Globalne imperia czy lokalne twierdze? AI a cyfrowa suwerenność

Czy kilka potężnych, globalnych modeli sztucznej inteligencji ostatecznie zdominuje rynek, marginalizując mniejsze, narodowe ekosystemy? Pod powierzchnią debaty o przewagach technologicznych toczy się dziś walka o niezależność, czy nawet „suwerenność” krajowych projektów, bezpieczeństwo danych i tożsamość kulturową.

Podczas Generative Revolution Day stanęło pytanie czy globalne modele zdominują te lokalne? Tu spotkały się dwie różne, choć też uzupełniające się perspektywy. Profesor Aleksandra Przegalińska, badaczka z Harvard University i Akademii Leona Koźmińskiego, oraz Chris Ociepa, współtwórca polskiego modelu językowego Bielik, rysują obraz rynku, na którym wygoda oferowana przez wielkie korporacje zderza się z potrzebą bezpieczeństwa i lokalnej specjalizacji.

Dalsza część artykułu pod materiałem video

Narodziny władzy infrastrukturalnej

– Początki generatywnej rewolucji należały bezsprzecznie do największych modeli komercyjnych – tych, które dziś są powszechnie znane, jak ChatGPT czy Gemini – zauważa Aleksandra Przegalińska i przyznaje, że choć z wielkim entuzjazmem przygląda się rozwojowi lokalnych rozwiązań open-source, obecny krajobraz został zdominowany przez tą właśnie garstkę graczy dysponujących niewyobrażalnym kapitałem.

Jej zdaniem, z punktu widzenia dostępnej mocy obliczeniowej oraz skali inwestycji, mniejsze inicjatywy nie mają szans na otwartą, szeroką konkurencję z technologicznymi hegemonami ze Stanów Zjednoczonych czy Azji. Taki stan rzeczy prowadzi do głębokich zmian, wykraczających daleko poza samą technologię.

– Obserwujemy też, jak sądzę, rozwój czegoś, co nazwałabym władzą infrastrukturalną – nowym zjawiskiem geopolitycznym. Istnieją gigantyczni gracze, którzy mogą pompować ogromne pieniądze w swoje modele i – co kluczowe – są w stanie udźwignąć związane z tym ryzyko – wyjaśnia badaczka.

Dla przeciętnego przedsiębiorstwa oznacza to trudną prawdę: korzystanie z najpotężniejszych narzędzi na rynku, oferowanych w modelu abonamentowym, wiąże się z koniecznością wejścia w zamknięty, obcy ekosystem i oddania części swojej rynkowej niezależności.

Kultura i suwerenność danych

Mimo tej wyraźnej dominacji gigantów, lokalne modele sztucznej inteligencji oferują biznesowi i administracji publicznej wartości, których globalne platformy z definicji nie są w stanie zagwarantować. Chris Ociepa podkreśla, że absolutnie kluczowym argumentem za budowaniem i wdrażaniem rozwiązań narodowych jest bezpieczeństwo informacji. Zwracając uwagę na ryzyko utraty kontroli nad kapitałem informacyjnym, Ociepa tłumaczy:

– Nie chcesz przecież wysyłać wszystkich swoich danych – firmowych, ludzkich, społecznych – na zewnątrz, do innych krajów, do obcych chmur.

Co istotne dla lokalnych zastosowań, globalne modele często potykają się o niuanse. Algorytm trenowany głównie na danych anglosaskich może nie rozumieć w pełni polskiej fleksji, żargonu prawniczego czy kontekstów kulturowych.

– Jedną z kluczowych zalet jest możliwość uruchomienia modelu na własnych danych, we własnym języku, z pełnym uwzględnieniem kontekstu kulturowego i językowego – dodaje twórca Bielika. Według niego, to właśnie w tym obszarze lokalne rozwiązania przestają być technologiczną ciekawostką, a stają się precyzyjnym narzędziem.

Siła wąskiej specjalizacji

Twórcy narodowych algorytmów nie mają złudzeń co do swoich możliwości w starciu z Doliną Krzemową.

– Nie możemy konkurować z firmami takimi jak OpenAI, Anthropic czy Google – przyznaje Ociepa. Jednocześnie wskazuje na potężną i opłacalną biznesowo siłę specjalizacji, czyli tak zwanego dostrajania modeli do konkretnych procesów. – Jeśli zawęzisz zakres do konkretnych zadań w swojej firmie i dostosujesz do nich nasz model, uzyskasz lepsze wyniki niż ze standardowym GPT. A przy tym nasz model będzie tańszy, mniejszy i możliwy do uruchomienia na własnej infrastrukturze.

Dla firm, które korzystają z AI, oznacza to zmianę paradygmatu. Próba znalezienia jednego, globalnego modelu „do wszystkiego” jest skazana na porażkę. Prawdziwa optymalizacja polega na wdrażaniu mniejszych, tańszych i całkowicie kontrolowanych przez firmę algorytmów, które po odpowiednim treningu wykonują swoje wąskie zadania lepiej niż najdroższe systemy ogólnego przeznaczenia.

Strategiczna inwestycja

Zmieniający się krajobraz cyfrowy wymusza myślenie wykraczające poza doraźny rachunek zysków i strat. W dłuższej perspektywie uzależnienie operacyjne od globalnych platform i oddanie im władzy infrastrukturalnej to strategia wysoce ryzykowna. Wybierając dostawców technologii, firmy i rządy podejmują też decyzję o tym, gdzie będą rozwijać się najlepsi specjaliści – w kraju czy za oceanem.

Natomiast z punktu widzenia nowoczesnego przedsiębiorstwa kluczowe staje się oddzielenie zadań generycznych od tych o znaczeniu krytycznym. A także świadoma inwestycja we własne, wewnętrzne zespoły ekspertów, zdolne do utrzymywania mniejszych, lokalnych modeli językowych na serwerach firmy. Taka hybrydowa strategia – wykorzystująca gigantów tam, gdzie to wygodne, ale chroniąca rdzeń biznesu za pomocą rozwiązań suwerennych – wydaje się dziś być najbardziej racjonalną polisą ubezpieczeniową dla nowoczesnej organizacji.