Robinhoodin data-alustatiimin insinööri Chetas Joshi kertoi AI Engineer -kanavalla 10. marraskuuta 2026 julkaistussa esityksessä, miten tiimi katselmoi dataputkiin tulevia muutoksia. Koodausagentit avaavat pull requesteja eli hyväksyntää odottavia muutosehdotuksia nopeammin kuin tiimin muutamat asiantuntijat ehtivät lukea niitä. Muutokset koskevat esimerkiksi skeemoja, asetuksia ja datan käyttöoikeuksia.

Skriptit tarkistavat tosiasiat, agentti arvioi riskit

Skriptit tarkistavat muutoksen tuotantojärjestelmien tiedoista. Ne vertaavat skeemaa skeemarekisteriin ja hakevat datakatalogista taulun omistajan ja henkilötietomerkinnät. Lisäksi ne käyvät läpi sarakkeen lukijat lineage-työkalusta. Työkalu kirjaa, mitkä työt lukevat mitäkin dataa. Suorituskykytesti ajaa muutoksen testiympäristössä tuotannon datamäärällä. Jos tarkistus epäonnistuu, pull request pysähtyy.

Samaan aikaan tekoälyagentti lukee muutoksen ja voi hakea tiedostoja repositoriosta, mutta tuotantojärjestelmiin se ei pääse. Säännöt kertovat agentille, mitä skriptit jo kattavat. Ne ohjaavat agentin etsimään ongelmallisia kyselyrakenteita, arkaluonteisen datan käyttöoikeuksia ja lineage-työkalusta puuttuvia lukijoita. Agentti kommentoi rivejä perusteluineen, pisteyttää riskin ja joko hyväksyy muutoksen tai siirtää sen ihmiselle.

Joshin esimerkissä sarakkeen kokonaislukutyyppi laajennettiin suurempia arvoja sallivaksi (integer → bigint). Skriptien tarkistukset menivät läpi, mutta agentti löysi repositoriosta rekisteröimättömän työn. Työ kirjoitti arvon toisen taulun sarakkeeseen, joka hyväksyi yhä vain pienemmät kokonaisluvut. Kirjoitus olisi epäonnistunut ensimmäisen liian suuren arvon kohdalla. Ihminen varmisti työn olevan käytössä, ja toinen taulu korjattiin ennen yhdistämistä.

Agentti ei näe käsin ajettuja kyselyjä eikä kojelautoja. Siksi se ei saa väittää, ettei lukijoita ole. Se saa todeta vain, ettei niitä löytynyt sen hakemista paikoista. Ihminen käsittelee aina arkaluonteisen datan käyttöoikeudet, datan merkitystä muuttavat migraatiot ja epävarmat arviot.

Luvut ovat Robinhoodin omia

Joshin kertoman 31.8.2026 tilanteen mukaan noin 60 % dataputkien pull requesteista yhdistettiin ilman ihmisen katselmointia. Käsin tehtävä katselmointityö väheni noin 75 %, mikä säästää noin 132 työtuntia kuukaudessa. Dataputkien muutoksiin liittyvät häiriöt vähenivät noin 30 %. Joshi ei kertonut esityksessä vertailujaksoa.

Virheellisten hyväksyntöjen osuus oli Joshin mukaan noin 2 %, ja ne johtuivat lähinnä sääntöjen puutteista. Tiimillä ei ole selkeää lukua turhista siirroista ihmiselle. Päivystäjä päivittää säännöt käsin kerran viikossa ihmisten palautteen perusteella. Järjestelmä ei opi automaattisesti.

Skriptit ja agentti eivät näe toistensa tuloksia

Joshin mukaan tiimi teki virheen rakentaessaan skriptit ja agentin erillisiksi, rinnakkain ajettaviksi järjestelmiksi. Kumpikaan ei näe toisen tulosta, eikä agentti voi kutsua skriptejä. Tiimi selvittää ratkaisua, jossa luokittelija päättää koko pull requestin käsittelystä ja agentti saa skriptitarkistukset työkaluikseen. Sitä ei ole vielä rakennettu.