Úzkym hrdlom AI transformácie nie sú modely, ale ľudia
Dva roky sa všetci naháňali za najlepším modelom. Teraz sa ukazuje, že prístup k modelu nebol nikdy ten problém.
Headhunterská firma Christian & Timbers v štúdii zdieľanej exkluzívne s TechCrunch odhaduje, že v USA existuje len okolo 2 000 inžinierov so správnou kombináciou znalosti odvetvia, dôveryhodnosti a praktickej skúsenosti s nasadzovaním AI, ktorí dokážu firmám spoľahlivo priniesť návratnosť z investícií do AI. Nie 2 000 dostupných. 2 000 celkovo.
Reč je o takzvaných forward-deployed engineers (inžinieri nasadení priamo u klienta). Sú to ľudia, ktorí sedia vnútri organizácie zákazníka a stavajú, integrujú a nasadzujú AI do reálnych pracovných procesov. Koncept vymyslel pred rokmi Palantir.
Čísla zo štúdie sú prudké. Výskum stojí na rozhovoroch s viac než 250 riadiacimi pracovníkmi zodpovednými za nábor naprieč 180 firmami, prieskume medzi 80 manažérmi z Fortune 500 a rozhovoroch s viac než 300 FDE od januára do júna 2026. Na začiatku roka plánovalo najímať FDE len 5 až 10 % firiem, väčšinou na malé piloty. Do konca druhého kvartálu to skočilo na 70 %. Najväčšie poradenské firmy hlásia potrebu zdesaťnásobiť počty FDE a stavať celé tímy s 20 až 100 ľuďmi.
"Deje sa to tempom, aké som nikdy nevidel. Firmy najímajú uprostred leta," hovorí zakladateľ C&T Jeff Christian. Dopyt po týchto špecialistoch má podľa štúdie do konca roka narásť o 2 100 %.
• •
Prečo to zrazu horí? Lebo prichádza účtovanie. Christian to hovorí bez obalov: túto jeseň Wall Street povie firmám, že dostali dva roky na to, aby z AI vyťažili návratnosť, a nevyťažili. Kto minul stovky miliónov až miliardy bez výsledku, ten bude potrestaný. Kto ROI ukáže, bude odmenený.
Na trhu je dnes zhruba 17 000 amerických FDE, veľká časť z nich už pracuje pre Palantir. Niektorí klienti vraj kupujú Palantirovu technológiu len preto, aby sa dostali k jeho inžinierom. Elitných, ktorí naozaj dodajú návratnosť v desiatkach miliónov dolárov, je len zlomok. Ako to zhrnul Chris Taylor, šéf firmy Ode with Anthropic: mnoho FDE vám pomôže rozgúľať Claude Code po firme, ale len málokto dokáže postaviť vlajkovú AI funkciu vášho produktu.
Preto si aj OpenAI a Anthropic založili vlastné servisné odnože, OpenAI Deployment Company a Ode with Anthropic, plné FDE. Lenže firmy z poisťovníctva, fintechu, zdravotníctva aj gamingu si radšej stavajú vlastné interné tímy. Boja sa, že ak odovzdajú svoje proprietárne procesy dodávateľovi AI, ten s nimi neskôr začne súťažiť.
Čo si z toho zobrať? Nákup najlepšieho modelu nie je stratégia. Návratnosť vzniká až tam, kde niekto pozná váš biznis a vie AI zapojiť do konkrétneho procesu. Ak túto schopnosť nemáte doma, budete o ňu súperiť s Fortune 500 na trhu, kde je ponuka smiešne malá. Začnite budovať interné znalosti teraz, kým vás cena talentu neprevalcuje.
Microsoft stavia na lacné špecializované modely namiesto naháňania frontieru
Mustafa Suleyman posúva Microsoft AI iným smerom, než akým bežia OpenAI či Anthropic. Namiesto jedného univerzálneho modelu firma trénuje malé, úzko zamerané modely a robí z efektivity tokenov konkurenčnú zbraň.
Najnovší kyberbezpečnostný model MAI-Cyber-1-Flash podľa The Decoder vedie benchmark CyberGym o 12 percentuálnych bodov pred modelom Anthropicu, a to za polovičnú cenu. Háčik: výsledok stojí na systéme MDASH, ktorý orchestruje viac modelov a najťažšie úlohy stále posiela reasoning modelom OpenAI. Model MAI-Image-2.5-Flash vraj znižuje náklady na GPU až o 84 % oproti GPT-Image-2.
Pointa je posun ťažiska. Súťaž sa presúva od jednotlivých modelov k "harnessom", teda softvéru, ktorý smeruje úlohy a dodáva kontext. Orchestrátor pošle väčšinu práce lacným špecialistom a frontier modely nechá len na ťažké prípady. Podobne stavali Anthropic okolo Claude Fable 5 aj Sakana okolo Fugu. Otázka, či malé MAI modely dokážu OpenAI naozaj nahradiť, zostáva otvorená.
