Haastattelut
Jan Čurn, Apifyn perustajajäsen ja toimitusjohtaja – haastattelusarja

Keskeiset kohdatAgentit vuokraavat olemassa olevia työkaluja, kun alusta asti rakentaminen maksaa…
Näytä lisää
- Agentit vuokraavat olemassa olevia työkaluja, kun alusta asti rakentaminen maksaa enemmän kuin ostaminen.
- Hiljaiset epäonnistumiset saavat agentit varmoin ottein tiivistämään tyhjiä sivuja huomaamatta ongelmaa.
- Apify maksoi muutamalle sadalle sisällöntuottajalle yhteensä noin 2 miljoonaa dollaria nettotuloja viime kuussa.
Jan Čurn on Apifyn perustajajäsen ja toimitusjohtaja. Hän perusti yrityksen yhdessä Jakub Baladan kanssa vuonna 2015 Y Combinator Fellowship -ohjelmassa. Käytännön tarve kerätä tietoja Prahan vuokra-asunnoista auttoi synnyttämään alkuperäisen tuotteen: työkalun, jolla verkkosivustot voi muuttaa API-rajapinnoiksi. Sittemmin hän on ohjannut sen kehitystä verkkosivujen haravointi-infrastruktuurista verkkoaineistoihin, selainautomaatioon ja työkalujen markkinapaikkaan, jota tekoälyagentit käyttävät yhä enemmän.
Apify tarjoaa alustan verkkosivujen kaavintaan ja selainautomaatioon sekä valmiiksi suoritettavia Actor-työkaluja. Kehittäjät voivat julkaista Actoreita markkinapaikalla ja ansaita niillä, kun taas yritykset ja tekoälykehittäjät käyttävät niitä rakenteisen verkkoaineiston hakemiseen ja tehtävien automatisointiin. Tässä haastattelussa Čurn kertoo, miten agentit löytävät erikoistuneita työkaluja ja käyttävät niitä, miksi tuoreella datalla on merkitystä sekä millaista luotettavuutta, käyttöoikeuksia ja taloudellisia edellytyksiä tarvitaan, jotta agentit voivat toimia verkossa laajassa mittakaavassa.
Perustit Apifyn yhdessä Jakub Baladan kanssa vuonna 2015 Y Combinator Fellowship -ohjelmassa. Aluksi tavoitteena oli helpottaa joustavien ja skaalautuvien verkkosivuharavoijien rakentamista. Mistä idea sai alkunsa, ja miten alkuperäinen visiosi on kehittynyt viimeisen vuosikymmenen aikana?
Idea Apifysta syntyi ongelmasta, johon Jakub ja minä törmäsimme itse. Työskentelimme asiakasprojektissa, jossa tarvittiin tietoja Prahan uusista asunnoista, mutta olemassa olevat työkalut eivät pärjänneet dynaamisen JavaScriptin ja verkkosivustojen vaihtelevien rakenteiden kanssa. Niinpä rakensimme oman työkalun, jolla minkä tahansa verkkosivuston voi muuttaa API-rajapinnaksi.
Ajan myötä palvelu laajeni verkkosivujen haravoinnista alustaksi, joka kattaa verkkosivujen kaavinnan, selainautomaation ja verkkoaineistot. Sen jälkeen avasimme markkinapaikan, jossa kehittäjät voivat julkaista Actor-työkalujaan ja saada niistä maksun, kun muut käyttävät niitä. Nyt kasvava osa näiden Actorien käyttäjistä on tekoälyagentteja.
Apify aloitti verkkosivujen haravointialustana kauan ennen kuin tekoälyagenteista tuli alan merkittävä painopiste. Milloin ymmärsit, että rakentamastasi infrastruktuurista voisi olla erityisen paljon hyötyä tekoälyagenteille, joiden on päästävä verkkoon ja toimittava siellä?
