2. Tokenový byznys model: Prodražuje se, aniž by přinášel hodnotu?

Druhým velkým tématem je způsob, jakým přední AI laboratoře účtují své služby – tedy počet tzv. tokenů (jednotek textu, které model zpracuje). Karp tento model otevřeně kritizuje .

• Argument: Platba za tokeny může firmy motivovat k vyšší spotřebě, aniž by to nutně znamenalo vyšší přidanou hodnotu pro podnikání .
• Evidence: Experiment investiční společnosti Bridgewater Associates ukázal, že dolaďováním otevřeného modelu (Qwen3-235B) na specifický úkol (vyhodnocování relevantnosti finančních zpráv) dosáhli nejen lepších výsledků, ale i dramaticky nižších nákladů – až 13,8krát levněji na jeden úkol . To podporuje argument, že pro specializované úkoly mohou být menší, dolaďované modely efektivnější než univerzální obří modely.

3. Strategická závislost Evropy na USA

Arthur Mensch, jehož společnost je často označována za „evropského šampiona“ v AI , jde ještě dál. Varuje, že bitva o umělou inteligenci není bojem mezi kontinenty, ale mezi otevřenými a uzavřenými systémy . Podle něj má Evropa jen velmi omezený čas na to, aby si vybudovala vlastní nezávislou AI infrastrukturu.

• Lhůta dvou let: Mensch během slyšení ve francouzském Národním shromáždění prohlásil, že Evropa má zhruba dva roky na to, aby se vyhnula trvalé závislosti na amerických technologických gigantech .
• Riziko „vazalského státu“: Pokud Evropa v tomto okně nezasáhne, hrozí jí, že se stane jen pasivním konzumentem technologií, které budou kontrolovat americké společnosti. Varuje, že pokud se v Evropě nezačne elektřina a výpočetní výkon využívat pro vlastní AI, „odtečou“ tyto zdroje v podobě tokenů do Spojených států .
• Zdroje: Tato varování potvrzují texty z The Wall Street Journal a New York Times , které popisují, že evropské obavy z dominance USA nahrávají právě firmě Mistral.

4. Praktický příklad: Bridgewater a model, který porazil špičku

Investiční společnost Bridgewater Associates, jeden z největších hedge fondů světa, provedla zajímavý experiment. Ve spolupráci s firmou Thinking Machines Lab se pokusila naučit model AI vybírat relevantní finanční zprávy – úkol, který je pro lidského profesionála snadný, ale pro stroj překvapivě těžký .

• Výsledek: Špičkové uzavřené modely (Gemini, Claude, GPT) dosahovaly při základním zadání průměrně jen 50% úspěšnosti. I s odborně napsanými instrukcemi nepřekonaly 80% hranici.
• Řešení: Bridgewater dolaďoval otevřený model Qwen3-235B na datech označených jejich investičními experty. Výsledný model dosáhl 84,7% přesnosti a udělal o 29,8 % méně chyb než nejlepší testovaný uzavřený model. A to vše při nákladech nižších o více než 13 násobek .

Tento experiment je silným argumentem pro zastánce otevřených modelů: specializovaný, dolaďovaný model může na úzkém, ale důležitém podnikovém úkolu porazit univerzální obry.

5. Protiargument: Je to jen marketingová taktika?

Nejdůležitější výhradou k těmto varováním je fakt, že oba kritici jsou zároveň šéfy firem, které z kritiky uzavřeného modelu přímo profitují.

• Mistral je komerční společnost, která sama vyvíjí a prodává vlastní AI modely. Jejich otevřenost je součástí jejich obchodní strategie, jak se odlišit od OpenAI a Googlu .
• Palantir zase nabízí vládám a firmám možnost provozovat AI modely v jejich vlastním, bezpečném prostředí, což je v přímém rozporu s modelem „vše v cloudu u jednoho poskytovatele“ .

Řada článků přímo uvádí, že obavy z americké dominance zvyšují byznys právě pro Mistral. Je tedy možné, že varování Mensch a Karpa jsou sice věcně správná, ale zároveň velmi výhodně zapadají do jejich obchodních plánů. Je na posouzení, zda to jejich argumenty oslabuje, nebo naopak posiluje, protože k nim mají přímý přístup k informacím z trhu.

Shrnutí: Co vyplývá z faktů

Závěr: Brát vážně, ale s rezervou

Argumenty proti používání uzavřených AI modelů mají reálný základ. Riziko úniku dat, vysoké náklady na tokeny a obava ze strategické závislosti jsou aktuální témata, která rezonují v podnikové sféře. Experiment Bridgewater navíc ukazuje, že pro specifické úkoly může být cesta otevřených, dolaďovaných modelů efektivnější.

Zároveň je ale nutné mít na paměti, že hlavní hlasatelé těchto varování, Arthur Mensch a Alex Karp, mají na odmítnutí uzavřených modelů vlastní obchodní zájem. Jejich argumenty tak nelze brát jako čistě objektivní, ale spíše jako součást širší debaty o budoucnosti AI, kde se střetávají bezpečnost, náklady, svoboda a komerční zájmy. Pro podniky je tak klíčové nebrat žádnou stranu dogmaticky, ale pečlivě zvážit, jaký model a za jakých podmínek nejlépe vyhovuje jejich specifickým potřebám a míře rizika.

