Samsungin Gauss ja Agentic AI: älypuhelinten tulevaisuus

Samsung kasvattaa hiljaisesti tekoälystrategiaansa. Gauss- ja Gauss 2.0 -versioiden jälkeen yhtiö on päivittänyt generatiivisia mallejaan ja rakentanut Agentic AI -työkalupaketin, jonka tarkoituksena on nopeuttaa kehitystä, parantaa sisäistä tietohakua ja valmistella järjestelmätason tekoälyä tuleviin Galaxy-puhelimiin. Tämä kehitys liittyy laajempaan yrityksen strategiaan, jossa keskitytään sekä tutkimukseen että kaupallisiin käyttötapauksiin, kuten älykkääseen hakuun, kuvagenerointiin ja yritysratkaisuihin.

Agentic Builder: Ei-koodia-ympäristö, joka kokoaa agenteja kuin Lego

Etelä-Korean lähteiden mukaan Samsung Research on kehittänyt Agentic Builderin, joka hyödyntää uudemman sukupolven Gauss-variantteja — Gauss 2.3, Gauss 2.3 Think ja Gauss O Flash. Työkalua kuvataan ei-koodaavana, käyttöliittymäpohjaisena ympäristönä, jossa tiimit voivat rakentaa liiketoimintakriittisiä tekoälyagentteja vetämällä ja pudottamalla moduuleja. Tämä lähestymistapa madaltaa teknistä kynnystä ja mahdollistaa nopean iteroinnin prototyyppitasolta tuotantoon.

Rakennuspalikat sisältävät syöte- ja tulosteikkunoita, erikoismalleja eri tehtäviin sekä Samsungin oman DoXA-LOGIIKAN — DoXA on dokumenttianalyysimoottori, joka auttaa agenteja ymmärtämään liiketoimintayhteyden nopeasti ja luotettavasti. DoXA:n analyysit tukevat dokumenttien kontekstuaalista lukemista, tietojen poimintaa ja metatason tunnistusta, mikä vähentää manuaalista esiprosessointia.

Ei-koodia-kehitys ja tiimityö

Agentic Builderin ei-koodia-lähestymistavassa korostuu visuaalinen työnkulku. Projektipäälliköt, tuotemuotoilijat ja asiantuntijat voivat mallintaa agentin käyttäytymistä ilman syvällistä ohjelmointiosaamista. Tämä nopeuttaa idean todentamista ja mahdollistaa ketterän kehityksen, jossa eri tiimit kokeilevat nopeasti erilaisia logiikkapolkuja ja integraatioita.

Tämänkaltaiset graafiset rakennuspalikat vähentävät riippuvuutta erikoisohjelmoijista ja mahdollistavat nopean iteration. Yritykset voivat saman työkalun avulla luoda esimerkiksi asiakaspalvelubotteja, teknisiä avustajia tai sisäisiä automaatioagentteja, jotka hyödyntävät laajaa dokumenttimateriaalia ja tuotetietoa.

DoXA: dokumenttien analyysi ja kontekstin havaitseminen

DoXA-logic on keskeinen osa rakennelmaa: se analysoi monenlaisia dokumentteja, tunnistaa rakenteita, taulukoita ja merkityskonteksteja sekä poimii relevantteja faktoja agentin käyttöön. Tämä parantaa agenttien kykyä vastata tehtäväkohtaisiin kysymyksiin ja tehdä järkeviä ehdotuksia liiketoimintaprosesseissa.

DoXA toimii usein yhdessä erikoismallien kanssa — esimerkiksi teknisen dokumentaation lukemisessa tarvitaan mallia, joka ymmärtää kaavojen ja taulukoiden semantiikkaa, kun taas asiakasviestinnän tulkintaan käytetään luonnollisen kielen malleja, jotka pystyvät arvioimaan sävyä ja intentiota. Tämän yhdistelmän avulla Agentic Builder voi koota agentteja, jotka käsittelevät monimutkaisia tehtäviä automaattisesti.

Prototyyppaus, testaus ja käyttöönotto

Tuloksena on nopea tapa prototypoida tai ottaa käyttöön agentteja ilman suurta insinööriresurssien tarvetta. Agentic Builder tukee versionhallintaa, testausympäristöjä ja integrointeja sisäisiin tietovarantoihin, jolloin organisaatiot voivat varmistaa toiminnallisuuden ennen laajamittaista käyttöönottoa. Työkalu sisältää myös valmiita mallipohjia yleisiin käyttötapauksiin, mikä nopeuttaa ensimmäisten agenttien luomista.

