آنتروپیک ابزارهایی برای شرکت‌ها معرفی کرد تا بازده سرمایه‌گذاری در هوش مصنوعی را بسنجند

گزارش‌های مالی آنتروپیک که این هفته در اختیار سرمایه‌گذاران قرار گرفت، نشان می‌دهد ابزار برنامه‌نویسی هوش مصنوعی این شرکت، کلود کد، به موفقیتی تجاری دست یافته که این آزمایشگاه پیشرو هوش مصنوعی به‌دنبال آن بود.

آنتروپیک در سه‌ماهه دوم به سود عملیاتی رسید و نرخ حفظ درآمد خالص آن به ۹۰۰ درصد افزایش یافت؛ به این معنا که هزینه‌کرد مشتریان ثابت شرکت در سه‌ماهه سوم سال ۲۰۲۶، نسبت به سه‌ماهه سوم سال ۲۰۲۵ به ۹ برابر رسید.

آنتروپیک تمرکز ویژه‌ای بر حفظ مشتریان سازمانی داشته و روز چهارشنبه مجموعه ابزارهای گزارش‌دهی جدیدی معرفی کرد که به این مشتریان امکان می‌دهد ارزش دریافتی در برابر هزینه مصرف توکن‌ها را با جزئیات بیشتری ارزیابی کنند.

مدیران با استفاده از تحلیل‌های داخلی و نظرسنجی از کارکنان می‌توانند فعالیت یک تیم را در بازه زمانی مشخص بررسی کنند، میزان خروجی آن را ببینند، هزینه‌های انجام کار را بسنجند و نقاط ضعف یا اختلال در گردش کار را شناسایی کنند. آنتروپیک اعلام کرده که به‌صورت پیش‌فرض از این داده‌ها برای آموزش مدل‌های هوش مصنوعی استفاده نخواهد کرد. این گزارش‌ها همچنین پیشنهادهایی برای بهبود نتایج ارائه می‌دهند.

این اقدام تلاشی آشکار برای اثبات بازگشت سرمایه ابزارهای آنتروپیک و ارائه راهکارهایی به مشتریان برای افزایش بهره‌وری آن‌ها محسوب می‌شود؛ موضوعی که برای شرکت‌های بزرگ اهمیت زیادی دارد. آنتروپیک همچنین در حال ایجاد بودجه‌های گروهی مشترک است تا تیم‌ها بتوانند هزینه مصرف توکن‌ها را بهتر مدیریت کنند.

کسب‌وکارها در تلاش‌اند اطلاعاتی از این دست به دست آورند تا بهترین روش استفاده از ابزارهای هوش مصنوعی را پیدا کنند. اگرچه شرکت‌های مورد حمایت سرمایه‌گذاران خطرپذیر سهم قابل‌توجهی در افزایش هزینه مصرف توکن‌ها دارند، بیشتر شرکت‌های حاضر در فهرست فورچون ۵۰۰ هنوز از به‌کارگیری هوش مصنوعی دستاوردهای چشمگیری به دست نیاورده‌اند.

شرکت Jellyfish که ابزارهای توسعه نرم‌افزار تولید می‌کند، روز گذشته گزارش جدیدی منتشر کرد که بر اساس استفاده ۲۷۶ هزار نفر از مشتریانش از ابزارهای برنامه‌نویسی عامل‌محور تهیه شده است. طبق این بررسی، کلود کد و سایر ابزارهای مبتنی بر مدل‌های آنتروپیک همچنان بیشترین میزان استفاده را دارند و تقریباً مسئول یک‌سوم تمام تغییرات پیشنهادی کد هستند که برای بررسی ارسال می‌شوند. نکته مهم‌تر اینکه هزینه‌کرد برای این ابزارها از ابتدای سال تاکنون ۱۰ برابر شده و اکنون معادل حدود ۲ درصد از کل هزینه‌های مهندسی است.

نیکلاس آرکولانو، دانشمند ارشد Jellyfish، در گفت‌وگو با تک‌کرانچ گفت

حتی اگر بگویید ۲ درصد هنوز رقم کوچکی است، باید توجه کنید که این رشد ۱۰ برابری چیزی نیست که بیشتر مدیران ارشد مالی از قبل برای آن برنامه‌ریزی کرده باشند. قطعاً به نقطه‌ای رسیده‌ایم که شرکت‌ها متوجه می‌شوند صرفاً هزینه‌کردن مبالغ هنگفت کافی نیست. اکنون باید هزینه‌ها را بهینه‌سازی کرد و مطمئن شد که این سرمایه‌گذاری واقعاً نتیجه می‌دهد.