Ensimmäinen ahaa-elämys tuli vuoden 2023 alussa, pian ChatGPT:n julkaisun jälkeen. Yhtäkkiä kehotteeseen pystyi syöttämään tuoretta verkkoaineistoa sen sijaan, että olisi kouluttanut uuden mallin. Apify oli ensimmäisten verkkosivujen kaavinta-alustojen joukossa, jotka tarjosivat haravoijia kehittyviin RAG-putkistoihin ja integroituivat uusiin kirjastoihin, kuten LangChainiin ja LlamaIndexiin.
Sitten tekoälyagentit yleistyivät. Kuvitellaan, että pyydät agenttia vertailemaan tuotteen hintaa 20 verkkokaupassa. Mistä se saa tiedot? Tätä ongelmaa olimme ratkaisseet kehittäjille jo vuosien ajan. Siksi otimme heti käyttöön Model Context Protocol (MCP) -protokollan, kun Anthropic julkaisi sen vuoden 2024 lopussa. Meillä oli jo tuhansia työkaluja, joilla oli selkeä syöte ja tuloste – juuri sellaisia agentti tarvitsee.
Todellinen käännekohta koitti vuoden 2025 lopussa, kun mallit kehittyivät riittävän hyviksi, jotta agentit pystyivät tekemään merkityksellistä työtä. Agentit tarvitsevat asianmukaisia työkaluja ja luotettavaa dataa. Sittemmin Apifyn käyttö on kasvanut voimakkaasti, ja bruttomääräinen vuotuinen toistuva liikevaihto on lähestymässä nopeasti 100 miljoonaa dollaria.
Apify on kasvanut alustaksi, jolla on yli 90 000 työkalua verkkoaineistoihin, verkkosivujen kaavintaan, automaatioon ja tekoälyyn. Miten näet tämän ekosysteemin roolin, kun agentit tarvitsevat yhä useammin erikoistuneita työkaluja sen sijaan, että ne turvautuisivat yksinomaan suuren kielimallin kykyihin?
Kyllä, mallit pystyvät tuottamaan tyhjästä yhä monimutkaisempia ohjelmistoja, mutta on olemassa raja, jonka jälkeen agentin on tehokkaampaa hankkia valmis työkalu kuin rakentaa sellainen alusta asti. Raja siirtyy ylöspäin mallien kehittyessä, mutta tällaisia tapauksia tulee aina olemaan. Se tarjoaa mahdollisuuden myydä valmiiksi rakennettuja työkaluja, etenkin jos ne perustuvat yksityiseen dataan ja vaikeasti hankittavaan kontekstiin.
Ohjelmistojen kirjoittamisen kustannusten laskiessa ja ohjelmistojärjestelmien ja työkalujen määrän kasvaessa keskeiseksi pullonkaulaksi on muodostumassa niiden löytäminen: mistä löytää luotettavia ja hyödyllisiä työkaluja tehtävän suorittamiseen? Sen sijaan, että maksaisit 500 dollaria ohjelmiston asianmukaisesta tuottamisesta, voit maksaa jollekulle 5 dollaria olemassa olevan palvelun vuokraamisesta.
Mitkä ovat Apifyn kehittäjäyhteisön perusteella kiinnostavimpia tekoälyagenttien tosielämän käyttökohteita tällä hetkellä, ja mitkä käyttötapaukset ovat todella päätyneet tuotantokäyttöön?
Jotkin kiinnostavimmista esimerkeistä ovat yllättävän tarkkarajaisia. Olemme nähneet tekoälyn käyvän läpi YouTubea, eBayta ja japanilaisia verkkokauppoja auttaakseen arvioimaan, mitä Pokémon-kortteja kannattaa ostaa. Eräs vakuutusyhtiö käytti Apifya 55 italialaisen kuolinilmoitussivuston tarkistamiseen vakuutuksenottajien kuoleman varmistamiseksi. Aivan toisenlaisessa käyttötapauksessa Canary käyttää Apifya Spotlight-työkaluun, joka auttaa tutkijoita löytämään lapsikaupan uhreja.
Näille sovelluksille on yhteistä se, että ne ratkaisevat tietyn ongelman ja tarjoavat pääsyn oikeaan dataan sen sijaan, että kyseessä olisi agentti, joka on suunniteltu tekemään vähän kaikkea.
