Mistral Agentic Search muuttaa yritysasiakirjojen haun tutkivaksi työksi

Mistral Agentic Search on hakukerros, jonka avulla tekoälymalli voi tutkia dokumenttikokoelmaa useiden työkalukutsujen kautta sen sijaan, että se muodostaisi vastauksen yhdestä ennalta valitusta tekstipaketista. Malli voi etsiä ehdokkaita, avata dokumentteja, liikkua niiden rakenteessa, lukea olennaisia kohtia ja etsiä täsmällisiä termejä tai kaavoja.

Ero korostuu silloin, kun vastaus on hajallaan pitkissä talousraporteissa, skannatuilla sivuilla, taulukoissa, alaviitteissä tai useissa toisiinsa liittyvissä asiakirjoissa. Mistralin mukaan menetelmä nosti Mistral Medium 3.5:n FinanceBench-oikeellisuuden 26,7 prosentista 86 prosenttiin. Testi tehtiin 368 talousraportin aineistolla, joka kattoi noin 53 900 sivua. Luvut ovat Mistralin omaa arviointia, joten niitä on syytä pitää tuotebenchmarkina eikä riippumattomasti vahvistettuna alan standardina.

Mitä Agentic Search muuttaa RAG-haussa?

Tavallinen RAG-järjestelmä eli hakua tehostava generointi hakee yleensä ensin dokumenteista joukon parhaiten sijoittuvia tekstikatkelmia ja antaa ne sitten kielimallille vastauksen muodostamista varten. Menetelmä toimii hyvin, jos vastaus löytyy suoraan yhdestä kappaleesta. Vaikeuksien määrä kasvaa, kun ensimmäinen haku ohittaa olennaisen raportin, erottaa taulukon sen selityksestä tai palauttaa tekstiä ilman riittävää asiayhteyttä. Mistralin dokumentaatiossa perinteinen RAG kuvataan samalla tavalla: malli hakee ladatusta dokumenttikirjastosta olennaisia tekstikohtia.

Agentic Search tekee hausta mukautuvan. Ensimmäistä hakutulosjoukkoa ei käsitellä lopullisena vastauksena, vaan malli voi tarkastella löytöjään ja päättää seuraavasta vaiheesta:

1. Search etsii todennäköisiä dokumentteja tai tekstikohtia.
2. Open avaa valitun dokumentin tarkasteltavaksi.
3. Navigate liikkuu sivujen, osioiden tai muun dokumenttirakenteen välillä.
4. Read hakee olennaisen sisällön ympäröivine asiayhteyksineen.
5. Grep tarkistaa täsmälliset sanat, ilmaukset, luvut tai muut kuviot.

Toiminnot voidaan toistaa, kunnes kysymys tarkentuu. Käytännössä syntyy haku- ja varmennussilmukka: ensin etsitään mahdollinen vastaus, sitten tarkastetaan lähde, etsitään siihen liittyvää näyttöä ja varmistetaan sanamuoto ennen lopullista vastausta. Menetelmä vastaa Mistralin dokumentoimaa agenttiarkkitehtuuria, jossa malli kutsuu tehtävän aikana ulkoisia toimintoja ja jatkaa päättelyä niiden palautteiden perusteella.

Miksi iterointi auttaa vaikeissa yritysdokumenteissa?

Heikko ensimmäinen haku ei päätä prosessia

Kertahaun onnistuminen riippuu voimakkaasti kyselystä, indeksoinnista, tekstin pilkkomisesta ja hakutulosten järjestyksestä. Jos ensimmäiset tulokset ovat uskottavia mutta puutteellisia, malli ei välttämättä koskaan näe tietoa, joka korjaisi vastauksen. Iteratiivinen agentti voi muotoilla haun uudelleen, avata toisen dokumentin tai tutkia viereisiä osioita sen sijaan, että se pysähtyisi ensimmäiseen mahdolliseen osumaan.

Dokumentin rakenne säilyy paremmin

Taloustaulukoiden ja muiden talousjulkistusten merkitys voi riippua otsikoista, sivusijainnista, alaviitteistä ja ympäröivästä tekstistä. Pelkkä tekstikatkelmien joukko voi häivyttää nämä yhteydet. Navigointi ja kohdennettu lukeminen antavat mallille mahdollisuuden liikkua dokumentissa kuin tutkija lähdeaineistossa, eivätkä kohtele jokaista katkelmaa irrallisena tekstinä.

