Satya Nadellas AI-varning: Därför måste varje företag bygga sin egen modell – och varför det är riskabelt att hyra

Istället för att behandla modellen som en vallgrav pekar Nadellas argument på kontinuerliga system som förbättras genom organisatorisk användning. Han sa till Business Today att ”organisationer inte kan lägga ut själva inlärningsprocessen” – du kan lägga ut en uppgift, men du kan inte lägga ut ditt företags inlärningskurva.

Varför det är riskabelt att outsourca AI: Varningen om industriell urholkning

Nadella gav två sammanlänkade skäl till varför enbart förlitande på tredjeparts frontmodeller är farligt för företag.

1. Förlust av konkurrensfördel och värdeutvinning. Nadella varnade för att om ett företag bara hyr en modell och inte bygger något eget kring den, så är modellen inte dess konkurrensfördel – och företaget kan redan vara på väg att förlora mark. Hans bredare oro fångas i ett direkt citat från hans essä: ”Det sista någon av oss vill är en värld där alla företag inom alla sektorer överlåter värde till ett fåtal modeller som äter upp allt de ser.”

Han menar att kraftfulla AI-modeller blir allt skickligare på att absorbera specialiserad företagskunskap, vilket potentiellt kan göra den professionella expertisen inom hela branscher till en handelsvara som säljs tillbaka till de företag som genererade den. Företag som inte bygger egna AI-återkopplingssystem riskerar att överlåta värde till externa modellleverantörer istället för att förränta sin egen institutionella kunskap.

2. Koncentrationsrisk och leverantörsberoende. Att enbart förlita sig på en enda frontmodell gör företag sårbara för begränsningar, prissättning och strategiska beslut hos externa leverantörer. Nadellas ramverk betonar istället att bygga interna lärande loopar – system som kan byta underliggande modell utan att förlora ackumulerad intelligens. Enligt hans syn är det riskabelt ”att bygga AI-infrastruktur optimerad för endast en modell”, eftersom en konkurrents genombrott i modellarkitektur kan göra hela investeringen föråldrad.

I linje med Microsofts multimodellstrategi

Nadellas argument ligger i linje med Microsofts egen strategiska omställning. Efter år av djupgående partnerskap med OpenAI har företaget medvetet breddat sin AI-modellstrategi och introducerat fler egna AI-förmågor.

På Microsoft Build 2026 i början av juni avtäckte företaget nya proprietära AI-modeller (MAI-modellfamiljen) avsedda att minska beroendet av OpenAI och sänka kostnaderna för utvecklare. Microsoft bygger också första parts-system som Project Polaris – beskrivet som Microsofts egen kodnings-AI som ska ersätta GPT-4 i GitHub Copilot i augusti 2026.

Microsoft har lanserat prisvärda AI-modeller och en multi-motor Copilot-plattform som stödjer modeller från Anthropic, Meta (Llama), Mistral AI, DeepSeek och Cohere vid sidan av OpenAI – vilket ger användare möjlighet att välja mellan flera AI-motorer. Anthropics Claude är nu ett förstahandsalternativ i Azure AI Foundry tillsammans med OpenAI, DeepSeek, Llama och Mistral.

Den strategiska logiken är enkel: om företag behöver skräddarsydda AI-system kopplade till sin egen data, arbetsflöden och institutionella kunskap, blir den molnplattform som är värd för ekosystemet – Azure – strategiskt viktig. Nadellas råd om att ”bygga din egen lärande loop” är därför både arkitektonisk vägledning och en utmärkt passform med Microsofts bredare moln- och AI-plattformsstrategi.

Nadella har länge förutsett denna kommodifiering. I slutet av 2025 beskrev han dynamiken krasst: ”Om du är ett modellföretag kan du drabbas av en vinnarens förbannelse… det är en kopia från att bli en handelsvara.”

Det nya ramverket för AI i företag: Humankapital + tokenskapital

Nadella introducerade två begrepp i sin essä från juni 2026 som har blivit centrala i samtalet om AI i företagsvärlden: humankapital och tokenskapital.

Vad är tokenskapital?

