Beslutet som alla har framför sig

Företaget som lade omkring 13 miljarder dollar i OpenAI tar nu OpenAI:s produkt ur sina egna flaggskeppsappar. Den 23 juli bekräftade Microsoft att det har börjat ersätta OpenAI:s bildgenereringsmodeller i PowerPoint och Bing med en egen, kallad MAI-Image-2. Mustafa Suleyman, som leder Microsoft AI, sa det rakt ut: den interna modellen är snabbare, billigare, av högre kvalitet och ger bättre kvarhållning. Microsoft säger att MAI-Image-2 genererar bilder ungefär dubbelt så snabbt som sin föregångare på tjänsterna Foundry och Copilot.

Det stannar inte vid bilder. Suleyman har öppet sagt att Microsoft vill minska, och till slut eliminera, det som det lägger hos Anthropic genom att flytta mer arbete till sina egna MAI-modeller i Copilot, Microsoft 365 och GitHub Copilot. Årtiondets viktigaste AI-partnerskap kringgås i tysthet, och det av en av dess egna arkitekter.

Varför detta är en beslutshistoria och inte en produkthistoria

Varje djup leverantörsrelation är fortfarande en bygg-eller-köp-fråga, och den vänder i samma stund som köparens volym motiverar att bygga själv. Microsoft köpte när det behövde fart och inte hade någon egen modell. Det bygger nu därför att det behandlar så många AI-tokens att även en blygsam besparing per förfrågan blir ett enormt absolut tal. Närheten i relationen med OpenAI ändrade ingenting i den aritmetiken; den bara sköt upp den.

Det är läxan värd att ta med sig. Om Microsoft, med en plats på första parkett och miljarder investerade, behandlar modelllagret som utbytbart i samma stund som siffrorna säger det, då bör varje företag som satsar sin produkt på en enda modellleverantör utgå från att samma drag är på väg mot det, antingen från leverantören eller en dag av egen hand. Lojaliteten skyddade inte uppgörelsen. Volymen avgjorde den.

Läs var bytet började

Kommoditisering anländer där det är billigt att ha fel. Microsoft började inte med att ersätta resonemangsmodellen bakom sina svåraste programmeringsuppgifter. Det började med bildgenerering i PowerPoint och Bing, där en något sämre bild kostar nästan ingenting och förfrågningsvolymen är väldig. Det är den klassiska vägen: bevisa den interna modellen på förlåtande arbete med hög volym, ta hem besparingen och sedan klättra uppför svårighetskurvan i takt med att förtroendet växer.

För en operatör är det mönstret en karta. De delar av din stack som är mest utsatta för ett leverantörsbyte, av dig eller av din leverantör, är de med hög volym och hög feltolerans. De delar som förblir bundna till en specialist längst är de med låg volym och mycket som står på spel, där ett felaktigt svar är dyrt. Att veta vilken av dina arbetsbelastningar som ligger var talar om för dig var du först ska investera i portabilitet.

Vad du ska göra innan din leverantör gör det

Designa som om du kommer att byta, för marknaden utgår nu från att du kanske gör det. Lägg varje modellanrop bakom ett internt gränssnitt så att ett leverantörsbyte blir en inställning och inte ett projekt. Håll dina prompter, dina utvärderingsuppsättningar och dina skyddsräcken i ditt eget repository, oberoende av någon enskild leverantörs verktyg, så att du kan köra om dem mot en utmanare på en eftermiddag.

Förhandla sedan därefter. En leverantör som vet att du kan gå om en vecka prissätter annorlunda än en som vet att du inte kan. Och gör räkneövningen som Microsoft gjorde: följ den volymtröskel där det att bygga eller finjustera en egen modell slår det att hyra, så att du fattar det beslutet medvetet i stället för att upptäcka, som OpenAI just gjorde, att din största kund tyst nådde den först.

Läs vidare: Två AI-jättar vill nu bli din integrator  |  En modell delade upp sin token för att ta sig förbi skannern