Åpen kilde, et steg mot AI-suverenitet

Retningen de ser seg mot er ikke en ny leverandør der alle de beste modellene er lukket (closed end). De begynner å se mot de per dags dato mye billigere alternativene i åpne AI-modeller, også kalt åpne vekter (open weight) eller åpen kilde (open source). For mange bedrifter er kostnaden også bare en del av regnestykket. Det handler også om suverenitet og sikkerhet. Det handler om fullstendig kontroll på egen data fra A-Å.

Før vi dykker inn i eksemplene, la oss se kort på hva som definerer åpne vekter og åpen kilde, og hva som ikke er det.

Åpen kilde

Dette betyr at kildekoden (source code) som bygget modellen, er tilgjengelig. Du ser hvordan den ble laget og kan modifisere den. Med åpen kilde har du mulighet til å bygge din egen modell helt fra bunnen av med egne data.

Åpne vekter

Vektene er de numeriske parameterne som modeller lærer under opplæring. De gjør modellen til det den er. Når vektene er åpne, kan du laste ned den ferdigtrente modellen og kjøre den selv. Selv om modellen er «ferdig trent», kan du fortsatt finjustere parameterne til å tilpasses din data og bruksområde. Disse kan kjøres både lokalt og i skyen. Du har også mulighet til å kjøre disse på egen programvare, gitt at du har nok datakraft (compute).

Noen eksempler på åpne vektmodeller er Metas Llama, Mistrals Mistral Small 4, Googles Gemma, DeepSeeks V4 og Qwen 3.5. De to sistnevnte er kinesiske modeller som har sett store fremskritt. Per dags dato er det Kina som dominerer markedet for åpne vekter. Eksempler på modeller som ikke er åpne er f.eks. alle Anthropics modeller, OpenAIs GPT-4O, GPT-4 Turbo, GPT-5, med mange flere.

Kostnad

Så over til kostnadsgrunnlaget. Hvorfor begynner flere bedrifter å se til andre alternativer enn de store få aktørene? Her vil jeg bruke eksempler fra amerikanske bedrifter som har gjort bytte. Flere selskaper som dating-appen Tinder, teleselskapet AT&T og teknologi og forsvarsleverandøren L3Harris har alle rapportert store kostnadsgevinster ved å benytte åpne vektmodeller.

Heidi Wood, Chief Digital & Transformation Officer i L3Harris delte nylig en suksesshistorie under en konferanse i regi av dataintegrasjonsselskapet Palantir. Hun forklarte hvordan de i fellesskap hadde finjustert en åpen AI-modell til en spesifikk intern arbeidsflyt. Ved å gå over til den skreddersydde modellen klarte selskapet å kutte tilhørende driftskostnader med 95%. I den samme prosessen hadde de tidligere brukt en ekstern lukket modell.

Lignende suksesshistorier finner vi også hos telekomgiganten AT&T som forteller at de i dag kjører 40% av sine AI-arbeidsoppgaver på åpne modeller, og at de sikter mot 70% innen et år. Som Andy Markus, Chief Data & AI Officer selv sier. De bruker 45 milliarder tokens om dagen, og på det nivået blir kostnader ekstremt viktig. AT&T forteller at de åpne, finjusterte modellene presterte like bra eller bedre enn de lukkede alternativene.

Det var også kostnaden av de lukkede modellene Tinders CTO Vinay Kuruvila bet seg merke i ettersom årlig kostnad økte fra 1 million dollar i januar til 10 millioner dollar i juni i år og på grunn av dette begynte å rute visse spørringer til åpne vektmodeller.

Datasuverenitet og datasikkerhet

Det er ikke bare på grunn av besparende kostnader at bedrifter begynner å se mot åpen kilde og åpne vektmodeller. Det handler også om å beholde full kontroll over sine data og systemer. Ved å drifte de åpne modeller på egen infrastruktur eller i lukkede skyomgivelser, beholder bedriften komplett kontroll over egen data. Dette utelukker risiko for at sensitiv informasjon sendes til eksterne tredjeparter i tillegg til at bedrifter står fritt til å tilpasse, revidere og sikre systemet i tråd med strenge regulatoriske krav.

Åpne vekter gir derfor en uavhengighet der bedriften selv eier både teknologistabelen og fremtiden for sine egne AI-løsninger.

Baksiden av medaljen

Selv om åpne vektmodeller gir bedrifter full kontroll, følger det også med et økt krav om kompetanse og driftsansvar innad i bedriften. Ved å benytte en åpen arkitektur flyttes byrden for infrastruktur, sikkerhet og vedlikehold på bedriftens skuldre. Dette krever både tilstrekkelig med datakraft (fra GPUer) og god AI-kompetanse. I et marked som beveger seg såpass raskt må bedriften jevnlig forbedre arkitekturen sin for å henge med på nye funksjonalitetsgevinster. Sikkerhet, driftskostnader og funksjonalitet er alle områder en bedrift må være klar over og ta med i vurderingen om de skal gå for en egen teknologistabel (stack).

Det er mange faktorer som spiller inn i forhold til hva som passer din bedrift, om det er bruken av åpne eller lukkede vektmodeller, men det er viktig å være klar over at du har et valg. Du er ikke tvunget til å bøye deg for tokenkostnaden knyttet til de beste modellene levert av de store spillerne i dag. Hvem vet, kanskje de etter hvert innser at konkurransen blir for stor, så de etter hvert ser at de ikke har noe valg enn å åpne opp vektene de også, det kan se ut som de allerede begynner å kjenne på konkurransen.

Hva med ERP?

Om du er en bedrift som har funnet ut av at du skal komme deg vekk eller delvis vekk fra dagens modellkartell er det mulig å koble seg på Business NXT eller Visma Net via en MCP med egen teknologistabel og åpne vekt-modeller, men hvor effektivt og bra dette vil fungere er helt opp til utvikleren, bedriften og hvor mye tid og ressurser som blir lagt inn for å få det til å fungere. Vurderingen er kanskje per dags dato at de åpne vekt-modellene ikke er gode nok, den egne datastabelen blir for dyr og at regeletterlevelse blir for vanskelig (her har jeg ikke fasit), men med konkurranse, tid og utvikling kan dette være totalt feil om noen måneder.

Nysgjerrig på ERP + MCP? Les mer om Visma sin AI Connect.

Inspirasjon og historier hentet fra artikkelen «Corporate America embraces cheaper ‘open’ AI models» McMorrow, R. and Hammond, G. (2026) 'Corporate America embraces cheaper 'open' AI models', Financial Times, 27 September 2026.