Viime viikolla tapahtui kaksi asiaa, joita harva huomasi mutta jotka muuttavat tekoälymarkkinan dynamiikkaa perustavanlaatuisesti. Intercom julkaisi Fin Apex -mallin, joka voittaa GPT-5.4:n, Claude Opus 4.5:n ja Claude Sonnet 4.6:n asiakaspalvelutehtävissä. Viikkoa aiemmin Cursor julkaisi Composer 2 -mallin, joka päihittää frontier-mallit koodaustehtävissä murto-osalla hinnasta.

Kumpikaan yritys ei ole tekoälylaboratorio. Molemmat ovat sovelluksia, jotka päättivät kouluttaa oman mallinsa yhden kapean tehtävän suorittamiseen. Ja molemmat voittivat maailman parhaat yleismallit omalla tontillaan. Tämä on käännekohta, jolla on seurauksia koko tekoälyteollisuudelle.

Andrej Karpathy, OpenAI:n perustajajäsen ja yksi tekoälyalan vaikutusvaltaisimmista äänistä, sanoi hiljattain podcast-haastattelussa asian suoraan:

Karpathy käytti sanaa "speciation", lajiutuminen. Samaa termiä jota biologia käyttää kuvaamaan miten yksi laji eriytyy moneksi kun ympäristöpaineet suosivat erikoistumista yleisosaamisen sijaan.

Vertauskuva on osuvampi kuin miltä se ensi kuulemalta vaikuttaa. Luonnossa yleistajuinen eläin häviää kilpailun erikoistuneelle lähes aina kun ympäristö on vakaa ja lokero selkeä. Kojootti on hyvä monessa asiassa, mutta se häviää saaliinhaussa sudelle, kiipeilyssä ilvekselle ja kaivautumisessa mäyrälle. Tekoälyssä näemme nyt saman dynamiikan: GPT-5.4 on vaikuttava kaikessa, mutta se häviää asiakaspalvelussa mallille joka on koulutettu miljardeilla asiakaspalveluvuorovaikutuksilla.

Tarkastellaan siis konkreettisia esimerkkejä.

Intercomin Fin-chatbot ratkaisee jo lähes kaksi miljoonaa asiakasongelmaa viikossa. Se on kasvanut lähes 100 miljoonan dollarin vuotuiseen liikevaihtoon. Mutta tähän asti sen ydinmalli oli aina ollut kolmannen osapuolen frontier-malli, ensin GPT:n versioita, viimeksi Claude Sonnet 4.0.

Nyt Intercomin 60-henkinen AI-tutkimusryhmä rakensi oman mallin: Apex 1.0. Tulokset ovat selkeitä.

Yksi Intercomin suurimmista asiakkaista pelialalla näki resoluutioasteen nousevan yön yli 68 prosentista 75 prosenttiin. Se tarkoittaa 22 prosentin laskua ratkaisemattomissa yhteydenotoissa. Intercomin toimitusjohtaja Eoghan McCabe sanoo, ettei heidän järjestelmänsä ole koskaan nähnyt yhtä suurta hyppyä yhdestä parannuksesta.

Kuten aiemmin kerroin AI-agenttien arkkitehtuurista, agentin suorituskyky riippuu ratkaisevasti sen ydinmallista. Cursor otti tämän tosissaan.

Composer 2 saavuttaa SWE-bench Multilingual -testissä 73,7 prosentin tuloksen, kun edeltäjä Composer 1.5 jäi 65,9 prosenttiin. Se maksaa 0,50 dollaria per miljoona syötetokenia ja 2,50 dollaria per miljoona tuotostokenia. Frontier-mallien hinnat ovat moninkertaisia.

Cursorin tapaus on kiinnostava myös siksi, että se on ensimmäinen koodaustyökalu joka julkisesti siirtyi omaan malliin. Tähän asti kaikki koodausassistentit, Cursor mukaan lukien, käyttivät Anthropicin tai OpenAI:n malleja. Nyt yksi suurimmista on sanonut: pystymme parempaan itse.