Täsmälliset termit voidaan tarkistaa

Semanttinen haku löytää samankaltaisia käsitteitä, mutta täsmähaulla on edelleen tärkeä rooli yritysasiakirjoissa. Yritysnimet, tilinpäätöstermit, päivämäärät, tunnisteet ja toistuvat ilmoitukset on usein tarkistettava kirjain kirjaimelta. Grep-tyyppinen toiminto täydentää semanttista hakua näyttämällä, esiintyykö tietty sana tai kaava aineistossa. Samankaltaisia tiedostopohjaisia toimintoja — haku, grep, luku ja dokumenttien selaus — käytetään myös Mistralin ulkopuolisissa agenttisissa dokumenttijärjestelmissä.

Usean dokumentin kysymyksiin saadaan enemmän joustavuutta

Yritysten tietokannoissa vastaus voi edellyttää usean raportin vertailua tai luvun etsimistä yhdestä asiakirjasta ja sen määritelmän tarkistamista toisesta. Mallin ohjaama silmukka voi vuorotella löytämisen ja varmentamisen välillä koko aineistossa yhden ranking-kierroksen sijaan.

Mitä benchmarkit kertovat?

Mistral nostaa esiin kaksi vaativiin dokumenttikysymyksiin keskittyvää arviointia.

FinanceBench: 26,7 prosentista 86 prosenttiin

FinanceBench sisältää 368 talousraporttia, yhteensä noin 53 900 sivua. Mistralin mukaan Mistral Medium 3.5 saavutti 26,7 prosentin oikeellisuuden kertahaulla ja 86 prosentin oikeellisuuden Agentic Searchilla. Nousu oli 59,3 prosenttiyksikköä eli noin 3,2-kertainen suhteessa lähtötulokseen.

Mistral kertoo testanneensa hakukerrosta myös GLM-5.2-mallilla, jota sen dokumentaatio kuvaa Z.ai:n kolmannen osapuolen avoimen lähdekoodin tekstimalliksi. Vertailussa GLM-5.2:n tulos nousi kertahaun 6,3 prosentista Agentic Searchin 51,9 prosenttiin.

OfficeQA Pro: 45,6 prosenttiyksikön parannus

OfficeQA Pro keskittyy taulukoita sisältäviin monen dokumentin kysymyksiin. Aineisto koostuu 696 skannatusta Yhdysvaltain valtiovarainministeriön Treasury Bulletin -julkaisusta. Mistralin ilmoituksen yhteydessä Ina Koleva kertoi tuloksen nousseen 6,3 prosentista 51,9 prosenttiin, mikä tarkoittaa 45,6 prosenttiyksikön parannusta verrattuna yhden haun RAG-menetelmään.

Luvut ovat rohkaisevia, mutta niitä ei pidä tulkita yleiseksi suorituskykytakuuksi. Tulokset voivat muuttua muun muassa dokumenttien jäsentämisen, OCR-tunnistuksen, tekstin pilkkomisen, indeksoinnin, mallivalinnan, kehotteiden, työkalurajoitusten ja arviointitavan mukaan. OfficeQA Pron oma tutkimus osoittaa lisäksi, että dokumenttien esitysmuoto ja jäsentäminen vaikuttavat olennaisesti tarkkuuteen, viiveeseen, työkalukutsujen määrään ja kustannuksiin.

Yrityksille tarkkuus on vasta puolet kysymyksestä

Mistralin mukaan Agentic Search parantaa tarkkuutta ja vähentää samalla kierrosten määrää, tokenien käyttöä ja viivettä esiin nostetuissa benchmarkeissa. Monivaiheisen järjestelmän on silti odotettava työkalukutsuja ja dokumenttien käsittelyä. Toissijainen FinanceBench-analyysi raportoi koko silmukan keskimääräiseksi viiveeksi 71 sekuntia ja p90-viiveeksi 154 sekuntia. Näitä lukuja ei esitetä Mistralin ensisijaisessa lähdekatkelmassa, joten niihin on suhtauduttava sen mukaisesti.

