Skiftet fra AI-kapacitet til AI-kontrol

En række højprofilerede episoder med frontløbs AI-udbydere har efterladt virksomheder med et spørgsmål, som mange ikke havde overvejet alvorligt før. Hvad sker der, når teknologien, du har bygget din virksomhed op omkring, ikke længere er helt under din kontrol?

Først kom Anthropics lukning, beordret af den amerikanske regering med kun 90 minutters varsel. Så kom Grok Builds privatlivsskandale. Mest nylig erkendte OpenAI, at en agent autonomt havde krænget Hugging Face, hvilket rejser nye spørgsmål om styring, da AI-systemer bliver mere kapable.

Individuelt er hver episode betydelig. Taget sammen peger de på noget større. De minder os om, at AI befinder sig inden for politiske systemer, kommercielle relationer og reguleringer, som organisationer ofte har meget lidt indflydelse over.

Denne samtale om AI-risiko har forståeligt nok centreret sig omkring privatliv, overholdelse og dataresidens. Disse problemer er stadig vigtige, men de er ikke længere hele historien. Det større spørgsmål nu er afhængighed.

At forstå, hvad suverænitet er — og hvad det ikke er

Jeg har lagt mærke til, at samtalen om suverænitet er ændret over det sidste år. Kunder ville typisk spørge, hvor deres data ville blive gemt. I dag er de langt mere sandsynligt at spørge, hvem der faktisk kontrollerer systemerne, deres AI kører på, og hvad der sker, hvis de pludselig mister adgangen til dem. Det er et mere svært spørgsmål at besvare, fordi suverænitet strækker sig langt ud over geografi.

I dens kerne handler suveræn AI om ejerskab: at kunne udvikle AI uden at introducere afhængigheder, der kunne true robusthed, kontinuitet eller langsigtede fleksibilitet, uanset hvor en model oprindeligt blev udviklet. En måde, jeg forklarer det på, er ved at sammenligne AI-agenter med ansatte. De bliver mere og mere digitale medlemmer af arbejdsstyrken, der tager ansvar for opgaver, der tidligere blev udført af mennesker. Hvis en organisation lejer denne arbejdsstyrke fra en enkelt AI-udbyder, uddelegerer den også en kritisk del af sin operationelle kapacitet.

Det betyder ikke, at hver organisation behøver at eje hver del af AI-stakken. Kraft og fysisk infrastruktur befinder sig nederst, efterfulgt af beregning, derefter modellerne selv og endelig applikationerne, der kører på toppen. Hver lag kan ejes af en anden organisation. I den ene ende forbliver data i landet, mens alt andet kontrolleres andre steder. Længere henne kører modellerne lokalt, men på infrastruktur, som nogen andre opererer. Længere endnu kører organisationerne modellerne selv. I den dybeste ende kontrollerer de også infrastrukturen. Hvor en organisation vælger at befinde sig på dette spektrum afhænger af, hvad den ikke kan tillade at tabe.

En regering, der kører klassificerede arbejdsbyrder, har naturligvis brug for mere kontrol end de fleste kommercielle virksomheder. Et hospital behøver ikke at eje et datacenter, men det har brug for tillid til, at systemerne, der understøtter patientpleje, ikke pludselig kan blive utilgængelige på grund af beslutninger truffet af en tredjepart tusinder af miles væk.

Suverænitet må være verificerbar

Jo mere organisationer taler om suveræn AI, jo vigtigere bliver det at skelne mellem ægte suverænitet og clever markedsføring. Ikke hver udbyder er gennemsigtig omkring, hvilke lag af stakken det faktisk kontrollerer, og hvis nok udbydere begynder at beskrive deres produkter som suveræne, kan ordet hurtigt miste sin værdi på samme måde, som bæredygtighedskrav har gjort i andre industrier.

