Nova faza AI utrke: od performansi do kontrole
U prvim godinama generativne umjetne inteligencije tržištem su dominirali američki modeli i njihovi pružatelji usluga. Razlika u kvaliteti bila je jasna, a većina je organizacija birala ono što je jednostavno – najbolje dostupne modele u američkim oblak‑platformama. No kako se performanse velikih jezičnih modela (LLM‑ova) počinju izjednačavati, mijenja se i kriterij odabira. Umjesto isključivo točnosti i širine mogućnosti, u prvi plan dolaze kontrola, povjerenje i pravna jurisdikcija.
Za europske vlade, banke, telekome, zdravstvene sustave i druge snažno regulirane sektore, pitanje više nije samo koji je model „najpametniji”. Ključno je tko nadzire podatke, gdje se model izvršava, tko može ugasiti uslugu i pod kojim se pravnim okvirom sve to događa. Odatle i rastući interes za ne‑američke, lokalno hostane i otvorenije modele koje korisnici mogu prilagoditi, auditirati i dugoročno kontrolirati.
Što znači AI suverenitet?
Pojam „AI suverenitet” sve se češće koristi u europskim strateškim dokumentima, ali i u tehničkim raspravama. U praksi, on obuhvaća nekoliko razina kontrole:
- Podatkovna suverenost – podaci ostaju u državi ili unutar EU, pod europskom regulativom o zaštiti podataka.
- Infrastrukturna suverenost – modeli se mogu pokretati na vlastitim serverima, u data centrima partnera ili u nacionalnim oblak‑rješenjima.
- Modelna suverenost – organizacija ima uvid u način treniranja, mogućnost finog podešavanja (fine‑tuning) i jasne mehanizme kontrole ponašanja modela.
- Pravna suverenost – ugovori, odgovornost i nadzor spadaju pod domaće ili europsko pravo, a ne pod jurisdikciju trećih zemalja.
AI suverenost ne znači nužno da sve mora biti razvijeno „u kući” ili da su modeli zatvoreni. Naprotiv, često se oslanja na otvoreni kod, javno dostupne datasetove i međunarodnu suradnju. Ključ je u tome da kritična infrastruktura – modeli, podaci i procesi – ne ovise isključivo o jednom udaljenom pružatelju usluge.
Mistral: europski odgovor na ovisnost o američkim oblak‑modelima
Jedan od najvidljivijih primjera nove strategije je francuski startup Mistral. Tvrtka otvoreno ističe da njihova glavna prednost nad američkim konkurentima nije nužno superiorna tehnologija, nego činjenica da nisu američki pružatelj usluge. To je važna poruka za klijente koji strahuju od iznenadnih promjena uvjeta korištenja, ograničenja izvoza tehnologije ili političkih odluka koje mogu utjecati na dostupnost usluge.
Mistralovi modeli dostupni su na dva ključna načina:
- kao usluga u oblaku, s naglaskom na europske data centre i usklađenost s europskim propisima
- kao samostalno hostani modeli koje korisnici mogu instalirati na vlastitu infrastrukturu, bez stalne ovisnosti o vanjskom API‑ju
Za vojske, javnu upravu i financijski sektor to je presudno. Oni žele mogućnost da model pokrenu u zatvorenim mrežama, integriraju ga s internim sustavima, provedu vlastite sigurnosne provjere i – ako je potrebno – u potpunosti ga isključe. Takva razina kontrole teško je ostvariva kada je cijelo rješenje vezano uz jedan veliki američki oblak.
Dodatna prednost je mogućnost dubinskog prilagođavanja. Organizacije mogu trenirati dodatne slojeve modela na vlastitim dokumentima, zapisima o transakcijama ili specijaliziranim tehničkim podacima, bez izlaska tih podataka iz njihove infrastrukture. Time se smanjuje rizik od povrede povjerljivosti i olakšava usklađivanje s regulatornim zahtjevima, primjerice u bankarstvu ili zdravstvu.
Javni i suvereni modeli: primjer švicarskog Apertusa
Uz komercijalne igrače poput Mistrala, u Europi se razvija i koncept „javnih” ili nacionalnih suverenih modela. Ideja je da ključni modeli budu dostupni pod otvorenim ili poluotvorenim licencama, kako bi ih mogli koristiti javni sektor, obrazovne institucije i lokalni startupi, bez visokih licencnih naknada i složenih ugovornih ograničenja.
Švicarski model Apertus često se navodi kao ilustrativan primjer. Razvijen u sklopu nacionalne AI inicijative, Apertus je od početka dizajniran s naglaskom na:
- usklađenost s europskim autorskim pravom – pažljiv odabir datasetova i dokumentiranje izvora podataka
- usklađenost s EU AI Actom – transparentnost u pogledu treniranja, ograničenja i namjene modela
- otvorenu licencu – mogućnost slobodne uporabe i prilagodbe u istraživanju, javnoj upravi i malim poduzećima
Za razliku od pristupa „maksimalne snage pod svaku cijenu”, kod Apertusa je naglasak na transparentnosti, sigurnosti i ponovljivosti. To znači jasnu dokumentaciju o tome kako je model treniran, na kojim jezikima i domenama najbolje radi, koje su mu poznate slabosti i kakve su ugrađene zaštite od zlouporabe.
Takvi projekti pokazuju da suverenost ne znači izolaciju. Naprotiv, otvoreni modeli omogućuju da se europske institucije nadovežu na zajedničku tehnološku osnovu, dijele poboljšanja i grade specijalizirane verzije modela za lokalne jezike, javne usluge ili industrijske niše.
