Tuo luottamus romahtaa heti, kun koodi viedään tuotantoon. Raportti paljastaa "rakenteellisen epäjatkuvuuskohdan" – suoran ristiriidan sen välillä, miten koodia arvioidaan katselmoinnissa ja miten se todellisuudessa käyttäytyy oikeissa tuotantoympäristön työkuormissa .

• 81 % yritysten teknologiajohtajista raportoi tekoälykoodiin liittyvien tuotantohäiriöiden suorasta lisääntymisestä .
• 78 % vastaajista kertoo häiriöiden lisääntyneen yleisesti .
• 86 % raportoi kokeneen henkilöstön koodin korjaamiseen käyttämän ajan lisääntyneen .
• 74 % sanoo, että vähintään 25 % tekoälyn tuottamasta koodista vaatii uudelleentyöstämistä käyttöönoton jälkeen .

Tälle ilmiölle on raportissa oma nimensä: "vibe coding" – käytäntö, jossa koodia generoidaan ja toimitetaan suurelta osin luottamukseen perustuen – on valtavirtaistunut, ja varmistamaton luottamus aiheuttaa nyt tuotantokriisiä .

New Relicin lisäksi koko toimiala herää ongelmaan

New Relic ei ole yksin huolensa kanssa. Myös muut vuoden 2026 toimialaraportit piirtävät samaa kuvaa:

• Lightrunin vuoden 2026 State of AI-Powered Engineering Report havaitsi, että 43 % tekoälyn tekemistä koodimuutoksista vaatii manuaalista debuggausta tuotannossa jopa QA- ja staging-testien läpäisyn jälkeen. Yksikään vastaaja ei kertonut voivansa varmentaa tekoälyn ehdottamaa korjausta yhdellä uudelleenjulkaisukierroksella; 88 % tarvitsi niitä kaksi tai kolme .
• Faros AI:n vuoden 2026 Engineering Report havaitsi, että bugit kehittäjää kohden ovat kasvaneet 54 % ja häiriöiden suhde vetopyyntöihin (PR) on yli kolminkertaistunut. Tekoälyn käyttöönoton ja tuotannon laadun välinen suhde on huonontumassa, ei vakiintumassa .
• Sonarin vuoden 2026 State of Code Developer Survey havaitsi, että tekoälyn osuus kaikesta ohjelmistokehittäjien tuottamasta koodista on jo 42 %, ja sen odotetaan nousevan 65 prosenttiin vuoteen 2027 mennessä. Silti 96 % kehittäjistä ei täysin luota tekoälykoodiin, ja vain 48 % tarkistaa sen aina ennen versionhallintaan vientiä .
• CodeRabbitin analyysi 470 avoimen lähdekoodin vetopyynnöstä osoitti, että tekoälyn luomissa vetopyynnöissä on noin 1,7-kertainen määrä ongelmia, ja ne painottuvat logiikkavirheisiin, puutteelliseen virheenkäsittelyyn ja tietoturvalöydöksiin. Pahimmassa kymmenyksessä tekoälyn PR:ssä oli 26 ongelmaa, kun ihmisen tekemässä niitä oli 12,3 .

Pohjimmainen ongelma ei ole se, että tekoäly kirjoittaa huonoa koodia. Ongelma on siinä, että koodin tuotanto on 5–10 kertaa ihmistä nopeampaa, kun taas todentaminen toimii edelleen samalla nopeudella . Ihmisten rytmiin suunnitellut koodikatselmointiputket eivät pysy tekoälyn tuotantovolyymin perässä, mikä luo pullonkaulan, jonka vuoksi epäluotettavaa koodia pääsee huomaamatta tuotantoon.

Vastaus: New Relic AI Coding Observability

New Relic puuttui tähän epäjatkuvuuskohtaan suoraan 8. kesäkuuta 2026 julkistamalla New Relic AI Coding Observabilityn kehityksen. Kyseessä on avoimen lähdekoodin monitorointiratkaisu, joka on suunniteltu erityisesti tekoälyavusteiseen ohjelmistokehitykseen . Ominaisuuden on määrä tulla saataville 23. kesäkuuta 2026, ja se on New Relicin asiakkaiden käytettävissä ilman lisäkustannuksia .

