Microsoft zaczął wdrażać własne modele AI (rodzina MAI) w Excelu i Wordzie, aby ograniczyć zależność od zewnętrznych dostawców, takich jak OpenAI i Anthropic. To wyraźny zwrot względem dotychczasowej strategii, w której koncern mocno promował integrację Office 365 z modelami partnerów. Nowe, wewnętrzne modele obsługują już część zapytań użytkowników w najważniejszych aplikacjach biurowych.
Na czerwcowej konferencji Build Microsoft pokazał siedem nowych modeli MAI, w tym agentowego kodera oraz generator obrazów z tekstu. Wcześniej firma budowała przekaz wokół bezpośredniego dostępu do modeli partnerów w Office 365. Nie ujawniła, jaki dokładnie odsetek zapytań trafia dziś do jej własnych modeli. Poproszona o komentarz, odpowiedziała jedynie, że nie ma nic więcej do dodania. Ruch wpisuje się w szerszy trend ograniczania wydatków na AI. Podobne kroki podjęły ostatnio Amazon, Uber, Meta i Accenture. Część firm testuje nawet tańsze chińskie modele, mimo zastrzeżeń dotyczących bezpieczeństwa danych.
Dla polskich firm to praktyczny sygnał: koszt inferencji staje się realną pozycją w budżecie, a nie technicznym szczegółem. Nie każde zadanie wymaga najmocniejszego, najbardziej zaawansowanego modelu. Proste podsumowania, klasyfikację czy uzupełnianie tekstu w arkuszu można kierować do lżejszych i tańszych modeli, a najtrudniejsze przypadki zostawić najlepszym. Warto projektować wdrożenia AI tak, aby zmiana dostawcy modelu nie wymagała przepisywania całej aplikacji. Taki podział zadań to najprostszy sposób na obniżenie rachunku za AI bez utraty jakości tam, gdzie naprawdę jej potrzeba.
Architektura niezależna od jednego modelu oraz świadome kierowanie zapytań (routing) obniżają rachunki i zmniejszają ryzyko uzależnienia od pojedynczego dostawcy. Przykład Microsoftu pokazuje, że nawet najwięksi gracze traktują dziś wybór modelu jako decyzję kosztową, a nie wyłącznie jakościową. W skali całej organizacji różnice w cenie pojedynczego zapytania szybko sumują się do znaczących kwot. Dla działów IT i menedżerów oznacza to, że mierzenie kosztu zapytania oraz testowanie kilku modeli obok siebie staje się standardem dojrzałego wdrożenia.
Źródło: TechCrunch (EN), 7 lipca 2026, Lucas Ropek.