Sirius: monimodaalinen haku ja älykkäämpi tiedonhaku

Samsung on myös soveltanut Gaussin monimodaalisia kykyjä sisäiseen tiedonhakupalveluun, koodinimeltään Sirius. Perinteisen avainsanahakuun perustumisen sijaan Sirius käyttää tietämyksen kaaviopohjaista lähestymistapaa (knowledge graph) ja voi indeksoida sekä hakea tekstiä, numeroita, taulukoita, kuvia että liitetiedostoja. TheElecille antamansa lausunnon mukaan Samsung Research tarjoaa Sirius-palvelua beta-versiona työntekijöille, pääasiassa tuotteiden kehitystiedon ja tehtäväkohtaisen teknisen tiedon löytämiseen.

Monimodaalinen taustajärjestelmä yhdistetään päivitettyyn kuvageneraatioputkeen. Samsung on pyrkinyt korjaamaan kuvamalleille tyypillisiä rajoitteita — kuten yksityiskohtien väliin jäämistä tai kyvyttömyyttä luoda tuntemattomia objekteja — käyttämällä lisäreferenssikuvia ja koulutusrakennetta, joka säilyttää objektin keskeiset ominaisuudet, kun sitä muokataan luonnolliskielisten kehotteiden avulla.

Monimodaalinen indeksointi ja tietämyskaavio

Siriuksen tietämyskaavio yhdistää eri lähteet semanttisesti, jolloin haku ei perustu pelkästään sanojen yhteensopivuuteen, vaan käsitteiden ja suhteiden ymmärtämiseen. Tämä helpottaa monimutkaisten kyselyiden käsittelyä, kuten teknisten komponenttien riippuvuussuhteiden selvittämistä tai eri projektidokumenttien välisen tiedon yhdistämistä.

Tietämyskaavio mahdollistaa myös entiteettien yhtenäistämisen: sama tuotenimi tai osa voidaan tunnistaa eri dokumenteissa eri sanamuodoilla, jolloin käyttäjä saa kattavamman ja yhtenäisen näkymän aiheeseen.

Kuvageneroinnin parannukset ja referenssien hyödyntäminen

Samsungin lähestymistapa kuvagenerointiin korostaa referenssikuvien käyttöä ja objektien ominaisuuksien säilyttämistä muunnoksissa. Perinteisissä latent diffusion -pohjaisissa malleissa esiintyy usein vaikeuksia yksityiskohtien ja muotojen säilyttämisessä, erityisesti kun luodaan harvinaisempia tai yrityskohtaisia tuotteita. Samsung vastasi tähän optimoimalla oman datasetin ja säätämällä koulutusrakennetta siten, että muunnokset kunnioittavat objektien tunnuspiirteitä.

Myös lisäreferenssien käyttö (esimerkiksi eri kuvakulmista, valaistuksista ja tekstuureista otetut kuvat) parantaa mallin kykyä tuottaa uskottavia ja tehtäväspesifisiä renderöintejä. Tämä on tärkeää tuotesuunnittelun ja markkinointimateriaalien luonnissa, missä visuaalinen tarkkuus ja tunnistettavuus ovat olennaisia.

Mittarit ja vaikutukset käytölle

Yritys ilmoittaa, että uuden kuvamallin sisäinen käyttö kasvoi 153 % viimeisimmän päivityksen jälkeen. Tällainen nousu viittaa siihen, että kehitystiimit ottavat aktiivisesti uusia työkaluja käyttöönsä. Samsung on myös luonut ja optimoinut oman datasetin, joka auttaa avoimen lähdekoodin malleja, jotka perustuvat latent diffusion -tekniikkaan, oppimaan alkuperäisten rajoitustensa yli.

Näillä toimenpiteillä Samsung pyrkii pienentämään riippuvuutta ulkopuolisista kuvageneraation palveluista ja rakentamaan sisäisiä kyvykkyyksiä, joita voidaan helposti soveltaa sekä tuotekehitykseen että loppukäyttäjäominaisuuksiin.

Miksi tämä on merkittävää puhelimille ja yritysasiakkaille

Samsung aikoo hyödyntää parannettuja Gauss-malleja laajemmin sekä sisäisesti että tuotteissaan. Galaxy S26:n odotetaan laajalti olevan ensimmäinen laite, joka tukee Agentic AI:ta järjestelmä­tasolla, ja tuettujen mallien joukkoon huhutaan kuuluvan useita vaihtoehtoja, kuten Gauss, Gemini ja Perplexity. Tämä voi tarkoittaa laitteessa toimivia assistentteja, jotka kokoavat kyvykkyyksiä pyynnön mukaan, monipuolisempia hakutoimintoja ja älykkäämpiä kuvatyökaluja sisäänrakennettuna natiivisovelluksiin.