Lakialan tekoälyyhtiö Harvey on kolmas esimerkki samasta trendistä, joskin pidemmällä aikajanalla. Harvey on kouluttanut omia malleja lakialan datalla jo pidempään, ja maaliskuussa 2026 se keräsi 200 miljoonan dollarin rahoituskierroksen Sequoian ja GIC:n johtamana. Arvostus: 11 miljardia dollaria. Asiakkaita on yli 700 maailmanlaajuisesti.

Kolme tekijää on kypsymässä samanaikaisesti.

Avointen mallien riittävä taso. Llaman, Mistralin ja muiden avointen mallien suorituskyky on noussut tasolle, jossa ne tarjoavat riittävän pohjan jatkokoulutukselle. Frontier-mallien etumatka peruskoulutuksessa on kaventunut niin paljon, että toimialakohtaisella jatkokoulutuksella voi kumota sen kokonaan.

Jatkokoulutuksen demokratisoituminen. Seitsemän miljardin parametrin mallin jatkokoulutus LoRA-menetelmällä maksaa 500-5 000 dollaria. Alusta asti kouluttaminen vaatisi 50 000-500 000 dollaria. Hintaero on pudonnut niin paljon, että jatkokoulutus on nyt käytännön vaihtoehto myös keskisuurille yrityksille. Maaliskuussa 2026 Mistral julkaisi Forge-alustan, jolla yritykset voivat kouluttaa omia malleja alusta asti. Ensimmäisten asiakkaiden joukossa ovat ASML, Ericsson ja Euroopan avaruusjärjestö ESA.

Toimialadatan kertyminen. Cursor, Intercom ja Harvey ovat kaikki keränneet vuosien ajan toimialakohtaista dataa omien tuotteidensa kautta. Tämä data on se varsinainen kilpailuetu, ei malli itsessään. Kuten Intercomin McCabe kirjoittaa: "Jos käytät samaa yleismallia kuin kaikki muut, sinulla ei ole kestävää erottautumistekijää."

Tässä kohtaa tarina muuttuu todella kiinnostavaksi. Tilannetta voi analysoida Clayton Christensenin klassisen disruptioteorian kautta. Christensen, Harvardin professori joka kuoli vuonna 2020, osoitti miten vakiintuneet yritykset häviävät markkinat alhaalta päin tulevalle kilpailulle.

Kaava on tuttu: hallitseva toimija palvelee markkinan vaativinta segmenttiä yhä paremmilla tuotteilla. Samaan aikaan uusi tulokas tarjoaa "riittävän hyvän" ratkaisun halvemmalla, nopeammalla tai helpommalla tavalla. Hallitseva toimija ei reagoi, koska uusi tulokas palvelee vähemmän tuottoisaa segmenttiä. Kunnes ei enää palvele.

Frontier-laboratoriot ovat nyt klassisessa disruptioasemassa. Niiden mallit ovat ylipalvelevia monissa käyttötapauksissa. GPT-5.4 osaa kirjoittaa runoja, ratkaista differentiaaliyhtälöitä ja keskustella filosofiasta. Mutta asiakaspalvelussa sillä ei ole merkitystä. Siellä merkitsee resoluutioaste, nopeus, hinta ja se miten malli käsittelee turhautunutta asiakasta joka on odottanut vastausta kolme päivää.

Christensenin teoria ennustaa, että AI-laboratorioiden ainoa tie ulos on disruptoida itsensä: rakentaa halvempia erikoistuneita malleja. Mutta se vaatii joko toimialadataa (jota niillä ei ole) tai yritysostoja (jotka tulevat kalliiksi). OpenAI on jo lähtenyt tälle polulle agenttialustallaan, mutta kysymys kuuluu: riittääkö se?

a16z:n, yhden maailman vaikutusvaltaisimmista riskipääomayhtiöistä, tuore analyysi tukee tätä kehityssuuntaa. Heidän mukaansa erikoistuminen, ei konsolidaatio, määrittää vuoden 2026 AI-sovellusmarkkinan. Sequoia Capital, toinen raskaan sarjan sijoittaja, on tehnyt vertikaalisista AI-agenteista eksplisiittisen investointiteesinsä.

