پیشتازی مقتدرانه اوپنایآی در بازار ایجنتها؛ پلتفرم OpenAI دو برابر آنتروپیک مشتری سازمانی دارد!
نتایج یک پیمایش صنعتی نشان میدهد که پلتفرم هماهنگی ایجنتهای هوش مصنوعی OpenAI، با اختلافی دو برابری نسبت به آنتروپیک، انتخاب اول شرکتهاست. این در حالی است که رقابت در بازار ایجنتها داغتر شده و تعویض مدلها در اپلیکیشنهای عملیاتی نیز دردسرهای فنی بزرگی برای مهندسان رقم میزند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- پلتفرمهای مدیریت و ارکستراسیون ایجنتهای اوپنایآی با سهم ۴۳ درصدی، با اختلاف دو برابری نسبت به آنتروپیک (۲۲ درصد) و گوگل (۲۱ درصد) انتخاب اول سازمانها هستند.
- اگرچه استارتاپ آنتروپیک در فروش اشتراکها از طریق کارتهای اعتباری استارتاپی پیشتاز است، اما شرکتهای بزرگ برای اجرای ایجنتها در محیط عملیاتی، همچنان به اوپنایآی و گوگل اعتماد بیشتری دارند.
- تعویض مدلهای هوش مصنوعی در اپلیکیشنهای فعال برای مهندسان بسیار پرهزینه است؛ نزدیک به ۶۰ درصد شرکتهایی که دست به این تغییر زدهاند، با افت کارایی روبهرو شده و ناچار به بازنویسی نرمافزار شدهاند.
بر اساس نتایج یک پیمایش معتبر صنعتی در حوزه هماهنگی و ارکستراسیون ایجنتها (Agent Orchestration) در سپتامبر ۲۰۲۶، پلتفرم ایجنتهای اوپنایآی (OpenAI) دو برابر بیشتر از رقیب سرسخت خود، یعنی آنتروپیک (Anthropic)، توسط شرکتها استفاده میشود. اوپنایآی در حالی این برتری قاطع را حفظ کرده که آنتروپیک در برخی شاخصهای کلیدی دیگر عملکرد درخشانی دارد؛ برای نمونه، شرکت مدیریت هزینهها و کارتهای اعتباری سازمانی رمپ (Ramp) گزارش داده که در حال حاضر کسبوکارهای بیشتری برای خدمات آنتروپیک نسبت به اوپنایآی پول پرداخت میکنند.
پلتفرم ارکستراسیون یا هماهنگی ایجنت، نرمافزاری است که وظایف را به ایجنتهای هوش مصنوعی محول میکند، ابزارهای مختلف را فرا میخواند و دسترسی ایجنتها را در چارچوب مجوزهای تعیینشده مدیریت میکند. در میان شرکتهایی که از چنین پلتفرمی بهره میبرند، ۴۳ درصد اعلام کردهاند که از ابزارهای اوپنایآی استفاده میکنند؛ رقمی که برای آنتروپیک ۲۲ درصد و برای گوگل ۲۱ درصد است. در این نظرسنجی محصولات مشخصی نام برده شدهاند: ابزارهای Agents SDK و Responses API از اوپنایآی، پلتفرمهای Claude Agent SDK و Managed Agents از آنتروپیک، و در نهایت پلتفرم سازمانی ایجنتهای گوگل (Google’s Enterprise Agent Platform).

در بخش دیگری از این پژوهش، از شرکتها خواسته شد تا پلتفرم اصلی خود برای مدیریت ایجنتها را مشخص کنند. از میان کسبوکارهایی که از این سامانهها استفاده میکنند، ۲۵ درصد اوپنایآی، ۱۸ درصد گوگل و ۱۶ درصد آنتروپیک را به عنوان پلتفرم محوری و اصلی خود انتخاب کردند. بقیه شرکتها نیز به سراغ گزینههایی همچون Agentforce از سلزفورس، Copilot Studio مایکروسافت، Amazon Bedrock و فریمورکهای متنباز محبوبی مانند LangChain رفتهاند.
