Satya Nadella varoittaa tekoälyn piilohinnasta – yrityksen oma osaaminen voi valua palveluntarjoajalle

Tekoälypalvelun käyttäminen ei välttämättä tarkoita vain kuukausimaksua tai kulutettujen merkkijonojen hintaa. Satya Nadellan mukaan yritys voi samalla luovuttaa järjestelmälle juuri sen tiedon, joka erottaa sen kilpailijoista: korjaukset, arviointiperusteet ja vuosien aikana kertyneen hiljaisen osaamisen.

Yritykset ottavat tekoälyä käyttöön kirjoittamisessa, ohjelmistokehityksessä, asiakaspalvelussa, tutkimuksessa ja päätöksenteon tukena. Käyttöönottoa perustellaan yleensä nopeudella, kustannussäästöillä ja mahdollisuudella hyödyntää maailman kehittyneimpiä malleja ilman oman järjestelmän rakentamista.

Microsoftin toimitusjohtaja Satya Nadella nostaa esiin toisen puolen kaupasta. Hänen mukaansa yritys saattaa maksaa tekoälystä kahdesti: ensin palvelun hinnan ja sen jälkeen omalla arvokkaalla tiedollaan.

TechCrunch kiinnitti huomiota Nadellan 12. heinäkuuta julkaisemaan kirjoitukseen, jossa hän nimeää ilmiön käänteiseksi informaatioparadoksiksi.

Varoitus on huomionarvoinen, sillä Microsoft kuuluu maailman suurimpiin tekoälypalvelujen ja pilvilaskennan myyjiin. Yhtiöllä on lisäksi syvät kaupalliset suhteet sekä OpenAIhin että Anthropiciin.

Yritys maksaa älykkyydestä kahdesti

Nadellan ajatus lähtee taloustieteilijä Kenneth Arrow'n kuvaamasta informaatioparadoksista. Tiedon myyjän on vaikea osoittaa tiedon arvo paljastamatta samalla ainakin osaa siitä ostajalle ilmaiseksi.

Tekoälyn aikakaudella asetelma voi Nadellan mukaan kääntyä toisinpäin. Nyt ostaja joutuu paljastamaan tietoa voidakseen hyödyntää ostamaansa palvelua tehokkaasti.

"Älykkyydestä maksetaan kahdesti: ensin rahalla ja sitten vielä arvokkaammalla omalla tiedolla", Nadella kirjoittaa vapaasti suomennettuna.

Yleiskäyttöinen kielimalli ei tunne automaattisesti yrityksen tuotteita, sisäisiä käsitteitä, laatukriteereitä tai poikkeustilanteita. Mitä hyödyllisemmäksi järjestelmää halutaan, sitä enemmän sille täytyy antaa asiayhteyttä.

Yritys voi syöttää mallille ohjeita, dokumentteja, työprosesseja, asiakasviestejä ja esimerkkejä aikaisemmista ratkaisuista. Tekoälyagentille voidaan antaa myös pääsy yrityksen ohjelmistoihin ja tietokantoihin.

Näin malli saa käyttöönsä tietoa, jota kilpailija ei välttämättä pystyisi ostamaan mistään.

Arvokkain tieto voi syntyä vasta mallia korjattaessa

Nadellan varoitus ei koske ainoastaan tekoälylle ladattuja salaisia asiakirjoja. Hänen mukaansa olennaista on käytön aikana syntyvä oppimisjälki.

Tähän kuuluvat käyttäjien kirjoittamat kehotteet, agenttien käyttämät työkalut, tehtävien tulokset ja erityisesti tilanteet, joissa ihminen korjaa tekoälyn tekemän virheen.

Kun kokenut työntekijä ilmoittaa mallin ehdottaman ratkaisun olevan väärä ja kertoo oikean toimintatavan, hän ei anna vain yksittäistä palautetta. Hän voi samalla ilmaista yrityksen vuosien aikana kehittämän säännön, poikkeuksen tai arviointiperusteen.

Esimerkiksi asiakaspalvelija voi opettaa, milloin asiakkaalle tehdään tavallisesta käytännöstä poikkeava hyvitys. Ohjelmistokehittäjä voi selittää, miksi teknisesti toimiva ratkaisu ei sovi yrityksen järjestelmään. Hankinta-asiantuntija voi paljastaa, mitkä sopimusehdot ovat yritykselle todellisuudessa ratkaisevia.

