De laatste financieringsronde van OpenAI illustreert een toonverandering in de sector: investeerders vragen nu van kunstmatige intelligentie een duurzaam businessmodel en meetbare waarde, terwijl tot nu toe de technologische belofte volstond. Volgens de gepubliceerde analyse zou dit keerpunt gunstig kunnen zijn voor de toekomst van AI.
OpenAI heeft 11 miljard dollar opgehaald bij een eerste sluiting van een financieringsronde, terwijl de initiële ambitie op een bedrag tot 30 miljard dollar lag. De waardering komt uit op ongeveer 1.250 miljard dollar, onder de oorspronkelijk voorziene doelstellingen. Deze cijfers blijven aanzienlijk, maar het is nu de kloof tussen ambities en realiteit die de aandacht trekt.
Het bedrijf dat heeft bijgedragen aan het ontketenen van de wereldwijde generatieve AI-revolutie merkt dat technologisch enthousiasme niet langer volstaat om onbeperkte toegang tot kapitaal te garanderen. Moeten we hier het begin van een uiteenspattende zeepbel in zien? De auteur denkt dat niet ‘noodzakelijkerwijs’. Hij ziet het eerder als de overgang van een belofte-economie naar een bewijseconomie, een transitie die niet alleen OpenAI aangaat.
Technologische vooruitgang, adoptie en waardecreatie
Sinds de komst van ChatGPT gaat de industrie in een uitzonderlijk tempo vooruit. De modellen worden performanter, de multimodale capaciteiten vorderen, en agents weten tools te gebruiken, code te produceren en complexe actiereeksen uit te voeren. Deze vooruitgang is onmiskenbaar, maar er is verwarring ontstaan: men gaat ervan uit dat de stijging van technische capaciteiten automatisch een proportionele waardecreatie met zich meebrengt.
Een slimmer model is niet noodzakelijk winstgevender, en een breed geadopteerde technologie is niet per se economisch duurzaam. Het aantal gebruikers, het volume verbruikte tokens (eenheden tekst verwerkt door een model) of het aantal ingezette agents zijn indicatoren van activiteit. Op zichzelf tonen ze geen waardecreatie aan.
Een organisatie kan experimenten vermenigvuldigen en individuele productiviteitswinsten constateren zonder noemenswaardige verbetering van operationele resultaten. De tijdswinst van een ontwikkelaar versnelt niet automatisch de productielancering, en een agent die tien taken automatiseert creëert niet noodzakelijk waarde als het globale proces ongewijzigd blijft. Zoals de auteur samenvat: « We hebben geleerd te meten wat AI produceert. Het is nu tijd om te meten wat ze transformeert. »
Het economische paradox van AI
Enerzijds daalt de gebruikskost van vele inferentiecapaciteiten (een reeds getraind model laten werken) dankzij hardware-, software- en architectuuroptimalisaties. Anderzijds vereist de race naar topmodellen aanzienlijke investeringen in infrastructuur, energie, datacenters en rekenkracht. Elke verwerkingseenheid wordt goedkoper, maar de uitgaven om competitief te blijven nemen toe.
Investeringen garanderen ook geen blijvende differentiatie. Concurrentiële modellen vorderen, open alternatieven winnen aan prestaties, en bedrijven leren meerdere modellen te orkestreren volgens hun behoeften en kosten. Waar zal de waarde zich bevinden: in de modellen, de infrastructuur, de platforms of de transformatie van bedrijfsprocessen? De auteur schat dat ze geleidelijk naar deze laatste dimensie zal verschuiven, zonder de waarde van de andere lagen te doen verdwijnen.
Voor gebruikende bedrijven gaat de noodzaak om resultaten te meten gepaard met een eis van flexibiliteit. Hun strategie mag niet volledig afhangen van één enkele leverancier, en ze moeten het vermogen behouden om van model te wisselen, hun data te controleren en hun kosten op te volgen. De eerste fase van de AI-revolutie bestond erin deze technologie voor iedereen toegankelijk te maken; de tweede zal moeten aantonen dat ze duurzame economische waarde kan creëren.
