Er AI-modeller på vei til å bli varer?

Microsofts CEO Satya Nadella har nylig sparket debatt ved å foreslå at avanserte AI-modeller er på vei mot kommodifisering. I en podcast observerte Nadella at grunnleggende modeller blir stadig mer like og vidt tilgjengelige, til det punktet hvor «modellene i seg selv er ikke tilstrekkelige» for en varig konkurransefordel. Han påpekte at OpenAI – til tross for sine avanserte neurale nettverk – «ikke er et modellselskap; det er et produktselskap som skjer fantastiske modeller», og understreket at den virkelige fordelen kommer fra å bygge produkter rundt modellene.

I andre ord, å ha den mest avanserte modellen garanterer ikke lenger markedets ledelse, siden enhver ytelsesledelse kan være kortvarig i den raske utviklingen av AI-innovasjoner.

Nadellas perspektiv har vekt i en bransje hvor teknologigigantene konkurrerer om å trene stadig større modeller. Hans argument impliserer en skift i fokus: i stedet for å fokusere på modell-superioritet, bør selskapene rette energi mot å integrere AI i «en fullstendig systemstakk og suksessfulle produkter».

Dette ekkoer en bredere holdning om at dagens AI-gjennombrudd raskt blir morgendagens basisfunksjoner. Ettersom modellene blir mer standardiserte og tilgjengelige, flytter fokuset til hvordan AI brukes i virkelige tjenester. Selskaper som Microsoft (MSFT ) og Google (GOOGL ), med veldig produktøkosystemer, kan være best posisjonert til å kapitalisere på denne trenden med kommodifisert AI ved å integrere modeller i brukervennlige tilbud.

Utvidelse av tilgang og åpne modeller

Det var ikke lenge siden at bare et fåtall laboratorier kunne bygge state-of-the-art AI-modeller, men denne eksklusiviteten forsvinner raskt. AI-kapasiteter er stadig mer tilgjengelige for organisasjoner og selv enkeltindivider, og dette fører til at modellene blir sett på som varer. AI-forsker Andrew Ng så tidlig som i 2017 liknet AI-potensialet med «den nye elektrisiteten», og foreslo at på samme måte som elektrisitet ble en allmenn vare som understøtter moderne liv, kunne AI-modeller bli grunnleggende tjenester som er tilgjengelige fra mange leverandører.

Den nylige spredningen av åpne modeller har akselerert denne trenden. Meta (Facebooks foreldre-selskap), for eksempel, skapte bølger ved å slippe kraftfulle språkmodeller som LLaMA åpent til forskere og utviklere uten kostnad. Grunnen er strategisk: ved å åpne kilden for sin AI, kan Meta fremme videre utbredelse og få bidrag fra samfunnet, samtidig som de undergraver rivalers proprietære fordeler. Og enda nyligere, eksploderte AI-verden med utgivelsen av den kinesiske modellen DeepSeek.

I området bilde-generering, viste Stability AIs Stable Diffusion-modell hvordan raskt et gjennombrudd kan bli kommodifisert: innen måneder etter dens åpne utgivelse i 2022, ble den et husnavn i generativ AI, tilgjengelig i talløse applikasjoner. I virkeligheten, er det åpne kilde-økosystemet i ferd med å eksplodere – det finnes titusenvis av AI-modeller som er offentlig tilgjengelige i lagringssteder som Hugging Face.

Dette betyr at organisasjoner ikke lenger står overfor et binært valg om å betale for en enkelt leverandørs hemmelige modell eller ingenting. I stedet, kan de velge fra et meny av modeller (åpne eller kommersielle) eller til og med finjustere sine egne, på samme måte som å velge varer fra en katalog. Den rene mengden av valgmuligheter er et sterkt tegn på at avansert AI blir en vidt delt ressurs i stedet for en nært voktet privilegium.

Skyløftende giganter gjør AI til en tjeneste

De store skytjenesteleverandørene har vært nøkkelaktører – og drivere – av AI-kommodifiseringen. Selskaper som Microsoft, Amazon (AMZN ) og Google tilbyr AI-modeller som tjenester på forespørsel, likt tjenester levert over skyen. Nadella påpekte at «modellene blir kommodifisert i [skyen]», og understreket hvordan skyen gjør kraftfulle AI-tjenester vidt tilgjengelige.