Yksittäiset korjaukset näyttävät vähäisiltä, mutta yhdessä niistä muodostuu kuva siitä, miten organisaatio ajattelee ja tekee päätöksiä.

Nadella kutsuu tätä yrityksen institutionaaliseksi osaamiseksi. Sitä ei välttämättä ole kirjoitettu yhteen ohjekirjaan, vaan se elää työntekijöiden kokemuksessa ja päivittäisissä ratkaisuissa.

Varoitus ei tarkoita, että yritysdataa käytettäisiin automaattisesti mallien kouluttamiseen

Nadellan kirjoituksesta voisi saada kuvan, että suuret tekoäly-yhtiöt käyttäisivät yritysasiakkaiden jokaisen kehotteen omien malliensa kehittämiseen. Nykyisten kaupallisten palveluehtojen perusteella tilanne ei ole näin yksinkertainen.

Microsoft kertoo, ettei Azure-palvelujen kautta käsiteltyjä yritysasiakkaiden kehotteita, vastauksia tai koulutusaineistoja anneta taustalla olevan mallin toimittajalle eikä käytetä generatiivisten tekoälymallien kouluttamiseen ilman asiakkaan nimenomaista lupaa.

OpenAI ilmoittaa, ettei se oletusarvoisesti käytä ChatGPT Business-, ChatGPT Enterprise- tai ohjelmointirajapinta-asiakkaiden syötteitä ja vastauksia malliensa kouluttamiseen.

Anthropic antaa vastaavan lupauksen kaupallisista Claude-palveluistaan ja ohjelmointirajapinnastaan.

Kuluttajapalvelujen asetukset, tietojen säilytysajat ja vapaaehtoisesti jaettu palaute voivat poiketa yritystuotteista. Siksi henkilökohtaista ilmaistiliä ja yritykselle sopimuksella hankittua palvelua ei pidä pitää tietosuojan kannalta samana tuotteena.

Nadella ei myöskään syytä kirjoituksessaan nimeltä OpenAIta tai Anthropiccia sopimusrikkomuksista. Hänen huolensa on laajempi: kuka hallitsee tekoälyn käytön ympärille vähitellen muodostuvaa oppimisjärjestelmää ja kenelle sen tuottama arvo lopulta kuuluu?

Pelkkä tietojen salaaminen ei ratkaise koko ongelmaa

Yritys voi suojata alkuperäiset dokumenttinsa käyttöoikeuksilla ja salauksella. Tämä ei vielä takaa, että se säilyttää hallinnan kaikesta tekoälyn käytön aikana syntyvästä tiedosta.

Mallin käyttö voi tuottaa lokitietoja, keskusteluhistoriaa, palautetta, arviointituloksia, agenttien suorittamia työvaiheita ja muokattuja mallipainoja. Osa näistä voi sijaita tekoälypalvelun tarjoajan järjestelmissä.

Jos yritys myöhemmin haluaa vaihtaa palveluntarjoajaa, olennaista tietoa voi jäädä vanhaan ympäristöön tai muodossa, jota ei voida siirtää helposti.

Nadellan mukaan yrityksen pitäisi suojata alkuperäisten tietojensa lisäksi mekanismit, joiden avulla tekoäly oppii yrityksen toiminnasta.

Hän kuvaa rajaa, jonka sisälle kertyvät organisaation muisti, palautteet, päätökset, arviointimenetelmät ja työnkuluista syntyvät jäljet. Mitään näistä ei pitäisi voida käyttää rajan ulkopuolella ilman yrityksen suostumusta.

Yrityksen pitäisi omistaa omat arviointinsa

Yksi Nadellan tärkeimmistä suosituksista koskee tekoälymallien arviointia.

Yrityksen ei pitäisi tyytyä mallin valmistajan yleisiin vertailutesteihin. Sen täytyy kehittää omat kokeensa, jotka mittaavat juuri sen toiminnassa tärkeää laatua.

Hyvä vastaus voi tarkoittaa eri organisaatioissa eri asioita. Pankille ratkaisevia voivat olla sääntöjen noudattaminen ja virheiden välttäminen. Verkkokaupalle tärkeitä voivat olla tuotetietojen tarkkuus ja asiakaspalvelun sävy. Ohjelmistoyritys voi painottaa yhteensopivuutta oman koodipohjansa kanssa.

