Zijn AI-modellen aan het worden van grondstoffen?

Microsoft (MSFT ) CEO Satya Nadella heeft onlangs een debat aangewakkerd door te suggereren dat geavanceerde AI-modellen op weg zijn naar commodificatie. In een podcast merkte Nadella op dat fundamentale modellen steeds meer op elkaar lijken en breed beschikbaar zijn, tot het punt waarop “modellen op zichzelf niet voldoende zijn” voor een duurzaam concurrentievoordeel. Hij wees erop dat OpenAI – ondanks zijn baanbrekende neurale netwerken – “geen modelbedrijf is; het is een productbedrijf dat toevallig fantastische modellen heeft”, onderstrepend dat het echte voordeel voortkomt uit het bouwen van producten rond de modellen.

Met andere woorden, het hebben van het meest geavanceerde model garandeert niet langer marktleiderschap, aangezien elke prestatievoorsprong van korte duur kan zijn temidden van de snelle innovatie in AI.

Nadella’s perspectief heeft gewicht in een industrie waar techreuzen racen om steeds grotere modellen te trainen. Zijn argument impliceert een verschuiving in focus: in plaats van te obsesseren over modelsuprematie, moeten bedrijven hun energie richten op het integreren van AI in “een volledige systeemstack en succesvolle producten”.

Dit weerspiegelt een bredere sentiment dat de AI-doorbraken van vandaag morgen al basiseigenschappen worden. Aangezien modellen meer gestandaardiseerd en toegankelijk worden, verplaatst de aandacht zich naar hoe AI wordt toegepast in echte diensten. Bedrijven zoals Microsoft en Google (GOOGL ), met uitgebreide productecosystemen, kunnen het best geplaatst zijn om deze trend van gecommodificeerde AI te benutten door modellen in te bedden in gebruikersvriendelijke aanbiedingen.

Verbreding van toegang en open modellen

Niet zo lang geleden konden alleen een handvol laboratoria state-of-the-art AI-modellen bouwen, maar die exclusiviteit verdwijnt snel. AI-mogelijkheden worden steeds toegankelijker voor organisaties en zelfs individuen, waardoor de notie van modellen als grondstoffen wordt gevoed. AI-onderzoeker Andrew Ng al in 2017 vergeleek de potentie van AI met “de nieuwe elektriciteit”, suggererend dat net zoals elektriciteit een alomtegenwoordige grondstof werd die het moderne leven ondersteunt, AI-modellen fundamentale nutsvoorzieningen kunnen worden die beschikbaar zijn vanuit veel aanbieders.

De recente verspreiding van open-source modellen heeft deze trend versneld. Meta (het moederbedrijf van Facebook (META )), bijvoorbeeld, zorgde voor opschudding door krachtige taalmodellen zoals LLaMA openlijk aan onderzoekers en ontwikkelaars beschikbaar te stellen zonder kosten. De redenering is strategisch: door zijn AI open te stellen, kan Meta een bredere adoptie stimuleren en communitybijdragen ontvangen, terwijl het de voordelen van rivalen ondermijnt. En nog onlangs zorgde de AI-wereld voor opschudding met de release van het Chinese model DeepSeek.

In het domein van beeldgeneratie toonde Stability AI’s Stable Diffusion model hoe snel een doorbraak kan worden geconverteerd: binnen enkele maanden na de openbare release in 2022 werd het een huishoudnaam in generatieve AI, beschikbaar in talloze toepassingen. Feitelijk is het open-source ecosysteem aan het exploderen – er zijn tienduizenden AI-modellen openbaar beschikbaar op repositories zoals Hugging Face.

Deze alomtegenwoordigheid betekent dat organisaties geen binaire keuze meer hebben tussen het betalen voor een enkel providers geheime model of niets. In plaats daarvan kunnen ze kiezen uit een menu van modellen (open of commercieel) of zelfs hun eigen modellen fijn afstemmen, net zoals het selecteren van grondstoffen uit een catalogus. Het grote aantal opties is een sterke indicatie dat geavanceerde AI een breed gedeelde bron wordt in plaats van een nauw bewaakt privilege.

Cloudreuzen veranderen AI in een nutsvoorziening

De grote cloudproviders zijn belangrijke aanjagers – en drijvende krachten – van de commodificatie van AI. Bedrijven zoals Microsoft, Amazon (AMZN ) en Google bieden AI-modellen aan als diensten op aanvraag, vergelijkbaar met nutsvoorzieningen die via de cloud worden geleverd. Nadella merkte op dat “modellen in de cloud worden geconverteerd”, waarbij hij benadrukte hoe de cloud krachtige AI breed toegankelijk maakt.

