Varför företag vill ha en egen AI

De flesta företag möter AI som en hyrd tjänst. En plats i ChatGPT eller Claude, en nyckel till ett gränssnitt, en faktura som växer med varje användare. Modellerna är utmärkta, och för det mesta av arbetet i ett företag är det upplägget det rätta. Vår egen företagshjärna arbetar i Claude och ChatGPT varje dag.

Annat arbete är annorlunda. Ett avtal som ingen utomstående får läsa. Testrapporterna för en produkt som ännu inte har tillkännagetts. Årtionden av ingenjörskunnande, äntligen nedskrivet i en form som en modell kan använda. För sådant arbete ändras frågan. Den handlar inte längre om vilken modell som är bäst, utan om vems byggnad modellen körs i och vem som lär sig av det den läser.

Vad företag säger att de oroar sig för

Oron går att mäta. För sin benchmarkstudie 2026 undersökte Cisco 5'200 yrkespersoner inom IT, teknik och säkerhet i 12 marknader. Av dem sa 86 procent att lokalt lagrade data i sig är säkrare, ned från 90 procent ett år tidigare, och 81 procent uppgav en ökad efterfrågan på att hålla data lokalt. Tre av fyra organisationer hade ett särskilt organ för AI-styrning. Bara 12 procent kallade sitt moget.

Bilden i Schweiz ser likadan ut. I en undersökning från EY bland 604 företag, publicerad i maj 2026, sa 89 procent av de svarande att de använder AI i sitt dagliga arbete. För 51 procent var det affärskritiskt att AI-system uppfyller schweiziska eller europeiska krav på dataskydd.

Bakom siffrorna finns en enklare poäng. Clem Delangue, som leder Hugging Face, sa till TechCrunch i juli: ”du vill inte lägga ut dina kärnförmågor på ett annat företag.” För de flesta företag är kunnandet själva kärnan. Det är den del som är svårast att kopiera, och den del som en hyrd modell vet minst om.

Vad företagsvillkoren redan täcker

Att hyra har blivit säkrare än förr. OpenAI uppger att data som skickas till dess API inte har använts för att träna företagets modeller sedan den 1 mars 2023, såvida inte kunden själv väljer det. Anthropic uppger att företaget som standard inte använder indata eller utdata från sina kommersiella produkter för träning.

Det är i detaljerna arbetet ligger. Hos OpenAI sparas loggar för missbruksövervakning som standard i upp till 30 dagar. Noll datalagring (zero data retention) finns för berättigade kunder, efter godkännande. En europeisk region som omfattar EES och Schweiz håller kundens innehåll där, och för att använda den krävs någon av de godkända kontrollerna för datalagring. Systemdata som konto-, fakturerings- och användningsdata kan fortfarande behandlas på andra platser, och för modeller som släppts sedan den 5 mars 2026 kostar de regionala slutpunkterna 10 procent mer.

Inget av det är ett skäl att undvika de hyrda modellerna. Det är ett skäl att läsa villkoren som en lista över förutsättningar. Avtalet avgör vad leverantören får göra med dina data. Det avgör inte var leverantören finns, när modellen ändras eller om modellen någonsin blir bättre på ditt arbete. Det är frågor om arkitektur.

Modeller med öppna vikter är nära nog

Modeller med öppna vikter, som ett företag kan ladda ner och köra själv, har kommit nära de bästa slutna modellerna. Stanfords AI Index 2026 visade att den främsta slutna modellen i mars 2026 låg 3,3 procent före den främsta öppna. I augusti 2024 var avståndet 0,5 procent, så det har vidgats igen, om än något. Sex av de tio främsta modellerna på Arena-topplistan är slutna.

Även de största labben publicerar öppna vikter. I augusti 2025 släppte OpenAI två modeller med öppna vikter under Apache 2.0-licensen. Den större körs på en enda GPU med 80 GB minne, den mindre inom 16 GB.