Valmistajariippumaton telemetriakerros

Arkkitehtuurilla on merkitystä. New Relic rakensi AI Coding Observabilityn tietoisesti kahden avoimen standardin varaan: OpenTelemetry (OTel) ja Model Context Protocol (MCP) . Tämä tarkoittaa, etteivät tiimit ole lukittuja New Relicin telemetriaskeemaan tai yhteen tekoälyavustajaan. Mikä tahansa MCP-yhteensopivaa telemetriaa tarjoava avustaja – kuten GitHub Copilot, Cursor, Claude Code ja muut – voi syöttää dataa samaan monitorointikerrokseen . Markkinoilla, joilla vuoden 2027 hallitseva koodaustyökalu ei välttämättä ole sama kuin tänään, valmistajariippumattomuus on käytännön välttämättömyys.

Kolme keskeistä kyvykkyyttä

New Relicin julkistus linjaa kolme pääpilaria AI Coding Observabilitylle :

1. Näkyvyys – Seuraa, miten tekoälyn koodausavustajia käytetään kehityksen aikana: mitä työkaluja, kuinka usein ja mitä ne tuottavat. Tavoitteena on muuntaa hajanainen, valvomaton tekoälyn käyttö hallituksi ja mitattavissa olevaksi suunnittelukäytännöksi.
2. Kustannusten hallinta – Ennusta ja hallitse tekoälykoodauksen kuluja budjettihälytysten avulla. Tämä vastaa suoraan FinOps-tiimien raportoimaan sokeaan pisteeseen: he saavat rutiininomaisesti läpinäkymättömiä kuukausilaskuja tekoälykoodaustyökalujen käytöstä ymmärtämättä niistä saatua arvoa .
3. Hallinta – Pidä kyselyt ja koodin generointi turvallisina ja tarkastettavina. Tähän sisältyy nollapoistumistila, joka pitää arkaluonteiset tiedot organisaation oman verkon sisällä .

Kehityksen ja tuotannon yhdistäminen

Strateginen panostus on korrelaatiossa. AI Coding Observability suunnitellaan normalisoimaan telemetria eri tekoälyavustajista ja korreloimaan se saumattomasti olemassa olevan tuotantoinfrastruktuurin kanssa . Ajatuksena on luoda yhtenäinen näkymä, jonka avulla tiimit voivat seurata tekoälyn tekemää muutosta kehitysympäristöstä (IDE) aina tuotantoon asti – ja sitten nähdä, korreloiko tuo muutos häiriöpiikkiin tunteja tai päiviä myöhemmin.

Miksi tämä on käännekohta teknologiajohdolle

Teknologiajohtajat (CTO) ovat keskittyneet vuosina 2024–2025 tekoälyavustajien käyttöönottoon ja tuottavuushyötyihin. New Relicin, Lightrunin, Faroksen, Sonarin ja muiden data tekee selväksi, että seuraavan vaiheen on keskityttävä varmennukseen, luotettavuuteen ja kustannusvastuuseen.

94 prosentin luottamusaste koodikatselmoinnissa ei sinänsä ole väärä – tekoäly tuottaa usein puhdasta, luettavaa ja syntaktisesti oikeaa koodia, joka läpäisee staattisen analyysin. Virhetila on ympäristöllinen: tekoälykoodi suoriutuu hyvin vetopyynnön kapeassa hiekkalaatikossa, mutta hajoaa, kun se kohtaa tuotantodatan monimutkaisuuden, todellisen käyttäjäkäyttäytymisen ja järjestelmien väliset vuorovaikutukset, joita mikään koodikatselmointi ei voi täysin simuloida. Ilman molemmat vaiheet kattavaa monitorointia organisaatiot arvostelevat koodia käyrällä, jota tuotanto ei kunnioita.

New Relicin AI Coding Observability edustaa suoraa pyrkimystä sulkea tämä silmukka ja siirtää alaa eteenpäin "luota katselmointiin" -ajattelusta kohti "varmenna tuotannossa" -toimintamallia.

