מהו הפרדוקס ההפוך של המידע?

נדלה מגדיר ערך ארגוני כשני סוגי הון נפרדים :

• הון אנושי – הידע, שיקול הדעת, הקשרים היחסיים והיכולת לזהות תבניות שעובדים מביאים לארגון.
• הון טוקנים (Token Capital) – מערכות הבינה המלאכותית הקנייניות שארגון בונה ומחזיק על גבי מודלי יסוד.

הפרדוקס הוא שרוב השימוש הארגוני הנוכחי בבינה מלאכותית מצמיח ידע בתוך המערכות של ספק המודל, לא בתוך הארגון . הידע 'דולף' החוצה עם כל אינטראקציה. כשעובד מעביר הקשר עסקי גולמי למודל צד שלישי, השאילתה הופכת לאות שנתרם לצינור האימון של הספק, ולא נשמר בארגון. כשהמודל משתנה או הספק מתחלף, המומחיות הארגונית מתאפסת .

השלכה 1: אובדן ידע קנייני כ'מיקור חוץ תעשייתי'

נדלה תיאר את הדינמיקה הזו כדומה למיקור חוץ תעשייתי (industrial offshoring) – בדיוק כפי שהגלובליזציה רוקנה כלכלות מפעלים מתוכן, שימוש בבינה מלאכותית מבלי להחזיק בשכבת הלמידה מרוקן מהארגון את הידע הארגוני . הוא הצהיר בחדות: "אם החברה שלך לא מסוגלת להטמיע את הידע הסמוי של החברה בקבוצת משקולות במודל שאתה שולט בו… אתה מדליף ערך ארגוני לאיזו חברת מודלים אי שם" . הסיכון הוא שארגונים יהפכו ל'דיירים' על פלטפורמות בינה מלאכותית, כשהזיכרון הארגוני שלהם נודד למספר קטן של ספקי מודלים .

המנגנון קונקרטי. בינה מלאכותית לא צריכה גישה לנתונים הגולמיים שלך כדי ללמוד את העסק שלך; היא לומדת את תהליכי העבודה שלך, את הרצפים, את התיקונים, את תבניות ההחלטות ואת ה'תחושה התפעולית' שלך . הידע הסמוי הזה – ההבנה המצטברת, לרוב לא מקודדת, שנובעת מאיך שפועל ארגון – נאפה בתוך המודל . מה שהיה פעם יתרון תחרותי ייחודי עלול להפוך ליכולת גנרית שזמינה לכולם .

השלכה 2: 'לולאת הלמידה' כיתרון התחרותי האמיתי

הטיעון האסטרטגי המרכזי של נדלה הוא שהמודל הוא הסחורה; הלולאה היא הקניין הרוחני . נקודות מפתח מהראיות הזמינות:

• בחירת מודל הקצה הטוב ביותר אינה יתרון בר-קיימא – כל מתחרה יכול לרשום רישיון לאותו מודל .
• לולאת הלמידה היא מנגנון משוב קנייני: עובדים מקיימים אינטראקציה עם הבינה המלאכותית, הבינה המלאכותית לומדת מהתיקונים וההחלטות האלה, והמערכת משתפרת עם הזמן, תוך צבירת הידע הסמוי של החברה . נדלה מתאר את לולאת הלמידה הזו כ**'מכונת טיפוס גבעות' (hill climbing machine)** – מנגנון שבו אדם ובינה מלאכותית מרימים זה את זה והופכים לחכמים יותר בכל פעם שמשתמשים בהם .
• הון אנושי והון טוקנים מצטברים יחד – ככל שיכולת הבינה המלאכותית גדלה, המומחיות האנושית הופכת ליקרה יותר, לא פחות, אם הלולאה בבעלות הארגון .
• 'המבחן' של נדלה ליתרון בר-קיימא: האם אתה יכול להחליף את מודל היסוד הכללי מבלי לאבד את הידע המתמחה המותקן במסגרת הלמידה שלך? אם לא, אתה לא הבעלים של היתרון שלך . המומחיות הרשומה בלולאת הלמידה צריכה להישאר גם כשהמודל הבסיסי מוחלף .

על פי דיווחים, נדלה קרא לחברות להפוך את תהליכי העבודה, הידע התחומי ושיקול הדעת המצטבר שלהן למערכות בינה מלאכותית שמשתפרות עם כל שימוש, באמצעות הערכות פרטיות, מערכות למידת חיזוק ומאגרי ידע פנימיים. כשזה נעשה היטב, לולאות המשוב האלה הופכות לקניין הרוחני של החברה – יתרון מצטבר שמתחרים לא יכולים לשכפל בקלות .

השלכה 3: שאלת האינטרס העצמי – האם זו הצעת מכירה עבור Azure?