Det er faktisk slik at Microsofts Azure-skytjeneste har et samarbeid med OpenAI, som gjør det mulig for enhver utvikler eller bedrift å få tilgang til GPT-4 eller andre toppmodeller via en API-kall, uten å bygge sin egen AI fra bunnen av. Amazon Web Services (AWS) har gått et skritt lenger med sin Bedrock-plattform, som fungerer som en modellmarkedsplass. AWS Bedrock tilbyr et utvalg av grunnleggende modeller fra flere ledende AI-selskaper – fra Amazons egne modeller til modeller fra Anthropic, AI21 Labs, Stability AI og andre – alle tilgjengelige gjennom en enkelt tjeneste.

Dette «mange modeller, en plattform»-tilnærmingen eksemplifiserer kommodifisering: kunder kan velge modellen som passer deres behov og bytte leverandør med relativt lettighet, som om de handler en vare.

I praksis betyr det at bedrifter kan stole på at skyplattformene alltid har en state-of-the-art-modell tilgjengelig, likt elektrisitet fra et nett – og hvis en ny modell skaffer oppmerksomhet (for eksempel en startups gjennombrudd), vil skytjenesten raskt tilby den.

Forskjell fra modellen selv

Hvis alle har tilgang til lignende AI-modeller, hvordan kan AI-selskaper skille seg ut? Dette er kjernen i kommodifiseringsdebatten. Enighet blant bransjeledere er at verdien ligger i anvendelsen av AI, ikke bare algoritmen. OpenAIs egen strategi reflekterer denne skiftet. Selskapets fokus de siste årene har vært på å levere en polert produkt (ChatGPT og dens API) og et økosystem av forbedringer – som finjusterings-tjenester, plugin-tillegg og brukervennlige grensesnitt – i stedet for bare å slippe ut rå modellkode.

I praksis betyr det å tilby pålitelig ytelse, tilpasningsmuligheter og utviklerverktøy rundt modellen. Liksom Googles DeepMind og Brain-lag, som nå er en del av Google DeepMind, kanaler sine forskningsresultater inn i Googles produkter som søk, kontor-applikasjoner og sky-API-er – integrerende AI for å gjøre disse tjenestene smartere. Den tekniske sofistikasjonen av modellen er selvfølgelig viktig, men Google vet at brukerne i slutten av dagen bryr seg om opplevelsene som muliggjøres av AI (en bedre søkemotor, en mer hjelpsom digital assistent osv.), ikke modellens navn eller størrelse.

Vi ser også selskaper som skille seg ut gjennom spesialisering. I stedet for en modell som kan alt, bygger noen AI-selskaper modeller tilpasset bestemte domener eller oppgaver, hvor de kan hevde en overlegen kvalitet selv i en kommodifisert landskap. For eksempel, finnes det AI-startups som fokuserer eksklusivt på helse-diagnostics, finans eller lov – områder hvor proprietær data og domene-ekspertise kan gi en better modell for den nisjen enn et generelt system. Disse selskapene utnytter finjustering av åpne modeller eller mindre skreddersydd modeller, kombinert med proprietær data, for å skille seg ut.

OpenAIs ChatGPT-grensesnitt og samling av spesialiserte modeller (Unite AI/Alex McFarland)

En annen form for forskjell er effisiens og kostnad. En modell som leverer like god ytelse til en brøkdel av den komputasjonelle kostnaden, kan være en konkurransefordel. Dette ble understreket av fremkomsten av DeepSeeks R1-modell, som angivelig matchet noen av OpenAIs GPT-4-kapasiteter med en treningkostnad på under 6 millioner dollar, dramatisk lavere enn den estimerte 100+ millioner dollar som ble brukt på GPT-4. Slike effisiensgevinster antyder at mens utdataene fra forskjellige modeller kan bli like, kan en leverandør skille seg ut ved å oppnå disse resultater billigere eller raskere.

Til slutt, er det kappløpet om å bygge brukerloyalitet og økosystemer rundt AI-tjenester. Når et bedrift har integrert en bestemt AI-modell dypt inn i sin arbeidsflyt (med tilpassede promter, integrasjoner og finjusterte data), er det ikke friksjonsløst å bytte til en annen modell. Leverandører som OpenAI, Microsoft og andre prøver å øke denne lojaliteten ved å tilby komplette plattformer – fra utvikler-SDK-er til markedsplasser av AI-tillegg – som gjør deres variant av AI til en fullstendig løsning enn en byttbar vare.

