Za slovenska podjetja, ki gradijo izdelke z umetno inteligenco, vprašanje ni več samo, *kateri model je najboljši*. Pomembneje postaja, kako hitro ga lahko zamenjajo, prilagodijo ali kombinirajo z drugim, ko se spremenijo cena, zmogljivost, regulativne zahteve ali potrebe uporabnikov. Prav to dilemo v ospredje postavlja program konference TechCrunch Disrupt 2026, ki bo med 13. in 15. oktobrom potekala v San Franciscu.
Napovedane razprave niso pomembne zgolj za velika ameriška tehnološka podjetja. Enaka vprašanja se pojavljajo pri slovenskih zagonskih podjetjih, razvojnih ekipah in organizacijah, ki uvajajo generativno umetno inteligenco v podporo strankam, analitiko dokumentov, proizvodnjo, zdravstvo ali javne storitve. Odločitev med uporabo zaprtih modelov prek API-ja, odprtih modelov in lastnim razvojem lahko neposredno vpliva na stroške, varnost podatkov, hitrost razvoja ter možnost, da podjetje dolgoročno ohrani svojo konkurenčno prednost.
Največja dilema ni več: odprto ali zaprto
V zadnjih letih se je razprava pogosto vrtela okoli preprostega vprašanja: ali izbrati komercialni model velikega ponudnika ali odprtokodno alternativo? V praksi je odgovor vse redkeje enoznačen.
Zaprti modeli, dostopni prek API-jev, podjetjem omogočajo hiter začetek. Razvojna ekipa lahko funkcionalnost zgradi brez lastne infrastrukture za gostovanje modelov, brez zahtevnega upravljanja grafičnih procesorjev in brez specializiranega znanja za optimizacijo modelov. To je posebej privlačno za manjše ekipe, ki želijo hitro preveriti produktno idejo.
Toda takšna hitrost ima ceno. Stroški uporabe lahko z rastjo števila uporabnikov hitro narastejo, podjetje pa postane odvisno od cenovne politike, zmogljivosti in pogojev enega ponudnika. Pri obdelavi občutljivih podatkov se odprejo še vprašanja zasebnosti, skladnosti z evropsko zakonodajo in nadzora nad tem, kje ter kako se podatki obdelujejo.
Odprti modeli po drugi strani omogočajo večji nadzor. Podjetje jih lahko poganja v lastnem okolju, jih prilagodi specifičnemu jeziku, domeni ali naboru dokumentov ter lažje nadzoruje stroške pri velikem obsegu uporabe. Slabost so zahtevnejša infrastruktura, potreba po strokovnem kadru in odgovornost za varnost, zanesljivost ter posodabljanje sistema.
Za številna podjetja zato najbolj smiselna rešitev ni izbira ene strani, temveč kombinacija več modelov.
Večmodelni pristop postaja poslovna odločitev
Ena osrednjih razprav na Disruptu bo posvečena t. i. večmodelnemu okolju. Mo Jomaa iz CapitalG, Vipul Ved Prakash iz Together AI in Zuzanna Stamirowska iz Pathway bodo razpravljali o tem, zakaj podjetja za različne naloge uporabljajo različne modele.
To je verjetno tudi najbolj relevantna tema za lokalni ekosistem. Slovenski ponudnik programske opreme lahko denimo uporablja zmogljiv komercialni model za zahtevno pripravo vsebin ali kompleksno sklepanje, manjši odprti model pa za rutinsko razvrščanje dokumentov, povzemanje internih zapisnikov ali iskanje po lastni podatkovni bazi. Na ta način lahko zmanjša stroške in hkrati omeji izpostavljenost občutljivih podatkov zunanjemu ponudniku.
Predstavljajmo si zagonsko podjetje, ki razvija rešitev za avtomatizirano obdelavo poslovne dokumentacije v slovenščini. V začetni fazi lahko uporabi komercialni API, saj želi hitro izdelati prototip in preveriti povpraševanje. Ko pridobi več strank in začne obdelovati večje količine pogodb, računov ali kadrovskih dokumentov, pa lahko del sistema prenese na odprti model, gostovan znotraj Evropske unije ali v lastnem okolju. Najzahtevnejše primere še vedno pošilja naprednejšemu zunanjemu modelu, enostavnejše pa obdela lokalno.
Tak pristop zmanjšuje tveganje, da bi bila celotna storitev vezana na enega ponudnika. Vendar zahteva dobro arhitekturo: podjetje mora vedeti, kateri model uporablja za katero nalogo, kako meri kakovost odgovorov in kdaj sistem preusmeri zahtevo na dražji ali zmogljivejši model.
Graditi lastni model je smiselno le v redkih primerih
Manos Koukoumidis iz podjetja Oumi bo na konferenci odprl še eno pomembno vprašanje: ali naj podjetje model najame, prilagodi ali zgradi samo. To je področje, kjer se lahko ekipe hitro ujamejo v tehnološki optimizem.
Lastni temeljni model je za večino slovenskih podjetij verjetno neracionalna izbira. Zahteva izjemne količine podatkov, računske moči, kapitala in kadrov. Veliko bolj realistična pot je prilagoditev obstoječega odprtega modela lastnim podatkom ali razvoj kakovostnega sistema okoli modela: iskanje po dokumentih, povezovanje z internimi bazami, preverjanje odgovorov, nadzor dostopov in uporabniški vmesnik.
Prava konkurenčna prednost zato pogosto ni sam model, temveč podatki, procesi in znanje domene. Podjetje, ki dobro razume pravne, finančne, industrijske ali zdravstvene procese, lahko z ustrezno kombinacijo modelov ustvari rešitev, ki jo je težje posnemati kot zgolj uporabo istega javno dostopnega API-ja.
Strojna oprema postaja del strateške slike
Program se ne ustavi pri programski opremi. Anna Goldie in Azalia Mirhoseini iz Ricursive Intelligence bosta obravnavali tudi uporabo umetne inteligence pri načrtovanju čipov in druge strojne opreme.
Za manjša podjetja se to morda zdi oddaljena tema, vendar vpliva na celoten trg. Cenejši in zmogljivejši čipi lahko omogočijo izvajanje modelov bližje uporabniku, na lokalnih strežnikih ali celo neposredno na napravah. To je pomembno za primere, kjer so ključni nizka zakasnitev, nižji stroški ali strožji nadzor nad podatki.
Ključna prednost bo prilagodljivost
Najpomembnejše sporočilo programa Disrupta 2026 ni, da morajo podjetja nujno izbrati odprte modele namesto zaprtih ali razviti lastno umetno inteligenco. Nasprotno: uspešnejša bodo tista, ki si bodo pustila odprte možnosti.
Za slovensko podjetje to pomeni, da že danes razmisli o prenosljivosti svoje arhitekture, spremljanju stroškov, merjenju kakovosti modelov in zaščiti podatkov. Model, ki je danes najboljši za prototip, morda čez šest mesecev ne bo več najboljši za produkcijsko okolje.
Vprašanje zato ni le, kateri model uporabiti danes. Ključno vprašanje je: ali bo vaše podjetje lahko dovolj hitro zamenjalo strategijo, ko se bo trg umetne inteligence ponovno spremenil?