Kun arviointiaineisto pidetään yrityksen omassa hallinnassa, se voi testata uusia malleja samoilla vaatimuksilla ja seurata, paraneeko järjestelmä oikeissa tehtävissä.

Arvioinnit paljastavat samalla, mitä yritys pitää onnistumisena. Siksi ne voivat olla yhtä arvokasta aineetonta omaisuutta kuin mallit tai alkuperäiset dokumentit.

Oma oppimisympäristö voi muodostua kilpailueduksi

Nadella kehottaa yrityksiä rakentamaan yksityisiä oppimisympäristöjä, joissa malleja voidaan hienosäätää tai muuten mukauttaa todellisiin työnkulkuihin paljastamatta organisaation osaamista tarpeettomasti ulkopuolelle.

Kaikkien yritysten ei tarvitse kouluttaa omaa suurta kielimallia alusta lähtien. Se olisi useimmille liian kallista ja teknisesti tarpeetonta.

Oma ympäristö voi tarkoittaa myös sitä, että yritys hallitsee tietolähteitä, muistia, palautetta ja arviointia, vaikka varsinainen perusmalli tulisi ulkopuoliselta toimittajalta.

Tällöin yleiskäyttöinen malli tarjoaa laajan kieli- ja päättelykyvyn, mutta yrityksen oma järjestelmä säilyttää sen toiminnasta syntyvän erityisen osaamisen.

Nadella vertaa tätä eroon yleisosaajan ja pitkään talossa työskennelleen veteraanin välillä. Malli voidaan vaihtaa, mutta organisaation vuosien aikana kertynyt kokemus ei saisi kadota sen mukana.

Malliriippuvuus on toinen merkittävä riski

Tekoälyjärjestelmä voidaan rakentaa niin tiukasti yhden mallin ympärille, että sen vaihtamisesta tulee kallista tai lähes mahdotonta.

Palveluntarjoaja voi muuttaa hintojaan, poistaa vanhan mallin, rajoittaa käyttötapoja tai jäädä suorituskyvyssä kilpailijoista jälkeen. Myös lainsäädäntö tai yrityksen omat vaatimukset voivat tehdä aikaisemmasta mallista sopimattoman.

Nadella suosittelee erottamaan sovellusten työnkulut yksittäisestä mallista. Yrityksen pitäisi pystyä ohjaamaan tehtävä toiselle mallille ilman, että koko järjestelmä rakennetaan uudelleen.

Tähän käytetään esimerkiksi tekoäly-yhdyskäytäviä ja orkestrointikerroksia. Ne voivat valita eri tehtäviin eri palveluntarjoajien malleja, hallita käyttöoikeuksia, kirjata kustannuksia ja tarjota yhden rajapinnan useille järjestelmille.

Yritys voi käyttää tehokkainta mallia kaikkein vaikeimpiin tehtäviin ja halvempaa tai paikallisesti ajettavaa mallia rutiinityöhön. Näin yhden palveluntarjoajan hinnankorotus tai häiriö ei pysäytä koko toimintaa.

Avoimemmin saatavat mallit kiinnostavat yrityksiä yhä enemmän

TechCrunchin haastatteleman Solo.io-yhtiön toimitusjohtajan Idit Levinen mukaan osa yrityksistä kokeilee ensin suurten palveluntarjoajien suljettuja malleja ja alkaa sen jälkeen selvittää, voisiko riittävän hyvän tuloksen saavuttaa omassa ympäristössä toimivalla mallilla.

Kaikkia avoimiksi kutsuttuja tekoälymalleja ei julkaista täysin avoimen lähdekoodin periaatteilla. Monissa tapauksissa tarkempi ilmaus on avoimilla painoilla julkaistu malli: mallin painot saa käyttöönsä, mutta koulutusaineisto tai koko kehitysprosessi ei ole avoin.

Tällainen malli voidaan silti asentaa yrityksen omalle palvelimelle tai valittuun pilviympäristöön. Se voi antaa enemmän hallintaa tietoihin, kustannuksiin ja mallin mukauttamiseen.

Vercel kertoi heinäkuussa 2026, että avoimilla painoilla julkaistut mallit muodostivat 29 prosenttia sen tekoäly-yhdyskäytävän liikenteestä. Yhden palvelun liikenne ei kuvaa koko markkinaa, mutta se kertoo kiinnostuksen kasvusta.

