נראה שכל מצגת דירקטוריון בארגונים כוללת כיום מנדט AI. חברות מזינות רשומות לקוחות, מסמכי אסטרטגיה פנימיים ואנליטיקה קניינית לתוך מודלי שפה גדולים בקצב שנראה פזיז לפני שלוש שנים בלבד. רוב התעבורה הזו זורמת למערכות קוד סגור. הן נוחות, עוצמתיות ומאוחסנות אצל מישהו אחר. ארתור מנש (Arthur Mensch), מייסד Mistral AI, סבור שהנוחות הזו כרוכה ב"מס נסתר" שעלול לעלות יותר מכל דמי מנוי.
מנש הביע קול תמיכה לגבי סכנה ספציפית: כשאתם מריצים את העסק שלכם דרך מודל קנייני, אתם לא רק שוכרים כוח מחשוב. אתם מוסרים למעבדה שבנתה אותו מפה מפורטת של הפעילות שלכם. הספקים הללו מאחסנים כמויות עצומות של נתוני אינטראקציה עם לקוחות כדי לשכלל את המערכות שלהם. עם הזמן, הנתונים הללו חושפים תבניות. הם רואים איך אתם מתמחרים מוצרים, איך אתם מפלחים קהלים, איך אתם מזהים סיכונים ואיך אתם מזהים הזדמנויות. מנש מזהיר כי חלק מהמעבדות כבר הראו נכונות להשתמש במודיעין הזה כדי לפנות ללקוחות שלהן, ולהיכנס לשווקים ברגע שהן מבינות בדיוק היכן טמונות הרווחים.
העצה שלו ישירה וחדה. "אם זה לא בידיים שלכם, זה לא יהיה הצמיחה שלכם". הפתרון שהוא מציע הוא ריבונות: העברת הנתונים למערכות פתוחות, אכיפת כללי גישה מחמירים והשקעה בתהליכי אימון (training pipelines) קנייניים. זה לא פנטזיה פרנואידית. זו אבטחת שרשרת אספקה המיושמת על קוגניציה. לא הייתם נותנים לספק שלכם את תוכניות הבנייה של המפעל שלכם. מנש טוען שאין לתת לספק ה-AI שלכם את המקבילה לספר הכללים המוסדי שלכם.
למה משקלי המודל הם הזיכרון הארגוני שלכם
הרעיון מקבל תמיכה מפינה לא צפויה בתעשיית הטכנולוגיה. אלכס קארפ, מנכ"ל Palantir, מנסח את הבעיה באמצעות משפט שכבר עושה סבבים בחוגי הביטחון והפיננסים: "לשלוט במשקלים שלכם זה לשלוט בגורלכם".
כדי להבין למה זה חשוב, כדאי לחשוב על מה משקלי המודל (model weights) מייצגים בפועל. בלמידת מכונה, משקלים הם מיליארדי הפרמטרים המכויינים שהופכים נתונים גולמיים לתחזיות שימושיות. כשאתם מאמנים או מבצעים כוונון עדין (fine-tuning) למודל על הנתונים שלכם — היסטוריית נטישת הלקוחות שלכם, התמונות האבחוניות שלכם, מקרי האופטימיזציה הלוגיסטית שלכם — הידע הזה נדחס לתוך המשקלים. הם הופכים לסוג של זיכרון ארגוני, המקודד החלטות ומומחיות שנלקחו שנים לצבור.
אם אתם שוכרים מודל frontier ופשוט מזינים לו את הסודות שלכם באמצעות prompt, אתם לעולם לא תבעיק את הידע המזוקק הזה. גרוע מכך, הספק שלכם סופח כל אות. כל שאילתה מלמדת את המערכת שלהם קצת יותר על תחום הפעילות שלכם. עדכון המודל הבא שלהם עשוי להפנים את היתרון היחסי שהפך אתכם למצליחים. קארפ מכנה זאת ה-"alpha" שלכם, היתרון הביצועי הייחודי שמפריד אתכם מהשאר. מיקור חוץ של המשקלים שלכם פירושו מיקור חוץ של ה-alpha שלכם. בנקודה זו, ה-AI מפסיק להיות כלי והופך לצינור להעברת המומחיות שלכם למתחרה.
היתרון שבכוונון עדין (Fine-Tuning)
הניסוי של Bridgewater מראה שיש דרך אחרת. קרן הגידור עבדה עם Thinking Machines Lab כדי לבצע fine-tuning למודל הקוד הפתוח Qwen3-235B. במקום לשלוח הערכות משקיעים קנייניות לתוך API של "קופסה שחורה", הם שמרו את הנתונים בתוך הארגון והתאימו את המודל לצרכים הספציפיים שלהם. התוצאות היו בולטות. בניתוח מסמכים פיננסיים, המודל שעבר fine-tuning הגיע לדיוק של 84.7 אחוזים. מודל ה-frontier הסגור הטוב ביותר הצליח להגיע ל-78.2 אחוזים בלבד.
הפער הזה משמעותי בעולם הפיננסים, שבו a