گزارش‌های جدید آنتروپیک مستقیماً به همین چالش می‌پردازند. این شرکت در میان مشتریان سازمانی جایگاه قدرتمندی دارد، اما شناسایی عواملی که باعث می‌شوند مشتریان به یک ابزار برنامه‌نویسی عامل‌محور وفادار بمانند، کار ساده‌ای نیست. عرضه مدل آسترا از سوی اوپن‌ای‌آی در تابستان امسال تهدیدی بالقوه برای آنتروپیک به نظر می‌رسید، اما تاکنون تأثیر محسوسی بر روند پذیرش ابزارهای این شرکت نگذاشته است.

نیکولاس آلباران، مسئول محصولات هوش مصنوعی در Jellyfish، در گفت‌وگو با تک‌کرانچ گفت

مدت زیادی طول کشید تا ابزار کودکس در داده‌های ما واقعاً مورد توجه قرار بگیرد و با عرضه آسترا، جدیدترین مدل اوپن‌ای‌آی، میزان استفاده از آن افزایش یافته است.

او در ادامه با اشاره به فضای شبکه اجتماعی ایکس توضیح داد که دنبال کردن بحث‌های این پلتفرم ممکن است این تصور را ایجاد کند که رقابت میان شرکت‌ها بسیار شدیدتر از واقعیت است. آلباران گفت

اگر به ایکس نگاه کنید، به‌وضوح این برداشت را خواهید داشت که رقابت بسیار داغ شده است. همه در سیلیکون‌ولی می‌گویند کودکس بهتر است.

او در ادامه تأکید کرد

در واقعیت، آنتروپیک از همان ابتدا با راهبردهای سازمانی قدرتمندی در بازار حضور داشت و از جایگاه تثبیت‌شده خودش نیز بهره می‌برد. ابزارهای این شرکت به‌خوبی کار می‌کردند و بسیاری از مشتریان تلاش زیادی برای استانداردسازی گردش کار خود بر اساس آن‌ها انجام داده بودند. بنابراین، دلیل به‌اندازه کافی بزرگی برای تغییر ابزار وجود ندارد.

موضوع فقط به مدل‌ها و گردش کار محدود نمی‌شود. واقعیت‌های دنیای کسب‌وکار باعث می‌شوند زمانی که یک آزمایشگاه پیشرو هوش مصنوعی جایگاه خود را در یک شرکت تثبیت می‌کند، تغییر ارائه‌دهنده برای آن سازمان دشوارتر از یک برنامه‌نویس مستقل یا مجموعه‌ای کوچک باشد. آلباران به سرمایه‌گذاری گسترده آزمایشگاه‌های بزرگ هوش مصنوعی در سازمان‌های مهندسی مستقر در محل مشتری، موسوم به FDE، اشاره می‌کند.

این تیم‌ها مشاوران هوش مصنوعی را در سازمان مشتری مستقر می‌کنند تا به راه‌اندازی و پیاده‌سازی ابزارها کمک کنند. ابزارهای گزارش‌دهی جدید آنتروپیک را می‌توان نسخه‌ای سبک‌تر از همین خدمات دانست که بدون نیاز به سطح مشابهی از پشتیبانی حضوری، به مشتریان کمک می‌کنند عملکرد خود را بهبود دهند. آلباران گفت

اکنون به مرحله‌ای رسیده‌ایم که این فناوری به‌اندازه کافی بالغ شده است. وقتی وارد یک مجموعه شوید و برای پیاده‌سازی آن وقت و انرژی صرف کنید، تغییر ابزار به‌تدریج دشوارتر خواهد شد. حتی اگر همه این ابزارها تا حد زیادی شبیه یکدیگر باشند، باز هم تفاوت‌های جزئی و ویژگی‌های خاص خودشان را دارند؛ برای مثال، نحوه برخورد آن‌ها با فایل‌های agent.md می‌تواند متفاوت باشد. بنابراین، هزینه تغییر ابزار هرگز صفر نیست.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.