Muuttuvatko tekoälymallit massatuotteiksi?

Microsoftin toimitusjohtaja Satya Nadella herätti hiljattain keskustelun ehdottamalla, että edistyneet tekoälymallit ovat menossa kohti massatuotantoa. Podcastissa Nadella totesi, että perusmallit muistuttavat toisiaan yhä enemmän ja ovat laajasti saatavilla, joten ”mallit itsessään eivät ole riittäviä” kestävän kilpailuedun saavuttamiseen. Hän korosti, että OpenAI – huippuluokan neuroverkkorakenteistaan huolimatta – ”ei ole malliyhtiö, vaan tuoteyhtiö, jolla on fantastiset mallit”, korostaen, että todellinen etu tulee mallien ympärille rakennetuista tuotteista.

Toisin sanoen, vain sillä, että yrityksellä on kehittynein malli, ei välttämättä takaa enää markkinajohtajuutta, koska jokainen suoritusjohto voi olla lyhytaikainen nopean tekoälykehityksen keskellä.

Nadellan näkemys on painokas alan yrityksille, jotka kilpailevat koulutusmallien suhteen. Hänen argumenttinsa osoittaa muutosta: sen sijaan, että yritykset keskittyisivät mallien ylittämiseen, niiden tulisi kohdistaa energia ”täydelliseen järjestelmäkakkuun ja menestyneisiin tuotteisiin”.

Tämä heijastaa laajempaa mielipidettä, jonka mukaan nykyiset tekoälyläpimurrot muuttuvat nopeasti tulevaisuuden perusominaisuuksiksi. Koska mallit tulevat yhä enemmän standardoituiksi ja saataville, huomio kiinnittyy siihen, miten tekoälyä sovelletaan todellisissa palveluissa. Yritykset kuten Microsoft (MSFT ) ja Google (GOOGL ), joilla on laaja tuoteekosysteemi, voivat olla parhaiten asemissa hyödyntämään tätä massatuotannon trendiä upottamalla malleja käyttäjäystävällisiin tarjontoihin.

Laajentuva pääsy ja avoimet mallit

Ei niin kauan sitten vain muutamalla laboratoriot pystyivät luomaan huipputason tekoälymallit, mutta tämä erityisasema on nopeasti katoamassa. Tekoälyominaisuudet ovat yhä enemmän saatavilla organisaatioille ja jopa yksilöille, vahvistaen käsitystä malleista massatuotteina. Tekoälytutkija Andrew Ng vuonna 2017 vertasi tekoälyn potentiaalia ”uuteen sähköön”, ehdottaen, että kuten sähkö on muuttunut kaikkialla läsnä olevaksi komponentiksi, tekoälymallit voivat muuttua peruspalveluiksi, joita useat toimijat tarjoavat.

Avomallien viimeaikainen leviäminen on kiihdyttänyt tätä trendiä. Meta (Facebookin emoyhtiö) esimerkiksi herätti huomiota julkaisemalla voimakkaita kielenmalleja kuten LLaMA avoimesti tutkijoille ja kehittäjille ilman kustannuksia. Syytä tähän on strategia: avaamalla tekoälynsä Meta voi kiihdyttää laajempaa omaksumista ja saada yhteisöltä avustusta, samalla kun heikentää kilpailijoiden omistusetuja. Ja vielä äskettäin tekoälymaailma räjähti kiinalaisen mallin DeepSeekin julkaisun myötä.

Kuvien luomisen alalla Stability AI:n Stable Diffusion -malli osoitti, miten nopeasti läpimurto voi muuttua massatuotteeksi: vain muutamassa kuukaudessa sen julkaisun jälkeen vuonna 2022 se muuttui generatiivisen tekoälyn tunnetuksi nimeksi, ollen saatavilla lukuisissa sovelluksissa. Itse asiassa avoimen lähdekoodin ekosysteemi on räjähdysmäisessä kasvussa – Hugging Facen kaltaisilla varastoilla on kymmeniä tuhansia julkisesti saatavilla olevia tekoälymalleja.

