Teamet som Amazon lade två år på att bygga, nedskuret

Den 22 juli bekräftade Amazon att man skurit ned personal inom sin AGI-organisation, divisionen som bygger de frontmodeller som ska mäta sig med det bästa från OpenAI och Google. Företaget ville inte säga hur många eller vilka team, men rapporteringen var entydig: de berörda rollerna låg inom efterträning och anpassning av modeller. Det sker under ett år då Amazon har flaggat för 200 miljarder dollar i investeringar, drygt hälften mer än vad man lade 2025, delvis finansierat med tiotals miljarder i ny skuld.

De två fakta skaver bara om man antar att utgifterna och forskningen är samma vad. Det är de inte. Kapitalet strömmar in i datacenter, chip och utbyggnaden av AWS. Det Amazon drog ned på var den interna ansträngningen att ligga allra främst i modellkvalitet. Budgeten växte; ambitionen att vinna själva modellen gjorde det inte.

Beslutet under uppsägningen

Ta bort personalsiffrorna, och detta är ett val mellan att bygga själv eller köpa, fattat högst upp i ett företag. Amazon såg på fronten, där en handfull laboratorier sätter takten och kostnaden för att hänga med är enorm, och beslutade att fördelen inte ligger där. Fördelen är distribution: hundratusentals företag kör redan på AWS och köper vilken modell som helst som är tillräckligt bra, inpackad i verktyg de litar på. Man behöver inte bygga den bästa motorn om man äger vägen alla kör på.

Det är den obekväma tydligheten i draget. Amazon drar sig inte ur AI; företaget vägrar lägga sin knappaste resurs, erfarna forskartalanger, på en tävling där det strukturellt ligger efter, och styr om den till den del av stacken där en andraplats på modellen ändå vinner hos kunden. Ett program på en miljard dollar som placerar AWS-ingenjörer hos kunder som bygger agentiska system är tecknet: vadet gäller utrullning, inte upptäckt.

Den nedlagda kostnaden Amazon valde att ignorera

Den enkla versionen av historien är ett företag som ger upp. Den svårare och nyttigare versionen är ett företag som vägrar kasta goda pengar efter en position det redan betalat dyrt för. Amazon köpte sig väg mot fronten med talangförvärvet av Adept 2024, och de som ledde den satsningen har sedan dess slutat, Rohit Prasad i slutet av 2025 och David Luan, som ledde AGI-laboratoriet i San Francisco, i början av 2026, medan det återstående arbetet lades under en infrastrukturveteran, Peter DeSantis. En svagare styrelse fortsätter finansiera den ursprungliga planen för att rättfärdiga det den redan lagt ut.

Det finns en ännu skarpare poäng. Rollerna inom efterträning och anpassning som försvinner är samma funktioner som Amazons produkt Nova Forge är byggd för att automatisera och lämna över till kunderna. Företaget levererade verktyget som gör jobbet och lät sedan teamet gå som gjorde det för hand. Det är nedlagd kostnad och självdisruption i ett och samma beslut, och det är den version de flesta företag har svårast att tillämpa på sina egna medarbetare.

Vad en ägare tar med sig

Pröva impulsen att bygga en egen modell mot basnivån. Mycket få organisationer kommer att överträffa frontlaboratorierna, och de som lägger 200 miljarder dollar om året medger tyst just det. Om en jätte med Amazons resurser inte finansierar sin väg till jämnvikt bör en mindre aktör behandla bygget av en frontmodell som det sällsynta undantaget, inte som standardplanen, och i stället köpa eller hyra förmågan.

Lägg pengarna där din vallgrav redan finns. Amazons försprång var aldrig modellen; det var kunderna och vägen till dem. Ditt är sannolikt dina data, ditt arbetsflöde eller din distribution, inte ett laboratorium. Det disciplinerade draget är att lägga modellanropen bakom ett utbytbart gränssnitt, hålla dina prompter och utvärderingar flyttbara och ösa din knappa budget i den fördel ingen annan har, inte i att hänga med i en kapplöpning som en handfull laboratorier vinner.

Läs vidare: När räkningen säger 7 biljoner, reagera inte  |  Era människokontrollerade data var redan halvt maskin