Yksi tekoälyagenttien suurimmista haasteista on saada verkkosivustoilta tuoretta, rakenteista tietoa sen sijaan, että ne turvautuisivat yksinomaan staattiseen koulutusdataan. Kuinka tärkeäksi reaaliaikainen pääsy verkkoon muodostuu, kun agentit saavat yhä monimutkaisempia tehtäviä?
Suuri kielimalli (LLM) on häviöllinen tiivistelmä datasta, jolla se on koulutettu. Se voi tehdä hyvin nokkelia arvauksia, mutta arvauksia ne silti ovat. Kun agentin odotetaan tekevän päätöksiä tai suorittavan tehtäviä todellisessa maailmassa, se ei voi nojautua yksinomaan koulutusdataan. Hinnat muuttuvat, tuotteet katoavat, kilpailijat tuovat markkinoille uusia tuotteita ja verkkosivustot päivittyvät jatkuvasti.
Malli vastaa päättelystä, mutta monet agentit tarvitsevat luotettavan tavan hakea ajantasaista tietoa verkosta ja muuntaa se jäsennellyksi dataksi, jota ne voivat hyödyntää laajassa mittakaavassa.
Verkkoympäristöt voivat olla arvaamattomia: käyttöliittymät muuttuvat, sisältö on dynaamista, käyttö voi edellyttää tunnistautumista ja käytössä voi olla automaatiota torjuvia järjestelmiä. Mitkä ovat suurimmat tekniset haasteet, joita kehittäjät kohtaavat rakentaessaan agentteja, joiden pitäisi toimia luotettavasti avoimessa verkossa?
Nykyaikaiset verkkosivustot voivat palauttaa dynaamista JavaScript-sisältöä, haastesivuja tai puutteellista sisältöä, ja bottien torjuntajärjestelmät tarkastelevat kaikkea IP-osoitteen maineesta selaimen sormenjälkeen. Virheet jäävät usein huomaamatta, joten agentti voi tehdä itsevarman yhteenvedon tyhjästä sivusta tajuamatta sitä itse.
Kerran toimivan ratkaisun rakentaminen on suhteellisen helppoa. Paljon vaikeampaa on rakentaa ratkaisu, joka toimii jatkuvasti muuttuvilla verkkosivustoilla ja tuotantokäytössä suuressa mittakaavassa.
Kun agentit oppivat paitsi hakemaan tietoa myös toimimaan verkossa, mitä esimerkiksi luotettavuudessa, käyttöoikeuksissa, varmennuksessa ja ihmisen valvonnassa on parannettava, ennen kuin yritykset voivat luottaa niihin aiempaa itsenäisemmissä työnkuluissa?
Käyttöoikeuksien merkitys kasvaa huomattavasti, kun agentti pystyy toimimaan eikä vain lukemaan. Agentti ei saisi koskaan nähdä kirjautumistietojasi, ja kaikki salaisuudet on säilytettävä suojatun hiekkalaatikon ulkopuolella niin, ettei niitä koskaan paljasteta mallille. Olemme kehittäneet tätä välityspalvelinten hiekkalaatikkoratkaisua Apify-alustan Actors-toiminnoissa sekä mcpc:ssä, avoimen lähdekoodin MCP-komentoriviasiakasohjelmassamme.
Kehittäjät kokeilevat kaikkea selainautomaatiosta erikoistuneisiin rajapintoihin ja uusiin agenttiprotokolliin. Miten näet tekoälyagenttien arkkitehtuurin kehittyvän, ja millainen olisi ihanteellinen suhde mallien, työkalujen, tietolähteiden ja selainten välillä?
Uskon, että suurista agenttialustoista, kuten ChatGPT:stä ja Claudesta, on tulossa uusi käyttöjärjestelmä: ensisijainen käyttöliittymä, jonka kautta ihmiset ohjaavat tietokoneita. Työkalut liittyvät niihin samaan tapaan kuin sovellukset puhelimeen. Muualla toimiville työkaluille MCP:stä on tullut vakiintunut vuorovaikutusprotokolla.
