AI-agentit osaavat jo generoida firmwarea mikrokontrollereille ja IoT-laitteille. Tuore tutkimus kuitenkin osoittaa, että oikea laitteisto on edelleen tekoälylle vaikea ympäristö. Firmware voi kääntyä oikein mutta kaatua heti todellisessa MCU-järjestelmässä ajoitus-, keskeytys- tai oheislaiteongelmiin.
Generatiivisen tekoälyn ympärillä käytävä keskustelu on siirtynyt nopeasti yksittäisistä koodiavustajista kohti agenttisia järjestelmiä, jotka suunnittelevat, kirjoittavat, testaavat ja korjaavat ohjelmistoja autonomisesti. Web-kehityksessä tämä näkyy jo niin sanottuna vibe coding -ilmiönä, mutta sulautetussa maailmassa raja tulee vastaan paljon aikaisemmin.
Tuore IoT-SkillsBench-tutkimus pyrki selvittämään, miten hyvin AI-agentit selviytyvät todellisista sulautettujen järjestelmien tehtävistä. Tutkimuksessa agentit käsittelivät yhteensä 42 embedded-tehtävää ja 23 erityyppistä oheislaitetta oikealla raudalla eikä pelkästään simulaatiossa. Mukana oli esimerkiksi GPIO-, UART-, SPI- ja I2C-ohjauksia, ajastimia, keskeytyksiä sekä sensorien hallintaa. Tulokset paljastivat nopeasti, että toimiva C-koodi ei vielä tarkoita toimivaa firmwarea.
Tutkimuksen mukaan suuri osa AI:n generoimasta koodista kääntyi ongelmitta, mutta epäonnistui todellisessa MCU-ympäristössä. Ongelmia syntyi esimerkiksi keskeytysten käsittelyssä, alustusrutiinien järjestyksessä, ajoituksessa, DMA-siirroissa ja muistinhallinnassa. Käytännössä tekoäly törmäsi samaan ongelmaan kuin moni nuori firmware-kehittäjä. Rauta ei käyttäydy kuten ohjelmointikieli.
Tutkijat havaitsivat myös, että yleiskäyttöinen suuri kielimalli ei yksin riitä sulautettuun kehitykseen. Tulokset paranivat merkittävästi vasta silloin, kun agentteihin lisättiin asiantuntijoiden rakentamia “skills”-kerroksia, jotka sisälsivät tietoa esimerkiksi oheislaitteiden alustuksesta, virheenkäsittelystä ja laitteistokohtaisista toimintatavoista. Toisin sanoen AI tarvitsee edelleen vahvasti ihmisten rakentamaa embedded-osaamista ympärilleen.
Havainto on tärkeä aikana, jolloin monet ohjelmistotalot markkinoivat agenttisia AI-järjestelmiä lähes autonomisina ohjelmistokehittäjinä. Sulautetussa maailmassa ongelma ei kuitenkaan ole pelkkä syntaksi. Firmware toimii ympäristössä, jossa vastaan tulevat ajoitusvaatimukset, virrankulutus, väyläprotokollat, sähköiset häiriöt ja fyysisen laitteiston rajoitteet.
Tästä syystä embedded-alalla painopiste näyttää siirtyvän nopeasti kohti verifiointia. Pelkkä koodin generointi ei enää riitä, vaan AI-agenttien ympärille rakennetaan jatkuvasti hardware-in-the-loop-testauksia, automaattista regressiotestausta ja useiden agenttien muodostamia tarkistusketjuja. Tavoitteena ei ole täysin autonominen firmware-kehitys vaan kehittäjien työn nopeuttaminen ilman, että luotettavuus katoaa.
Ethernetin versio 10BASE-T1S luo uusia liiketoimintamahdollisuuksia vahvaa yhteentoimivuutta ja turvallisuutta vaativien toiminnallisten OT-verkkojen ja perinteisten IT-verkkojen yhdistämisessä. Dataan päästään käsiksi verkon reunalla olevista solmuista, jolloin verkkoa voidaan käyttää uusien älykkäiden ja ennakoivien palvelujen sekä omaisuuden seuranta- ja hallintaratkaisujen tarjoamiseen. Tämä tuo lukuisia etuja myös kustannuspuolella.