Selskaper flytter oppover verdikjeden: når modellen selv ikke er en voll, kommer forskjellen fra alt som omgir modellen – dataene, brukeropplevelsen, den vertikale ekspertisen og integrasjonen i eksisterende systemer.

Økonomiske virkninger av kommodifisert AI

Kommodifiseringen av AI-modeller har betydelige økonomiske implikasjoner. På kort sikt, driver det ned kostnadene for AI-kapasiteter. Med flere konkurrenter og åpne alternativer, har prisingen for AI-tjenester vært i en nedadgående spiral lignende klassiske varemarkeder.

Over de siste to årene, har OpenAI og andre leverandører kraftig reduert prisene for tilgang til språkmodeller. For eksempel, sank OpenAIs tokenpris for sin GPT-serie med over 80% fra 2023 til 2024, en reduksjon som tilskrives økt konkurranse og effisiensgevinster.

Liksom nye inntredere som tilbyr billigere eller åpne modeller, tvinger dette etablerte leverandører til å tilby mer for mindre – enten gjennom gratis abonnementer, åpne kilde-utgivelser eller pakkeavtaler. Dette er god nyhet for forbrukere og bedrifter som adopterer AI, ettersom avanserte kapasiteter blir stadig mer tilgjengelige. Det betyr også at AI-teknologien sprenger seg raskere over økonomien: når noe blir billigere og mer standardisert, inkorporerer flere industrier det, og driver innovasjon (likesom billig kommodifisert PC-hardware på 2000-tallet ledet til en eksplosjon av programvare og internettjenester).

Vi ser allerede en bølge av AI-adopterende i sektorer som kundeservice, markedsføring og operasjoner, drevet av lett tilgjengelige modeller og tjenester. Videre tilgjengelighet kan derfor utvide markedet for AI-løsninger, selv om gevinstmarginene på modellene selv krymper.

Økonomiske dynamikker av kommodifisert AI (Unite AI/Alex McFarland)

Imidlertid kan kommodifisering også omforme konkurranse-landskapet på utfordrende måter. For etablerte AI-laboratorier som har investert milliarder i å utvikle frontier-modeller, reiser prospektet om at disse modellene bare gir midlertidige fordeler, spørsmål om avkastning på investering. De kan trenge å justere sine forretningsmodeller – for eksempel, fokusere på bedriftstjenester, proprietære datafordeler eller abonnementsprodukter bygget ovenpå modellene, i stedet for å selge API-tilgang alene.

Det er også en våpenkappløp-aspekt: når hver gjennombrudd i ytelse raskt møtes eller overgås av andre (eller til og med åpne kilde-samfunn), smalner vinduet til å moneterisere en ny modell. Denne dynamikken presser selskaper til å vurdere alternative økonomiske voller. En slik voll er integrasjon med proprietær data (som ikke er kommodifisert) – AI justert på et selskaps eget rike data kan være mer verdifullt for det selskapet enn noen standardmodell.

En annen er regulering eller overholdelsesfunksjoner, hvor en leverandør kan tilby modeller med garantert personvern eller overholdelse for bedriftsbruk, og skille seg ut på en måte utover ren teknologi. På en makro-skala, hvis grunnleggende AI-modeller blir like vanlige som databaser eller webservere, kan vi se en skift hvor tjenestene rundt AI (sky-hosting, konsultering, tilpasninger, vedlikehold) blir primære inntektskilder. Allerede nå drar sky-leverandører nytte av økt etterspørsel etter beregnings-infrastruktur (CPU-er, GPU-er osv.) for å kjøre alle disse modellene – litt som en elektrisitets-utility profitterer av bruk selv om apparatene er kommodifisert.

I essensen, kan økonomien av AI speile den av andre IT-varer: lavere kostnader og større tilgang driver vidt bruk, og skaper nye muligheter bygget ovenpå den kommodifiserte laget, selv om leverandørene av denne laget står overfor tettere marginer og behov for å innovere konstant eller skille seg ut andre steder.