Zespół, który Amazon budował dwa lata, zlikwidowany

22 lipca Amazon potwierdził, że zredukował personel w swojej organizacji AGI, dziale budującym modele z czołówki, które mają rywalizować z najlepszymi od OpenAI i Google. Firma nie chciała podać, ilu ludzi ani których zespołów to dotyczy, ale doniesienia były zgodne: zlikwidowane role dotyczyły dotrenowywania i dostosowywania modeli. Dzieje się to w roku, w którym Amazon zapowiedział 200 miliardów dolarów nakładów, o ponad połowę więcej niż wydał w 2025, finansowanych po części dziesiątkami miliardów w nowym długu.

Te dwa fakty kłócą się ze sobą tylko wtedy, gdy założymy, że wydatki i badania to ten sam zakład. Nie są. Kapitał płynie do centrów danych, układów scalonych i rozbudowy AWS. To, co Amazon ograniczył, to wewnętrzny wysiłek, by stać w samej czołówce jakości modeli. Budżet urósł; ambicja, by wygrać sam model, już nie.

Decyzja kryjąca się pod zwolnieniami

Odłóż liczby etatów, a jest to wybór między budową a zakupem, podjęty na szczycie firmy. Amazon spojrzał na czołówkę, gdzie garstka laboratoriów narzuca tempo, a koszt utrzymania poziomu jest ogromny, i uznał, że nie tam leży jego przewaga. Jego przewagą jest dystrybucja: setki tysięcy firm już działa na AWS i kupi każdy model, który jest wystarczająco dobry, opakowany w narzędzia, którym ufa. Nie trzeba budować najlepszego silnika, jeśli posiada się drogę, którą jeżdżą wszyscy.

Na tym polega niewygodna jasność tego ruchu. Amazon nie wycofuje się z AI; odmawia wydawania swojego najrzadszego zasobu, doświadczonych badaczy, na rywalizację, w której strukturalnie jest z tyłu, i kieruje go do tej części stosu, gdzie drugie miejsce w modelu i tak wygrywa u klienta. Program wart miliard dolarów, osadzający inżynierów AWS u klientów budujących systemy agentowe, jest sygnałem: zakład dotyczy wdrożenia, nie odkrycia.

Koszt utopiony, który Amazon postanowił zignorować

Łatwa wersja tej historii to firma, która się poddaje. Trudniejsza i bardziej użyteczna wersja to firma, która odmawia dokładania dobrych pieniędzy do pozycji, za którą już drogo zapłaciła. Amazon kupił sobie drogę ku czołówce, przejmując dla talentu Adept w 2024, a ci, którzy prowadzili to natarcie, od tego czasu odeszli, Rohit Prasad pod koniec 2025 i David Luan, który kierował laboratorium AGI w San Francisco, na początku 2026, a pozostałą pracą pokierował weteran infrastruktury, Peter DeSantis. Słabszy zarząd nadal finansowałby pierwotny plan, by uzasadnić to, co już wydał.

Jest jeszcze ostrzejszy wymiar. Likwidowane role w dotrenowywaniu i dostosowywaniu to te same funkcje, które produkt Amazona Nova Forge ma automatyzować i przekazywać klientom. Firma dostarczyła narzędzie, które wykonuje tę pracę, a potem rozstała się z zespołem, który robił ją ręcznie. To koszt utopiony i samodzielne zakłócanie w jednej decyzji, a jest to wersja, którą większości firm najtrudniej zastosować wobec własnych ludzi.

Co właściciel z tego wynosi

Zestaw odruch budowy własnego modelu ze wskaźnikiem bazowym. Bardzo niewiele organizacji przebije laboratoria z czołówki, a te wydające 200 miliardów dolarów rocznie po cichu to przyznają. Skoro gigant z zasobami Amazona nie finansuje sobie drogi do parytetu, mniejszy gracz powinien traktować budowę modelu z czołówki jako rzadki wyjątek, nie jako plan domyślny, i zamiast tego kupić lub wynająć tę zdolność.

Wydawaj tam, gdzie już jest twoja fosa. Przewagą Amazona nigdy nie był model; byli nią klienci i droga do nich. Twoją są zapewne twoje dane, twój przepływ pracy albo twoja dystrybucja, a nie laboratorium. Zdyscyplinowany ruch to umieścić wywołania modelu za wymienialnym interfejsem, zachować przenośność promptów i ewaluacji oraz wlać skromny budżet w przewagę, której nikt inny nie ma, a nie w dorównywanie w wyścigu, który wygra garstka laboratoriów.

Czytaj dalej: Gdy rachunek mówi 7 bilionów, nie reaguj  |  Twoje sprawdzone dane już były w połowie maszyną