در نظرسنجی دوم ماه سپتامبر که روی زیرساختها و توان پردازشی هوش مصنوعی تمرکز داشت، مشخص شد که شرکتها برای اجرای هوش مصنوعی در محیط عملیاتی (Production) به کدام ارائهدهندگان ابری و مدلهای پایه تکیه میکنند. در بخش خدمات ابری، ۵۱ درصد پاسخدهندگان از گوگل کلاد (Google Cloud)، ۳۶ درصد از مایکروسافت آژور (Microsoft Azure) و ۲۳ درصد از وبسرویسهای آمازون (AWS) استفاده میکنند. اما در بخش مدلهای زبانی، ۴۱ درصد به سراغ مدلهای اوپنایآی، ۳۹ درصد به سراغ جمینای (Gemini) گوگل و ۱۵ درصد به سراغ مدلهای آنتروپیک رفتهاند.
وقتی از سازمانها پرسیده شد که کدام ارائهدهنده، بازیگر اصلی آنها در محیط عملیاتی به شمار میرود، ۳۲ درصد نام گوگل کلاد یا جمینای را آوردند و ۲۲ درصد به اوپنایآی اشاره کردند؛ در حالی که سهم آنتروپیک تنها ۶ درصد بود. البته این نکته مهم را نباید فراموش کرد که برخی شرکتها مدلهای اوپنایآی را از طریق مایکروسافت آژور اجرا میکنند یا مدلهای کلود (Claude) آنتروپیک را روی زیرساخت آمازون یا گوگل به کار میگیرند و ممکن است در پاسخهای خود، نام ارائهدهنده ابری را ثبت کرده باشند.
گوگل برای ایجاد حق انتخاب بیشتر برای مشتریان، هم سرویس ابری عظیم خود و هم مدلهای پیشرویش را همزمان عرضه میکند. اگر استفاده از هر کدام از این دو سرویس را حساب کنیم، ۶۸ درصد پاسخدهندگان از گوگل کلاد یا جمینای استفاده میکنند؛ رقمی که در برابر ۶۲ درصدِ ائتلاف مایکروسافت آژور و اوپنایآی قرار میگیرد.
فروشگاه زنجیرهای بزرگ هوم دیپو (Home Depot) نمونه درخشانی از شرکتی است که با وجود تکیه اصلی بر گوگل، همچنان از مدلهای سایر رقبای سرشناس نیز بهره میبرد. انجی براون (Angie Brown)، نایبرئیس ارشد و مدیر ارشد فناوری اطلاعات هوم دیپو، در گفتوگویی در پادکست فراتر از پایلوت (Beyond the Pilot) توضیح داد: «ما تا حد زیادی مشتری گوگل هستیم و از کیت توسعه ایجنت گوگل یعنی ADK در بخشهای متعددی استفاده میکنیم.» نرمافزار ADK همان Agent Development Kit گوگل برای ساخت ایجنتهای هوش مصنوعی است. براون اشاره کرد که بخش اعظم دادههای هوم دیپو در انبار داده BigQuery گوگل نگهداری میشود. با این حال، به گفته براون، هوم دیپو از مدلهای اوپنایآی روی بستر مایکروسافت آژور برای داوری و سنجش نتایج مدلهای گوگل استفاده میکند؛ علاوه بر این، آنها مدل کلود (Claude) آنتروپیک را برای برنامهنویسی و کدنویسی به کار میگیرند و سپس از مدلهای اوپنایآی برای بررسی و بازبینی همان کدها کمک میگیرند. او در جمعبندی میگوید: «بنابراین نمیتوان گفت ما فقط و فقط به گوگل وابسته هستیم.»
از سوی دیگر، شرکت آنتروپیک که در ژوئن اعلام کرده بود بیسروصدا درخواست عرضه اولیه سهام (IPO) خود را ثبت کرده است، به گزارش بلومبرگ، قصد دارد روز چهارشنبه در مقر خود در سانفرانسیسکو میزبان جمعی از سرمایهگذاران نهادی منتخب در قالب یک نشست پیش از عرضه عمومی باشد. همچنین شرکت رمپ (Ramp) که پرداختهای کسبوکارهای آمریکایی را در پلتفرم خود رصد میکند، در گزارش ۹ سپتامبر خود اعلام کرد که ۴۳٫۸ درصد از کسبوکارها برای خرید اشتراک یا توکن به آنتروپیک پول پرداخت کردهاند، در حالی که این رقم برای اوپنایآی ۳۹٫۸ درصد بوده است.
