Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Prosessi Forge

Oppitunti 12 / 14 Päivitetty 2. marraskuuta 2026 Keskitasoinen
Tällä sivulla
  1. Arvioinnista käyttöönottoon: koko matka
  2. Vaihe 1: Arviointi (2–4 viikkoa)
  3. Vaihe 2: Datan valmistelu (4–8 viikkoa)
  4. Vaihe 3: Koulutus ja iterointi (4–6 viikkoa)
  5. Vaihe 4: Käyttöönotto ja seuranta (2–4 viikkoa)
  6. Budjetti ja varattavat resurssit
  7. Keskeiset asiat

Päivitys 2. marraskuuta 2026 — Le Chat on nyt Vibe. 28. toukokuuta 2026 lähtien Le Chat on uudelleenbrändätty nimelle Vibe (osoitteessa chat.mistral.ai): yksi agentti työhön ja koodaukseen, joka säilyttää keskustelusi, asetuksesi ja tilauksesi. Vanha Le Chat -kokemus on edelleen saatavilla Chat-tilassa. Work-tilassa agenteista on tullut taitoja (kutsutaan merkillä @), muistit toimivat tietopankkina ja syvällinen tutkimus on Deep Research -taito. Suunnitelmat ovat nyt nimeltään Mistral Free, Pro, Team ja Enterprise. Tässä oppitunnissa käytetään nimeä Vibe; huomaa, että jotkin tässä kuvatut valikot ovat voineet vaihtaa nimeä tai sijaintia.

Arvioinnista käyttöönottoon: koko matka

Forge-projekti etenee neljässä vaiheessa Mistralin käyttöönotosta vastaavan insinöörin (FDE) ohjaamana. Et määritä mitään yksin konsolista. Sen sijaan projekti on organisaatiosi ja Mistral AI:n yhteinen sitoumus, jossa on määritellyt virstanpylväät, mitattavat tuotokset ja ennustettava aikataulu: 2–4 viikkoa arviointiin, 4–8 viikkoa datan valmisteluun, 4–6 viikkoa koulutukseen ja iterointiin sekä 2–4 viikkoa käyttöönottoon ja seurantaan. Yhteensä varaudu 3–6 kuukauteen riippuen käyttötapauksen monimutkaisuudesta ja datan laadusta. Tämän sekvenssin tunteminen etukäteen estää sinua lupaamasta johdolle tulosta kuudessa viikossa.

Vaihe 1: Arviointi (2–4 viikkoa)

Tavoitteena on selvittää, onko Forge oikea lähestymistapa, ja määritellä onnistumiskriteerit. Mistralin tiimi työskentelee liiketoimintavastaavasi ja teknisen tiimisi kanssa neljällä rintamalla. Käyttötapausten auditointi alkaa yksinkertaisimmista mutta epämiellyttävimmistä kysymyksistä: Minkä tarkan ongelman ratkaiset? Oletko todella testannut kehotteiden suunnittelua (prompt engineering) ja RAG:ia? Miksi ne eivät riitä? Data-arvioinnissa mitataan käytettävissä oleva määrä ja sen todellinen tila – jäsenneltyä vai jäsentämätöntä, annotoitua vai raakaa, ajantasaista vai vanhentunutta.

Seuraavaksi suoritetaan vertailuarvon mittaus, vaihe jonka monet ohittavat ja myöhemmin katuvat. Sinun on arvioitava yleiskäyttöisen mallin suorituskyky kohde-tehtävissä; ilman tätä et voi kvantifioida Forgen tuomaa lisäarvoa. Vaihe päättyy KPI-mittareiden määrittelyyn: tarkkuus, kattavuus, käsittelyaika ja käyttäjätyytyväisyys.

Tuotoksena on rajausdokumentti, joka sisältää käyttötapauksen määritelmän, datainventaarion, vertailuarvot, tavoite-KPI:t ja alustavan aikataulun. Tätä seuraa yhteinen go/no-go-päätös. Jos data on riittämätöntä tai käyttötapaus ei perustele Forgea, Mistralin tiimi ohjaa sinut kohti RAG:ia tai kehotteiden suunnittelua. “Ei” tässä vaiheessa säästää sinulta useita kuukausia työtä ja merkittävän budjetin.

Vaihe 2: Datan valmistelu (4–8 viikkoa)

Tässä vaiheessa rakennetaan koulutusaineisto. Se on kriittisin ja aikaa vievin vaihe, koska mallin laatu riippuu suoraan sen koulutukseen käytetyn datan laadusta. Työ alkaa keruulla: dokumenttien, esimerkkien ja käyttötapausten poimimisella sisäisistä järjestelmistäsi. Seuraavaksi tulee siivous – kaksoiskappaleiden, vanhentuneiden dokumenttien ja vioittuneen datan poistaminen – jota seuraa jäsennys, jossa raakadata muunnetaan koulutukseen kelpaaviksi ohje-vastaus-pareiksi. Kun käyttötapaus sitä vaatii, asiantuntijoidesi tekemä annotointi lisää tunnisteita, kategorioita tai metadataa. Näiden samojen asiantuntijoiden tekemä lopullinen validointi varmistaa, että aineisto heijastaa todellisia käytäntöjä ja odotettua laatutasoa.