McCaben essee nostaa esiin käsitteen "full stack AI company", täyden palvelun -AI-yritys. Ajatus on, että voittajat eivät ole pelkästään sovelluksia jotka käyttävät kolmannen osapuolen malleja, eivätkä pelkästään mallilaboratorioita jotka myyvät API-rajapintaa. Voittajat ovat yrityksiä jotka hallitsevat koko pinon: datan, mallin, sovelluksen ja jakelukanavan.

Tämä on merkittävä muutos siitä miten tekoälysovelluksia on ajateltu viimeiset kolme vuotta. Agenttiarkkitehtuurissa ydinmalli on vain yksi kerros, mutta se on kerros jonka varaan kaikki muu rakentuu. Jos se on sama kaikilla kilpailijoilla, erottautuminen jää muiden kerrosten varaan.

Tämä tarkoittaa myös sitä, että tekoälyyritysten pääomarakenne muuttuu. Enää ei riitä tuotekehitystiimi joka integroi API-kutsuja. Tarvitaan ML-tutkimusryhmä, evaluaatioinfrastruktuuri ja proprietary-datapipeline. Intercomilla tämä tarkoittaa 60 hengen AI-ryhmää. Se ei ole pieni investointi.

Kolme johtopäätöstä yrityksille ja ammattilaisille.

Yleismallien aika ei ole ohi, mutta niiden monopoli on. GPT-5.4 ja Claude Opus 4.5 ovat edelleen parhaita valintoja yleiskäyttöön: kirjoittamiseen, analysointiin, ideointiin. Mutta jokaisella toimialalla tulee olemaan oma mallinsa joka voittaa yleismallin sillä nimenomaisella tehtävällä. Kuten Deloitten tuore raportti osoittaa, yritykset jotka investoivat omaan dataansa saavat suurimman hyödyn tekoälystä.

Data on uusi vallihauta. Intercomin McCabe sanoo sen suoraan: kilpailuetu ei ole mallissa vaan evaluaatiodatassa. Yritys jolla on vuosien ajalta kerätty toimialakohtainen data ja kyky mitata mallin suoriutumista sillä datalla, voi rakentaa mallin joka voittaa frontier-laboratorion tarjouksen. Tämä koskee erityisesti aloja joilla on paljon toistuvaa, strukturoitua vuorovaikutusta: asiakaspalvelu, myynti, lakipalvelut, terveydenhuolto, koodaus.

Laboratorioiden ja sovellusyritysten raja hämärtyy. Cursor on koodieditori joka kouluttaa malleja. Intercom on asiakaspalvelualusta joka kouluttaa malleja. Harvey on lakisovellus joka kouluttaa malleja. Tämä trendi kiihtyy. Gartnerin arvion mukaan 40 prosenttia yrityssovelluksista sisältää tehtäväkohtaisen AI-agentin vuoteen 2026 mennessä, kun vuonna 2025 osuus oli alle viisi prosenttia.

Karpathyn lajiutumisvertaus ansaitsee vielä yhden tarkastelun. Biologiassa lajiutuminen ei tarkoita sitä, että yleislaji katoaa. Se tarkoittaa, että ekosysteemi monipuolistuu. Yleislajit selviävät muuttuvissa ympäristöissä. Erikoislajit hallitsevat vakaita lokeroita.

Tekoälyn ekosysteemissä frontier-mallit ovat kojootteja: selviävät kaikkialla, häviävät spesialisteille vakaissa lokeroissa. Vertikaalimallit ovat haukka, hai ja muurahainen: ylivoimaisia omassa elementissään, hyödyttömiä sen ulkopuolella.

Mutta yksi asia vaikuttaa selvältä: tekoälyn monokulttuurin aika on päättymässä. Tilalle tulee ekosysteemi, jossa sadat erikoistuneet mallit palvelevat satoja erilaisia tehtäviä. Ja se on hyvä asia. Luonnossa monimuotoisuus on merkki terveestä ekosysteemistä. Sama pätee todennäköisesti tekoälyyn.

Lähteet: Intercom: Announcing Fin Apex, Eoghan McCabe: The Age of Vertical Models Is Here, Cursor: Introducing Composer 2, a16z: Notes on AI Apps in 2026, Sequoia: AI in 2025, Mistral Forge (TechCrunch), Harvey AI (Contrary Research)