Yritysasiakkaille vetämällä ja pudottamalla toimiva Agentic Builder yhdistettynä Sirius-tyyppiseen hakuun voisi selkeyttää tapaa, jolla tiimit pääsevät käsiksi organisaation tietämykseen ja automatisoida erikoistuneita työnkulkuja. Tämä voi nopeuttaa tuotekehitysprosessia, vähentää asiantuntijoiden ajankäyttöä toistuviin tehtäviin ja parantaa tiedon löydettävyyttä.

Vaikutus älypuhelimien käyttökokemukseen

Kun tekoälyä ajetaan osittain tai kokonaan laitteella (on-device AI), etuja ovat pienempi viive, parempi yksityisyys ja mahdollisuus toimia ilman jatkuvaa pilviyhteyttä. Agentic AI:n integrointi järjestelmätasolle voi tuoda mukanaan dynaamisia apuvälineitä: esimerkiksi kontekstuaalisesti mukautuvia hakukomponentteja, sisältöpohjaisia suosituksia ja reaaliaikaisia kuvanmuokkausominaisuuksia, jotka ymmärtävät käyttäjän intentiota ja laitteella olevia tiedostoja.

Tällaiset ominaisuudet parantavat käyttäjäkokemusta erityisesti huippuluokan puhelimissa, joissa laskentatehoa ja spesifisiä tekoälykiihdyttimiä voidaan hyödyntää tehokkaasti. Lisäksi lähestymistapa antaa valmistajalle mahdollisuuden erottua kilpailijoista tarjoamalla syvällisesti integroidun tekoälykokemuksen.

Yritysasiakkaiden hyödyt ja työnkulkujen automaatio

Enterprise-käytössä Agentic Builderin ja Siriusin kaltaiset työkalut voivat liittyä yrityksen olemassa oleviin ERP- tai PLM-järjestelmiin, jolloin agentit voivat suoraan hakea, yhdistellä ja analysoida projektidataa. Tämä tukee päätöksentekoa, riskien arviointia ja nopeuttaa monivaiheisia hyväksyntäprosesseja.

Automaatioagentit pystyvät esimerkiksi valmistamaan tiiveyden arvioita, ehdottamaan komponenttimuutoksia tai luomaan yhteenvetoja monimutkaisista teknisistä dokumenteista. Näin asiantuntijat voivat keskittyä enemmän strategiseen työhön kuin toistuviin tiedonkeruu­tehtäviin.

Tietosuoja, turvallisuus ja governance

Kun tekoälyä tuodaan lähemmäs loppukäyttäjää ja yritysdataa, korostuvat tietosuoja- ja hallintokysymykset. Samsungin sisäiset aloitteet viittaavat siihen, että yritys ottaa huomioon datan käsittelyn vaatimukset rakentamalla kontrolloitavia palveluita ja mahdollisuuksia pitää osa prosessoinnista laitteella. Tämä auttaa täyttämään sekä lainsäädännöllisiä vaatimuksia että yrityksen omia turvallisuusstandardeja.

Governance-mallit, auditointilokit ja mallien selitettävyys ovat osa onnistunutta käyttöönottoa, jotta organisaatiot voivat luottaa automaatioagenttien tuottamiin päätelmiin ja suosituksiin. Agentic Builderin tulisi tarjota työkalut näiden vaatimusten toteuttamiseen, kuten pääsynhallinnan, malliversioinnin ja koulutusdata-analyysin.

Samsung näyttää jatkuvasti iteratiivisesti kehittävän Gauss-arkkitehtuuria ja sen ympärille rakentuvia työkaluja, mikä asettaa yhtiön vahvaan asemaan itsenäisemmän tekoälyekosysteemin rakentajana. Yrityksen panostus sekä tutkimukseen että käytännön sovelluksiin viittaa siihen, että tulevaisuuden Galaxy-laitteet saattavat tarjota ennennäkemättömiä, kontekstuaalisesti älykkäitä toimintoja niin kuluttajille kuin yritysasiakkaillekin.

Odota Samsungin jatkavan Gaussin ja siihen liittyvien työkalujen kehittämistä, samalla kun se hakee tasapainoa suorituskyvyn, tietosuojan ja käyttökokemuksen välillä. Tästä kehityksestä seuraa entistä syvempi integrointi tekoälyratkaisuissa, laitteesta pilveen ulottuvissa palveluissa ja yritysten sisäisissä työnkuluissa, mikä voi muuttaa tapaa, jolla älypuhelimet ja yritysjärjestelmät toimivat tulevaisuudessa.