Tämä yleisyys tarkoittaa, että organisaatiot eivät enää kohtaa binääristä valintaa, jossa on vaihtoehtona joko maksaa yhden toimijan salaisen mallin tai mitään: sen sijaan he voivat valita malleja (avoimia tai kaupallisia) tai jopa hienosäätää omia mallejaan, aivan kuin valitsisivat massatuotteita luettelosta. Valintojen valtava määrä on vahva osoitus siitä, että edistynyt tekoäly on muuttumassa laajasti jaettavaksi resursseksi eikä enää tarkkaan vartioiduksi etuoikeudeksi.

Pilvipalveluntarjoajat tekoälypalveluiksi

Pilvipalveluntarjoajat ovat olleet tärkeitä edistäjiä – ja kiihdyttäjiä – tekoälyn massatuotannossa. Yritykset kuten Microsoft, Amazon (AMZN ) ja Google tarjoavat tekoälymalleja tilauspalveluina, samankaltaisina kuin palvelut, jotka toimitetaan pilven kautta. Nadella totesi, että ”mallit ovat massatuotantoa pilvessä”, korostaen, miten pilvi tekee voimakkaan tekoälyn laajasti saataville.

Todellakin Microsoftin Azure-pilvessä on yhteistyösopimus OpenAI:n kanssa, jolloin mikä tahansa kehittäjä tai yritys voi käyttää GPT-4:ää tai muita huipputason malleja API-kutsun kautta ilman, että heidän tarvitsee luoda omaa tekoälyään alusta alkaen. Amazon Web Services (AWS) on mennyt askelen pidemmälle Bedrock-alustallaan, joka toimii mallien markkinapaikkana. AWS Bedrock tarjoaa valikoiman perusmalleja useilta johtavilta tekoälyyrityksiltä – Amazonin omista malleista Anthropicin, AI21 Labsin, Stability AI:n ja muiden – kaikki ovat saatavilla yhden hallitun palvelun kautta.

Tämä ”monia malleja, yhtä alustaa” -lähestymistapa edustaa massatuotantoa: asiakkaat voivat valita mallin, joka parhaiten vastaa heidän tarpeitaan, ja vaihtaa toimijaa suhteellisen helposti, aivan kuin he ostaisivat massatuotetta.

Käytännössä tämä tarkoittaa, että yritykset voivat luottaa siihen, että pilvi-alustat tarjoavat aina huipputason mallin, aivan kuin sähköä verkkovirtapiiristä – ja jos jokin uusi malli saa huomiota (kuten jonkin startup-yrityksen läpimurto), pilvi tarjoaa sen välittömästi.

Eroon mallin itsessään

Jos kaikilla on pääsy samankaltaisiin tekoälymalliin, miten tekoälyyritykset erottautuvat? Tämä on keskiössä massatuotannon keskustelussa. Alan johtajien konsensus on, että arvo tulee tekoälyn soveltamisesta, ei vain algoritmista. OpenAI:n oma strategia heijastaa tätä muutosta. Yrityksen fokus viime vuosina on ollut tarjoamaan hiottua tuotetta (ChatGPT ja sen API) ja parannuksia – kuten hienosäätöpalveluita, lisäosia ja käyttäjäystävällisiä käyttöliittymiä – eikä vain julkaista raakamallikoodia.

Käytännössä tämä tarkoittaa, että yritysten on tarjottava luotettavaa suorituskykyä, mukautusvaihtoehtoja ja kehittäjätyökaluja mallin ympärillä. Samoin Google DeepMind ja Brain -tiimit, jotka ovat nyt osa Google DeepMindia, kanavoivat tutkimuksensa Google-tuotteisiin kuten hakukoneisiin, toimistosovelluksiin ja pilvi-API:hin – upottamalla tekoälyä näihin palveluihin, jotta ne muuttuvat älykkäämmiksi. Mallin tekninen taso on toki tärkeää, mutta Google ymmärtää, että käyttäjät lopulta huomioivat tekoälyn mahdollistamia kokemuksia (parempi hakukone, avulias digitaalinen avustaja jne.), eikä mallin nimeä tai kokoa.

