Anthropic با ابزارهای جدید، بازدهی واقعی هزینه‌های هوش مصنوعی را به شرکت‌ها نشان می‌دهد

آمارهای مالی که Anthropic در این هفته با سرمایه‌گذاران به اشتراک گذاشت، نشان می‌دهد ابزار کدنویسی هوش مصنوعی این شرکت یعنی Claude Code، دقیقاً به همان موفقیتی دست یافته که این آزمایشگاه پیشرو انتظارش را داشت. این شرکت در سه‌ماهه دوم به سود عملیاتی دست یافته و نرخ خالص حفظ درآمد (Net Revenue Retention) آن به ۹۰۰ درصد رسیده است؛ به این معنا که هزینه‌کرد همان مشتریان در سه‌ماهه سوم سال ۲۰۲۵، در سه‌ماهه سوم سال ۲۰۲۶ تا ۹ برابر افزایش یافته است.

تمرکز اصلی Anthropic بر حفظ و وفاداری مشتریان سازمانی است و در همین راستا، مجموعه‌ای جدید از ابزارهای گزارش‌دهی را معرفی کرد که با هدف ایجاد درک دقیق‌تر و شفاف‌تر از ارزش حاصل از هزینه‌های پرداختی بابت توکن‌ها طراحی شده‌اند.

مدیران می‌توانند با بهره‌گیری از ابزارهای تحلیل درون‌سازمانی و نظرسنجی از کارکنان، عملکرد تیم‌ها را در بازه‌های زمانی مشخص بررسی کنند و ببینند که تیم چه خروجی‌هایی تولید کرده، چقدر هزینه داشته و چرخه کاری در چه بخش‌هایی دچار اختلال یا توقف شده است. شرکت Anthropic تأکید می‌کند که به‌صورت پیش‌فرض از این داده‌ها برای آموزش مدل‌ها استفاده نخواهد کرد. این گزارش‌ها همچنین پیشنهادهایی کاربردی برای ارتقای بازدهی و بهبود نتایج ارائه می‌دهند.

این اقدام تلاشی آشکار برای اثبات نرخ بازگشت سرمایه (ROI) در ابزارهای Anthropic و راهنمایی مشتریان برای افزایش این بازدهی به شمار می‌رود، که یکی از دغدغه‌های اصلی شرکت‌های بزرگ محسوب می‌شود. علاوه بر این، Anthropic در حال ایجاد قابلیت بودجه‌بندی گروهی مشترک است تا تیم‌ها بتوانند مدیریت بهتری روی هزینه‌های توکن خود داشته باشند.

کسب‌وکارها در مسیر استقرار و بهره‌برداری بهینه از ابزارهای هوش مصنوعی، همواره به دنبال چنین داده‌ها و تحلیل‌هایی بوده‌اند. در حالی که استارتاپ‌ها و شرکت‌های تحت حمایت سرمایه‌گذاران خطرپذیر بیشترین مصرف توکن را به خود اختصاص داده‌اند، اکثر شرکت‌های فهرست Fortune 500 هنوز دستاورد چشمگیری از به‌کارگیری هوش مصنوعی تجربه نکرده‌اند.

شرکت Jellyfish که در زمینه ساخت ابزارهای تخصصی برای توسعه‌دهندگان نرم‌افزار فعالیت می‌کند، بر اساس داده‌های استفاده ۲۷۶ هزار مشتری خود از ابزارهای کدنویسی مبتنی بر ایجنت، گزارش جدیدی منتشر کرده است. بر اساس این گزارش، Claude Code و سایر ابزارهای توسعه‌یافته بر پایه مدل‌های Anthropic همچنان پرکاربردترین گزینه‌ها هستند و نزدیک به یک‌سوم از کل تغییرات کد ارسال‌شده برای بررسی را به خود اختصاص داده‌اند. مهم‌تر اینکه هزینه‌کرد شرکت‌ها برای این ابزارها از ابتدای سال تاکنون ۱۰ برابر شده و سهم هزینه آن‌ها به حدود ۲ درصد از کل هزینه‌های مهندسی رسیده است.