البته باید توجه داشت که دادههای رمپ به سمت مشتریان خاص خودش متمایل است؛ مشتریانی که معمولاً نسبت به میانگین بازار، شرکتهای پیشروتر در فناوری به حساب میآیند. آمار رمپ صرفاً کسبوکارهایی را در بر میگیرد که از کارتها و نرمافزارهای همین شرکت استفاده میکنند. علاوه بر این، در سیستم رمپ هر کسبوکار فقط یک بار شمرده میشود؛ یعنی یک استارتاپ کوچک ۵۰ نفره وزنی برابر با یک شرکت غولپیکر ۵۰ هزار نفره دارد! و از آنجا که تعداد شرکتهای کوچک بسیار بیشتر از ابرشرکتهاست، تأثیر آنها در آمارهای رمپ به مراتب سنگینتر است.
در واقع رمپ و نظرسنجیهای سازمانی، دو متغیر کاملاً متفاوت را در جامعههای آماری مختلف میسنجند. رمپ بررسی میکند چه تعداد از کسبوکارهای حاضر در پلتفرمش به هر کمپانی پول دادهاند؛ در حالی که این نظرسنجی سازمانی مستقیماً از متخصصان حاضر در شرکتهای بالای ۱۰۰ کارمند و مشاوران ارشد آنها پرسیده که از کدام پلتفرمهای ارکستراسیون ایجنت استفاده میکنند و بار پردازشی هوش مصنوعی خود در محیط عملیاتی را به دوش چه کسانی میاندازند. کاملاً طبیعی است که یک کسبوکار برای اشتراکهای کلود آنتروپیک و API آن جهت ابزارهای برنامهنویسی هزینه کند، اما ایجنتهای اصلی سازمانی خود را روی پلتفرم اوپنایآی به حرکت درآورد.
مقایسه درآمد میان اوپنایآی و آنتروپیک نیز کاملاً به نحوه محاسبه ارقام بستگی دارد. به گزارش پایگاه اکسیوس (Axios)، درآمد سالانه اوپنایآی حدود ۵۰ میلیارد دلار برآورد میشود که تقریباً ۲۰ میلیارد دلار کمتر از رقم ۷۰ میلیارد دلاری است که در گزارشهای ماه سپتامبر سروصدای زیادی به پا کرده بود. آن رقم ۷۰ میلیاردی، فروش اوپنایآی از طریق شرکای ابری را هم محاسبه کرده بود؛ یعنی دقیقاً همان روشی که آنتروپیک برای ارائه آمار درآمدهای خود به کار میبرد. به گزارش شبکه سیانان (CNN)، انتشار رقم پایینتر درآمدها باعث افت سهام شرکتهای فناوری در ۸ اکتبر شد. البته در این مجموعه نظرسنجیها پرسشی پیرامون درآمد یا برنامه IPO آنتروپیک مطرح نشده بود.
پلتفرم آنتروپیک در فهرست خرید شرکتها پا به پای اوپنایآی پیش میرود
از شرکتهایی که قصد دارند طی ۱۲ ماه آینده یک پلتفرم ارکستراسیون ایجنت جدید، تکمیلی یا جایگزین را به خدمت بگیرند، پرسیده شد که کدام گزینهها را زیر نظر دارند (با امکان انتخاب چند گزینه). از بین ۶۱ شرکتی که حداقل یک نام را ذکر کردند، ۳۳ درصد به آنتروپیک، ۳۰ درصد به اوپنایآی و ۲۵ درصد به گوگل اشاره کردند.
بنابراین، پلتفرم آنتروپیک در فهرست بررسی و خرید شرکتها تقریباً به همان اندازه اوپنایآی دیده میشود.
نکته جالب اینکه ۶۰ درصد از شرکتهایی که پلتفرم هماهنگی ایجنتهای آنتروپیک را زیر نظر دارند، در حال حاضر کاربر این شرکت نیستند و این نشاندهنده پتانسیل بالای رشد آن است.
