AI-løsninger — open source vs proprietær

Valget blir større

I løpet av de siste tre årene har kunstig intelligens gått fra niche-teknologi til kritisk infrastruktur i norsk industri. Men med veldig få unntak, har norske storselskaper ikke gjort deliberate, strategiske valg om hvilken vei de skal gå: open source-modeller fra Meta og Mistral, eller proprietære systemer fra OpenAI og Google.

Det valget er nå uunngåelig. Norges energipriser, arbeidskraft og industrikompetanse gjør at landet bør ha en klar AI-strategi. Uten det risikerer bedriftene å låses fast i kostbare lisenser eller støter på lisensbegrensninger når de skal skalere.

Tall og trender

62 prosent av norske storselskaper bruker noen form for AI i dag, men bare 8 prosent har vedtatt en formell strategi for valg mellom open source og proprietær. Denne mangelen på klarhet koster bedriftene millioner årlig i ineffektiv utgiftsforvaltning.

«Vent ikke på perfeksjon»

Open source-modeller har blitt teknisk gode nok for 80 prosent av brukstilfellene. Det som gjenstår, er organisatorisk innsats og integrasjonsarbeid, ikke teknologisk forskning.

"Hvis du venter til open source er hundre prosent optimal, har du allerede tapt markedskampen. Norske bedrifter må ta beslutninger nå basert på 80 prosent-modellene som finnes, ikke den idealiserte 100-prosent-løsningen som kanskje kommer om fem år."

Frihet og kontroll med open source

Open source-modeller som Llama, Mistral og lokalt-kjørbare ChatGPT-alternativer gir bedrifter full kontroll over data og inferens. For industriselskaper som håndterer sensitiv produksjonsinformasjon eller kundepersonalia, er detta ofte avgjørende.

I tillegg eliminerer man lisenskostnader og leverandøravhengighet. En norsk energiselskap som implementerer egen LLM på open source, betaler for computing-kraft, ikke for per-bruk-avgifter som kan øke drastisk når bruksvolumene vokser. Over fem år kan disse besparelsene måle seg i titalls millioner kroner.

Proprietære løsninger — enklere, men dyrere

OpenAI, Google og Microsoft tilbyr kraftige, tilpassede løsninger og supportkontakter som norske bedrifter liker. Disse systemene er ofte bedre tilpasset norsk språk og kulturell kontekst fordi kommersielle selskaper investerer mer i lokalisering.

Men kostnaden er høy, og avhengigheten er stor. En norsk finansinstitusjon som bruker ChatGPT for customer service, kan plutselig få en dobling av kostnadene dersom OpenAI endrer prissettingen. Det skjedde flere ganger allerede, og risikoen er reell.

En hybrid-strategi for Norge

Det beste svaret for norsk industri er ikke binært. Mange ledende selskaper bruker begge: open source for interne operasjoner og data-intensiv analyse, proprietære systemer for kundefacing-løsninger som krever høy kvalitet og support.

Det sentrale er å ta valget bevisst, dokumentere det, og implementere det konsekvent. Bedrifter som gjør det, oppnår kostnadseffektivitet, redusert risiko og større fleksibilitet til å respondere på markedsendringer. For Norge — et land med høy lønnsnivå og dyr infrastruktur — kan disse fordelene være det som skiller vinnere fra tapere i AI-konkurransen de neste årene.