Satya Nadella mengingatkan perusahaan agar tidak terlalu bergantung pada layanan kecerdasan buatan milik penyedia tertutup. Menurut CEO Microsoft itu, ada biaya tersembunyi yang kerap tidak disadari, yakni pengetahuan bisnis yang ikut terbuka kepada pihak penyedia model.
Peringatan tersebut menyoroti risiko yang jauh melampaui biaya langganan atau penggunaan layanan. Saat perusahaan terus mengirim prompt, memakai agen AI, lalu memperbaiki jawaban yang salah, seluruh rangkaian interaksi itu bisa menjadi bahan pembelajaran bagi model yang dikelola pihak lain.
Pengetahuan internal bisa ikut terbaca
Dalam unggahan blog yang dikutip TechCrunch pada Selasa (14/6/2026), Nadella menjelaskan bahwa perusahaan pada dasarnya membayar kecerdasan dua kali. Mereka membayar untuk memakai model, tetapi pada saat yang sama juga menyerahkan informasi yang membuat model tersebut semakin cerdas.
Ia menilai risiko terbesar justru ada pada data yang bersifat strategis, seperti proses bisnis, kebiasaan kerja, dan keahlian yang membedakan satu perusahaan dari pesaingnya. Menurut Nadella, jenis pengetahuan semacam itu tidak akan pernah bisa dibeli oleh kompetitor, tetapi justru dapat diberikan tanpa sadar melalui penggunaan AI.
Karena itu, ia menekankan pentingnya kontrol atas prompt, umpan balik, dan informasi lain yang tercipta selama penggunaan AI. Bagi Nadella, perusahaan harus memastikan pengetahuan yang lahir dari interaksi dengan model tidak otomatis berpindah tangan ke penyedia layanan.
Ketimpangan aturan di ekosistem AI
Nadella juga menyoroti ketimpangan lain dalam ekosistem AI. Ia menyebut pengembang model besar bisa melatih sistem mereka memakai data publik dalam jumlah besar, tetapi pada saat yang sama membatasi pihak lain mempelajari atau mengembangkan model baru dari keluaran AI melalui teknik distillation.
Ia menilai situasi itu ironis, terutama ketika penyedia model menggunakan hak penggunaan wajar untuk melatih AI, lalu membatasi distillation setelah model mereka berkembang. Bagi Nadella, perusahaan pengguna perlu membaca syarat layanan dengan lebih cermat, khususnya bila ada ketentuan yang memberi penyedia hak mempelajari data penggunaan dan interaksi pelanggan.
Langkah yang disarankan untuk perusahaan
Untuk mengurangi ketergantungan, Nadella mendorong perusahaan membangun proprietary learning environment di infrastruktur cloud milik sendiri. Ia juga menyarankan sistem yang memungkinkan perpindahan dari satu model AI ke model lain agar perusahaan tidak terkunci pada satu penyedia.
Menurutnya, perusahaan harus tetap menjadi pemilik atas pengetahuan yang muncul dari penggunaan AI. “Dalam menggunakan kecerdasan, Anda juga sedang menciptakan kecerdasan. Dan apa yang Anda ciptakan seharusnya menjadi milik Anda,” katanya.
Open source makin dipilih perusahaan
Di tengah kekhawatiran itu, tren penggunaan model AI open source di infrastruktur perusahaan sendiri atau on-premises juga terus meningkat. TechCrunch melaporkan, CEO Solo.io Idit Levine mengatakan banyak perusahaan awalnya mencoba berbagai model proprietary sebelum akhirnya mempertimbangkan opsi yang lebih murah dan lebih mudah dikendalikan.
Levine menyebut perusahaan kini mulai bertanya apakah mereka bisa memakai model open source dan menjalankannya secara on-prem. Menurut dia, model semacam itu bisa melakukan hampir 90% kemampuan model besar dengan biaya jauh lebih rendah, sambil tetap menjaga kontrol atas data.
Platform yang mengelola lalu lintas model AI juga mencatat pola serupa. Vercel dan OpenRouter sama-sama melihat peningkatan penggunaan model open source, dan sekitar 29% lalu lintas AI yang diproses melalui gateway Vercel pada bulan lalu berasal dari model open source.
| Platform | Temuan | Detail |
|---|---|---|
| Vercel | Peningkatan penggunaan model open source | Sekitar 29% lalu lintas AI di gateway Vercel pada bulan lalu berasal dari model open source |
| OpenRouter | Peningkatan penggunaan model open source | Digunakan untuk mengarahkan permintaan ke beragam model AI |
Perubahan arah ini menunjukkan semakin banyak perusahaan mulai menghitung ulang risiko dan biaya dalam adopsi AI. Di tengah dorongan efisiensi, kendali atas data dan kemampuan berpindah antar model kini menjadi pertimbangan yang semakin penting.