Dokumentoi roolijako kirjallisesti alusta alkaen. Datatiimisi hoitaa keruun, siivouksen ja jäsennyksen. Asiantuntijasi hoitavat annotoinnin ja validoinnin. Mistralin FDE tarjoaa metodologista ohjausta, validoi formaatit ja suosittelee määriä sekä laatustandardeja.

Neljä sudenkuoppaa toistuvat jatkuvasti. Aineisto, joka yliedustaa tiettyjä tapauksia, tuottaa mallin, joka on vinoutunut samassa suhteessa. Vanhentuneet dokumentit luovat mallin, joka vastaa luottavaisesti vanhentuneiden menettelytapojen pohjalta, mikä on vaarallisempaa kuin ei vastausta lainkaan. Muutama sata esimerkkiä ei koskaan riitä laadukkaaseen hienosäätöön. Lopuksi, jos joudut tekemään kompromissin, valitse pienempi, homogeeninen aineisto massiivisen, epätasalaatuisen sijaan.

Vaihe 3: Koulutus ja iterointi (4–6 viikkoa)

Perusmalli hienosäädetään data-aineistollasi, jonka jälkeen se arvioidaan validointiaineistolla, joka koostuu datasta, jota se ei ole nähnyt koulutuksen aikana. Tuloksia verrataan vaiheessa 1 määriteltyihin vertailuarvoihin ja tavoite-KPI:hin. Mikä tahansa ero laukaisee iteraation: hyperparametrien säätöä, aineiston rikastamista tai tunnistettujen virheiden korjaamista. Samanaikaisesti asiantuntijasi suorittavat liiketoimintavalidoinnin testaamalla mallia todellisilla tapauksilla. Malli, joka täyttää mittarit mutta epäonnistuu arkisissa tiedostoissa, ei ole valmis.

Käytännössä tavoitetason saavuttaminen vaatii 2–4 iteraatiota, joista kukin kestää 1–2 viikkoa. FDE vastaa koko teknisestä puolesta: koulutuksen konfiguroinnista, hyperparametrien optimoinnista, suorituskykyongelmien diagnosoinnista ja dataparannusten suosittelusta. Tiimisi ei tarvitse koneoppimisasiantuntemusta; FDE toimii teknisenä rajapintanasi Forge-alustaan.

Vaihe 4: Käyttöönotto ja seuranta (2–4 viikkoa)

Mukautettu malli otetaan käyttöön kohdeinfrastruktuurissa – Mistral Cloudissa, omistetussa VPC:ssä tai paikallisesti (on-premise) – ja integroidaan ympäristöösi Mistral Enterprisen, Enterprise Searchin tai sisäisten sovellustesi kautta APIen avulla. Kuormitustestit validoivat suorituskyvyn tuotanto-olosuhteissa. Koulutus valmistelee loppukäyttäjät mallille, joka käyttäytyy eri tavalla kuin yleiskäyttöinen malli. Kojetaulut seuraavat suorituskykyä, volyymia ja tyytyväisyyttä.

Tämä seuranta ohjaa suoraan hallintaa. Se havaitsee asteittaisen suorituskyvyn heikkenemisen, odottamattomat käyttötapaukset ja signaalit, jotka vaativat uudelleenkoulutusta, kuten uuden datan saatavuuden tai menettelytapojen muutokset. Forge-malli ei ole staattinen. Suunnittele neljännesvuosittainen sykli nopeasti kehittyville toimialoille, puolivuotinen sykli vakaille toimialoille ja tarpeen mukaan tapahtuvat syklit suurille muutoksille, kuten uusille sääntelyille, fuusioille tai tuotelanseerauksille.

Budjetti ja varattavat resurssit

Mistralin puolella sitoumus sisältää omistetun FDE:n koko projektin ajaksi, koulutusinfrastruktuurin (GPU:t) sekä teknisen ja metodologisen tuen. Sinun puolellasi varaa 10–20 % liiketoimintavastaavasi ajasta, yhden tai kahden hengen datatiimi osa-aikaisesti vaiheeseen 2, muutama tunti viikossa asiantuntijoilta validointia varten ja projektibudjetti, joka vaihtelee monimutkaisuuden mukaan (määritellään arviointivaiheessa). Varaa nämä resurssit todellisuudessa. Projekti, jossa vastaava ei ole vapauttanut tätä aikaa, jumittuu vaiheeseen 2.

Keskeiset asiat

  • Forge-prosessi kestää 3–6 kuukautta neljässä vaiheessa: arviointi, data, koulutus ja käyttöönotto
  • Datan valmistelu on kriittisin vaihe – datan laatu määrittää mallin laadun
  • Mistralin FDE ohjaa sinua alusta loppuun – tiimisi ei tarvitse koneoppimisasiantuntemusta
  • Suunnittele uudelleenkoulutussykli suorituskyvyn ylläpitämiseksi ajan myötä