Bývalý výskumník OpenAI stávkuje na 100 miliárd dolárov v tréningových dátach
Andrew Ho odchádza z OpenAI po ôsmich mesiacoch s presvedčením, že veľké jazykové modely generalizujú zle. Podľa The Decoder je koreňom problému nedostatok dát. Väčšina ekonomicky hodnotných zručností je v existujúcich datasetoch zastúpená minimálne.
Samotné škálovanie to podľa neho nespraví. Ho očakáva, že AI laboratóriá budú musieť v najbližších rokoch minúť viac než 100 miliárd dolárov na cielený zber dát. Jeho startup mieri na dve oblasti: datasety pre zložité vedecké analýzy v bioinformatike, kde aj model GPT-5.6 Sol dosahuje úspešnosť len okolo 30 %, a datasety pre bežnú laboratórnu prácu.
Jeho skepsu zdieľa cambridgeský výskumník Adam Hunt. Tvrdí, že najnovšie modely nie sú univerzálnejšie, ale špecializovanejšie. Programovanie a náročná matematika sa zlepšujú, kým jazyková kvalita a jednoduchá logika stagnujú alebo sa zhoršujú. Dôvod: reinforcement learning funguje tam, kde existuje jasný signál odmeny a kompletné dáta, ako v kóde. Inde tie dáta jednoducho nie sú. Hunt si svojou tézou verí len na 40 %.
DeepSeek chystá gigawattové dátové centrum vo Vnútornom Mongolsku
Zatiaľ čo časť odvetvia pochybuje o čistom škálovaní, čínsky DeepSeek stavia. Firma plánuje dátové centrum s výkonom 1 GW vo Vnútornom Mongolsku, pričom časť kapacity má byť online do konca roka 2027.
Je to ďalší signál, že preteky o výpočtový výkon v Číne nepoľavujú. Lacné a čoraz schopnejšie open-weight modely od čínskych hráčov ako Qwen či Kimi zároveň priamo tlačia na ziskovosť frontier laboratórií na Západe. Tie musia sypať rastúce sumy do nových modelov len preto, aby si udržali náskok. DeepSeek k tomu pridáva vlastnú infraštruktúru, takže nezávislosť od západných dodávateľov výpočtov rastie. Pre firmy mimo Číny to znamená jedno: konkurenčný tlak na ceny modelov bude tvrdší, nie mäkší.
Čo ešte stojí za prečítanie?
- Google tvrdí, že vďaka AI opravil v jednom júnovom cykle viac chýb v Chrome než za predchádzajúce dva roky dokopy (TechCrunch).
- Okta kupuje AI-bezpečnostný startup Permiso za približne 200 miliónov dolárov, aby zvládla zabezpečiť "neľudské" identity AI agentov (TechCrunch).
- Britský AI neocloud Nscale kupuje Anyscale, aby ovládol väčšiu časť výpočtového stacku pre AI (TechCrunch).
- Google tvrdí, že GKE Agent Sandbox dokáže znížiť náklady na jedného AI agenta až o 75 % (Google Cloud).
- Napriek AI boomu LinkedIn budúci rok nerozšíri dátové centrá a namiesto toho tlačí inžinierov, aby vyžmýkali každú GPU (Wired).
- Startup Dili získal 21,7 milióna dolárov na AI compliance pre infraštruktúrny boom, kolo viedol Khosla Ventures (TechCrunch).
Na záver
Téma dňa má fyzické pokračovanie. Christian z C&T predpovedá, že strednodobo sa dopyt po FDE presunie od podnikovej AI k fyzickej, teda k nasadzovaniu humanoidných robotov do procesov. A tam znova narazíme na to isté úzke hrdlo, ktorým sú dáta.
Nemecký startup Shift, divízia Microagi, to rieši doslova. Posiela ľuďom domov súkromných kuchárov s kamerou na šiltovke. Za obed zadarmo nakrútia z pohľadu prvej osoby pohyby rúk pri krájaní, varení aj upratovaní. Ako opísal reportér Wired, ktorý si nechal nakrútiť vlastnú kuchyňu, internet dal jazykovým modelom text, ale porovnateľný oceán egocentrických videí pre roboty neexistuje. Preto je vnútro vášho bytu zrazu také cenné, že vám zaň niekto pošle kuchára na celý deň. Návratnosť z AI teda čoraz viac stojí na ľuďoch. Raz ako inžinieroch, inokedy ako neplatených učiteľoch strojov.
A teraz to poďme použiť.
