Evenli Oyrunning
Chief technology officer
Building software. Leading the team.
Several processes. One developer.
A startup CTO by day, a founder in between, an MBA student on the side and a Twitch streamer some nights.
joni.ts
import { joni } from "helsinki";
joni.run([
"evenli",
"pöhinä-group",
"huikkakoodaa",
"haaga-helia",
]);Pöhinä Group Oyrunning
Founder
The company behind the side quests.
huikkakoodaastream
Live coding in Finnish
Twitch and TikTok, some nights. Bugs included.
Haaga-Heliastudy
MBA, information technology
Where the papers below come from.
previously · cto at fiksaten · when i was young and naive.
Shipped in public.
GitHub →featured
VISP
visp-stream.com ↗Remote-production streaming platform that turns phones into independent camera and microphone sources for OBS, keeps the studio at home, and reconnects through mobile signal drops.
StreamingOBSRemote ProductionMobile Video
featured
Velho
github.com/JoniJuntto/velho ↗Open-source project for building and running Twitch-focused integrations and streaming automation workflows.
Open SourceTwitchIntegrationsAutomation
featured
Huikaton Twitch Platform
twitch.huikaton.online ↗Live stream companion website with community-facing tools and Twitch-centric web experiences.
StreamingWeb PlatformCommunityRealtime
Fiksaten.fi
fiksaten.fi ↗Company website and digital platform focused on practical services, clear communication, and conversion-oriented UX.
BusinessWeb PlatformUXProduct
yhdisteri.org
yhdisteri.org ↗Association-focused web platform built to simplify community operations, member workflows, and digital collaboration.
CommunitySaaSAssociationsFull-stack
Or just ask the terminal.
The same story, as commands. Pick a tab or let it run.
Papers, mostly on AI agents.
View all →4 Apr 2026fi · pdf ↗
Kontekstinhallinta ja siihen liittyvät riskit moniagenttisissa tekoälyjärjestelmissä
Tämä teksti tarkastelee kontekstinhallintaa moniagenttisissa tekoälyjärjestelmissä ja esittää, että niiden keskeiset luotettavuusriskit syntyvät kontekstin kautta leviävistä virheistä. Yksittäisten agenttien hallusinaatiot, epävarmat tulkinnat ja puutteelliset välitulokset voivat siirtyä agentilta toiselle, vahvistua työnkulun aikana ja vakiintua järjestelmätason ongelmiksi. Keskeisiä riskimekanismeja ovat kontekstikuorman kasvu, hallusinaatioiden vahvistuminen, ryhmämuistin muodostuminen ja tulkintakehysten siirtyminen. Teksti argumentoi, että riskien hallinta edellyttää arkkitehtuurisia ratkaisuja, kuten roolien eristämistä, riippumatonta verifiointia, valikoivaa muistinhallintaa ja rakenteista tiedonsiirtoa agenttien välillä.
17 Dec 2025fi · pdf ↗Tekoälyagenttien integrointi, liiketoimintamahdollisuudet ja ekosysteemipullonkaulat varhaisen vaiheen ohjelmistostartupille, Fiksaten Group Oy:lle
Tässä analyysissä tarkastellaan tekoälyagenttien integrointia, niihin liittyviä liiketoimintamahdollisuuksia sekä ekosysteemitason pullonkauloja varhaisen vaiheen ohjelmistostartupin näkökulmasta, käyttäen tapausesimerkkinä Fiksaten Group Oy:tä. Työn tavoitteena on arvioida, miten tekoälyagentit voivat parantaa operatiivista tehokkuutta ja toimia kilpailuetuna rajallisilla resursseilla toimivassa organisaatiossa, samalla tunnistaen teknologian käyttöönottoon liittyvät riskit ja rajoitteet. Analyysi osoittaa, että vaikka tekoälyagentteihin kohdistuu vuonna 2025 huomattavaa markkina- ja kehittäjäkiinnostusta, kuilu pilotointien ja tuotantokäytön välillä on edelleen merkittävä. Aiemman kypsyysarvion perusteella tekoälyagentit sijoittuvat varhaisen vaiheen ohjelmistostartupien kontekstissa keskimäärin TRL 6 -tasolle, mikä edellyttää ihmisen aktiivista roolia valvonnassa ja päätöksenteossa (human-in-the-loop). Keskeiset pullonkaulat eivät liity ensisijaisesti kielimallien suorituskykyyn, vaan integraatioiden monimutkaisuuteen, toimittajariippuvuuksiin, osaamisvaatimuksiin sekä kehitysresurssien kohdentamiseen. Ekosysteemianalyysi tuo esiin, että Fiksatenin kaltaisessa yrityksessä tekoälyagenttien arvo määräytyy koko ekosysteemin toimivuuden kautta, ei yksittäisen teknologian perusteella. Delfoi-analyysin tulokset tukevat varovaista ja vaiheistettua käyttöönottoa, jossa agentteja hyödynnetään rajatuissa piloteissa tukemaan ihmistyötä, ei korvaamaan sitä. Johtopäätöksenä todetaan, että tekoälyagentit edustavat tässä kontekstissa ensisijaisesti inkrementaalista innovaatiota, jonka onnistuminen riippuu ihmisen ja koneen yhteistyön huolellisesta suunnittelusta sekä strategisesti hallitusta integraatiosta yrityksen ydinprosesseihin.
