Mijn contrarische mening is dat de opmerking "modellen zijn grondstoffen, gewoon wisselen" een terminal naïeve kijk is die bijna uitsluitend wordt gehouden door mensen hier die nooit daadwerkelijk LLM-gebaseerde producten op enige diepte hebben geleverd. Deze mensen zijn meestal alleen maar pontificators. Mijn persoonlijke mening is dat de moat bestaat en dat het de opgebouwde fit is... wat dingen zijn zoals promptbibliotheken, het omgaan met randgevallen, institutionele intuïtie over faalmodi, en ingebedde vertrouwenskalibratie. En de overstapkosten stapelen zich niet-lineair op met de diepte van de integratie. Een oppervlakkige API-gebruiker is misschien triviaal. Maar voor diep ingebedde zaken zoals targetinglogica, communicatielijnen, geclassificeerde workflows, enz. zijn de overstapkosten in wezen een volledige herengineeringcyclus vermomd als een leveranciersbeslissing. de situatie met dow/anthropic is specifiek interessant omdat militaire organisaties waarschijnlijk de meest extreme versie van dit probleem hebben. Ze kunnen niet zomaar yolo testen op prod, en elk gedragsrandgeval moet opnieuw gevalideerd worden op manieren die traag, duur zijn en gespecialiseerde expertise vereisen die niet noodzakelijkerwijs over modelfamilies heen over te dragen is. Ik ben me hier goed van bewust omdat onze startup de mogelijkheid heeft om naar elk model over te schakelen, maar het is een pijn in de kont omdat alles ofwel kapot gaat of vreemd wordt.