Schweiz har en egen. Apertus, byggd av EPFL, ETH Zürich och Schweiz nationella superdatorcentrum, kom som version 1.5 i juli 2026, nu med bild- och ljudförståelse, under Apache 2.0 och öppen för forskning och kommersiell användning. Dess upphovsmän pekar på kantonen Ticino, som kör en egen översättningstjänst på Apertus, så att känsliga myndighetsdokument översätts utan att man behöver förlita sig på kommersiella leverantörer.

För en snäv uppgift inom ett enda företag spelar topplistan mindre roll än om modellen kan företagets villkor, regler och tidigare beslut. Det kan ett företag lära en modell som det äger.

Var en privat modell kan köras

Privat omfattar tre platser. Företagets eget molnkonto, med egna nycklar. Servrar i den egna byggnaden eller det egna datacentret. Och slutna nätverk som aldrig berör internet.

Var och en har ett pris. Att äga en modell innebär att äga driften av den: hårdvaran eller molnavtalet, uppdateringarna, säkerheten, testningen av varje ny version och en person som ansvarar för allt det. Att hyra innebär en faktura som växer med varje plats och varje fråga, och en modell som leverantören kan ändra vilken dag som helst.

För de flesta företag är det ärliga svaret båda. Den bästa hyrda modellen för det öppna arbetet, där bredd spelar störst roll, och en egen modell för det arbete som måste stanna inne. Delangue räknar med att de flesta arbetsbelastningar i produktion kommer att köras antingen på privata modeller inom företagen eller på öppna modeller. Vi uttrycker det mer försiktigt. Gränsen mellan de två är det första beslutet, och det är värt att dra den med avsikt.

Vad privat bör betyda

Privat är ett lätt ord att göra anspråk på. Det här är frågorna vi ställer innan vi använder det.

Var den körs. Ett namngivet molnkonto eller en namngiven byggnad, i ett namngivet land. En region på en karta är en början, och inte mer än så.

Vem som kan läsa den. Prompter, filer, loggar och säkerhetskopior, var och en med en lagringstid och en lista över de personer och underbiträden som kan se dem.

Vad den lär sig av. Dina data tränar ingenting utanför ditt företag. Helst tränar de den modell som arbetar för dig.

Vem som ändrar den. En version blir kvar tills du bestämmer dig för att byta ut den, och en ny kan rullas tillbaka i ett enda steg.

Hur den testas. Varje ny version mäts mot den förra, på dina egna uppgifter, innan den går live.

Vem som kan lämna. Modellen, dess anpassningar och dina data kan följa med dig om du byter leverantör.

Vem som svarar för den. En namngiven person äger modellen, dess regler och dess kontrollpunkter. En modell kan läsa varje avtal i arkivet. Att avgöra vilken klausul företaget accepterar är fortfarande en persons sak, och det gäller även ansvaret för det.

Varför vi arbetar med Eigna

Eigna byggs av vår partner Eigna Labs, och det besvarar det mesta av den listan redan i grunden. Varje företag får en egen privat modell: en öppen modell, anpassad till sin domän och tränad på de egna filerna, reglerna och språket. Den körs i företagets eget moln eller på dess egna servrar, och är byggd för att kunna köras helt offline i slutna nätverk. Företagets data lämnar aldrig det molnet.

Team arbetar med lokala experter för sina egna uppgifter, från juridik och risk till drift och support. Deras rättelser stannar innanför murarna, modellen tränas om där i steg, och en ny version går live först när den testar bättre än den förra. Annars stannar den utanför.

crue var ett av de första företagen att testa Eigna, och vi använder det i vårt eget arbete. När arbetet i ett företags Twin blir konfidentiellt eller kritiskt körs Twin på Eigna i stället för på en hyrd modell.

Eigna är i tidig åtkomst, och det säger vi öppet. Om arbetet är känsligt bör arkitekturen börja där.