Hackathonit paljastavat, mihin RAG ja agentit ovat oikeasti menossa

Hackathonit paljastavat, mihin RAG ja agentit ovat oikeasti menossa

Vuoden 2026 hackathon-kierrosta ovat hallinneet retrieval-augmented generation ja agenttien orkestrointi. Agents League Hackathon (10. kesäkuuta) tarjosi yli 50 000 dollaria palkintoja yritystason agentti- ja RAG-projekteista, ja Advanced RAG Hackathon kannusti kehittäjiä käyttämään työkaluja kuten LlamaIndex tuotantovalmiiden chatbottien rakentamiseen [1][2].

Yksi erityisen huomiota herättänyt osallistuja: AI-agentti, joka on rakennettu keskustelemaan videolitteraateista — merkki siitä, että "keskustele tallenteidesi kanssa" -käyttötapaukset ovat siirtymässä kuriositeeteista vakavaksi insinöörihaasteeksi. Laajasti jaettu LinkedIn-julkaisu hackathon-voittajalta kertoi yksityiskohtaisesti RAG-pohjaisen agentin rakentamisesta ja keräsi vahvaa vastakaikua kehittäjiltä, jotka kaipaavat edullisia, yleiskäyttöisiä malleja, jotka on viritetty tiivistämiseen [3].

Näissä tapahtumissa toistuu sama kuvio: kehittäjät eivät tavoittele suurempia malleja, vaan parempaa hakua. Keskusteleva AI, joka pohjautuu pysyvään, jäsenneltyyn tietopohjaan — sen sijaan että se luottaisi raakoihin kontekstiikkunoihin — on se, mihin todellinen hackathon-energia nyt suuntautuu.

Agenttialustat lisäävät hiljaa puhetta ja litteroinnin

Devin, AI-koodausagentti, julkaisi päivityksiä, joihin kuuluu äänen tallennus agentin työskennellessä ja mikrofonipainike käsivapaita jatkokysymyksiä varten, sekä parannettu kontekstin säilyttäminen useiden vaiheiden "huddleissa" agenttien kanssa [1][2]. Muut ekosysteemin liikkeet — Pocket TTS -päivitykset, OpenRouter-integraatio ja Googlen jatkuva panostus Speech-to-Text-teknologiaan — viittaavat siihen, että puhe ja litterointi muuttuvat agenttityökalujen oletusinfrastruktuuriksi, ei lisäosiksi [3].

Suurempi tarina tässä ei ole Devin itsessään — kyse on siitä, että puheen syöttäminen ja litterointi ovat muuttumassa perusedellytyksiksi kaikille vakavasti otettaville agenttialustoille. Jos rakennat tai ostat agenttityökaluja vuonna 2026, kysymys "ymmärtääkö se, mitä huoneessa sanottiin" on nyt perusvaatimus, ei erottautumistekijä.

X:ssä käyty keskustelu tästä keskittyi tapahtumapohjaisiin työnkulkuihin — agentteihin, jotka tarttuvat puhuttuun kontekstiin tarvitsematta jatkuvaa uudelleenkehotusta, mikä heijastaa laajempaa siirtymää kohti ympäröiviä, jatkuvasti kuuntelevia tuottavuustyökaluja.

Mitä tämä tarkoittaa kokouksillesi

Tämän päivän uutiset tekevät yhden asian selväksi: ala on lähentymässä samaan ajatukseen, jota Proudfrog on rakentanut kohti — että kokoukset, litteraatit ja puhuttu konteksti ovat yritys-AI:n raaka-ainetta, ei jälkiajatus. Oraclen Geminin liittäminen agenttistudioonsa, hackathon-tiimit, jotka kiirehtivät rakentamaan RAG:ia videolitteraattien päälle, ja Devinin äänentallennuksen lisääminen kesken tehtävän ovat kaikki variaatioita yhdestä teemasta: agentit ovat vain niin hyviä kuin tieto, jonka ne voivat hakea, ja yhä useammin tämä tieto syntyy keskustelussa.

Tämä vahvistaa tietograafi-lähestymistavan paremmuutta pelkkään litteraattihakuun verrattuna. Agenttialustojen lisääntyessä — Oraclen, Devinin, mitä tahansa hackathon-voittajat julkaisevat seuraavaksi — pullonkaulana ei ole agenttien luominen, vaan niiden syöttäminen tarkalla, puhujakohtaisesti merkityllä ja haettavalla kontekstilla todellisesta työhistoriastasi. Yksinäinen litteraatti on tekstimuuri; tietograafi, joka linkittää päätökset, ihmiset ja jatkotoimet läpi koko kokoushistoriasi, on se, mikä tekee agentista aidosti hyödyllisen sen sijaan, että se jäisi kuriositeettidemoksi.

Käytännön vaikutus tiimeille: älä odota, että CRM- tai ERP-toimittajasi lisää litterointiominaisuuden jälkikäteen lisäosana. Työkalut, jotka voittavat hackathoneja ja yritystason kauppoja tänään, ovat niitä, jotka on rakennettu haku edellä — kohdellen puhuttua tietoa jäsenneltynä, kysyttävänä resurssina ensimmäisestä päivästä lähtien. Se on ero chatbotin, joka osaa tiivistää viimeisimmän puhelusi, ja sellaisen, joka pystyy päättelemään kuuden kuukauden päätösten läpi.

Keskeinen johtopäätös: Agenttien saadessa parempia malleja ja puheen syötön muuttuessa vakiotoiminnoksi, todellinen kilpailuetu siirtyy sille, kellä on rikkain ja jäsennellyin tallenne siitä, mitä oikeasti sanottiin — ja juuri tämän ongelman ratkaisemiseksi kokouksista rakennettu henkilökohtainen tietopohja on suunniteltu.

Sources

1. https://www.oracle.com/news/announcement/oracle-to-make-gemini-models-available-2026-07-30/
2. https://www.channelinsider.com/ai/oracle-google-cloud-gemini-ai-partnership/
3. https://cloud.google.com/blog/products/databases/integrating-oracle-with-google-cloud-for-ai-automation
4. https://devblogs.microsoft.com/microsoft365dev/agents-league-hackathon-2026-enterprise-agents/
5. https://lablab.ai/ai-hackathons/advanced-rag-hackathon
6. https://www.linkedin.com/posts/chinwike_recently-ive-been-spending-time-learning-activity-7369485666012913664-Hdue
7. https://docs.devin.ai/release-notes/overview
8. https://every.to/chain-of-thought/coding-with-devin-my-new-ai-programming-agent
9. https://cloud.google.com/speech-to-text