Näemme myös yrityksiä, jotka erottautuvat erikoistumalla. Sen sijaan, että yksi malli hallitsisi kaikkea, jotkut tekoälyyritykset rakentavat malleja, jotka on suunniteltu tiettyihin aloihin tai tehtäviin, joissa he voivat väittää ylivoimaa, vaikka massatuotannon maisemassa. Esimerkiksi on tekoälystartupeja, jotka keskittyvät yksinomaan terveydenhuollon diagnostiikkaan, rahoitukseen tai lakiin – aloihin, joissa omistettu data ja alan asiantuntemus voivat tuottaa paremman mallin kyseiselle niukkuudelle kuin yleispätevä järjestelmä. Nämä yritykset hyödyntävät avoimien mallien hienosäätöä tai pienempiä räätälöityjä malleja yhdessä omistetun datan kanssa erottuakseen.

OpenAI:n ChatGPT-käyttöliittymä ja erikoistuneiden mallien kokoelma (Unite AI/Alex McFarland)

Toinen erottautumisen muoto on tehokkuus ja kustannus. Malli, joka tarjoaa samaa suorituskykyä murto-osaan laskentakustannuksista, voi olla kilpailuetu. Tämä korostui DeepSeekin R1-mallin ilmestyessä, joka oli raportoitu vastaavan joitain OpenAI:n GPT-4-kapasiteetteja koulutuskustannuksilla alle 6 miljoonaa dollaria, dramaattisesti vähemmän kuin GPT-4:ään käytetyt arvioidut yli 100 miljoonaa dollaria. Tällaiset tehokkuusparannukset viittaavat siihen, että vaikka eri mallien tulokset voivat muistuttaa toisiaan, yksi toimija voi erottautua saavuttamalla nämä tulokset kustannustehokkaammin tai nopeammin.

Lopulta on kilpailu tekoälypalvelujen ympärillä. Kun yritys on integroinut tietyn tekoälymallin syvällisesti työprosessiinsa (mukautettujen ohjelmistojen, integraatioiden ja hienosäädetyin datoin kera), vaihtaminen toiseen malliin ei ole kitkaton prosessi. Toimijat kuten OpenAI, Microsoft ja muut yrittävät lisätä tämän sitoutumisen tarjoamalla kattavia alustoja – kehittäjien SDK:ista markkinapaikkoihin tekoälylisäosille – jotka tekevät heidän tekoälynsä täydelliseksi ratkaisuksi eikä vain vaihdettavaksi massatuotteeksi.

Yritykset siirtävät arvoa ylös: kun itse malli ei ole este, erottautuminen tulee kaikesta, mitä on mallin ympärillä – data, käyttökokemus, alan asiantuntemus ja integrointi olemassa oleviin järjestelmiin.

Massatuotetun tekoälyn taloudelliset vaikutukset

Tekoälymallien massatuotanto sisältää merkittäviä taloudellisia vaikutuksia. Lyhyellä aikavälillä se ajaa tekoälyominaisuuksien kustannuksia alas. Useiden kilpailijoiden ja avoimien vaihtoehtojen myötä tekoälypalveluiden hinnoittelu on ollut laskusuunnassa, muistuttaen perinteisiä massatuotantamarkkinoita.

Viimeisten kahden vuoden aikana OpenAI ja muut toimijat ovat leikanneet kielenmallien pääsykustannuksia dramaattisesti. Esimerkiksi OpenAI:n token-hinnat GPT-sarjalle laskivat yli 80 % vuodesta 2023 vuoteen 2024, vähennys joka johtui lisääntyneestä kilpailusta ja tehokkuusparannuksista.