2. Tokenový byznys model: Prodražuje se, aniž by přinášel hodnotu?

Druhým velkým tématem je způsob, jakým přední AI laboratoře účtují své služby – tedy počet tzv. tokenů (jednotek textu, které model zpracuje). Karp tento model otevřeně kritizuje .

• Argument: Platba za tokeny může firmy motivovat k vyšší spotřebě, aniž by to nutně znamenalo vyšší přidanou hodnotu pro podnikání .
• Evidence: Experiment investiční společnosti Bridgewater Associates ukázal, že dolaďováním otevřeného modelu (Qwen3-235B) na specifický úkol (vyhodnocování relevantnosti finančních zpráv) dosáhli nejen lepších výsledků, ale i dramaticky nižších nákladů – až 13,8krát levněji na jeden úkol . To podporuje argument, že pro specializované úkoly mohou být menší, dolaďované modely efektivnější než univerzální obří modely.

3. Strategická závislost Evropy na USA

Arthur Mensch, jehož společnost je často označována za „evropského šampiona“ v AI , jde ještě dál. Varuje, že bitva o umělou inteligenci není bojem mezi kontinenty, ale mezi otevřenými a uzavřenými systémy . Podle něj má Evropa jen velmi omezený čas na to, aby si vybudovala vlastní nezávislou AI infrastrukturu.

• Lhůta dvou let: Mensch během slyšení ve francouzském Národním shromáždění prohlásil, že Evropa má zhruba dva roky na to, aby se vyhnula trvalé závislosti na amerických technologických gigantech .
• Riziko „vazalského státu“: Pokud Evropa v tomto okně nezasáhne, hrozí jí, že se stane jen pasivním konzumentem technologií, které budou kontrolovat americké společnosti. Varuje, že pokud se v Evropě nezačne elektřina a výpočetní výkon využívat pro vlastní AI, „odtečou“ tyto zdroje v podobě tokenů do Spojených států .
• Zdroje: Tato varování potvrzují texty z The Wall Street Journal a New York Times , které popisují, že evropské obavy z dominance USA nahrávají právě firmě Mistral.

4. Praktický příklad: Bridgewater a model, který porazil špičku

Investiční společnost Bridgewater Associates, jeden z největších hedge fondů světa, provedla zajímavý experiment. Ve spolupráci s firmou Thinking Machines Lab se pokusila naučit model AI vybírat relevantní finanční zprávy – úkol, který je pro lidského profesionála snadný, ale pro stroj překvapivě těžký .

• Výsledek: Špičkové uzavřené modely (Gemini, Claude, GPT) dosahovaly při základním zadání průměrně jen 50% úspěšnosti. I s odborně napsanými instrukcemi nepřekonaly 80% hranici.
• Řešení: Bridgewater dolaďoval otevřený model Qwen3-235B na datech označených jejich investičními experty. Výsledný model dosáhl 84,7% přesnosti a udělal o 29,8 % méně chyb než nejlepší testovaný uzavřený model. A to vše při nákladech nižších o více než 13 násobek .

Tento experiment je silným argumentem pro zastánce otevřených modelů: specializovaný, dolaďovaný model může na úzkém, ale důležitém podnikovém úkolu porazit univerzální obry.

5. Protiargument: Je to jen marketingová taktika?

Nejdůležitější výhradou k těmto varováním je fakt, že oba kritici jsou zároveň šéfy firem, které z kritiky uzavřeného modelu přímo profitují.

• Mistral je komerční společnost, která sama vyvíjí a prodává vlastní AI modely. Jejich otevřenost je součástí jejich obchodní strategie, jak se odlišit od OpenAI a Googlu .
• Palantir zase nabízí vládám a firmám možnost provozovat AI modely v jejich vlastním, bezpečném prostředí, což je v přímém rozporu s modelem „vše v cloudu u jednoho poskytovatele“ .

Řada článků přímo uvádí, že obavy z americké dominance zvyšují byznys právě pro Mistral. Je tedy možné, že varování Mensch a Karpa jsou sice věcně správná, ale zároveň velmi výhodně zapadají do jejich obchodních plánů. Je na posouzení, zda to jejich argumenty oslabuje, nebo naopak posiluje, protože k nim mají přímý přístup k informacím z trhu.

Shrnutí: Co vyplývá z faktů

Závěr: Brát vážně, ale s rezervou

Argumenty proti používání uzavřených AI modelů mají reálný základ. Riziko úniku dat, vysoké náklady na tokeny a obava ze strategické závislosti jsou aktuální témata, která rezonují v podnikové sféře. Experiment Bridgewater navíc ukazuje, že pro specifické úkoly může být cesta otevřených, dolaďovaných modelů efektivnější.

Zároveň je ale nutné mít na paměti, že hlavní hlasatelé těchto varování, Arthur Mensch a Alex Karp, mají na odmítnutí uzavřených modelů vlastní obchodní zájem. Jejich argumenty tak nelze brát jako čistě objektivní, ale spíše jako součást širší debaty o budoucnosti AI, kde se střetávají bezpečnost, náklady, svoboda a komerční zájmy. Pro podniky je tak klíčové nebrat žádnou stranu dogmaticky, ale pečlivě zvážit, jaký model a za jakých podmínek nejlépe vyhovuje jejich specifickým potřebám a míře rizika.