تغییر مدل هوش مصنوعی در اپلیکیشنهای فعال؛ دردسری بزرگ برای مهندسان
کسبوکارهای حاضر در پلتفرم رمپ بیش از هر زمان دیگری در حال تعویض ارائهدهندگان مدلهای هوش مصنوعی خود هستند. شرکت رمپ در گزارش ۶ اکتبر خود اعلام کرد که در طول سه ماه منتهی به سپتامبر، در هر ماه به طور میانگین ۸ درصد از شرکتها ارائهدهنده مدل خود را عوض کردهاند.
در این پیمایش پیرامون ارکستراسیون ایجنتها، موضوع مرتبط دیگری نیز به چالش کشیده شد: اینکه آیا شرکتها در یک سال گذشته مدل هوش مصنوعی درون یک اپلیکیشن عملیاتی و در حال اجرا را، بدون دست زدن به کلیت برنامه، تعویض کردهاند یا خیر؟ این جابهجایی میتواند به معنای مهاجرت به مدل شرکتی دیگر، یا ارتقا به مدلی تازهتر از همان ارائهدهنده قبلی باشد. نتایج نشان داد که ۶۲ درصد از شرکتهای مورد بررسی، دست به تعویض مدل در اپلیکیشن عملیاتی خود زدهاند. اما جالب است بدانید که ۵۹ درصد از همین شرکتها با افت محسوس کارایی مواجه شدند و مجبور شدند بخشهای زیادی از برنامه را از نو بازنویسی کنند یا در نهایت با ناامیدی به همان مدل قبلی بازگردند!
تنها ۱۹ درصد از شرکتهایی که مدل را عوض کردند گفتند این فرایند به کار مهندسی خاصی نیاز نداشت. در نقطه مقابل، برای ۷۵ درصد شرکتها این جابهجایی حداقل به چند روز کار مهندسی تمامعیار و سنگین کشیده شد یا حتی کار به جایی رسید که پیش از اتمام فرایند، ادامه مهاجرت را متوقف کردند.
انجی براون از شرکت هوم دیپو دلیل این هزینه و دردسر بالا را اینگونه توصیف میکند: «یکی از مهمترین چالشها، بازآموزی کانتکست و زمینهای است که با هر تغییر باید انجام شود؛ بنابراین در اینجا یک سطح چسبندگی قوی وجود دارد که دل کندن از مدل قبلی را بسیار سخت میکند.»
نکته قابل توجه دیگر این است که مشاوران برونسازمانی نرخ تعویض بسیار بالاتری را نسبت به تیمهای فنی درونسازمانی گزارش کردهاند. ۸۱ درصد از مشاوران اعلام کردند که مشتری اصلی آنها در سال گذشته دست به تغییر مدل زده است؛ در حالی که این رقم برای کارشناسان داخلی شرکتها ۵۱ درصد بود. بنابراین، گزارش مشاوران میانگین کلی ۶۲ درصد را بالاتر برده است.
تسلط اوپنایآی و گوگل بر سیستمهای بازیابی اطلاعات؛ ابزارهای مستقل در حاشیه قرار دارند
در سومین نظرسنجی ماه سپتامبر که به لایههای کانتکست ایجنتها اختصاص داشت، ۵۸ درصد از شرکتهایی که سیستمهای بازیابی اطلاعات (Retrieval) را در محیط عملیاتی اجرا میکنند، اعلام کردند که از ابزار بازیابی اوپنایآی بهره میبرند و ۵۰ درصد نیز از Vertex AI Search گوگل استفاده میکنند. این در حالی است که محبوبترین ابزارهای مستقل مثل پایگاه دادههای Pinecone و Elasticsearch هر کدام تنها بین ۱۲ تا ۱۴ درصد سهم دارند و در مجموع ۴۰ درصد شرکتها حداقل از یک ابزار مستقل کمک میگیرند.
این آمار و ارقام چه پیامی برای مدیران فنی و CTOها دارد؟
وقتی بیش از نیمی از شرکتها (۵۹ درصد) پس از جابهجایی یک مدل در برنامهای زنده ناچار به بازنویسی اپلیکیشن یا بازگشت به مدل اولیه شدهاند، پیام کاملاً واضح است: مدیران فنی و رهبران تیمها که قصد تعویض مدل هوش مصنوعی در یک اپلیکیشن فعال را دارند، باید حتماً هزینه و زمان بازنویسی را در بودجهبندی خود لحاظ کنند. این یعنی پرامپتها، ارتباط با ابزارها و ارزیابیهایی که برای مدل قدیمی ساخته شدهاند، باید از صفر مورد آزمایش و بازبینی دقیق قرار گیرند.
