Beslutningen, alle står over for

Virksomheden, der lagde omkring 13 milliarder dollar i OpenAI, er nu ved at tage OpenAI's produkt ud af sine egne flagskibsapps. Den 23. juli bekræftede Microsoft, at det er begyndt at erstatte OpenAI's billedgenereringsmodeller i PowerPoint og Bing med sit eget, kaldet MAI-Image-2. Mustafa Suleyman, der leder Microsoft AI, sagde det lige ud: den interne model er hurtigere, billigere, af højere kvalitet og giver bedre fastholdelse. Microsoft siger, at MAI-Image-2 genererer billeder cirka dobbelt så hurtigt som forgængeren på tjenesterne Foundry og Copilot.

Det stopper ikke ved billeder. Suleyman har åbent sagt, at Microsoft vil reducere, og til sidst helt fjerne, det, det bruger hos Anthropic, ved at flytte mere arbejde over på sine egne MAI-modeller i Copilot, Microsoft 365 og GitHub Copilot. Årtiets vigtigste AI-partnerskab bliver stille og roligt kørt uden om af en af dets egne arkitekter.

Hvorfor det er en beslutningshistorie og ikke en produkthistorie

Enhver dyb leverandørrelation er stadig et byg-eller-køb-spørgsmål, og det vender i det øjeblik, køberens volumen retfærdiggør at bygge selv. Microsoft købte, da det havde brug for fart og ikke havde en model selv. Det bygger nu, fordi det behandler så mange AI-tokens, at selv en beskeden besparelse pr. forespørgsel bliver et enormt absolut tal. Det nære forhold til OpenAI ændrede intet ved det regnestykke; det udskød det bare.

Det er den lektie, der er værd at tage med. Hvis Microsoft, med en plads på forreste række og milliarder investeret, behandler modellaget som udskifteligt i det øjeblik tallene siger det, så bør enhver virksomhed, der satser sit produkt på én modelleverandør, gå ud fra, at det samme træk er på vej mod den, enten fra dens leverandør eller en dag ved dens egen hånd. Loyalitet beskyttede ikke aftalen. Volumen afgjorde den.

Læs, hvor skiftet begyndte

Commoditisering ankommer der, hvor det er billigt at tage fejl. Microsoft begyndte ikke med at erstatte ræsonnementsmodellen bag sine sværeste programmeringsopgaver. Det begyndte med billedgenerering i PowerPoint og Bing, hvor et lidt dårligere billede næsten intet koster, og forespørgselsvolumenet er enormt. Det er den klassiske vej: bevis den interne model på overbærende arbejde med højt volumen, læg besparelsen til side, og ryk så op ad sværhedskurven, efterhånden som tilliden vokser.

For en operatør er det mønster et kort. De dele af din stak, der er mest udsat for et leverandørskifte, af dig eller af din leverandør, er dem med højt volumen og høj fejltolerance. De dele, der forbliver bundet til en specialist længst, er dem med lavt volumen og meget på spil, hvor et forkert svar er dyrt. At vide, hvilke af dine arbejdsbyrder der ligger hvor, fortæller dig, hvor du først skal investere i portabilitet.

Hvad du skal gøre, før din leverandør gør det

Design, som om du vil skifte, for markedet går nu ud fra, at du måske gør det. Læg hvert modelkald bag en intern grænseflade, så et leverandørskifte er en indstilling og ikke et projekt. Hold dine prompts, dine evalueringssæt og dine værn i dit eget repository, uafhængigt af en enkelt leverandørs værktøjer, så du kan køre dem mod en udfordrer igen på en eftermiddag.

Forhandl så derefter. En leverandør, der ved, at du kan gå om en uge, prissætter anderledes end en, der ved, at du ikke kan. Og lav det regnestykke, Microsoft lavede: følg den volumentærskel, hvor det at bygge eller finjustere din egen model slår det at leje, så du træffer den beslutning bevidst i stedet for at opdage, som OpenAI lige har gjort, at din største kunde stille og roligt nåede den først.

Læs videre: To AI-giganter vil nu være din integrator  |  En model delte sit token op for at snyde scanneren