نیکلاس آرکولانو، دانشمند ارشد شرکت Jellyfish، در این باره می‌گوید: «حتی اگر بگویید ۲ درصد رقم ناچیزی به نظر می‌رسد، این رشد ۱۰ برابری چیزی است که اغلب مدیران مالی برای آن برنامه‌ریزی نکرده بودند. ما قطعاً به نقطه‌ای رسیده‌ایم که همه متوجه شده‌اند صرفاً هزینه کردن کافی نیست؛ بلکه اکنون باید این ابزارها را بهینه‌سازی کرد و بازدهی واقعی گرفت.»

گزارش‌های تحلیلی جدید Anthropic پاسخی به همین چالش اساسی است. هرچند Anthropic جایگاه پیشتازی را در میان مشتریان سازمانی حفظ کرده، اما شناسایی دقیق عواملی که باعث ماندگاری یک ابزار کدنویسی مبتنی بر ایجنت می‌شود، پیچیده است. انتشار مدل Astra توسط OpenAI در تابستان امسال تهدیدی احتمالی برای Anthropic به نظر می‌رسید، اما تا کنون نتوانسته است روند روبه‌رشد پذیرش محصولات این شرکت را کُند کند.

نیکولاس آلباران، مدیر محصول هوش مصنوعی در Jellyfish، در این زمینه توضیح می‌دهد: «مدت زیادی طول کشید تا شاهد جهش واقعی Codex در داده‌هایمان باشیم و این اتفاق همراه با معرفی مدل Astra، تازه‌ترین مدل OpenAI، رخ داد.» او می‌افزاید با نگاه به شبکه اجتماعی X، ممکن است چنین برداشت شود که رقابت بسیار داغ‌تر است و همه در سیلیکون‌ولی مدعی هستند Codex برتری دارد. اما آلباران ادامه می‌دهد: «در دنیای واقعی، Anthropic با رویکرد سازمانی قدرتمند خود حضور داشت و از جایگاه مستحکم خود بهره می‌برد؛ این ابزارها کار می‌کردند و عملکرد درخشانی داشتند و افراد زیادی برای استانداردسازی روندهای کاری خود بر پایه آن‌ها تلاش فراوانی کرده بودند. بنابراین انگیزه و دلیل کافی برای مهاجرت به ابزاری دیگر وجود ندارد.»

موضوع فقط به مدل‌ها و روندهای کاری محدود نمی‌شود. واقعیت‌های دنیای کسب‌وکار نشان می‌دهد زمانی که یک آزمایشگاه هوش مصنوعی پیشرو جای پای خود را در یک شرکت محکم می‌کند، تغییر سرویس‌دهنده برای سازمان‌ها بسیار دشوارتر از یک برنامه‌نویس مستقل یا تیمی کوچک خواهد بود. آلباران به سرمایه‌گذاری سنگین آزمایشگاه‌های بزرگ هوش مصنوعی روی تیم‌های مهندسی مستقر در سازمان (Forward-Deployed Engineering یا FDE) اشاره می‌کند؛ تیم‌هایی متشکل از مشاوران هوش مصنوعی که درون ساختار مشتری مستقر می‌شوند تا به راه‌اندازی پروژه‌ها کمک کنند. این ابزارهای گزارش‌دهی جدید را می‌توان نسخه‌ای سبک‌تر از خدمات FDE دانست که بدون نیاز به حضور فیزیکی مشاوران، کمکی عملی و مؤثر به مشتریان Anthropic ارائه می‌دهد.

او در پایان می‌گوید: «اکنون به مرحله‌ای از بلوغ رسیده‌ایم که پس از پیاده‌سازی و سرمایه‌گذاری روی یک سیستم، مهاجرت به سامانه‌ای دیگر مدام سخت‌تر می‌شود، زیرا زمان و هزینه زیادی صرف تطبیق با آن کرده‌اید. حتی اگر بیشتر ابزارها شبیه به هم باشند، تفاوت‌های جزیی خاصی دارند، مانند شیوه مدیریت فایل‌های agent.md و موارد دیگر، و همین موضوع باعث می‌شود هزینه تغییر سرویس‌دهنده هرگز صفر نباشد.»