Tokenskapital är ”den AI-förmåga ett företag bygger och äger” med hjälp av sina egna arbetsflöden, data, utvärderingar och ackumulerade expertis. Det är den proprietära AI-tillgång som företaget utvecklar kring sitt eget operativsystem – snarare än att bara hyra generisk förmåga från externa leverantörer. Tokenskapital omfattar de system, modeller, promptar, utvärderingar och finjusterade arbetsflöden som ett företag utvecklar över tid. Nadella beskriver det som att växa med ”ränta på ränta” i en självförstärkande lärande loop.

Humankapital blir mer värdefullt, inte mindre

Nadellas kontraintuitiva påstående är att i takt med att AI-förmågan (tokenskapital) ökar, ökar också värdet av humankapital snarare än minskar. Humankapital omfattar kunskap, omdöme, relationer, kreativitet och mönsterigenkänning hos företagets medarbetare.

Hans argument: utan mänsklig vägledning ”har du beräkningar som springer runt i cirklar.” Mänsklig expertis är det som styr lärande loopen, utvärderar resultat och omvandlar AI-förmåga till en användbar organisatorisk fördel. Nadella beskriver detta som en övergång till en ”verklig kognitiv loop mellan människor och digitala system” – ett fundamentalt brott mot tidigare tekniska revolutioner där digitala system bara användes för att förbättra mänsklig produktivitet.

Den lärande loopen som förräntas

Nadella beskriver det ideala tillståndet som ”att bygga en lärande loop ovanpå modeller där humankapital och tokenskapital förräntas.” I denna loop:

• Humankapital (expertis, omdöme) styr skapandet och utvärderingen av AI-resultat
• Tokenskapital (ägd AI-förmåga) fångar och operationaliserar den expertisen
• Varje förstärkning gör båda sidor mer värdefulla över tid

Om du inte kan byta ut en generalistmodell utan att förlora din ackumulerade intelligens, då äger du inte din lärande loop – du hyr den.

Praktiska implikationer för AI-användning i företag

Infrastruktur: Flexibla plattformar med flera modeller

Företag kan inte längre behandla en enda frontmodell som hela sin AI-strategi. De behöver flexibel infrastruktur som kan stödja flera modellfamiljer, proprietära datakopplingar, arbetsflödesintegration och kontinuerliga återkopplingsloopar. Nadellas ramverk innebär att den vinnande infrastrukturen är den plattform som hjälper företag att bygga och driva dessa ekosystem – vilket är hur Microsoft positionerar Azure och sina Copilot-tjänster.

Humankapital: Djupare investering i människor

Nadellas argument går stick i stäv med berättelsen om automatisering i första hand. Om mänskligt omdöme blir mer värdefullt i takt med att AI växer, måste företag investera mer i medarbetares expertis, domänkunskap och kreativa beslutsfattande – inte mindre. Omkring 117 000 techjobb sades upp under 2026, med AI som en angiven faktor – en trend som Nadellas ramverk implicit varnar för om den berövar företag det humankapital som behövs för att styra lärande loopar.

Tokenskapital: Bygga, inte bara köpa

Det strategiska skiftet går från att konsumera AI till att äga AI-förmåga. Det innebär att utveckla egna modeller, finjustera på intern data, bygga utvärderingssystem och skapa arbetsflöden som fångar organisatorisk kunskap i återanvändbar form. Företag som bara prenumererar på den bästa frontmodellen och stannar där riskerar att bli urholkade – eftersom deras varaktiga fördel inte kommer från den hyrda modellen i sig, utan från den proprietära lärande loopen de bygger runt den.

Den strategiska slutsatsen

För företagsledare menar Nadella att AI-erans företag måste investera samtidigt i:

• Infrastruktur: flexibla, multimodella, molnbaserade plattformar som möjliggör byggandet av skräddarsydda AI-system kring proprietära arbetsflöden och data.
• Humankapital: djupare investeringar i medarbetares omdöme, relationer, kreativitet och domänexpertis – nu viktigare, inte mindre.
• Tokenskapital: proprietära AI-förmågor som tränas och förbättras genom företagets unika data, återkopplingsloopar och operativa processer.

Budskapet är tydligt: om din AI-strategi börjar och slutar med att välja en leverantör av frontmodeller kan du redan förlora konkurrensfördelar till företag som äger sina lärande loopar istället för att hyra dem.