Microsoft przez lata był największym inwestorem i partnerem OpenAI. Wpompował w tę firmę miliardy dolarów, a w zamian otrzymał dostęp do najnowszych modeli GPT, które napędzają Copilota, Azure AI i dziesiątki innych produktów. Teraz ta relacja się zmienia - i to w sposób, który powinien zainteresować każdego właściciela firmy w Polsce.
Gigant z Redmond coraz częściej sięga po własne modele językowe zamiast płacić OpenAI za korzystanie z GPT-4o czy GPT-4.1. To nie jest zerwanie współpracy, ale wyraźna zmiana priorytetów. Microsoft dołącza do szerszego trendu w branży technologicznej - firmy szukają sposobów na obniżenie kosztów AI, bo obecne rachunki za moc obliczeniową i licencje modelowe rosną szybciej niż przychody z usług opartych na sztucznej inteligencji.
Dla polskich małych i średnich firm ta zmiana może mieć bardzo konkretne konsekwencje. Nie chodzi tu o abstrakcyjne gry korporacyjne, ale o to, ile będziecie płacić za narzędzia AI w najbliższych miesiącach i jakie alternatywy pojawią się na rynku.
Co dokładnie robi Microsoft i dlaczego to ważne?
Microsoft rozwijał własne modele AI od dłuższego czasu, ale dopiero teraz zaczyna je masowo wdrażać w swoich produktach komercyjnych. Rodzina modeli Phi (obecnie Phi-4 i nowsze wersje) oraz modele MAI to odpowiedź Microsoftu na rosnące koszty licencji od OpenAI. Według doniesień TechCrunch, firma systematycznie zastępuje modele GPT własnymi rozwiązaniami wszędzie tam, gdzie jakość jest porównywalna, a koszty znacząco niższe.
Dlaczego to ma znaczenie? Bo Microsoft to nie jest kolejny startup eksperymentujący z AI. To firma, która dostarcza infrastrukturę technologiczną milionom przedsiębiorstw na całym świecie - w tym dziesiątkom tysięcy polskich firm korzystających z Microsoft 365, Azure czy Dynamics. Każda decyzja Microsoftu dotycząca modeli AI bezpośrednio przekłada się na to, jak działają narzędzia, z których korzystacie na co dzień.
Warto zwrócić uwagę na skalę zjawiska. Microsoft nie jest jedyną firmą, która idzie w tym kierunku. Google coraz mocniej stawia na własne modele Gemini zamiast kupować zewnętrzne rozwiązania. Amazon rozwija modele Nova dla swojego ekosystemu AWS. Meta udostępnia Llamę jako model otwarty, obniżając koszty całej branży. Mamy do czynienia z trendem, nie z pojedynczym przypadkiem.
Jak trend oszczędzania na AI wpływa na ceny narzędzi?
Tutaj zaczyna się dobra wiadomość dla polskich firm. Kiedy duzi gracze konkurują o to, kto dostarczy tańsze modele AI, ceny dla końcowych użytkowników spadają. Widzimy to już teraz - cena za milion tokenów (jednostka rozliczeniowa w API modeli językowych) spadła w ciągu ostatniego roku o 60-80% w zależności od dostawcy. Model GPT-4o mini kosztuje ułamek tego, co GPT-4 rok wcześniej, przy porównywalnej jakości dla większości zastosowań biznesowych.
Dla firmy produkcyjnej z Wielkopolski, która używa AI do analizy zapytań ofertowych, albo dla biura rachunkowego z Krakowa, które automatyzuje klasyfikację dokumentów, to realna różnica w miesięcznym rachunku. Jeśli korzystacie z Azure OpenAI Service, możecie spodziewać się, że Microsoft będzie stopniowo proponował wam tańsze alternatywy oparte na własnych modelach. Nie musicie ich akceptować od razu, ale warto je testować.
Jest też druga strona medalu. Tańsze modele nie zawsze oznaczają lepsze modele. Modele Phi od Microsoftu są imponujące jak na swój rozmiar (są znacznie mniejsze niż GPT-4), ale w złożonych zadaniach wymagających wieloetapowego rozumowania czy pracy z długim kontekstem wciąż ustępują większym modelom. Dla prostych zadań - klasyfikacja tekstu, podsumowania, odpowiedzi na standardowe pytania klientów - różnica jest minimalna. Dla zaawansowanych zastosowań, takich jak analiza umów prawnych czy generowanie złożonego kodu, wybór modelu nadal ma duże znaczenie.
Co to oznacza praktycznie dla polskiej firmy?
Przełóżmy to na konkrety. Oto kilka scenariuszy, które mogą dotyczyć waszej firmy:
- Korzystacie z Microsoft 365 Copilot - Microsoft prawdopodobnie będzie stopniowo zmieniał modele działające "pod maską" Copilota. Dla was jako użytkowników powinno to być transparentne - interfejs się nie zmieni, ale koszty dla Microsoftu spadną. Pytanie, czy firma przełoży te oszczędności na niższe ceny subskrypcji (obecnie około 30 dolarów miesięcznie za użytkownika), czy zatrzyma marżę. Na razie nie ma sygnałów o obniżkach, ale presja konkurencyjna ze strony Google Workspace z Gemini może to zmienić.
