Åpne AI-modeller utfordrer giganters dominans, gir bedrifter kontroll

Åpne AI-modeller nærmer seg ytelsesnivået til proprietære systemer, noe som skaper et paradigmeskifte for bedrifter. Dette handler mindre om rå ytelse, mer om kontroll: hvor modeller kjøres, hvilke data de får tilgang til, og hvordan de kan tilpasses egne behov. Kinesiske DeepSeek demonstrerte dette i slutten av 2024 med sin V3-modell, som ble trent til en brøkdel av kostnaden sammenlignet med amerikanske «frontier»-modeller. I januar 2025 fulgte DeepSeek opp med R1, en resonneringsmodell som utgjør en reell konkurrent til ledende proprietære systemer. Meta og Mistral har også etablert åpne modeller som praktiske alternativer til giganter som OpenAI. Denne utviklingen endrer den strategiske ligningen for teknologiledere. En ytelsesfordel som en lukket modell har i dag, kan ha en langt kortere levetid enn antatt. Bedrifter kan dermed vurdere spesifikke arbeidsbelastninger opp mot åpne modeller, som gir fordeler innen tilpasning, intern distribusjon og infrastrukturkontroll. Det er viktig å skille mellom åpne-vekt-modeller (open-weight) og fullstendig åpen kildekode (open-source). Åpne-vekt-modeller gir tilgang til modellens numeriske parametere, slik at bedrifter kan laste ned, kjøre og tilpasse modellen på egen infrastruktur. Dette gir betydelig kontroll over implementering og datahåndtering, som Nvidia-sjef Jensen Huang understreker. Fullstendig åpen kildekode krever derimot tilgang til all informasjon som trengs for å studere, modifisere og distribuere systemet, inkludert treningsdata. Selv om åpne-vekt-modeller gir mye frihet, er det avgjørende å forstå lisensrettigheter for kommersiell bruk. Innkjøpsteam bør derfor evaluere både modell og lisens nøye for å sikre reell kontroll. Spesialiserte åpne modeller er ofte bedre egnet for bedriftens smale AI-oppgaver, som dokumentklassifisering eller informasjonsekstraksjon. En mindre språkmodell (SLM) kan fokusere beregningsressurser der verdien ligger, uten «overkill» fra en generell modell trent på hele internett. Dette gir mer forutsigbarhet og reduserer kostnader. Gartner-analytiker Deepak Seth mener bedriftens reelle behov ligger i spesifikke arbeidsflyter med spesifikke data. En flermodellarkitektur (multi-model architecture) reduserer også avhengigheten av én enkelt leverandør. Selskaper som ServiceNow og RWS bruker allerede dusinvis av åpen kildekode-modeller sammen med proprietære systemer. Dette gir større valgfrihet og forhandlingsmakt, men krever disiplinert arkitektur for å unngå unødvendig kompleksitet. Modellportabilitet blir en strategisk egenskap. Åpne modeller gir også mer kontroll over fysisk AI (physical AI) og «edge computing», der latens er kritisk. Ved å kjøre modeller lokalt på enheter eller i edge-servere unngås nettverksforsinkelser og overføring av sensitive data. Samsara-ingeniør Praveen Murugesan peker på at dette muliggjør lagdelt implementering, hvor bedriften selv bestemmer hvor modellene kjøres og hvilke data de berører.