Nadellas varning: Företag som använder AI betalar två gånger – en gång med pengar och en gång med sin egen kunskap

Den omvända informationsparadoxen förklaras

Arrow ursprungliga paradox säger att en säljare av information riskerar att ge bort den gratis bara för att bevisa dess värde för en köpare. Nadella menar att AI vänder på det: nu är det köparen som löper risk. Företag betalar för AI-tjänster med prenumerations- eller API-avgifter, men för att få meningsfulla resultat måste de samtidigt mata in sin affärskontext, sina processer, fel och korrigeringar .

”I AI-eran riskerar köparen att ge bort kunskap, bara för att kunna använda det de köpt”, skrev Nadella . Varje prompt, verktygsanrop, korrigering, utvärdering och arbetsflödesspår blir en signal som går till modellleverantören, inte till företaget . Ju djupare en organisation använder en avancerad modell, desto mer institutionell kunskap läcker utåt och byggs in i leverantörens träningspipeline istället för i företagets egna system .

Flera medier beskrev det som att företag effektivt ”betalar för intelligens två gånger” – en gång med pengar och en gång med något långt värdefullare: sin egen immateriella egendom .

Problemet med intelligensavgaser

Nadellas formulering ger ett skarpare namn åt ett problem som IT-chefer redan känner till. Biprodukterna från varje AI-interaktion – prompter, korrigeringar, återkoppling, utvärderingsspår och anpassade vikter – utgör vad han kallar intelligensavgaser (”intelligence exhaust”) . Denna avgas borde ackumuleras som institutionellt minne inom företagets egen förtroendegräns, men i nuvarande modell flödar den ut till leverantören .

Som en analys från Databricks-communityt formulerade kärnfrågan: ”när organisationer använder AI allt mer, vem äger kunskapen som skapas genom prompter, korrigeringar, utvärderingar, arbetsflöden och mänsklig återkoppling?” Nadellas svar är entydigt: företaget måste äga den. En konkurrent skulle aldrig kunna köpa den institutionella kunskapen, men företag ger bort den gratis .

Nadella har enligt uppgift beskrivit denna dynamik som analog med industriell utflaggnig – precis som globaliseringen urholkade fabriksekonomier, riskerar okontrollerad AI-användning att urholka företagens intellektuella kapital .

Fem C – ramverket för förtroende

För att hantera risken föreslog Nadella ett ramverk i fem delar – Fem C – som principer företag måste kontrollera inom sin egen AI-förtroendegräns :

• Control (Kontroll) – Företag måste bygga egna utvärderingssystem och behålla ägandet över institutionellt minne, återkoppling och beslut som genereras genom AI-användning .
• Capability (Förmåga) – Företag behöver intern kompetens och infrastruktur för att hantera AI säkert inom en egen inlärningsmiljö .
• Choice (Val) – Företag ska inte vara låsta till en enda modellleverantör; de behöver portabilitet och ett frånkopplat orkestreringslager .
• Cost (Kostnad) – Företag måste förstå den fulla kostnaden för AI-användning, inklusive läckage av immateriella rättigheter, inte bara API-avgifter .
• Compound (Ackumulera) – Kunskap, utvärderingar och anpassade vikter ska ackumuleras inom företagets egen stack, inte hos leverantören .

Receptet är en hård förtroendegräns inom vilken företagets utvärderingar, minne, anpassade vikter och orkestrering ackumuleras oberörda av modellleverantören . En analys konstaterade att Fem C fungerar som en ”kravspecifikation för en klass av infrastruktur som Microsoft bygger genom Foundry, Azure AI och Copilot Studio” .

Kritik mot AI-labbens dubbelmoral om modell-destillation

Nadella pekade uttryckligen ut ledande AI-labb – OpenAI och Anthropic – för vad han beskrev som hyckleri . Hans argument har två sidor.

För det första förlitar sig dessa labb på ”fair use” för att träna sina modeller på stora mängder offentlig data från internet. För det andra inför de samtidigt restriktiva villkor som hindrar andra från att destillera deras modeller – det vill säga träna mindre, billigare modeller baserade på resultaten från deras avancerade system .

”Medan den stora innovationen som kommer från att modellleverantörer har fair use-rättigheter att träna modeller på offentliga data är nödvändig, finner jag det ironiskt att status quo sedan är att införa restriktiva villkor för destillation och att förbehålla sig rätten att lära från kundernas användning och interaktioner”, skrev Nadella .

Flera medier rapporterade att Nadellas kritik var en direkt pik mot labb som Anthropic som högljutt motsatt sig destillation av sina modeller . Kärnfrågan, som en rapport sammanfattade: ”Varför ska ett företag ha rätt att träna på hela webben men sedan säga till andra att de inte får använda deras resultat?”

Nadella varnade vidare för att om kunskap bara flödar i en riktning – från skapare och företag upp till modellleverantörer – kommer det ekonomiska värdet att koncentreras hos infrastruktur- och plattformsägare, inte hos de organisationer som faktiskt genererar kunskapen .

Vad det betyder för företagens AI-strategi

Nadellas inlägg har betydande implikationer. För det första omformulerar det AI-leverantörslåsning inte bara som ett kostnads- eller kompatibilitetsproblem utan som ett strukturellt kunskapsläckage. För det andra positionerar det Microsofts egen AI-infrastruktur – Azure AI, Copilot Studio och Foundry – som lösningen, även om Fem C-ramverket i princip är arkitekturoberoende . För det tredje tvingar det varje företagsköpare att ställa en fråga som de flesta inte har ställt: när vi använder AI allt djupare, vem äger det som AI:n lär sig?

Reaktionerna från branschen kom omedelbart. En analys på LinkedIn konstaterade att inlägget ”sätter en skarpare etikett på ett problem som IT-chefer redan står inför: AI-styrning måste omfatta kunskapen som genereras runt modellen, inte bara dokumenten som laddas upp till den” . En annan observatör kallade Fem C ”kravspecifikationen för en klass av infrastruktur” .

Den omvända informationsparadoxen handlar inte om huruvida man ska använda AI. Det handlar om huruvida företaget – eller leverantören – ska äga det som AI:n lär sig.