Linux Foundationin Agentgateway-hanke puolestaan rakentaa avointa infrastruktuuria, jolla yritykset voivat hallita tekoälyagenttien yhteyksiä malleihin, työkaluihin ja toisiin agentteihin.

Paikallinen malli ei silti ole automaattisesti turvallinen tai edullinen. Yrityksen täytyy itse huolehtia laitteistosta, päivityksistä, käyttöoikeuksista, valvonnasta ja tietoturvasta. Myös suorituskyky voi jäädä vaikeimmissä tehtävissä johtavista suljetuista malleista.

Varoitus on Microsoftilta sekä uskottava että kaupallisesti hyödyllinen

Nadellan puheenvuoro on yllättävä, koska Microsoft on sitoutunut vahvasti kaupallisiin tekoälymalleihin.

Microsoft ilmoitti huhtikuussa 2026 pysyvänsä OpenAI-projektien ensisijaisena pilvikumppanina. Yhtiöllä säilyy käyttöoikeus OpenAI-teknologiaan vuoteen 2032, vaikka lisenssi ei enää ole yksinoikeudellinen.

Microsoft on lisäksi sitoutunut sijoittamaan Anthropiciin enintään viisi miljardia dollaria. Claude-malleja tarjotaan Microsoft Foundryn kautta Azure-pilvessä.

Nadella varoittaa siis asiakkaita järjestelmistä, joiden myymiseen hänen oma yhtiönsä osallistuu.

Samalla hänen ratkaisunsa sopii hyvin Microsoftin liiketoimintaan. Azure ja Microsoft Foundry tarjoavat yrityksille yksityisiä pilviympäristöjä, useiden valmistajien malleja, avoimilla painoilla julkaistuja vaihtoehtoja sekä työkaluja tekoälyjärjestelmien hallintaan.

Microsoft hyötyy, jos yritykset eivät asioi suoraan vain yhden malliyhtiön kanssa vaan rakentavat useita malleja käyttävän järjestelmän Azureen.

Kaupallinen intressi ei tee varoituksesta väärää. Se tarkoittaa kuitenkin, että Nadellan esittämää ratkaisua on arvioitava myös Microsoftin pilviliiketoiminnan näkökulmasta.

Malliyhtiöiden ja asiakkaiden oikeudet törmäävät tislauksessa

Nadella arvostelee kirjoituksessaan myös mallien tislausta koskevaa ristiriitaa.

Tislauksessa tehokkaan mallin vastauksia käytetään pienemmän tai halvemman mallin kehittämiseen. Uusi järjestelmä yrittää oppia opettajamallin tuottamista esimerkeistä ilman alkuperäisen mallin koko koulutusprosessia.

Johtavat tekoäly-yhtiöt ovat rajoittaneet palveluehdoissaan malliensa käyttämistä kilpailevan järjestelmän rakentamiseen. Anthropic on esimerkiksi syyttänyt kiinalaisia tekoälytoimijoita Claudeen lähetettyjen miljoonien kyselyjen käyttämisestä omien malliensa kehittämiseen.

Nadellan mielestä tilanteessa on ironiaa. Malliyhtiöt puolustavat oikeuttaan kouluttaa järjestelmiä internetistä kerätyllä aineistolla mutta rajoittavat omien tuotostensa hyödyntämistä uusien mallien opettamiseen.

Hän ei esitä, että yritysten pitäisi saada kopioida rajattomasti palveluntarjoajan teknologiaa. Nadella vaatii asiakkaille oikeutta käyttää omista tehtävistään syntyviä vastauksia oman järjestelmänsä hienosäätämiseen ja kouluttamiseen.

Rajan vetäminen yrityksen oman oppimisjäljen ja malliyhtiön aineettoman omaisuuden välille voi muodostua tulevien vuosien tärkeäksi sopimus- ja sääntelykysymykseksi.

Yrityksen kannattaa tarkistaa muutakin kuin koulutuskielto

Ensimmäinen käytännön askel on selvittää, millä ehdoilla tekoälypalvelua käytetään. Pelkkä lupaus siitä, ettei tietoja käytetä perusmallin kouluttamiseen, ei vastaa kaikkiin olennaisiin kysymyksiin.

Yrityksen kannattaa tarkistaa, kuinka kauan syötteitä ja vastauksia säilytetään, missä maissa niitä käsitellään, kuka voi päästä niihin käsiksi ja käytetäänkö aineistoa väärinkäytösten valvontaan.