در پیمایشهای ماه آینده نیز همین پرسشها از گروههای جدیدی از فعالان صنعت پرسیده خواهد شد تا مشخص شود آیا برتری پررنگ اوپنایآی در بازار ارکستراسیون ایجنتها در جامعههای آماری جدید نیز تکرار میشود یا رقبایی مثل آنتروپیک فاصله را کمتر خواهند کرد.
درباره دادهها: در این پژوهش آماری، پنج پیمایش مستقل در سپتامبر ۲۰۲۶ به اجرا درآمد که سه مورد از آنها در این گزارش استناد شده است: پیمایش ارکستراسیون ایجنتها با ۱۰۹ پاسخدهنده واجد شرایط، پیمایش زیرساختها و محاسبات هوش مصنوعی با ۱۰۲ نفر، و پیمایش لایههای کانتکست ایجنتها با ۱۱۳ نفر. افراد واجد شرایط کسانی بودند که در سازمانهای با حداقل ۱۰۰ کارمند مشغول به کار بوده یا به عنوان مشاور اصلی به این سازمانها خدمترسانی میکردند.
هر نظرسنجی ماهانه تصویری از یک گروه مجزا از متخصصان و پنلهای پژوهشی است. نتایج بیانگر وضعیت این گروه آماری مشخص است و شاید برای همه شرکتها عمومیت نداشته باشد؛ هرچند پیشتازی اوپنایآی در استفاده از پلتفرمهای هماهنگی ایجنتها با اطمینان آماری ۹۵ درصد حتی در میان کارکنان درونسازمانی به اثبات رسیده است. از سوی دیگر، جامعه شرکتهایی که در حال ارزیابی پلتفرم آنتروپیک هستند نسبتاً کوچک و شامل ۲۰ شرکت بوده است.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

هوش مصنوعی بادیگارد حیات وحش میشود؛ ترفند جذاب استارتاپ Flox برای نجات حیوانات از ریل و فرودگاه
تصادف حیوانات وحشی با قطارها و هواپیماها سالانه صدها میلیون دلار خسارت به بار میآورد و جان گونههای ارزشمند را میگیرد. استارتاپ Flox با توسعه دستگاههای مجهز به هوش مصنوعی لبهای و بینایی ماشین، حیوانات را در لحظه شناسایی کرده و با شبیهسازی صداهای اختصاصی، آنها را بدون آسیب از زیرساختهای حیاتی دور میکند.

سرمایهگذاری ۲ میلیارد دلاری انویدیا در اروپا؛ جنسن هوانگ: «قاره سبز باید وارد مسابقه هوش مصنوعی بشه!»
جنسن هوانگ، مدیرعامل انویدیا، در جریان تور اروپایی خود از برنامه سرمایهگذاری ۲ میلیارد دلاری در حوزه هوش مصنوعی و تزریق سرمایه به ۴ استارتاپ فرانسوی پرده برداشت. او مدلهای متنباز را بهترین بخت اروپا برای جبران فاصله با آمریکا دانست و تأکید کرد که قاره سبز نباید از این ماراتن جهانی جا بماند.

فناوری شگفتانگیز DLSS انویدیا دقیقاً چطور کار میکند؟ راهنمای کامل جادوی هوش مصنوعی در گیمینگ
فناوری DLSS انویدیا به یکی از مهمترین دلایل خرید کارتهای گرافیک سری RTX تبدیل شده؛ ابزاری هوشمند که با تکیه بر یادگیری عمیق، فریمریت بازیها را بهشدت بالا میبرد بدون اینکه شفافیت و کیفیت تصویر فدا شود. در این مقاله نگاهی جامع و کاربردی به نحوه عملکرد این فناوری، تفاوت حالتهای مختلف کیفیتی و مسیر تکامل قابلیتهای نوین آن از فریمجنریشن تا فیلترهای واقعگرایانه DLSS 5 انداختهایم.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.