Kun agentti tarvitsee esimerkiksi ravintoloiden arvosteluja ja yhteystietoja, se voi avata Google Mapsin selaimessa ja napsautella sitä kuin ihminen, mutta tämä on epätarkkaa ja kallista. Vaihtoehtoisesti se voi etsiä työkalun, joka palauttaa jäsenneltyä karttatietoa, ja kutsua sitä; näin toiminta on nopeampaa ja luotettavampaa. Pääagentti voi myös siirtää esimerkiksi pöytävarausten tekemisen tai lentojen etsimisen erikoistuneille aliagenteille, jotka toimivat edullisemmilla malleilla.
Apify on rakentanut kehittäjille infrastruktuuria vuosien ajan ja samalla luonut markkinapaikan, jossa kolmannen osapuolen kehittäjät voivat julkaista omia työkalujaan. Voisiko agenttipohjainen tekoäly synnyttää paljon suuremman talouden erikoistuneiden työkalujen ja palvelujen ympärille, kun agentit löytävät niitä ja käyttävät niitä itsenäisesti?
Kyllä, ja markkinapaikkamme on jo pieni esimerkki siitä. Kehittäjät julkaisevat Actors-toimintoja, ihmiset käyttävät niitä ja kehittäjät saavat niistä maksun. Tämä houkuttelee lisää kehittäjiä ja tuo markkinoille lisää työkaluja. Kasvua ruokkiva kehä on pyörinyt jo vuosia, ja ihmiset ovat toimineet sen ostajina.
Kun tekoälyagentit saavat lisää vastuuta, ne tarvitsevat rahaa joidenkin tehtävien suorittamiseen. Voit kuvitella antavasi agentille tehtävän ja pienen lompakon, jolloin se voi maksaa tarvitsemistaan työkaluista tehtävän edetessä käyttäen esimerkiksi x402:n tai MPP:n kaltaista agenttien maksuprotokollaa. Maksutapahtumien määrä on vielä pieni, mutta uskon, että suurin osa taloudellisesta toiminnasta tapahtuu lopulta itsenäisesti agenttien välillä ja ihmisten valvonnan tarve vähenee jatkuvasti.
Apifyn toisen vuosikymmenen alkaessa ja tekoälyagenttien saadessa entistä suuremman roolin ohjelmistomaailmassa, miten näet yrityksen kehittyvän seuraavien vuosien aikana, ja mitä nykyisestä agenttiekosysteemistä mielestäsi vielä puuttuu?
Yhä useammat ihmiset liittävät Apifyn agentteihinsa, kuten Claudeen tai ChatGPT:hen, ja huomaavat, että näiden työkalujen avulla verkossa voi tehdä monimutkaisempia töitä nopeammin. Apify-alustaa ja Actors-toimintoja kehitetään tarjoamaan erinomainen agenttikäyttökokemus, mikä kasvattaa niiden käyttöä ja niihin käytettyä rahaa.
Markkinapaikan toisella puolella yhä useammat ohjelmistojen luojat saavat säännöllisiä tuloja Actors-toiminnoistaan: yli 300 yhteisön luomaa Actors-toimintoa tuottaa yli 1 000 dollaria kuukaudessa. Maksoimme vasta viime kuussa muutamalle sadalle luojalle yhteensä noin 2 miljoonaa dollaria nettotuloina.
Apifyn markkinapaikka kasvaa yhä nopeammin, ja samalla kasvaa tavoitteemme tehdä Apifysta maailman suurin ja luotetuin tekoälytyökalujen markkinapaikka. Sen avulla ihmiset ja heidän tulevat miljardit agenttinsa voivat tehdä töitä verkossa.
Kiitos hienosta haastattelusta! Lukijoiden, jotka haluavat oppia lisää verkkodatasta, selainautomaatiosta ja tekoälyagenttien työkaluista, kannattaa tutustua Apifyyn.