Det er her, idéen om “suverænitetsvask” kommer ind. En løsning markedsføres som lokal kontrol, fordi kontrakten er national, supportteamet er baseret i landet, og data aldrig forlader nationale grænser, mens infrastrukturen under det stadig opereres af en udenlandsk udbyder. En britisk organisation kunne købe en suveræn AI-tjeneste fra en britisk leverandør og alligevel finde, at systemerne, den afhænger af, i sidste ende befinder sig på amerikansk infrastruktur.

Det gør ikke automatisk det til det forkerte valg. For mange organisationer kan det være den rette balance mellem omkostninger, kapacitet og kontrol. Men det skal være en bevidst beslutning.

Udfordringerne ved at leje versus fordelene ved at eje

Det er let at se, hvorfor amerikanske frontløbs AI-udbydere blev standarden. De tilbød de mest kapable modeller, investerede tungt i infrastruktur og bevægede sig konsekvent hurtigere end resten af markedet. Kombineret med voksende geopolitiske bekymringer omkring kinesisk AI blev de det naturlige valg for organisationer, der søger at implementere AI i stor målestok.

Denne momentum har bredt sig langt ud over tidlige adopterer. Selv i højt regulerede industrier, hvor ny teknologi typisk undersøges mere nøje, er adoptionen accelereret. 75% af finansielle servicesvirksomheder bruger aktivt AI. Det gør 79% af juridiske fagfolk også, mens 65% af kliniske siger, at deres brug af organisationstilbudte AI-værktøjer er øget over det sidste år. For mange af disse organisationer gjorde valget af en amerikansk udbyder blot kommerciel forstand.

Samtalen bliver mere nuanceret, da AI bevæger sig dybere ind i dag-til-dag operationer. Omkostninger er en del af billedet. Tokenpriser fortsætter med at falde, men virksomhedsudgifter til AI stiger, da brugen overstiger prisreduktioner, med 93% af organisationer, der allerede overstiger deres AI-budget. Robusthed er endnu et. Hvis en ekstern udbyder oplever et udfald, ændrer sine kommercielle vilkår eller møder regeringsindgreb, har organisationer, der kører kritiske arbejdsbyrder, kun lidt kontrol over udfaldet.

At eje mere af AI-stakken ændrer begge ligninger. Omkostninger bliver mere forudsigelige, da brugen vokser, mens organisationer får større indsigt i, hvordan deres systemer fungerer, og langt mere kontrol over, hvad der sker, når omstændighederne ændrer sig.

Hvorfor en god exit-strategi kræver den rette udbyder-partnerskab

Suverænitet er ikke noget, organisationer kan tænde på i en håndvending. For regulerede virksomheder tager det typisk tre til fire år at flytte AI-arbejdsbyrder, og meget lidt af denne tid bruges på at flytte teknologi. Det meste går til styring, indkøb og det operationelle arbejde, der er nødvendigt for at flytte kritiske processer uden at forstyrre organisationen.

Det er derfor, planlægningen skal ske lang tid før nogen behøver at forlade en udbyder. Mens 72% af virksomheder faktorer suveræn AI ind i deres 2026-vejledninger, har kun omkring tre af ti en detaljeret strategi, budget eller migrationsplan på plads. Der er tydeligvis en appetit på at reducere afhængighed, men langt færre organisationer har arbejdet igennem, hvad det ville indebære, hvis de havde brug for at gøre flytningen.

Det starter med at forstå, hvilke arbejdsbyrder der betyder mest, hvad en exit ville faktisk koste, og om migrationsplaner er testet, før de nogensinde er nødvendige. Denne proces ændrer også måden, de vurderer udbydere på. Tre spørgsmål fortæller dig normalt det meste af, hvad du har brug for at vide. Kan suverænitetskrav verificeres uafhængigt, når kunden vælger? Omfatter denne verificering alle lag af stakken, eller kun det lag, der er nævnt i kontrakten? Og hvis udbyderen besluttede at, kunne den få adgang til kundens data? Hvis svaret på dette sidste spørgsmål er ja, så er det, der tilbydes, en politik og ikke en garanti.