Samalla on selvitettävä, kenelle kuuluvat käytön aikana syntyvät lokit, palautteet, arviointiaineistot ja mukautetut mallit. Sopimuksen pitäisi mahdollistaa olennaisen tiedon siirtäminen pois palvelusta.

Työntekijöille tarvitaan selkeät ohjeet siitä, mitä tietoa tekoälylle saa antaa. Liikesalaisuuksia, henkilötietoja tai julkaisemattomia suunnitelmia ei pitäisi kopioida henkilökohtaiseen kuluttajapalveluun vain siksi, että se on helposti saatavilla.

Arkaluonteista aineistoa voidaan myös minimoida ja anonymisoida. Mallille annetaan vain tehtävän ratkaisemiseen välttämätön tieto sen sijaan, että sille siirretään kokonainen asiakasrekisteri tai asiakirjakokoelma.

Yrityksen pitäisi kokeilla poistumista ennen kuin sitä tarvitaan

Malliriippuvuuden todellinen voimakkuus selviää vasta, kun palvelua yritetään vaihtaa.

Yritys voi siksi testata säännöllisesti, onnistuuko sama keskeinen työnkulku toisella mallilla. Samalla nähdään, ovatko kehotteet, työkalut ja arvioinnit siirrettävissä vai sidottu yhden tarjoajan ominaisuuksiin.

Vaihtoehtoisen mallin ei tarvitse olla jatkuvasti aktiivisessa käytössä. Jo toimiva varajärjestelmä antaa neuvotteluvoimaa ja vähentää riskiä, jos ensisijaisen palvelun hinta tai ehdot muuttuvat.

Myös kustannuksia pitäisi tarkastella tehtäväkohtaisesti. Kallein ja tehokkain malli ei välttämättä ole paras ratkaisu jokaisen sähköpostin luokitteluun tai yksinkertaiseen tiedonhakuun.

Nadellan mukaan mallien, asiayhteyden ja tehtävien irrottaminen toisistaan mahdollistaa niiden yhdistämisen kustannustehokkaammin laadusta tinkimättä.

Tekoälyä käyttävä yritys rakentaa samalla uutta tekoälyä

Nadellan kirjoituksen tärkein ajatus on, ettei tekoälyn käyttäminen ole passiivista kuluttamista.

Kun työntekijät ohjaavat mallia, korjaavat sen virheitä ja määrittelevät onnistumisen, he rakentavat vähitellen organisaatiolle ominaista tekoälyosaamista.

"Kun käytät älykkyyttä, luot samalla älykkyyttä ja luomasi pitäisi kuulua sinulle", Nadella tiivistää.

Jos tämä oppiminen tallentuu yrityksen omaan ympäristöön, sen arvo voi kasvaa käytön mukana. Järjestelmä oppii tuntemaan yrityksen käsitteet, päätöksenteon ja laatukriteerit riippumatta siitä, mikä perusmalli kulloinkin tuottaa vastaukset.

Jos kaikki palaute ja konteksti jäävät yhden palveluntarjoajan hallintaan, yrityksen tekoälyinvestointi voi samalla vahvistaa sen omaa riippuvuutta.

Varoituksen ydin ei ole lopettaa tekoälyn käyttöä

Nadella ei kehota yrityksiä hylkäämään ulkopuolisia tekoälymalleja. Microsoftin oma liiketoiminta perustuu siihen, että yritykset käyttävät niitä yhä enemmän.

Hänen viestinsä on, ettei tekoälyä pitäisi ottaa käyttöön tavallisena ohjelmistotilauksena miettimättä, mitä käytön aikana kertyy ja kenelle tämä arvo kuuluu.

Yrityksen kilpailuetu ei tulevaisuudessa välttämättä ole paras yksittäinen kielimalli. Samat johtavat mallit ovat monien kilpailijoiden saatavilla.

Vaikeammin kopioitava etu syntyy yrityksen omista arvioinneista, palautteesta, työnkuluista ja kyvystä yhdistää tekoäly sen erityiseen osaamiseen.

TechCrunchin esiin nostama varoitus on siksi vähemmän dramaattinen mutta käytännössä tärkeämpi kuin ajatus välittömästä tietovarkaudesta. Yrityksen täytyy suojata asiakirjojensa lisäksi myös se näkymätön oppiminen, jota syntyy aina, kun työntekijä opettaa tekoälylle, miten työ pitäisi todella tehdä.