Satya Nadella Memberi Amaran: Perusahaan Membayar untuk AI Dua Kali

CEO Microsoft, Satya Nadella, telah mengeluarkan amaran yang mengejutkan kepada perniagaan, memberi peringatan bahawa model penggunaan AI proprietari semasa melibatkan kos tersembunyi yang berisiko tinggi. Selain sekadar yuran langganan, syarikat-syarikat secara tidak sengaja sedang melepaskan aset mereka yang paling berharga: kecerdasan institusi mereka.

Kos Tersembunyi: Membayar dengan Pengetahuan Proprietari

Dalam satu hantaran blog yang provokatif baru-baru ini, Nadella berhujah bahawa "pembeli" AI pada dasarnya membayar untuk kecerdasan sebanyak dua kali. Pembayaran pertama adalah dalam bentuk wang—token dan yuran langganan yang dibayar kepada makmal seperti OpenAI dan Anthropic. Pembayaran kedua, yang jauh lebih berbahaya, adalah pengetahuan proprietari yang didedahkan untuk menjadikan model tersebut berguna.

Nadella menekankan bahawa apabila perusahaan cuba memperhalusi prestasi, mereka menyuapkan data sensitif kepada model tersebut. Lebih kritikal lagi, model belajar daripada "exhaust" (sisa)—iaitu prom, alatan khusus yang digunakan oleh ejen, dan pembetulan manusia yang dibuat apabila model melakukan kesilapan. Gelung maklum balas ini mewujudkan penyulingan kepakaran institusi yang tidak mungkin dapat dibeli oleh pesaing, namun ia diserahkan secara langsung kepada penyedia model.

Debat Penyulingan dan Hipokrasi dalam Latihan

Ketegangan utama dalam landskap AI adalah konsep "distillation" (penyulingan)—iaitu amalan menggunakan output sesuatu model untuk melatih model baharu yang lebih cekap. Nadella menunjukkan hipokrasi yang dilihat dalam industri ini: sementara makmal AI menuntut hak "fair use" (penggunaan adil) untuk mengikis (scrape) seluruh internet bagi melatih model asas mereka, mereka pada masa yang sama mengenakan syarat-syarat ketat yang menghalang perusahaan daripada melakukan penyulingan atau belajar daripada model proprietari mereka.

Debat ini bukan sekadar teori. Pemain industri seperti Anthropic sebelum ini telah membangkitkan kebimbangan mengenai model sumber terbuka China yang didakwa menggunakan berjuta-juta prom daripada Claude untuk meningkatkan keupayaan mereka sendiri, yang mencetuskan gesaan untuk kawalan eksport kerajaan yang lebih ketat.

Peralihan ke arah Orkestrasi dan Model On-Premise

Untuk mengurangkan risiko ini, Nadella mencadangkan peralihan strategik dalam cara perusahaan merangka seni bina stack AI mereka. Beliau menyarankan dua pertahanan utama:

  1. Persekitaran Pembelajaran Proprietari: Syarikat harus mengekalkan pemilikan mutlak ke atas data, prom, dan maklum balas mereka dengan membina persekitaran khusus di awan (seperti Microsoft Azure).
  2. Lapisan Orkestrasi: Daripada terikat kepada satu penyedia sahaja, perniagaan harus menggunakan "AI gateways" untuk bertukar antara model yang berbeza dengan lancar.

Peralihan seni bina ini sudah mula kelihatan di pasaran. Pakar industri, seperti Idit Levine dari Solo.io, melaporkan trend peningkatan perusahaan yang beralih kepada model sumber terbuka "on-prem" (on-premise). Model-model ini mampu melaksanakan sehingga 90% tugasan gergasi proprietari pada kos yang jauh lebih rendah, sambil memastikan data kekal dalam kawalan fizikal atau maya syarikat.

Data menyokong trend ini; platform seperti Vercel telah melaporkan bahawa model terbuka menyumbang sebanyak 29% daripada semua trafik yang disalurkan melalui gateway mereka dalam masa sebulan. Seperti yang disimpulkan oleh Nadella, "Dalam menggunakan kecerdasan, anda sedang mencipta kecerdasan. Dan apa yang anda cipta sepatutnya menjadi milik anda."

Ringkasan Utama

  • Perangkap Pembayaran Berganda: Perusahaan bukan sahaja membayar dengan wang tunai; mereka membayar dengan "exhaust" (sisa) logik perniagaan proprietari dan pembetulan mereka.
  • Kebangkitan Orkestrasi Model: Untuk mengelakkan kuncian vendor (vendor lock-in) dan kebocoran data, syarikat semakin banyak menggunakan AI gateways dan lapisan orkestrasi untuk mengurus pelbagai model.
  • Peralihan Sumber Terbuka: Satu gerakan besar sedang berlaku ke arah penggunaan model sumber terbuka on-premise untuk mengekalkan kedaulatan data dan mengurangkan kos jangka panjang.