EU AI Act: regulatorni poticaj za transparentne modele
Regulatorni okvir Europske unije dodatno usmjerava tržište prema suverenom i kontrolabilnom AI‑ju. EU AI Act uvodi pravila za širok spektar AI sustava, od visokorizičnih primjena do temeljnih i opće namjenskih modela.
Za velike jezične modele i generativnu AI posebno su važni sljedeći zahtjevi:
- obveza transparentnosti – proizvođači moraju pružiti informacije o sposobnostima, ograničenjima i namjeni modela
- tehnička dokumentacija – detaljni opisi arhitekture, procesa treniranja, korištenih datasetova i sigurnosnih mehanizama
- sažeci podataka za treniranje – barem na razini kategorija i izvora, kako bi se mogla procijeniti usklađenost s autorskim pravom i zaštitom podataka
- ugrađene zaštite – mehanizmi za smanjenje rizika od generiranja nezakonitog, diskriminatornog ili štetnog sadržaja
U praksi to znači da će europske organizacije moći uspoređivati modele ne samo po metrikama poput točnosti ili brzine inferencea, nego i po razini uvida „ispod haube”. Modeli koji dolaze s potpunijom dokumentacijom, jasnim procesima audita i mogućnošću lokalnog pokretanja imat će prednost u sektorima gdje su regulatorni rizici visoki.
Istodobno, EU AI Act ograničava određene visokorizične primjene, primjerice masovni biometrijski nadzor ili manipulativne sustave koji ciljaju ranjive skupine. Time se povećava odgovornost organizacija koje uvode AI rješenja i potiče traženje modela kod kojih je moguće precizno definirati i nadzirati namjenu.
Kako tvrtke biraju modele: od „najboljeg” do „najkontrolabilnijeg”
Za većinu europskih tvrtki i javnih institucija izbor AI modela danas je kompromis između performansi, troška, usklađenosti s propisima i razine kontrole. U praksi se sve češće primjenjuju hibridne strategije:
- Globalni modeli u oblaku koriste se za opće zadatke, razvoj prototipova, generiranje sadržaja i podršku korisnicima u manje osjetljivim domenama.
- Lokalno hostani modeli – često europski ili otvoreni – koriste se za obradu osjetljivih podataka, internih dokumenata, medicinskih zapisa ili financijskih transakcija.
- Specijalizirani domen‑specifični modeli treniraju se na internim datasetovima kako bi se postigla visoka točnost u uskim područjima, primjerice u pravnim analizama, industrijskom održavanju ili javnim natječajima.
Kako se performanse vodećih modela sve više približavaju, razlika se sve češće traži u tome koliko je model moguće:
- lokalno integrirati u postojeće IT sustave
- prilagoditi specifičnim pravilima i procesima organizacije
- auditirati i dokumentirati u skladu s internim i regulatornim zahtjevima
- dugoročno koristiti bez rizika od naglih promjena poslovnog modela pružatelja usluge
Tvrtke koje posluju u više jurisdikcija dodatno razmatraju i pitanje prijenosa podataka izvan EU te potencijalne sukobe između europskih i stranih propisa. U tom kontekstu, ne‑američki modeli, osobito oni koji se mogu u potpunosti pokretati unutar europske infrastrukture, postaju privlačna opcija.
Prednosti i izazovi europskog puta
Europski naglasak na suverenitetu donosi nekoliko jasnih prednosti, ali i izazove:
Prednosti
- Veće povjerenje korisnika – građani i institucije lakše prihvaćaju AI rješenja kada znaju gdje su im podaci i tko njima upravlja.
- Smanjeni pravni rizici – usklađenost s GDPR‑om i EU AI Actom lakše je postići s modelima koji su od početka dizajnirani za europsko okruženje.
- Razvoj lokalnog ekosustava – otvoreni i javni modeli potiču stvaranje startupova, istraživačkih projekata i specijaliziranih rješenja na lokalnim jezicima.
Izazovi
- Kapital i skala – američki tehnološki divovi i dalje imaju znatno veće resurse za treniranje modela s milijardama parametara na ogromnim datasetovima.
- Brzina inovacija – stroži regulatorni okvir može usporiti eksperimentiranje, osobito u visokorizičnim područjima.
- Fragmentacija – postoji rizik da se tržište razdijeli na previše nacionalnih ili sektorskih inicijativa koje ne surađuju dovoljno.
Ipak, kombinacija otvorenog koda, javnih ulaganja i jasnog regulatornog okvira stvara uvjete u kojima europski AI ne mora nužno biti „kopija” američkih rješenja. Umjesto toga, može se profilirati kao pouzdana, transparentna i dugoročno održiva alternativa.
Što slijedi: izbor kao ključni adut europske AI scene
Kako generativna AI ulazi u fazu zrelijeg tržišta, monolitna rješenja ustupaju mjesto raznolikim kombinacijama modela, infrastruktura i pravnih okvira. U toj novoj fazi, europska prednost mogla bi biti upravo u mogućnosti izbora.
Organizacije će sve češće kombinirati globalne modele s lokalnim, otvorenim i suverenim rješenjima. Veliki američki pružatelji vjerojatno će ostati važan dio ekosustava, ali više neće biti jedina opcija. Europski startupovi, istraživački centri i javne institucije imaju priliku oblikovati sloj iznad temeljnih modela – sloj gdje se odlučuje kako se AI doista koristi u bankama, bolnicama, školama i javnoj upravi.
U tom kontekstu, pitanje nije hoće li Europa razviti „najveći” ili „najpametniji” model, nego hoće li uspjeti izgraditi ekosustav u kojem suverenost, transparentnost i mogućnost kontrole postaju standard, a ne iznimka. Ako u tome uspije, izbor ne‑američkih i lokalno hostanih modela bit će manje politička poruka, a više racionalna poslovna odluka.
