07. July 2026
Teknologigiganten Microsoft har begynt å stramme inn livremmen når det gjelder de enorme kostnadene knyttet til kunstig intelligens. Selskapet beveger seg nå delvis bort fra de aller dyreste, eksterne modellene, og satser i stedet mer på sine egne, mindre in-house-modeller for å drive kjernefunksjoner i produktene sine.
Bakgrunnen for dette strategiskiftet er den voldsomme prislappen som følger med å drifte gigantiske språkmodeller (som OpenAI-modellene som driver Copilot). Å sende enhver enkel brukerforespørsel gjennom en massiv superdatamaskin er rett og slett ikke økonomisk bærekraftig i lengden. Bransjen er i ferd med å bevege seg fra en ren "størst er best"-mentalitet, over i en modningsfase preget av streng kostnadskontroll og effektivisering.
For teknologidirektører og CFO-er som skal forsvare AI-budsjettene fremover, sender dette et krystallklart signal: Tiden for å bruke "slegge på spurv" er forbi. I stedet for å rute alle enkle tekstoppgaver gjennom de mest avanserte (og dyreste) API-ene på markedet, bør man kartlegge hvilke oppgaver som kan løses av mindre, spesialiserte og langt billigere modeller. Hvis Microsoft ser seg nødt til å optimalisere driftskostnadene på denne måten, bør din IT-avdeling definitivt gjøre det samme med sine sky- og API-utgifter.
Det populære nettsamfunnet Discord innrømmet nylig at en feil i deres AI-baserte modereringsverktøy har ført til urettmessig utestengelse av hundrevis av brukere. Systemet flagget helt harmløse bilder som alvorlige regelbrudd, og feilen fikk herje uforstyrret i flere måneder før den ble oppdaget og rettet i helgen.
For selskaper med store kundebaser er automatisering av moderering og kundestøtte tvingende nødvendig for å holde tritt med volumet. Discord stoler tungt på maskinlæring for å holde plattformen trygg, men denne hendelsen viser hvor sårbare slike systemer er for "falske positive" – altså at uskyldig innhold mistolkes av algoritmen. Det tok lang tid og massive brukerprotester før feilen ble fanget opp av de menneskelige administratorene.
For kundeservicesjefer og driftsansvarlige er dette en viktig påminnelse om risikoen ved å gi AI fullt mandat uten en solid sikkerhetsventil. Automatisering av beslutninger som direkte påvirker kundenes tilgang til tjenesten din, må alltid ha en rask og enkel klageadgang der et ekte menneske sitter ved spakene. Hvis algoritmen får oppføre seg som både dommer og bøddel uten menneskelig overoppsyn, risikerer man å rasere kundetilfredsheten og merkevarebyggingen på et blunk.
Selv om åpne og gratis AI-modeller (som Metas Llama-serie) har hatt en eksplosiv vekst, har det foreløpig ikke gått på bekostning av kommersielle aktører som Anthropic. De to modell-typene ser i stedet ut til å utfylle hverandre i ulike faser av kundenes utviklingsløp.
Mange eksperter spådde at fremveksten av kraftig åpen kildekode ville radbrekke forretningsmodellen til selskaper som selger tilgang til proprietære modeller. Ferske analyser viser imidlertid at mønsteret er annerledes: Selskaper starter gjerne med å bygge prototyper og teste ut konsepter med de aller råeste, kommersielle modellene (som Anthropics Claude). Først når produktet skal rulles ut i stor skala og kostnadene må presses ned, vurderer mange å migrere over til åpne modeller som de kan kjøre på egne servere.
For gründere og produktutviklere i teknologibransjen betyr dette at man ikke trenger å ta et ugjenkallelig valg mellom åpen og lukket kildekode tidlig i prosjektet. En smart og kostnadseffektiv strategi er å bruke de beste kommersielle verktøyene til å validere ideen raskt og skape "wow-effekten" for investorer og kunder. Når trafikken øker og arkitekturen skal spisses, kan man heller ta jobben med å flytte de tunge, repeterende oppgavene over på egne, åpne modeller for å sikre marginene.