- Budujecie własne rozwiązania na Azure - tutaj zmiana jest najbardziej namacalna. W panelu Azure AI Studio pojawia się coraz więcej modeli do wyboru - nie tylko GPT od OpenAI, ale też Phi, Mistral, Llama i inne. Możecie testować różne modele pod kątem stosunku jakości do ceny dla waszego konkretnego przypadku użycia. Polska firma e-commerce, z którą rozmawiałem w zeszłym miesiącu, przeszła z GPT-4o na Phi-4 do obsługi chatbota produktowego i obniżyła koszty API o 70% przy satysfakcjonującej jakości odpowiedzi.
- Dopiero rozważacie wdrożenie AI - to paradoksalnie najlepsza pozycja. Bariera wejścia cenowa spada z kwartału na kwartał. Rok temu automatyzacja obsługi klienta z użyciem AI kosztowała średnią polską firmę 2000-5000 złotych miesięcznie w samych kosztach API. Dziś porównywalny efekt można osiągnąć za 500-1500 złotych. To zmienia rachunek ekonomiczny dla firm zatrudniających 10-50 osób.
Jest jeszcze jeden aspekt, o którym mało kto mówi. Kiedy Microsoft rozwija własne, mniejsze modele, otwiera się droga do uruchamiania AI lokalnie - na waszych serwerach lub nawet na urządzeniach końcowych. Modele Phi są na tyle kompaktowe, że mogą działać na nowoczesnym laptopie biznesowym bez połączenia z chmurą. Dla firm, które mają obawy o prywatność danych (a w Polsce jest to częsty temat, szczególnie w kontekście RODO), to może być argument decydujący.
Na co uważać i jak się przygotować?
Trend oszczędzania na AI ma też ryzyka, o których trzeba pamiętać. Po pierwsze - fragmentacja. Zamiast jednego dominującego modelu (GPT-4), mamy teraz dziesiątki opcji od różnych dostawców. Dla dużej korporacji z zespołem IT to szansa na optymalizację. Dla małej firmy bez dedykowanego specjalisty od AI to może być źródło zamieszania. Który model wybrać? Jak porównać jakość? Co się stanie, jeśli dostawca wycofa model z oferty?
Moja rada jest prosta: nie przywiązujcie się do konkretnego modelu. Projektujcie swoje procesy tak, żeby zamiana modelu AI była możliwa bez przebudowy całego systemu. W praktyce oznacza to korzystanie ze standardowych interfejsów API i unikanie funkcji specyficznych tylko dla jednego dostawcy. Jeśli wasz system do obsługi klienta działa na GPT-4o, powinniście być w stanie przełączyć go na Phi-4 lub Claude w ciągu dni, nie tygodni.
Po drugie - nie dajcie się zwariować wyścigowi na najnowsze modele. Co kilka tygodni pojawia się nowy model, który jest "najlepszy w benchmarkach". Dla większości zastosowań biznesowych różnice między modelami z tej samej półki cenowej są marginalne. Ważniejsze od wyboru idealnego modelu jest dobre zaprojektowanie promptów, przygotowanie danych i zintegrowanie AI z istniejącymi procesami w firmie.
Po trzecie - obserwujcie ceny, ale nie czekajcie w nieskończoność na "idealny moment". Ceny AI będą spadać, to prawda. Ale firmy, które wdrożą AI teraz, budują przewagę operacyjną i zdobywają doświadczenie, którego nie da się kupić za żadne pieniądze. Polska firma logistyczna, która od roku używa AI do optymalizacji tras, nie tylko oszczędza na paliwie - jej zespół nauczył się pracować z AI i potrafi szybko wdrażać kolejne usprawnienia. Ta wiedza organizacyjna jest warta więcej niż kilkaset złotych miesięcznej oszczędności na tańszym modelu.
Podsumowanie
Decyzja Microsoftu o przesunięciu w stronę własnych modeli AI to sygnał, że era "kosztuj ile kosztuj, byle mieć najlepszy model" dobiega końca. Branża technologiczna wchodzi w fazę optymalizacji - i to jest dobra wiadomość dla polskich firm. Ceny narzędzi AI spadają, wybór rośnie, a bariera wejścia jest niższa niż kiedykolwiek.
Jednocześnie nie ma co czekać na cudowne rozwiązanie, które samo pojawi się w waszej firmie. Trend oszczędzania u dużych graczy oznacza, że narzędzia będą tańsze i bardziej dostępne, ale nadal potrzebujecie strategii - wiedzieć, gdzie AI przyniesie wam największą wartość, jak ją wdrożyć i jak mierzyć efekty. Jeśli do tej pory koszt był barierą, ten argument właśnie traci na sile. Pytanie brzmi: co was jeszcze powstrzymuje?
Źródło: TechCrunch - Microsoft joins AI cost-cutting trend by relying more on its own models