Anthropic запустила систему моніторінга витрат на ШІ для різних компаній

Anthropic анонсувала новий набір інструментів звітності, розроблених, щоб дати цим клієнтам глибше розуміння цінності, яку вони отримують від витрат на токени.

Використовуючи внутрішню аналітику та опитування співробітників, менеджери можуть переглядати роботу команди за певний діапазон дат, що команда створила, скільки це коштувало та де відбувалися збої в її робочих процесах. Anthropic заявляє, що за замовчуванням не використовуватиме ці дані для навчання моделей. Звіти також пропонуватимуть рекомендації щодо покращення результатів.

Це явна спроба продемонструвати окупність інвестицій в інструменти Anthropic та показати клієнтам, як її покращити — що є головною проблемою серед великих клієнтів. Anthropic також створює об’єднані групові бюджети, щоб дозволити командам краще керувати витратами токенів.

Бізнеси шукають таку інформацію, щоб зрозуміти, як найкраще впроваджувати інструменти штучного інтелекту. Хоча використання серед венчурних компаній стимулює витрати на токени, більшість компаній зі списку Fortune 500 не бачать значних переваг від впровадження штучного інтелекту.

Jellyfish, компанія, що створює інструменти для розробників програмного забезпечення, вчора опублікувала новий звіт , заснований на використанні інструментів агентного кодування 276 000 її клієнтів. Claude Code та інші інструменти, побудовані на антропних моделях, залишаються найбільш широко використовуваними в опитуванні, відповідальними майже за третину всіх запропонованих змін коду, поданих на розгляд. Що ще важливіше, витрати на ці інструменти зросли в 10 разів з початку року, а їхня вартість зараз дорівнює приблизно 2% від загальних витрат на розробку.

«Навіть якщо ви кажете, що 2% – це все ще мало, це 10-кратне зростання – це зростання, яке більшість фінансових директорів не планували», – сказав TechCrunch Ніколас Арколано, головний науковий співробітник Jellyfish. Ми точно доходимо до того моменту, коли люди усвідомлюють, що недостатньо просто витратити купу грошей. Тепер потрібно оптимізувати це, змусити це працювати».

Нові звіти Anthropic стосуються цієї проблеми. Anthropic лідирує серед корпоративних клієнтів, але що робить інструмент агентного кодування справді «застійним», важко визначити. Випуск моделі Astra від OpenAI цього літа здавався потенційною загрозою для Anthropic, але поки що це не уповільнило темпи впровадження Anthropic.

«Нам знадобилося багато часу, щоб Codex по-справжньому з'явився в наших даних, і це сталося з Astra [найновішою моделлю OpenAI]», – сказав TechCrunch Ніколас Альбарран, керівник відділу штучного інтелекту в Jellyfish. Дивлячись на X, продовжив він, складається чітке враження, що конкуренція більш запекла. «Усі в Долині думають: «О, Codex кращий»». Насправді, продовжив Альбарран, «Anthropic просто мав чудові корпоративні рішення, і у них була власна вагома роль — ця штука просто працювала і працювала добре, і багато людей просто доклали багато зусиль для стандартизації робочих процесів навколо неї. І немає достатньо вагомих причин для переходу».

Це також не лише питання моделей та робочих процесів. Реалії бізнесу означають, що як тільки передова лабораторія завоює клієнта, перехід до неї стає складнішим, ніж у випадку з окремим програмістом чи невеликою організацією. Альбарран вказує на інвестиції, які всі великі лабораторії штучного інтелекту роблять у організації з розгортанням інженерії (FDE) – команди, які залучають консультантів зі штучного інтелекту до організацій клієнтів, щоб допомогти їм розпочати роботу. Ці нові інструменти звітності можна розглядати як своєрідну FDE-lite, спрощену версію цієї практичної допомоги, для клієнтів Anthropic.

«Ми зараз на тому етапі, коли це достатньо зріло, і щойно ви вже ввійшли в систему, переходити на неї буде дедалі важче, бо ви вже доклали зусиль», – сказав він. «Навіть якщо всі вони здебільшого однакові, всі вони будуть дещо відрізнятися, матимуть свої невеликі особливості обробки файлів agent.md тощо, тому вартість переходу не буде нульовою».