Tuo luottamus romahtaa heti, kun koodi viedään tuotantoon. Raportti paljastaa "rakenteellisen epäjatkuvuuskohdan" – suoran ristiriidan sen välillä, miten koodia arvioidaan katselmoinnissa ja miten se todellisuudessa käyttäytyy oikeissa tuotantoympäristön työkuormissa .

• 81 % yritysten teknologiajohtajista raportoi tekoälykoodiin liittyvien tuotantohäiriöiden suorasta lisääntymisestä .
• 78 % vastaajista kertoo häiriöiden lisääntyneen yleisesti .
• 86 % raportoi kokeneen henkilöstön koodin korjaamiseen käyttämän ajan lisääntyneen .
• 74 % sanoo, että vähintään 25 % tekoälyn tuottamasta koodista vaatii uudelleentyöstämistä käyttöönoton jälkeen .

Tälle ilmiölle on raportissa oma nimensä: "vibe coding" – käytäntö, jossa koodia generoidaan ja toimitetaan suurelta osin luottamukseen perustuen – on valtavirtaistunut, ja varmistamaton luottamus aiheuttaa nyt tuotantokriisiä .

New Relicin lisäksi koko toimiala herää ongelmaan

New Relic ei ole yksin huolensa kanssa. Myös muut vuoden 2026 toimialaraportit piirtävät samaa kuvaa:

• Lightrunin vuoden 2026 State of AI-Powered Engineering Report havaitsi, että 43 % tekoälyn tekemistä koodimuutoksista vaatii manuaalista debuggausta tuotannossa jopa QA- ja staging-testien läpäisyn jälkeen. Yksikään vastaaja ei kertonut voivansa varmentaa tekoälyn ehdottamaa korjausta yhdellä uudelleenjulkaisukierroksella; 88 % tarvitsi niitä kaksi tai kolme .
• Faros AI:n vuoden 2026 Engineering Report havaitsi, että bugit kehittäjää kohden ovat kasvaneet 54 % ja häiriöiden suhde vetopyyntöihin (PR) on yli kolminkertaistunut. Tekoälyn käyttöönoton ja tuotannon laadun välinen suhde on huonontumassa, ei vakiintumassa .
• Sonarin vuoden 2026 State of Code Developer Survey havaitsi, että tekoälyn osuus kaikesta ohjelmistokehittäjien tuottamasta koodista on jo 42 %, ja sen odotetaan nousevan 65 prosenttiin vuoteen 2027 mennessä. Silti 96 % kehittäjistä ei täysin luota tekoälykoodiin, ja vain 48 % tarkistaa sen aina ennen versionhallintaan vientiä .
• CodeRabbitin analyysi 470 avoimen lähdekoodin vetopyynnöstä osoitti, että tekoälyn luomissa vetopyynnöissä on noin 1,7-kertainen määrä ongelmia, ja ne painottuvat logiikkavirheisiin, puutteelliseen virheenkäsittelyyn ja tietoturvalöydöksiin. Pahimmassa kymmenyksessä tekoälyn PR:ssä oli 26 ongelmaa, kun ihmisen tekemässä niitä oli 12,3 .

Pohjimmainen ongelma ei ole se, että tekoäly kirjoittaa huonoa koodia. Ongelma on siinä, että koodin tuotanto on 5–10 kertaa ihmistä nopeampaa, kun taas todentaminen toimii edelleen samalla nopeudella . Ihmisten rytmiin suunnitellut koodikatselmointiputket eivät pysy tekoälyn tuotantovolyymin perässä, mikä luo pullonkaulan, jonka vuoksi epäluotettavaa koodia pääsee huomaamatta tuotantoon.

Vastaus: New Relic AI Coding Observability

New Relic puuttui tähän epäjatkuvuuskohtaan suoraan 8. kesäkuuta 2026 julkistamalla New Relic AI Coding Observabilityn kehityksen. Kyseessä on avoimen lähdekoodin monitorointiratkaisu, joka on suunniteltu erityisesti tekoälyavusteiseen ohjelmistokehitykseen . Ominaisuuden on määrä tulla saataville 23. kesäkuuta 2026, ja se on New Relicin asiakkaiden käytettävissä ilman lisäkustannuksia .