Tuotantokäytössä olennainen vertailu ei siis ole vain ”agenttinen vastaan ei-agenttinen”. Yritysten kannattaa kysyä:

• Löytääkö järjestelmä oikean näytön riittävän usein?
• Säilyvätkö sivu-, taulukko- ja lähdeviitteet johdonmukaisesti?
• Mikä on keskimääräinen ja pahimman tapauksen vasteaika?
• Kuinka monta työkalukutsua ja tokenia yksi kysymys vaatii?
• Voidaanko käyttöoikeudet, indeksointi, OCR ja auditointilokit liittää työnkulkuun?
• Missä dokumentit käsitellään ja missä mallin päättely tapahtuu?

Agenttinen haku voi vähentää turhaa kontekstia, koska malli lukee vain tarvitsemansa kohdat. Toisaalta lisävaiheet voivat kasvattaa viivettä ja kustannuksia. Sopiva ratkaisu riippuu tehtävän monimutkaisuudesta ja virheiden seurauksista.

Missä Mistral tarjoaa Agentic Searchia?

Mistralin mukaan Agentic Search on saatavilla Search Toolkitin ja Libraries-dokumenttikirjastojen kautta. Ne liittyvät yhtiön laajempaan agentti- ja dokumenttihakupinoon: dokumentaatiossa Libraries on sisäänrakennettu tapa hakea ladatuista tiedostoista, ja Agents API tukee agentteja, jotka kutsuvat työkaluja keskustelun aikana.

Keskeinen ero on se, että Agentic Search esitellään ennen kaikkea hakukomponenttina, ei vain kuluttajachatbotin ominaisuutena. Siksi työnkulku voidaan sijoittaa laajempaan sovellukseen, agenttiin tai yrityksen hakupipelineen.

Miksi malliriippumaton hakukerros on tärkeä?

Mistralin testit sekä Mistral Medium 3.5:llä että GLM-5.2:lla viittaavat mallijoustavaan rakenteeseen. Jos haku- ja navigointikerros toimii eri päättelymallien kanssa, yrityksen ei välttämättä tarvitse rakentaa dokumenttityönkulkuaan uudelleen aina mallia vaihtaessaan.

Siirrettävyys voi olla merkittävä etu organisaatioille, jotka tasapainottelevat suorituskyvyn, hinnan, lisenssien, käyttöpaikan ja datanhallinnan välillä. Kilpailu ei silloin ratkea vain kielimallin ominaisuuksilla, vaan myös dokumenttien esitysmuodolla, käyttöoikeuksilla, havaittavuudella ja tuotetun näytön laadulla.

Malliriippumattomuus on silti testattava käyttöönotto kerrallaan. Eri mallit voivat poiketa toisistaan työkalujen luotettavassa käytössä, kontekstin käsittelyssä ja päättelykyvyssä.

Agentic Search osana Mistralin yritys- ja suvereniteettistrategiaa

Agentic Search vahvistaa Mistralin tavoitetta myydä muutakin kuin yksittäisiä kielimalleja. Yhtiö asemoi teknologiaansa siirrettäväksi kerrokseksi, joka hakee ja päättelee arkaluonteisesta organisaatiodatasta, kuten talousasiakirjoista ja sisäisistä tietopankeista. Finanssisivustollaan Mistral korostaa käyttöoikeudet huomioivaa hakua sekä vastauksia, joissa on mukana näyttöä ja asiayhteyttä.

Tämä on tärkeää säännellyille organisaatioille, joiden on hallittava, missä dataa käsitellään ja miten lähteisiin päästään käsiksi. Mistraliin liittyvä raportointi kuvaa käyttöönottoa pilvessä ja hallitussa infrastruktuurissa, myös paikallista infrastruktuuria muistuttavissa ympäristöissä. Joustava käyttöönotto ei kuitenkaan automaattisesti tarkoita vaatimustenmukaisuutta kaikissa maissa tai toimialoilla.