מספר מקורות מצביעים ישירות על כך שהמסגור של נדלה מתיישר בדיוק עם האינטרסים המסחריים של מיקרוסופט :

• Promarket.org (פרסום של מרכז סטיגלר) מכנה במפורש את אזהרת הבינה המלאכותית של נדלה "תרגיל מכירות" – הטיעון שלו נכון עקרונית, אבל אם ייושם, הוא מפנה השקעות ארגוניות לAzure, עסקי הענן של מיקרוסופט, שמרוויחים ללא קשר למודל שינצח בשוק .
• הארכיטקטורה המומלצת – הרצת מודלים על תשתית משלך, בעלות על שכבת הכיוונון העדין, שמירת לולאת הלמידה בתוך 'גבול אמון' – היא בדיוק מה שAzure AI Studio ו-Azure OpenAI Service נועדו לספק .
• נדלה גם טען שריכוז מודלי הבינה המלאכותית מוגזם ושהמערכת האקולוגית זקוקה ליותר תחרות ומודלים בעלות נמוכה יותר – עמדה שאם תתקבל, תפחית את התלות בספק מודל יחיד (כולל OpenAI, שלמיקרוסופט יש איתו שותפות של מיליארדי דולרים) ותנתב יותר הוצאות ארגוניות דרך הפלטפורמה הנייטרלית-למודל של Azure .

עם זאת, נדלה גם הקפיד לומר שהטיעון שלו "אינו נגד OpenAI" ושהוא רוצה מערכת אקולוגית מבוזרת שבה ארגונים שולטים בשכבת הבינה המלאכותית שלהם .

השורה התחתונה לארגונים

המסקנה האסטרטגית המרכזית ברורה: בעלות על לולאת הלמידה שלך, לא רק על מנוי המודל שלך. אבל עצה של כל ספק – כולל מיקרוסופט – חייבת להיבחן מול המציאות שהארכיטקטורה המומלצת נוטה להתכנס לפלטפורמת הענן של אותו ספק . התובנה העמידה מהפרדוקס ההפוך של המידע היא מבנית: אם כל אינטראקציה עם בינה מלאכותית מצמיחה למידה בתוך מערכת של צד שלישי, הארגון מעביר באופן שיטתי את ערכו. התרופה היא לבנות את לולאת המשוב בתוך הבית, כך שהידע הסמוי של הארגון יישאר רכושו.

מהו הפרדוקס ההפוך של המידע?

נדלה מגדיר ערך ארגוני כשני סוגי הון נפרדים :

• הון אנושי – הידע, שיקול הדעת, הקשרים היחסיים והיכולת לזהות תבניות שעובדים מביאים לארגון.
• הון טוקנים (Token Capital) – מערכות הבינה המלאכותית הקנייניות שארגון בונה ומחזיק על גבי מודלי יסוד.

הפרדוקס הוא שרוב השימוש הארגוני הנוכחי בבינה מלאכותית מצמיח ידע בתוך המערכות של ספק המודל, לא בתוך הארגון . הידע 'דולף' החוצה עם כל אינטראקציה. כשעובד מעביר הקשר עסקי גולמי למודל צד שלישי, השאילתה הופכת לאות שנתרם לצינור האימון של הספק, ולא נשמר בארגון. כשהמודל משתנה או הספק מתחלף, המומחיות הארגונית מתאפסת .

השלכה 1: אובדן ידע קנייני כ'מיקור חוץ תעשייתי'

נדלה תיאר את הדינמיקה הזו כדומה למיקור חוץ תעשייתי (industrial offshoring) – בדיוק כפי שהגלובליזציה רוקנה כלכלות מפעלים מתוכן, שימוש בבינה מלאכותית מבלי להחזיק בשכבת הלמידה מרוקן מהארגון את הידע הארגוני . הוא הצהיר בחדות: "אם החברה שלך לא מסוגלת להטמיע את הידע הסמוי של החברה בקבוצת משקולות במודל שאתה שולט בו… אתה מדליף ערך ארגוני לאיזו חברת מודלים אי שם" . הסיכון הוא שארגונים יהפכו ל'דיירים' על פלטפורמות בינה מלאכותית, כשהזיכרון הארגוני שלהם נודד למספר קטן של ספקי מודלים .

המנגנון קונקרטי. בינה מלאכותית לא צריכה גישה לנתונים הגולמיים שלך כדי ללמוד את העסק שלך; היא לומדת את תהליכי העבודה שלך, את הרצפים, את התיקונים, את תבניות ההחלטות ואת ה'תחושה התפעולית' שלך . הידע הסמוי הזה – ההבנה המצטברת, לרוב לא מקודדת, שנובעת מאיך שפועל ארגון – נאפה בתוך המודל . מה שהיה פעם יתרון תחרותי ייחודי עלול להפוך ליכולת גנרית שזמינה לכולם .

