AI upstart aims to do what mere mortals can’t: Make sense of Microsoft licensing

Thankfully, Onyx’s model also knows when to defer to a human for advice

Richard Speed
Tue 30 Sep 2025 // 07:00 UTC

不可避免的是，随着科技巨头们提供无数选择，人工智能终将被部署来帮助企业应对现代软件许可这一迷宫般的难题。

旨在简化这一过程的创业公司Onyx的联合创始人Chris Brown告诉我们，这一切始于微软开始转向直接向大客户销售的模式。

“旧模式实际上围绕着单一参与者——许可解决方案提供商（LSP）——作为那种看门人，“他告诉The Register。

转向微软直接向客户销售的模式已经酝酿了一段时间。“我们认为客户现在有更多选择……但随之而来的是另一层复杂性，“Brown说。“对许多客户来说，要得到一个好的答案变得非常困难。”

他将选择正确的许可模式比作"不得不转轮盘”，微软可能说一件事，合作伙伴生态系统可能说另一件事，而像Copilot、Gemini或ChatGPT这样的大语言模型可能提出其他建议。对于每年面临花费数百万美元或更多在许可上的组织来说，这远非理想。

Brown的方法是使用大语言模型，但带有特殊处理。首先，训练是"精心策划的”，基于数十年的许可经验，他告诉我们。

其次是产品使用权利中的不准确性，他的团队需要捕捉和纠正这些错误。从Microsoft 365中解绑的团队就是一个移动目标的例子，这需要全职员工监控知识源并保持答案准确。

Onyx工具旨在提供一个许可帮助台，“基于你能想到的任何许可问题。”

想知道DSP和MCA许可之间的区别？没问题。更细微的差别呢？同样，经过定制训练的机器人可以提供答案。

Brown认为模型可以对用户的问题进行深入分析，但不会提出具体的SKU。“我们提供许可信息，然后我们确实提供基准建议，“他说，“但这实际上只是对他们目标价格的基准。”

因此，该模型更像是一个顾问。他说，如果它无法回答问题，它不会产生幻觉般的答案。“它实际上会将自己推给质量保证团队去寻找答案，“他补充道，而不是编造一些看起来可能正确的东西。“这正是客户真正喜欢的。”

Onyx目前仅支持微软许可。Oracle、IBM和SAP已在路线图上，但在公司意识到客户希望深入的程度——不仅仅是简单的推荐引擎——之后，开发略有放缓。仅将微软的选项纳入模型就花了一年多时间。

许可是否变得如此复杂，以至于需要AI来解析其细微之处？Brown并不那么确定。“许可规则一直在演变，“他说。“我认为这真的是那种演变。”

Brown提出，实际发生的是过去LSP主导了客户互动。世界已经改变，客户正被引导向这样或那样的方向。“仍然有建议，但这些建议可能基于正在销售的其他内容而有偏见，“Brown告诉我们。

“所以我们就像是缺失的那一层，介于我自己、合作伙伴和客户之间，因为我们不销售任何东西，我们不销售服务，我们不试图推销它。这就是那种清晰度。”

Onyx模型是一个有趣的模型，也许是AI技术的一个适当用途。它认识到AI只是工具集的一部分，并且也会求助于人类，而不是说出令人信服的废话。

这种方法，除了提供可信的许可建议外，是其他AI供应商或许可以借鉴的。它是否能获得存储资产管理社区——随着许可复杂性增加而出现的许可专业人士生态系统——的支持，则是另一点。®