aalto1 untyped-item.component.html
Contesting control points: Industry architecture and value capture in generative AI
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Electronic archive copy is available via Aalto Thesis Database.
Authors
Date
Department
Major/Subject
Mcode
Language
en
Pages
114
Series
Abstract
Generative artificial intelligence (generative AI) is reshaping the digital economy, but the decisive contest is not only about building the best AI model. This thesis shows that value capture is shaped by control of three hard-to-bypass bottlenecks: scarce compute and serving capacity, the rules for who gets access, and the default interfaces users work through.
Using an industry architecture lens, the thesis maps the generative AI value stack and identifies the control points through which participation conditions and rents are set across layers. Empirically, the study conducts a theory-driven, qualitative multiple-case analysis of four consequential actors (OpenAI, Google, Meta, and Hugging Face) across the post-ChatGPT acceleration period (November 1, 2022–November 30, 2025). Public framing artifacts are compared against high-salience strategic actions (including product launches, partnerships, acquisitions, and investments) to make frame–action alignment and divergence visible. To reduce interpretive drift in public-source research, the analysis applies an a priori codebook, an explicit evidence hierarchy (salience weighting), and traceable matrix-based comparison across cases and themes.
Across cases, the evidence converges on three recurring dynamics: (1) compute supply and specialized infrastructure act as primary conditioning constraints for frontier participation, (2) access is increasingly governed via enforceable boundary resources, safety and compliance regimes, and marketplaces that define participation rules, and (3) interface and workflow capture emerges as a central lever for demand routing and switching costs. Decentralization mechanisms (modularity, open access, and extensibility) broaden diffusion and increase substitutability, but in practice relocate rather than eliminate platform power, shifting it toward hubs, standards, and orchestration layers.
The thesis contributes (1) a synthesized framework for contested industry architecture under discontinuity, (2) an operationalization of centralization and decentralization postures for analyzing strategic moves across layers, and (3) empirically grounded implications for where control points are likely to stabilize. The results support researchers studying emerging platform structures and inform policymakers and practitioners evaluating competition, dependency, and governance in the generative AI ecosystem.
Generatiivinen tekoäly muovaa digitaalista taloutta, mutta ratkaiseva kilpailu ei liity vain parhaan tekoälymallin rakentamiseen. Tämä diplomityö osoittaa, että arvonjakoa (value capture) määrittää kolmen vaikeasti ohitettavan pullonkaulan hallinta: niukka laskenta- ja inferenssikapasiteetti, pääsyn sääntely sekä oletusrajapinnat, joiden kautta käyttäjät työskentelevät.
Toimiala-arkkitehtuurin näkökulmasta työ jäsentää generatiivisen tekoälyn arvopinon (value stack) ja tunnistaa hallintapisteet, joiden kautta osallistumisehdot ja tuotot määräytyvät eri kerroksissa. Työn empiirinen osa on teorialähtöinen, laadullinen monitapaustutkimus neljästä keskeisestä toimijasta (OpenAI, Google, Meta ja Hugging Face) ChatGPT:n jälkeisessä kasvuvaiheessa (1.11.2022–30.11.2025). Julkista kehystysaineistoa verrataan strategisesti merkittäviin toimenpiteisiin (kuten tuotelanseerauksiin, kumppanuuksiin, yritysostoihin ja investointeihin), jotta puheen ja tekojen välinen yhdenmukaisuus tai ristiriita tulee näkyviin. Julkisiin lähteisiin perustuvan tutkimuksen tulkinnanvaraisuuden vähentämiseksi analyysissa hyödynnetään ennakkoon määriteltyä koodistoa, eksplisiittistä merkittävyyspainotusta sekä jäljitettävää matriisipohjaista vertailua tapausten ja teemojen välillä.
Tulokset tiivistyvät kolmeen toistuvaan dynamiikkaan: (1) laskentakapasiteetti ja erikoistunut infrastruktuuri muodostavat ensisijaiset reunaehdot tekoälykyvykkyyden eturintamalla (frontier) toimimiselle, (2) pääsyä säädellään yhä useammin rajapinta- ja kehittäjäresurssien, turvallisuus- ja vaatimustenmukaisuusjärjestelmien sekä osallistumisehdot määrittävien markkinapaikkojen kautta, ja (3) rajapintojen ja työnkulkujen haltuunotto nousee keskeiseksi keinoksi ohjata kysyntää ja kasvattaa vaihtokustannuksia. Hajauttavat mekanismit (modulaarisuus, avoin pääsy ja laajennettavuus) edistävät leviämistä ja lisäävät korvattavuutta, mutta eivät käytännössä poista, vaan siirtävät alustavaltaa kohti solmukohtia, standardeja ja orkestrointikerroksia.
Tutkimus tuottaa kolme tieteellistä kontribuutiota: (1) synteesiin perustuvan viitekehyksen toimiala-arkkitehtuurin tarkasteluun murrosvaiheessa, (2) operationalisoinnin keskittämis- ja hajauttamisorientaatioille niin, että strategisia liikkeitä voidaan analysoida arvopinon eri kerroksissa, sekä (3) empiirisesti perustellut johtopäätökset siitä, mihin hallintapisteet todennäköisesti vakiintuvat. Tulokset tukevat kehittyvien alustarakenteiden tutkimusta ja auttavat päättäjiä sekä alan toimijoita arvioimaan kilpailua, riippuvuuksia ja hallintaa generatiivisen tekoälyn ekosysteemissä.