Za slovenska podjetja umetna inteligenca vse manj pomeni zgolj izbiro med ChatGPT-jem, Geminiem ali odprtokodnim modelom. Ključno strateško vprašanje postaja, koliko nadzora želijo imeti nad tehnologijo, podatki in stroški – ter kako hitro lahko zamenjajo smer, ko se trg znova spremeni.
Prav ta dilema bo v ospredju konference TechCrunch Disrupt 2026, napovedane za 13. do 15. oktober v San Franciscu. Program napoveduje razprave o odprtih in zaprtih modelih, večmodelnih sistemih, razvoju lastnih modelov in vse tesnejši povezavi med umetno inteligenco ter strojno opremo. Čeprav gre za ameriško tehnološko konferenco, so teme neposredno relevantne tudi za slovenske startupe, razvojne ekipe in podjetja, ki umetno inteligenco že vključujejo v svoje procese.
En model ni več dovolj: podjetja gradijo AI-sisteme po meri
Dolgo je veljalo, da mora podjetje izbrati enega glavnega ponudnika: bodisi komercialni model prek API-ja bodisi odprtokodni model, ki ga upravlja samo. Tak pristop je enostavnejši za začetek, vendar podjetje hitro postane odvisno od cenovne politike, zmogljivosti in pravil enega samega ponudnika.
Vse več podjetij zato prehaja na večmodelni pristop. En model lahko uporabljajo za ustvarjanje besedil, drugega za programiranje, tretjega za analizo dokumentov, četrtega pa za naloge, kjer so pomembni varnost, zasebnost ali nižji stroški. Takšen pristop bo obravnavala razprava »The Real Tokenmaxxing: How the Best AI Companies Navigate a Multi-Model World«, na kateri bodo sodelovali Mo Jomaa iz sklada CapitalG, Vipul Ved Prakash iz Together AI in Zuzanna Stamirowska iz podjetja Pathway.
Za podjetja je prednost večmodelne strategije predvsem prilagodljivost. Če določen ponudnik podraži uporabo modela, spremeni pogoje ali zaostane pri kakovosti, lahko podjetje del obremenitev preusmeri drugam. To zmanjšuje tveganje vezanosti na enega ponudnika in omogoča boljše prilagajanje posameznim poslovnim nalogam.
Vendar več modelov pomeni tudi več kompleksnosti. Potrebni so dodatni nadzor kakovosti, upravljanje podatkov, spremljanje stroškov in jasna pravila, kateri model lahko dostopa do katerih informacij. Za manjše ekipe je lahko zato pomembnejše vprašanje od same izbire modela: ali imajo dovolj tehničnega znanja, da tak sistem tudi dolgoročno upravljajo.
Najem, prilagoditev ali lasten model: odločitev, ki določa stroške in neodvisnost
Druga ključna dilema je, koliko umetne inteligence naj podjetje dejansko razvije samo. Uporaba komercialnega API-ja je najhitrejša pot do funkcionalnega izdelka. Podjetje lahko hitro izdela prototip, preveri odziv trga in se izogne visokim začetnim stroškom za infrastrukturo, podatke in strokovnjake za strojno učenje.
Toda hitrost ima svojo ceno. Pri uporabi zunanjega modela so stroški pogosto vezani na število zahtevkov oziroma porabljenih žetonov, podjetje pa ima omejen vpliv na delovanje temeljnega modela. To je lahko težava pri izdelkih, kjer so zanesljivost, zasebnost, nišni strokovni podatki ali posebni procesi ključna konkurenčna prednost.
To temo bo na konferenci odprl Manos Koukoumidis, soustanovitelj in izvršni direktor podjetja Oumi, v predavanju »Which AI Should Your Company Actually Deploy: Rent, Customize, or Build«. V ospredju bo vprašanje, kdaj se podjetju bolj splača najeti dostop do modela, kdaj prilagoditi odprti model in kdaj razvijati lastne rešitve.
Za večino slovenskih podjetij lastni temeljni model verjetno ne bo najbolj racionalna začetna izbira. Treniranje velikih modelov zahteva ogromne količine podatkov, računske zmogljivosti in zelo specializirano znanje. Veliko bolj realna priložnost je v prilagoditvi obstoječih modelov lastnim podatkom, poslovnim pravilom in uporabniškim primerom.