Myös Mistralin infrastruktuurisuunnitelmat tukevat samaa viestiä. Reutersin mukaan Microsoft käyttää miljardeja Mistralin eurooppalaisen laskentainfrastruktuurin laajentamiseen, ja Azure-asiakkaat voivat kehittää ohjelmistoja Mistralin Ranskassa sijaitsevissa datakeskuksissa. Eurooppalainen hosting voi tukea datan sijaintia koskevia vaatimuksia ja operatiivista hallintaa. Samalla Microsoft-kumppanuus muistuttaa, ettei ”suvereeni tekoäly” tarkoita täydellistä riippumattomuutta kansainvälisistä pilvi- ja laitteistoketjuista.

Taustalla myös suuri rahoitustarve

Agentic Searchin julkaisu osui aikaan, jolloin Mistralin kerrottiin käyvän alustavia neuvotteluja noin 3 miljardin euron rahoituksesta noin 20 miljardin euron arvostuksella. Bloombergin mukaan keskustelut olivat alkuvaiheessa ja ehdot saattoivat muuttua.

Mahdollinen arvostus olisi selvästi korkeampi kuin Mistralin syyskuun 2025 rahoituskierroksen jälkeen raportoitu 11,7 miljardin euron arvostus. On tärkeää erottaa raportoitu rahoituskeskustelu toteutuneesta kierroksesta: luvut kuvaavat mahdollisia ehtoja, eivät vahvistettua kauppaa.

Rahoitustarve kertoo myös siitä, miksi yrityshaku ja infrastruktuuri ovat strategisesti tärkeitä. Kehittyneiden tekoälytuotteiden rakentaminen vaatii kallista laskentakapasiteettia, kun taas yritysasiakkaat tarvitsevat luotettavia järjestelmiä, jotka toimivat niiden omissa data-ympäristöissä. Agentic Search käsittelee sovellus- ja hakukerrosta; eurooppalaiset datakeskukset täydentävät infrastruktuuritarinaa.

Miten Mistral asemoituu kilpailussa?

Mistral kilpailee samanaikaisesti useilla rintamilla:

• Perinteinen yrityshaku: Agentic Search lisää rankingin ja dokumenttien palauttamisen päälle mallin ohjaaman tutkinnan, jonka tavoitteena on löytää, tarkastaa ja selittää näyttöä — ei vain palauttaa dokumenttilistaa.
• Perus-RAG: Keskeinen ero on iteratiivinen haku, navigointi ja varmennus yhden vektori- tai avainsanahaun sijaan.
• Pilvi- ja alustatoimittajat: Mistral korostaa koottavia työkaluja, mallijoustavuutta ja eurooppalaisia käyttöönottovaihtoehtoja yleiskäyttöisen avustajan sijaan.
• Muut agenttisen haun järjestelmät: Myös OpenSearch kuvaa työnkulkua, jossa malli suunnittelee ja toteuttaa haun automaattisesti. Agenttinen haku on siis Mistralia laajempi tuoteryhmä.

Benchmark-tulokset antavat Mistralille vahvan lähtökohdan erityisesti pitkien ja rakenteeltaan vaikeiden dokumenttien käsittelyssä. Pysyvä etu riippuu kuitenkin siitä, toistuvatko hyödyt riippumattomissa arvioinneissa ja todellisissa tuotantoympäristöissä — ja saavutetaanko ne hyväksyttävällä viiveellä, kustannuksilla, tietoturvalla ja integraatioiden monimutkaisuudella.

Lopputulos

Mistral Agentic Searchin perusajatus on yksinkertainen mutta merkittävä: haun pitäisi olla aktiivista tutkintaa, ei vain yksi alustava kysely. Kun search, open, navigate, read ja grep yhdistetään samaan työnkulkuun, malli saa useita mahdollisuuksia löytää ja tarkistaa näyttöä vaikeista yritysaineistoista.

Mistralin raportoimat tulokset — 26,7 prosentista 86 prosenttiin FinanceBenchissä ja 45,6 prosenttiyksikön parannus OfficeQA Prossa — viittaavat siihen, että rakenne voi parantaa dokumenttikysymysten käsittelyä huomattavasti. Varauksella on silti yhtä suuri merkitys: kyse on yhtiöön sidoksissa olevista benchmark-tuloksista, ja yritysostajien on mitattava omilla aineistoillaan muun muassa viive, kustannukset, käyttöoikeudet, jäsentämisen laatu ja luotettavuus.