raportti visualisointeineen, jossa koodin suoritus tekee raskaan työn sisäisen datasi parissa.

“Tässä on HR-datamme (Excel-tiedosto). Laske henkilöstön vaihtuvuus osastoittain, yhden sijaisen keskimääräinen kustannus (oletus: 6 kuukauden palkka) ja ennusta budjettivaikutus. Generoi kaavio jokaiselle osastolle ja yhteenvetotaulukko.”

Työkalujen käyttöönotto ja hallinta

ChatGPT:ssä Data Analysis aktivoituu aina, kun tiedosto tai laskelma sitä vaatii; yritystyötilassa varmista, ettei järjestelmänvalvoja ole poistanut sitä käytöstä. Verkkohaku käynnistyy, kun malli havaitsee tarpeen tuoreille tiedoille, ja voit pakottaa sen +-painikkeella ja valitsemalla Search. Rajapinnan puolella molemmat työkalut määritellään pyynnössä. Päättelytason osalta OpenAI luokittelee työkalujen käytön ja haun tasolle low, kun nopeus on ensisijaista, ja suosittelee tasoa medium, kun suunnittelu ja harkinta ovat tärkeitä – mikä pätee monityökaluisiin työnkulkuihin.

Näillä työkaluilla on selkeät rajat, jotka sinun on tunnettava. Data Analysisin Python-ympäristöllä ei ole pääsyä internetiin: se toimii vain toimittamillasi tiedostoilla, ja ulkoisen datan on tultava haun tai omien tuontiesi kautta. Vasteajat kasvavat merkittävästi, kun kaikki kolme yhdistetään, ja kiintiöt kuluvat nopeammin, erityisesti korkeammilla päättelytasoilla.

Sinun vuorosi

Kaikki kolme rakennuspalikkaa yhdessä. Testaa koko yhdistelmää tapauksessa, jossa päättely, koodi ja haku ovat kaikki välttämättömiä.

“Tässä on CSV-tiedosto kuukausittaisista kuluistani 12 kuukauden ajalta. (1) Analysoi trendit Pythonilla ja generoi kaavio. (2) Hae verkosta inflaatioaste Ranskassa kullekin vastaavalle kuukaudelle. (3) Laske inflaatiokorjatut kuluni. (4) Tuota raportti, jossa verrataan nimellisiä ja reaalisia kuluja.”

Jos sinulla ei ole CSV-tiedostoa saatavilla, pyydä mallia generoimaan ensin realistinen yksi. Pidä harjoituksen aikana mielessäsi kolme refleksia. Tarkista laskelmat: väärä kaava, joka suoritetaan virheettömästi, on silti väärä kaava. Ristitarkista hakulähteet, sillä tulokset voivat olla vanhentuneita tai epätarkkoja. Ja nouda generoidut tiedostot – kaaviot, taulukot – ennen keskustelun sulkemista. Yksi viimeinen neuvo pätee kaikkeen: vaikka malli hallinnoisi omia työkalujaan, monimutkaiset työnkulut tuottavat parempia tuloksia, kun ne pilkotaan vaiheisiin sen sijaan, että ne murskattaisiin yhdeksi valtavaksi kehotteeksi.

Viralliset lähteet: Data analysis with ChatGPT (OpenAI Help Center: eristetty Python, ei verkkoyhteyttä) · Searching the web with ChatGPT · Code Interpreter ja Web search (API-työkalut) · Programmatic Tool Calling · Reasoning models (ponnistelutasot ja työkalut)

Keskeiset asiat

  • Korkea päättelytaso yhdistää ajattelun, koodin suorituksen ja verkkohaun autonomisesti
  • Malli päättää automaattisesti, milloin käyttää kutakin työkalua; rajapinnan puolella ohjelmallinen työkalukutsu (Programmatic Tool Calling) antaa sille mahdollisuuden orkestroida työkaluja koodin avulla
  • Koodin suoritus (Data Analysis, Code Interpreter) käsittelee tiedostoja ja luo kaavioita ilman verkkoyhteyttä; haku tuo mukanaan tuoreita tietoja
  • Monityökaluisissa työnkuluissa aloita tasolla medium, jonka OpenAI suosittelee, kun suunnittelu on tärkeää
  • Tarkista tulokset aina – työkalut vahvistavat sekä voimaa että virheriskiä