Czy usługa Azure OpenAI będzie miała wpływ na inne usługi AI/ML z linii produktów firmy Microsoft, takie jak Azure Machine Learning Studio? Divakaruni mówi nam, że na rynku jest miejsce dla obu rozwiązań: „Zdecydowanie nie jest to rozwiązanie, w którym zwycięzca bierze wszystko. Na rynku istnieje zapotrzebowanie na wiele rozwiązań spełniających specyficzne wymagania klientów.” Wymagania klientów mogą się znacznie różnić. Być może będą musieli wygenerować, a następnie oznaczyć dane specyficzne dla ich konkretnego przypadku użycia. Mogą zbudować model od podstaw przy użyciu platform takich jak Azure ML Studio lub SageMaker, a następnie wytrenować w tym celu opracowany, mniejszy model. Oczywiście jest to nisza niedostępna dla większości ludzi. Hoder zauważa, że udostępnienie klientom możliwości analizy danych „poszerza dostęp; to demokratyzuje.” Divakaruni zgadza się z tym: „Coraz częściej będzie można zaobserwować tendencję do eksponowania większych, najbardziej wyrafinowanych modeli za pośrednictwem usług, a nie ludzi” tworzących własne. Dlaczego? „Podstawowa prawda jest taka, że wytrenowanie tych modeli wymaga ogromnej ilości obliczeń i dużej ilości danych. Firm, które mają środki na rozwój tych modeli, jest niestety niewiele. Ale naszym obowiązkiem, ponieważ [posiadamy środki] jest udostępnienie ich światu”. Ogólnie rzecz biorąc, zespoły analityki danych z firm, które mogą sobie pozwolić na kosztowne zasoby, zdecydowanie wolą tworzyć własną własność intelektualną na potrzeby konkretnych przypadków użycia, korzystając z platform uczenia maszynowego niższego poziomu, takich jak Azure Machine Learning Studio. Jest mało prawdopodobne, aby żądanie to, twierdzi Divakaruni, zniknęło.