4 Dec 2025fi · pdf ↗Teknologian arviointi. Tekoälyagentit alkuvaiheen ohjelmistostartupeissa
Tässä työssä tarkastellaan tekoälyagenttien teknologista kypsyyttä ja käyttömahdollisuuksia alkuvaiheen ohjelmistostartupeissa Technology Readiness Level (TRL) -viitekehyksen avulla. Tekoälyagentit määritellään autonomisiksi ohjelmistojärjestelmiksi, jotka kykenevät suunnittelemaan, päättämään ja suorittamaan monivaiheisia tehtäviä vähäisellä ihmisen ohjauksella. Työn lähtökohtana on varhaisen vaiheen startupien toimintaympäristö, jossa pienet tiimit ja rajalliset resurssit luovat paineita tuottavuuden parantamiseen ja rutiinityön automatisointiin. Analyysi osoittaa, että tekoälyagentit ovat edenneet perustutkimuksesta toimiviin prototyyppeihin ja rajattuihin pilotointeihin. Vuosien 2023–2025 aikana agenttiteknologia on saavuttanut ohjelmistokehityksen kontekstissa keskimäärin TRL 6 -tason, eli teknologiaa on demonstroitu ja testattu relevantissa toimintaympäristössä. Yksittäisissä, kapeasti rajatuissa käyttötapauksissa on raportoitu jopa TRL 7 -tason saavuttamisesta, mutta laajamittainen ja kriittinen tuotantokäyttö ilman jatkuvaa ihmisen valvontaa ei ole vielä realistista. Keskeisiksi rajoitteiksi tunnistetaan agenttien virhealttius, rajallinen luotettavuus, hiljaisen tiedon puute sekä tarve ihmisen tekemälle tarkistukselle. Työn johtopäätöksenä todetaan, että tekoälyagentit toimivat nykytilassa parhaiten kehittäjien ja muiden tiimien tuottavuuden vahvistajina sekä rutiinityön automatisoijina, ei itsenäisinä vastuun kantajina. Vaikka teknologia on selvästi siirtynyt laboratoriosta käytännön kokeiluihin, sen täysi tuotantokypsyys alkuvaiheen ohjelmistostartupeissa on vielä saavuttamatta.
4 Dec 2025fi · pdf ↗Ekosysteemin pullonkaula-analyysi - Tekoälyagentit varhaisen vaiheen ohjelmistostartupeissa
Tässä työssä tarkastellaan tekoälyagenttien teknologista kypsyyttä ja käyttömahdollisuuksia alkuvaiheen ohjelmistostartupeissa Technology Readiness Level (TRL) -viitekehyksen avulla. Tekoälyagentit määritellään autonomisiksi ohjelmistojärjestelmiksi, jotka kykenevät suunnittelemaan, päättämään ja suorittamaan monivaiheisia tehtäviä vähäisellä ihmisen ohjauksella. Työn lähtökohtana on varhaisen vaiheen startupien toimintaympäristö, jossa pienet tiimit ja rajalliset resurssit luovat paineita tuottavuuden parantamiseen ja rutiinityön automatisointiin. Analyysi osoittaa, että tekoälyagentit ovat edenneet perustutkimuksesta toimiviin prototyyppeihin ja rajattuihin pilotointeihin. Vuosien 2023–2025 aikana agenttiteknologia on saavuttanut ohjelmistokehityksen kontekstissa keskimäärin TRL 6 -tason, eli teknologiaa on demonstroitu ja testattu relevantissa toimintaympäristössä. Yksittäisissä, kapeasti rajatuissa käyttötapauksissa on raportoitu jopa TRL 7 -tason saavuttamisesta, mutta laajamittainen ja kriittinen tuotantokäyttö ilman jatkuvaa ihmisen valvontaa ei ole vielä realistista. Keskeisiksi rajoitteiksi tunnistetaan agenttien virhealttius, rajallinen luotettavuus, hiljaisen tiedon puute sekä tarve ihmisen tekemälle tarkistukselle. Työn johtopäätöksenä todetaan, että tekoälyagentit toimivat nykytilassa parhaiten kehittäjien ja muiden tiimien tuottavuuden vahvistajina sekä rutiinityön automatisoijina, ei itsenäisinä vastuun kantajina. Vaikka teknologia on selvästi siirtynyt laboratoriosta käytännön kokeiluihin, sen täysi tuotantokypsyys alkuvaiheen ohjelmistostartupeissa on vielä saavuttamatta.
Want to talk about any of it? Find me on LinkedIn or say hi in Twitch chat.