Nadella advarer: virksomheder betaler to gange for proprietære AI-modeller
TechCrunch (13. juli): Satya Nadella advarer om, at virksomheder betaler to gange for proprietære AI-modeller: én gang i tokens og én gang ved at aflevere deres forretningsviden. Hans anbefaling er egne læringsmiljøer og et orkestreringslag, der forhindrer leverandør-låsning.
Kort fortalt
- Nadella: virksomheder der bruger proprietære AI-modeller betaler både i tokens og i forretningsviden, fordi modellerne lærer af prompts, feedback og rettelser
- Hans formulering: hver rettelse destilleres til institutionel knowhow, som konkurrenter aldrig ville kunne købe sig til, men som leverandøren nu har
- Anbefalingen er at bygge egne læringsmiljøer og et orkestreringslag, så man ikke låser sig til én leverandør. Han argumenterer samtidig for, at destillation bør være tilladt, når laboratorierne selv træner frit på det offentlige internet
Den anden regning, ingen ser
Satya Nadella offentliggjorde 13. juli et blogindlæg med et argument, der er bemærkelsesværdigt, netop fordi det kommer fra ham. Hans pointe er, at prisen på en proprietær AI-model ikke kun er den, der står på fakturaen. Modellerne lærer af det, I fodrer dem med: jeres prompts, jeres feedback og især jeres rettelser. Hver gang en medarbejder korrigerer et svar, afleverer I et stykke af, hvordan netop jeres virksomhed løser en opgave.
Nadellas formulering er, at hver rettelse destilleres til institutionel knowhow, altså præcis den slags viden, en konkurrent aldrig ville kunne købe sig til. Regningen betales altså to gange: én gang i tokens, og én gang i akkumuleret forretningsviden, der ender hos leverandøren i stedet for hos jer.
Hans løsning: eje laget ovenpå
Receptet er at bygge det, han kalder egne proprietære læringsmiljøer plus et orkestreringslag, der gør det muligt at skifte model uden at starte forfra. Med andre ord: brug gerne de store modeller, men lad være med at lade dem være stedet, hvor jeres viden bor. Nadella argumenterer i samme indlæg for, at destillation af modeller bør være fair game, når laboratorierne selv træner frit på det offentlige internet.
Det er værd at holde sammen med to andre signaler fra samme uge: Moonshots forestående Kimi K3 og en benchmark fra Databricks-CEO Ali Ghodsi, der begge peger på, at open weight-modeller nu er konkurrencedygtige på pris til kodeopgaver. Argumentet om leverandør-låsning er ikke længere kun principielt.
🇩🇰 Hvad betyder det for danske SMV'er?
Det praktiske greb er mindre, end det lyder. Hold jeres promptbibliotek, jeres retningslinjer og jeres rettelser i systemer, I selv ejer, et delt dokument, et repository, en wiki, frem for kun i chatvinduet hos én leverandør. Så kan I flytte med, den dag prisen eller vilkårene ændrer sig, og det gør de: vi har set to prisomlægninger på ét år alene hos Cursor.
Det spiller direkte sammen med ugens anmeldelse, hvor spørgsmålet er præcis dette: hvad afleverer I, når I lader en agent arbejde i hele jeres kodebase? Se Cursor-anmeldelsen, og sammenlign leverandørernes vilkår i AI-prisguiden.
Vil du læse den oprindelige kilde?
Læs hos TechCrunchVi linker altid til den oprindelige kilde, så du kan verificere selv.