השלכה 2: 'לולאת הלמידה' כיתרון התחרותי האמיתי

הטיעון האסטרטגי המרכזי של נדלה הוא שהמודל הוא הסחורה; הלולאה היא הקניין הרוחני . נקודות מפתח מהראיות הזמינות:

• בחירת מודל הקצה הטוב ביותר אינה יתרון בר-קיימא – כל מתחרה יכול לרשום רישיון לאותו מודל .
• לולאת הלמידה היא מנגנון משוב קנייני: עובדים מקיימים אינטראקציה עם הבינה המלאכותית, הבינה המלאכותית לומדת מהתיקונים וההחלטות האלה, והמערכת משתפרת עם הזמן, תוך צבירת הידע הסמוי של החברה . נדלה מתאר את לולאת הלמידה הזו כ**'מכונת טיפוס גבעות' (hill climbing machine)** – מנגנון שבו אדם ובינה מלאכותית מרימים זה את זה והופכים לחכמים יותר בכל פעם שמשתמשים בהם .
• הון אנושי והון טוקנים מצטברים יחד – ככל שיכולת הבינה המלאכותית גדלה, המומחיות האנושית הופכת ליקרה יותר, לא פחות, אם הלולאה בבעלות הארגון .
• 'המבחן' של נדלה ליתרון בר-קיימא: האם אתה יכול להחליף את מודל היסוד הכללי מבלי לאבד את הידע המתמחה המותקן במסגרת הלמידה שלך? אם לא, אתה לא הבעלים של היתרון שלך . המומחיות הרשומה בלולאת הלמידה צריכה להישאר גם כשהמודל הבסיסי מוחלף .

על פי דיווחים, נדלה קרא לחברות להפוך את תהליכי העבודה, הידע התחומי ושיקול הדעת המצטבר שלהן למערכות בינה מלאכותית שמשתפרות עם כל שימוש, באמצעות הערכות פרטיות, מערכות למידת חיזוק ומאגרי ידע פנימיים. כשזה נעשה היטב, לולאות המשוב האלה הופכות לקניין הרוחני של החברה – יתרון מצטבר שמתחרים לא יכולים לשכפל בקלות .

השלכה 3: שאלת האינטרס העצמי – האם זו הצעת מכירה עבור Azure?

מספר מקורות מצביעים ישירות על כך שהמסגור של נדלה מתיישר בדיוק עם האינטרסים המסחריים של מיקרוסופט :

• Promarket.org (פרסום של מרכז סטיגלר) מכנה במפורש את אזהרת הבינה המלאכותית של נדלה "תרגיל מכירות" – הטיעון שלו נכון עקרונית, אבל אם ייושם, הוא מפנה השקעות ארגוניות לAzure, עסקי הענן של מיקרוסופט, שמרוויחים ללא קשר למודל שינצח בשוק .
• הארכיטקטורה המומלצת – הרצת מודלים על תשתית משלך, בעלות על שכבת הכיוונון העדין, שמירת לולאת הלמידה בתוך 'גבול אמון' – היא בדיוק מה שAzure AI Studio ו-Azure OpenAI Service נועדו לספק .
• נדלה גם טען שריכוז מודלי הבינה המלאכותית מוגזם ושהמערכת האקולוגית זקוקה ליותר תחרות ומודלים בעלות נמוכה יותר – עמדה שאם תתקבל, תפחית את התלות בספק מודל יחיד (כולל OpenAI, שלמיקרוסופט יש איתו שותפות של מיליארדי דולרים) ותנתב יותר הוצאות ארגוניות דרך הפלטפורמה הנייטרלית-למודל של Azure .

עם זאת, נדלה גם הקפיד לומר שהטיעון שלו "אינו נגד OpenAI" ושהוא רוצה מערכת אקולוגית מבוזרת שבה ארגונים שולטים בשכבת הבינה המלאכותית שלהם .

השורה התחתונה לארגונים

המסקנה האסטרטגית המרכזית ברורה: בעלות על לולאת הלמידה שלך, לא רק על מנוי המודל שלך. אבל עצה של כל ספק – כולל מיקרוסופט – חייבת להיבחן מול המציאות שהארכיטקטורה המומלצת נוטה להתכנס לפלטפורמת הענן של אותו ספק . התובנה העמידה מהפרדוקס ההפוך של המידע היא מבנית: אם כל אינטראקציה עם בינה מלאכותית מצמיחה למידה בתוך מערכת של צד שלישי, הארגון מעביר באופן שיטתי את ערכו. התרופה היא לבנות את לולאת המשוב בתוך הבית, כך שהידע הסמוי של הארגון יישאר רכושו.