Bygga eller köpa AI: färdig produkt, API eller egen modell

Det finns tre sätt att få AI i verksamheten, och de skiljer sig mer i kostnadskurva än i kapacitet. Att välja fel innebär sällan att något slutar fungera; det innebär att ni betalar för mycket i två år, eller att ni bygger något som fanns att köpa för en tiondel.

De tre alternativen

Köpa en färdig produkt

Ett verktyg som redan gör det ni vill: en supportplattform med AI inbyggt, ett bokföringssystem som tolkar fakturor, ett mötesverktyg som skriver anteckningar.

Talar för: igång på dagar, ingen utveckling, leverantören underhåller modellerna åt er när de byts ut. Priset är förutsägbart per användare.

Talar emot: ni får deras arbetsflöde, inte ert. Integrationen mot era system räcker så långt den räcker. Och er data ligger hos ytterligare en leverantör.

Bygga på ett API

Ni använder en befintlig modell men bygger lösningen runt den: era data, era arbetsflöden, era system, i era gränssnitt.

Talar för: lösningen passar er process i stället för tvärtom, den når era befintliga system, och ni kan byta modell utan att bygga om — modellen är en komponent, inte plattformen.

Talar emot: det är ett utvecklingsprojekt med allt det innebär, och driftskostnaden är rörlig och följer volymen.

Köra en egen modell

En öppen modell driftad i er egen miljö.

Talar för: data lämnar aldrig er infrastruktur, kostnaden är förutsägbar vid hög volym, och ni är oberoende av en leverantörs prisändringar och versionsbyten.

Talar emot: någon måste driva det. Hårdvara eller molnkapacitet, uppdateringar, övervakning och kompetens som måste finnas kvar i organisationen. Det är sällan billigare förrän volymen är stor eller kraven på var datan får finnas är hårda.

Den fråga som avgör

Ställ den så här: är det här arbetsflödet en del av det vi konkurrerar med?

Är svaret nej — mötesanteckningar, transkribering, grammatikhjälp, generisk textproduktion — köp något färdigt. Att bygga eget där är att spendera utvecklingstid på att bli likvärdig med en produkt som kostar några hundralappar i månaden.

Är svaret ja — det sätt ni bedömer ärenden på, prissätter, matchar kunder mot utbud eller kvalitetssäkrar er leverans — bygg. Det är precis den process en färdig produkt hanterar sämst, eftersom den är byggd för genomsnittet av sin marknad och er fördel ligger i att inte vara genomsnittlig.

Det är samma resonemang som avgör standardsystem mot skräddarsytt, och det gäller oförändrat här. Se systemutveckling.

Vad som brukar bli svaret

I praktiken landar de flesta företag i en kombination: färdiga produkter för det generiska, ett eget bygge på API för den handfull flöden som faktiskt är deras egna, och egen drift bara där datan kräver det.

Det svåra är inte att välja rätt en gång, utan att inte låta det generiska växa in i det egna bygget. Varje funktion ni utvecklar som redan finns att köpa är en funktion ni har åtagit er att underhålla för alltid.

Inlåsningsfrågan

Den vanliga oron är att fastna hos en modelleverantör. Den är överdriven om lösningen är byggd rätt, och det som avgör är arkitekturen, inte leverantörsvalet:

• Modellanropet ska ligga bakom ett eget lager. Byte av leverantör ska vara en konfigurationsändring, inte en ombyggnad.
• Instruktioner och testunderlag är era. Det är den verkliga tillgången i ett AI-bygge — arbetet med att få kvaliteten rätt — och det är portabelt.
• Data och embeddings ska ligga i er egen databas. Ligger de i leverantörens tjänst är bytet dyrt oavsett hur koden ser ut.

Den verkliga inlåsningen sitter sällan i modellen. Den sitter i den färdiga produkten där tre års ärendehistorik ligger och exportformatet är en CSV.

Kostnaden över tid

De tre kurvorna korsar varandra, vilket är hela poängen med att välja medvetet:

• Färdig produkt: låg start, växer linjärt med antal användare. Billigast tills ni blir många.
• Eget bygge på API: en engångskostnad för utvecklingen och därefter rörlig drift med volymen. Blir förutsägbar när flödet är stabilt.
• Egen modell: hög start i både bygge och drift, låg marginalkostnad. Lönar sig först vid hög volym eller hårda datakrav.

Räkna med tolv månader, inte med startkostnaden. Ett alternativ som är dubbelt så dyrt att komma igång med och hälften så dyrt att köra passeras snabbare än man tror.

Och sätt ett kostnadstak från början på det som är rörligt. Det gäller alla tre vägarna och är beskrivet i AI för företag. Var datan får hamna behandlas i AI, GDPR och EU:s AI-förordning.