Valmistajariippumaton telemetriakerros

Arkkitehtuurilla on merkitystä. New Relic rakensi AI Coding Observabilityn tietoisesti kahden avoimen standardin varaan: OpenTelemetry (OTel) ja Model Context Protocol (MCP) . Tämä tarkoittaa, etteivät tiimit ole lukittuja New Relicin telemetriaskeemaan tai yhteen tekoälyavustajaan. Mikä tahansa MCP-yhteensopivaa telemetriaa tarjoava avustaja – kuten GitHub Copilot, Cursor, Claude Code ja muut – voi syöttää dataa samaan monitorointikerrokseen . Markkinoilla, joilla vuoden 2027 hallitseva koodaustyökalu ei välttämättä ole sama kuin tänään, valmistajariippumattomuus on käytännön välttämättömyys.

Kolme keskeistä kyvykkyyttä

New Relicin julkistus linjaa kolme pääpilaria AI Coding Observabilitylle :

1. Näkyvyys – Seuraa, miten tekoälyn koodausavustajia käytetään kehityksen aikana: mitä työkaluja, kuinka usein ja mitä ne tuottavat. Tavoitteena on muuntaa hajanainen, valvomaton tekoälyn käyttö hallituksi ja mitattavissa olevaksi suunnittelukäytännöksi.
2. Kustannusten hallinta – Ennusta ja hallitse tekoälykoodauksen kuluja budjettihälytysten avulla. Tämä vastaa suoraan FinOps-tiimien raportoimaan sokeaan pisteeseen: he saavat rutiininomaisesti läpinäkymättömiä kuukausilaskuja tekoälykoodaustyökalujen käytöstä ymmärtämättä niistä saatua arvoa .
3. Hallinta – Pidä kyselyt ja koodin generointi turvallisina ja tarkastettavina. Tähän sisältyy nollapoistumistila, joka pitää arkaluonteiset tiedot organisaation oman verkon sisällä .

Kehityksen ja tuotannon yhdistäminen

Strateginen panostus on korrelaatiossa. AI Coding Observability suunnitellaan normalisoimaan telemetria eri tekoälyavustajista ja korreloimaan se saumattomasti olemassa olevan tuotantoinfrastruktuurin kanssa . Ajatuksena on luoda yhtenäinen näkymä, jonka avulla tiimit voivat seurata tekoälyn tekemää muutosta kehitysympäristöstä (IDE) aina tuotantoon asti – ja sitten nähdä, korreloiko tuo muutos häiriöpiikkiin tunteja tai päiviä myöhemmin.

Miksi tämä on käännekohta teknologiajohdolle

Teknologiajohtajat (CTO) ovat keskittyneet vuosina 2024–2025 tekoälyavustajien käyttöönottoon ja tuottavuushyötyihin. New Relicin, Lightrunin, Faroksen, Sonarin ja muiden data tekee selväksi, että seuraavan vaiheen on keskityttävä varmennukseen, luotettavuuteen ja kustannusvastuuseen.

94 prosentin luottamusaste koodikatselmoinnissa ei sinänsä ole väärä – tekoäly tuottaa usein puhdasta, luettavaa ja syntaktisesti oikeaa koodia, joka läpäisee staattisen analyysin. Virhetila on ympäristöllinen: tekoälykoodi suoriutuu hyvin vetopyynnön kapeassa hiekkalaatikossa, mutta hajoaa, kun se kohtaa tuotantodatan monimutkaisuuden, todellisen käyttäjäkäyttäytymisen ja järjestelmien väliset vuorovaikutukset, joita mikään koodikatselmointi ei voi täysin simuloida. Ilman molemmat vaiheet kattavaa monitorointia organisaatiot arvostelevat koodia käyrällä, jota tuotanto ei kunnioita.

New Relicin AI Coding Observability edustaa suoraa pyrkimystä sulkea tämä silmukka ja siirtää alaa eteenpäin "luota katselmointiin" -ajattelusta kohti "varmenna tuotannossa" -toimintamallia.