Konkurenčna prednost zato pogosto ne nastane v samem modelu, temveč v kakovosti podatkov, dobri vključitvi umetne inteligence v delovne procese in razumevanju konkretnih potreb uporabnikov. Podjetje, ki zna AI zanesljivo uporabiti za reševanje ozkega poslovnega problema, lahko ustvari več vrednosti kot tisto, ki zgolj uporablja najnovejši model.
Odprti ali zaprti modeli: odločitev ni ideološka, ampak poslovna
Razprava o odprti in zaprti umetni inteligenci je pogosto predstavljena kot ideološki spopad. Na eni strani so zagovorniki odprtokodnih oziroma odprtih modelov, ki poudarjajo nadzor, preglednost in možnost prilagoditev. Na drugi strani so lastniški modeli velikih ponudnikov, ki praviloma ponujajo najboljše zmogljivosti, enostavnejši dostop in hitrejši začetek uporabe.
V praksi gre predvsem za poslovno odločitev. Zaprti modeli so lahko dobra izbira, kadar podjetje potrebuje visoko kakovost brez lastnega upravljanja infrastrukture. Odprti modeli so zanimivejši tam, kjer so ključni varovanje podatkov, lokalno izvajanje, nižji stroški pri velikem obsegu uporabe ali globlja prilagoditev specifičnemu področju.
Na Disruptu bosta to tematiko v razpravi »Building AI Startups Worth Betting On« obravnavala Nader Khalil in Sydney Sykes iz Nvidie. Poudarek bo na tem, kako izbira med vodilnimi API-ji in modeli z odprtimi utežmi vpliva na razvoj izdelka, stroške infrastrukture ter dolgoročno razlikovanje od konkurence.
Za slovenska podjetja je pomembno predvsem, da odločitve ne sprejemajo samo na podlagi trenutne kakovosti odgovorov modela. Upoštevati morajo tudi pravila glede podatkov, regulatorne zahteve, možnost prenosa rešitve drugam, stroške pri rasti števila uporabnikov in tveganje, da se ključni del izdelka preveč opira na zunanjo platformo.
Od silicija do algoritmov: AI začne spreminjati tudi čipe
Umetna inteligenca ni več zgolj programska plast nad obstoječo infrastrukturo. Vse bolj vpliva tudi na razvoj čipov, podatkovnih centrov in drugih sestavnih delov računalniških sistemov. Ker so napredni modeli računsko zahtevni, postajata zasnova modela in zasnova strojne opreme tesneje povezani.
To povezavo bosta na konferenci predstavili Anna Goldie, ustanoviteljica in izvršna direktorica podjetja Ricursive Intelligence, ter Azalia Mirhoseini, ustanoviteljica in tehnična direktorica podjetja. V razpravi »When AI Starts Designing Its Own Hardware« bosta govorili o uporabi umetne inteligence pri optimizaciji čipov in strojne opreme.
Tema je pomembna tudi za podjetja, ki sama ne razvijajo čipov. Hitrejši razvoj in učinkovitejša strojna oprema lahko zniža stroške izvajanja modelov, izboljša odzivni čas aplikacij in omogoči uporabo naprednejših rešitev zunaj velikih oblačnih centrov. To bi lahko pomenilo več možnosti za lokalno izvajanje modelov v podjetjih, na napravah ali v specializiranih industrijskih okoljih.
Najpomembnejša sposobnost bo prilagajanje
Glavno sporočilo napovedanih razprav ni, da obstaja en pravilen model ali ena univerzalna strategija. Podjetje lahko danes uporablja komercialni API, jutri prilagodi odprti model, čez nekaj let pa del sistema preseli na lastno infrastrukturo. Odločitev o tehnologiji zato ne sme biti dokončna, temveč mora omogočati spremembe.
Za slovenska podjetja je to morda najuporabnejši nauk: pri umetni inteligenci ne zmaga nujno tisti, ki prvi izbere najdražji ali najbolj zmogljiv model. Prednost lahko dobi tisti, ki zna tehnologijo povezati s konkretnim problemom, obdržati nadzor nad ključnimi podatki in dovolj hitro zamenjati pristop, ko se razmere spremenijo.
Konferenca TechCrunch Disrupt 2026 bo tako predvsem odraz širšega premika v industriji. Umetna inteligenca postaja temeljna poslovna infrastruktura, ne več le eksperimentalno orodje. Podjetja, ki bodo svojo AI-strategijo gradila premišljeno, modularno in z možnostjo prilagajanja, bodo lažje izkoristila priložnosti, ki jih prinaša hitro spreminjajoči se trg.