Samoin uudet tulijat, jotka tarjoavat halvempia tai avoimia malleja, pakottavat vakiintuneet toimijat tarjoamaan enemmän vähemmällä – joko ilmaisilla tasolla, avoimilla julkaisuilla tai pakettitarjouksilla. Tämä on hyvä uutinen kuluttajille ja yrityksille, jotka omaksuvat tekoälyä, koska edistyneet ominaisuudet muuttuvat yhä edullisemmiksi. Se tarkoittaa myös, että tekoälyteknologia leviää nopeammin talouteen: kun jokin asia muuttuu halvemmaksi ja standardoiduksi, useammat alat ottavat sen käyttöön, kiihdyttäen innovaatiota (aivan kuten halpa massatuotantotietokoneiden laitteisto 2000-luvun alussa johti ohjelmisto- ja internetsovellusten räjähdysmäiseen kasvuun).

Näemme jo aallon tekoälyn omaksumista aloilla kuten asiakaspalvelu, markkinointi ja toimintaprosessit, joita ohjaa helposti saatavilla olevat mallit ja palvelut. Laajempi saatavuus voi laajentaa koko tekoälyratkaisujen markkinaa, vaikka mallien itse marginaalit pienenisivätkin.

Massatuotetun tekoälyn taloudelliset dynamiikat (Unite AI/Alex McFarland)

Massatuotanto voi kuitenkin myös muuttaa kilpailumaisemaa haastavilla tavoilla. Vakiintuneille tekoälylaboratorioille, jotka ovat investoineet miljardeja kehittääkseen eturintamisen malleja, näiden mallien tarjoaman tilapäisen etunäkemys herättää kysymyksiä paluusta investointiin. Heidän on mahdollisesti sopeutettava liiketoimintamallejaan – esimerkiksi keskittymällä yrityspalveluihin, omistettujen datatuotteiden etuihin tai tilauspalveluihin, jotka rakentuvat mallien päälle eikä ainoastaan myytäisiin API-pääsyä.

On myös aseiden kilpailu: kun jokainen suoritusparannus on nopeasti vastattu tai ylittynyt toisilla (tai jopa avoimilla yhteisöillä), uuden mallin rahastamisen ikkuna kapenee. Tämä dynamiikka pakottaa yritykset harkitsemaan vaihtoehtoisia taloudellisia esteitä. Yksi tällainen este on integrointi omistettuun dataan (jota ei massatuoteta) – tekoäly, joka on säädetty yrityksen omiin rikkaisiin tietoihin, voi olla arvokkaampaa kyseiselle yritykselle kuin mikään valmiiksi tehty malli.

Toinen on sääntely- tai vaatimussuojeluominaisuudet, joissa toimija voi tarjota malleja, joilla on taattu yksityisyys tai vaatimussuojelu yritysten käyttöön, erottautumalla tavalla, joka on teknisesti etevämpää. Laajemmassa mittakaavassa, jos perustekkoälymallit muuttuvat yhtä yleisiksi kuin tietokannat tai web-palvelimet, saattaisimme nähdä siirtymisen, jossa palvelut tekoälyn ympärillä (pilvipalvelut, konsultointi, mukautukset, ylläpito) muuttuvat ensisijaisiksi tulonlähteiksi. Jo nyt pilvipalveluntarjoajat hyötyvät kasvaneesta kysynnästä laskentainfrastruktuurista (prosessorit, grafiikkaprosessorit jne.) pyörittääkseen nämä mallit – hieman kuin sähköyhtiö hyötyy käytöstä, vaikka laitteet itse ovat massatuotteita.

Olennaisesti tekoälyn talous voi muistuttaa muiden IT-massatuotteiden taloutta: alempien kustannusten ja suuremman saatavuuden myötä laaja käyttö lisääntyy, luoden uusia mahdollisuuksia massatuotannon kerroksella, vaikka kyseisen kerroksen tarjoajat kohtaavat tiukemmat marginaalit ja tarpeen innovoida jatkuvasti tai erottautua muilla tavoin.