Vodja Microsofta Satya Nadella je v središče pozornosti prišel zaradi precej zanimive teme, saj strokovnjak očitno deli vse bolj razširjena stališča, po katerih lahko modeli umetne inteligence v oblaku pomenijo tveganje za podjetja, ki jih uporabljajo in pri tem z umetno inteligenco delijo tudi zaupne podatke.
Ti modeli so v omenjenih primerih v bistvu kot trojanski konji: ponujajo koristne funkcije in lahko pomagajo pri optimizaciji nekaterih delovnih procesov in nalog, kar lahko izboljša produktivnost podjetja, vendar zanje ponudnik ne dobi le denarja, plačanega za žetone, stranke z dragocenimi podatki tudi urijo posamezni model. S temi podatki se lahko znanje posameznega modela umetne inteligence poveča in od tega ne profitira le podjetje, ki ga uporablja. Modeli umetne inteligence se nenehno učijo iz tega, kako jih uporabljajo naročniki, znanje pa povečujejo tudi orodja, ki jih uporabljajo agenti umetne inteligence, poleg tega so izredno pomembni tudi popravki, ki izboljšujejo delovanje modelov, kadar niso delovali pravilno. Modeli umetne inteligence se iz tega veliko naučijo, to znanje pa ostane pri ponudniku in lahko iz njega veliko pridobi: tekmeci posameznih podjetij lahko prek njega pridejo do tako dragocenega znanja, ki ga tekmec preprosto nikoli ne bi mogel kupiti od konkurenta.
Tema je precej občutljiva in lepo osvetljuje tudi zanimivo spremembo, v okviru katere vodstva vse več podjetij spoznava, da je uporaba zaprtih modelov umetne inteligence v oblaku nevarna igra, saj so tudi ta prišla do zgornjih ugotovitev. Po mnenju vodje Microsofta je tudi protislovno, da ponudniki modelov umetne inteligence svobodno urijo svoj model na javno dostopnih podatkih, vendar je ta svoboda pri raziskovanju delovanja modela že omejena, torej so možnosti v zvezi z destilacijo močno regulirane. Panožna praksa se zato spreminja, akterji se vse bolj odpirajo rešitvam odprte kode, v okviru katerih lahko zaščitijo lastne podatke, nato pa te velike jezikovne modele uporabljajo in učijo po lastnih potrebah, tako da se bolje prilegajo potrebam posameznega podjetja, občutljivi podatki pa ne preidejo k velikemu ponudniku storitev v oblaku, da bi iz njih pozneje lahko profitiral prek svojih modelov umetne inteligence.
Po besedah šefa Microsofta morajo podjetja zaščititi svoje podatke, ti morajo ostati v njihovi lasti, vključno z ukazi (prompti) in povratnimi informacijami. To po njegovem mnenju lahko dosežejo z izgradnjo lastnih učnih okolij, tudi v oblaku – v ta namen lahko uporabijo tudi strežnike Microsoft Azure. Po njegovem je pomembno tudi, da ustvarijo posebne plasti, prek katerih lahko upravljajo, za katere naloge uporabijo model katerega ponudnika umetne inteligence, tako ne bodo vezani na eno podjetje. V ta namen so že nastali tako imenovani prehodi za umetno inteligenco, ki služijo prav temu, in so med podjetji vse bolj priljubljeni.
Bolj očitna rešitev je lahko uporaba modelov odprte kode, o katerih pa vodja Microsofta ni niti enkrat spregovoril, čeprav so vse bolj priljubljeni in nudijo rešitev za velik del težav, ki jih je omenil. Ni čudno, da jih uporablja vse širši krog uporabnikov in da njihov promet narašča. Po mnenju strokovnjakov bo naslednji veliki val rasti zagotovil prav ta tako imenovani on-premise, torej lokalno delujoči model odprte kode.
Seveda je vsekakor paradoksalno, da o temi spregovori ravno šef Microsofta, saj je podjetje aktivno podpiralo razvoj Anthropica in OpenAI, zdaj pa podjetja spodbuja, naj uporabljajo modele, prilagojene lastnim potrebam, in naj pazijo na svoje podatke. Motivacija je deloma lahko ta, da s pozivom posamezna podjetja usmerjajo k infrastrukturi Microsoft Azure, kjer lahko izvajajo lastne modele, vendar njihovi podatki še vedno pristanejo na oddaljenem strežniku, kar do neke mere še vedno skriva tveganja. Sčasoma lahko vlogo pri avtomatizaciji poslovnih procesov in izvajanju različnih razvojev prevzamejo lokalno delujoči modeli umetne inteligence, saj vse več podjetij spoznava, da je smiselno svoje podatke obdržati pod lastnim nadzorom, še posebej, če gre za dragoceno bazo znanja in občutljive poslovne podatke – to se lahko dolgoročno vsekakor obrestuje.