Microsofts Azure-cloud heeft een partnerschap met OpenAI, waardoor elke ontwikkelaar of bedrijf toegang kan krijgen tot GPT-4 of andere topmodellen via een API-aanroep, zonder dat ze hun eigen AI van scratch hoeven te bouwen. Amazon Web Services (AWS) is nog een stap verder gegaan met zijn Bedrock-platform, dat fungeert als een modelmarkt. AWS Bedrock biedt een selectie van fundamentmodellen van meerdere toonaangevende AI-bedrijven – van Amazons eigen modellen tot die van Anthropic, AI21 Labs, Stability AI en anderen – allemaal toegankelijk via één beheerdienst.

Deze “veel modellen, één platform”-aanpak is een voorbeeld van commodificatie: klanten kunnen kiezen voor het model dat het beste bij hun behoeften past en met relatieve gemakkelijkheid van provider wisselen, alsof ze een grondstof kopen.

In praktische zin betekent dit dat bedrijven kunnen vertrouwen op cloudplatforms om altijd een state-of-the-art model beschikbaar te hebben, net zoals elektriciteit van een net – en als een nieuw model de koppen haalt (zeg een doorbraak van een startup), zal de cloud het prompt aanbieden.

Differentiëren buiten het model zelf

Als iedereen toegang heeft tot vergelijkbare AI-modellen, hoe onderscheiden AI-bedrijven zichzelf dan? Dit is het kernpunt van het debat over commodificatie. De consensus onder industrieleiders is dat de waarde zal liggen in de toepassing van AI, niet alleen in het algoritme. OpenAI’s eigen strategie weerspiegelt deze verschuiving. Het bedrijf heeft de afgelopen jaren gefocust op het leveren van een gepolijst product (ChatGPT en zijn API) en een ecosysteem van verbeteringen – zoals fijnafstemmingsdiensten, plugin-add-ons en gebruikersvriendelijke interfaces – in plaats van alleen maar ruwe modelcode uit te brengen.

In de praktijk betekent dit het aanbieden van betrouwbare prestaties, aanpassingsmogelijkheden en ontwikkelaarstools rond het model. Vergelijkbaar zijn Google’s DeepMind- en Brain-teams, nu onderdeel van Google DeepMind, die hun onderzoek kanaliseren in Google’s producten zoals zoekmachines, kantoorapplicaties en cloud-API’s – door AI in te bedden om deze diensten slimmer te maken. De technische sofisticatie van het model is zeker belangrijk, maar Google weet dat gebruikers uiteindelijk geïnteresseerd zijn in de ervaringen die door AI mogelijk worden gemaakt (een betere zoekmachine, een meer behulpzame digitale assistent, enz.), niet in de naam of grootte van het model.

We zien ook bedrijven differentiëren door specialisatie. In plaats van één model om alle modellen te regeren, bouwen sommige AI-bedrijven modellen die zijn aangepast aan specifieke domeinen of taken, waar ze een superieure kwaliteit kunnen claimen, zelfs in een geconverteerde landschap. Bijvoorbeeld, er zijn AI-startups die zich uitsluitend richten op gezondheidsdiagnostiek, financiën of recht – gebieden waar propriëtaire data en domeinkennis een beter model voor die niche kunnen opleveren dan een algemeen doelmodel. Deze bedrijven benutten fijnafstemming van open modellen of kleinere maatwerkmodellen, gekoppeld aan propriëtaire data, om zich te onderscheiden.

OpenAI’s ChatGPT-interface en collectie van gespecialiseerde modellen (Unite AI/Alex McFarland)

Een andere vorm van differentiëren is efficiëntie en kosten. Een model dat gelijke prestaties levert bij een fractie van de computationele kosten kan een concurrentievoordeel zijn. Dit werd onderstreept door de opkomst van DeepSeek’s R1-model, dat naar verluidt enkele van OpenAI’s GPT-4-capaciteiten evenaarde met een trainingskost van minder dan $6 miljoen, dramatisch lager dan de geschatte $100+ miljoen uitgegeven aan GPT-4. Dergelijke efficiëntiegewinnen suggereren dat, terwijl de uitvoer van verschillende modellen mogelijk vergelijkbaar wordt, één aanbieder zich kan onderscheiden door die resultaten goedkoper of sneller te bereiken.

Tenslotte is er de race om gebruikersloyaliteit en ecosystemen rond AI-diensten op te bouwen. Zodra een bedrijf een bepaald AI-model diep in zijn workflow heeft geïntegreerd (met aangepaste prompts, integraties en fijn afgestemde data), is het niet zonder wrijving om naar een ander model over te stappen. Aanbieders zoals OpenAI, Microsoft en anderen proberen deze “stickiness” te verhogen door uitgebreide platforms aan te bieden – van ontwikkelaars-SDK’s tot markten van AI-plugins – die hun AI meer tot een full-stack oplossing maken dan een inwisselbare grondstof.

Bedrijven bewegen zich omhoog in de waardeketen: wanneer het model zelf geen moat is, komt de differentiëring van alles wat het model omringt – de data, de gebruikerservaring, de verticale expertise en de integratie in bestaande systemen.

Economische gevolgen van geconverteerde AI

De commodificatie van AI-modellen heeft significante economische implicaties. Op korte termijn drijft het de kosten van AI-mogelijkheden omlaag. Met meerdere concurrenten en open alternatieven is de prijsstelling voor AI-diensten in een neerwaartse spiraal terechtgekomen, herinnerend aan klassieke grondstoffenmarkten.

In de afgelopen twee jaar hebben OpenAI en andere aanbieders de prijzen voor toegang tot taalmodellen dramatisch verlaagd. Zo is de tokenprijs van OpenAI voor zijn GPT-reeks met meer dan 80% gedaald van 2023 tot 2024, een verlaging die wordt toegeschreven aan toenemende concurrentie en efficiëntiegewinnen.

Evenzo dwingen nieuwkomers met goedkopere of open modellen gevestigde aanbieders ertoe meer te bieden voor minder – ofwel via gratis proefversies, open-source releases of bundeldeals. Dit is goed nieuws voor consumenten en bedrijven die AI adopteren, aangezien geavanceerde capaciteiten steeds toegankelijker worden. Het betekent ook dat AI-technologie sneller over de economie verspreidt: wanneer iets goedkoper en meer gestandaardiseerd wordt, nemen meer industrieën het op, waardoor innovatie wordt gestimuleerd (net zoals goedkope geconverteerde PC-hardware in de jaren 2000 leidde tot een explosie van software- en internetdiensten).

We zien al een golf van AI-adoptie in sectoren zoals klantenservice, marketing en operaties, aangedreven door gemakkelijk beschikbare modellen en diensten. Breder beschikbaarheid kan zo de totale markt voor AI-oplossingen uitbreiden, zelfs als de winstmarges op de modellen zelf krimpen.

Economische dynamiek van geconverteerde AI (Unite AI/Alex McFarland)

Evenwel kan commodificatie de concurrentielandschap op uitdagende wijze herschikken. Voor gevestigde AI-labs die miljarden hebben geïnvesteerd in het ontwikkelen van frontiermodellen, roept het vooruitzicht dat deze modellen alleen tijdelijke voordelen opleveren vragen op over de ROI. Zij moeten mogelijk hun bedrijfsmodellen aanpassen – bijvoorbeeld door te focussen op enterprise-diensten, propriëtaire data-voordelen of abonnementsproducten gebouwd op de modellen, in plaats van alleen API-toegang te verkopen.

Er is ook een wapenwedloop-element: wanneer elke doorbraak in prestaties snel wordt geëvenaard of overtroffen door anderen (of zelfs door open-source gemeenschappen), wordt het venster om een nieuw model te monetariseren smaller. Deze dynamiek dwingt bedrijven ertoe alternatieve economische moats te overwegen. Een dergelijke moat is integratie met propriëtaire data (die niet wordt geconverteerd) – AI afgestemd op een bedrijfs eigen rijke data kan waardevoller zijn voor dat bedrijf dan elk standaardmodel.

Als fundamentale AI-modellen zo alomtegenwoordig worden als databases of webservers, kunnen we een verschuiving zien waarbij de diensten rond AI (cloudhosting, consulting, aanpassingen, onderhoud) de primaire inkomstengeneratoren worden. Cloudproviders profiteren al van de toegenomen vraag naar compute-infrastructuur (CPUs, GPUs, enz.) om al deze modellen uit te voeren – een beetje zoals een elektriciteitsbedrijf profiteert van het gebruik, zelfs als de apparaten zijn geconverteerd.

In wezen kunnen de economie van AI de economie van andere IT-grondstoffen weerspiegelen: lagere kosten en grotere toegang stimuleren bredere gebruik, waardoor nieuwe kansen ontstaan die zijn gebouwd op de geconverteerde laag, zelfs als de aanbieders van die laag te maken krijgen met kleinere marges en de noodzaak om constant te innoveren of te differentiëren elders.