صورت‌های مالی‌ای که Anthropic این هفته در اختیار سرمایه‌گذاران گذاشت، نشان می‌دهد ابزار کدنویسی هوش مصنوعی این شرکت، Claude Code، دقیقاً همان موفقیت تجاری‌ای را به دست آورده که این آزمایشگاه پیشرو در پی آن بود. این شرکت در سه‌ماهه دوم به سود عملیاتی رسید و نرخ حفظ درآمد خالص آن ۹۰۰ درصد بود؛ یعنی هزینه‌کرد همان مشتریان در سه‌ماهه سوم ۲۰۲۶، در مقایسه با سه‌ماهه سوم ۲۰۲۵، ۹ برابر شده است.

Anthropic بر ماندگار کردن کاربران سازمانی تمرکز کرده و روز چهارشنبه از مجموعه‌ای تازه از ابزارهای گزارش‌دهی رونمایی کرد که برای ارائه تصویری دقیق‌تر از ارزشی طراحی شده‌اند که این مشتریان در ازای هزینه‌کرد توکن‌هایشان دریافت می‌کنند.

مدیران می‌توانند با استفاده از تحلیل‌های داخلی و نظرسنجی از کارکنان، فعالیت‌های یک تیم را در بازه زمانی مشخص، خروجی آن، هزینه‌ها و نقاط اختلال در روندهای کاری‌اش بررسی کنند. Anthropic می‌گوید این داده‌ها به‌طور پیش‌فرض برای آموزش مدل‌ها استفاده نمی‌شوند. این گزارش‌ها همچنین پیشنهادهایی برای بهبود نتایج ارائه می‌کنند.

این اقدام تلاشی آشکار برای نشان دادن بازده سرمایه‌گذاری در ابزارهای Anthropic و کمک به مشتریان برای بهبود آن است؛ موضوعی که برای مشتریان بزرگ اهمیت زیادی دارد. Anthropic همچنین در حال ایجاد بودجه‌های مشترک گروهی است تا تیم‌ها بتوانند هزینه‌کرد توکن‌ها را بهتر مدیریت کنند.

شرکت‌ها در تلاش‌اند تا با بررسی این اطلاعات، بهترین روش به‌کارگیری ابزارهای هوش مصنوعی را پیدا کنند. در حالی که استفاده شرکت‌های تحت حمایت سرمایه‌گذاران خطرپذیر، هزینه‌کرد توکن‌ها را افزایش می‌دهد، بیشتر شرکت‌های فهرست Fortune 500 از به‌کارگیری هوش مصنوعی دستاورد چشمگیری نداشته‌اند.

Jellyfish، شرکتی که ابزارهایی برای توسعه‌دهندگان نرم‌افزار می‌سازد، روز گذشته گزارشی تازه منتشر کرد که بر اساس استفاده ۲۷۶ هزار نفر از مشتریانش از ابزارهای کدنویسی agentic تهیه شده است. Claude Code و دیگر ابزارهای مبتنی بر مدل‌های Anthropic همچنان در این نظرسنجی پرکاربردترین ابزارها هستند و نزدیک به یک‌سوم تغییرات کد پیشنهادیِ ارسال‌شده برای بازبینی را به خود اختصاص می‌دهند. مهم‌تر از آن، هزینه‌کرد برای این ابزارها از ابتدای سال ۱۰ برابر شده و اکنون هزینه آن‌ها معادل حدود ۲ درصد از کل هزینه‌های مهندسی است.

نیکلاس آرکولانو، دانشمند ارشد Jellyfish، به TechCrunch گفت: «حتی اگر بگویید ۲ درصد هنوز رقم کمی است، رشد ۱۰ برابری هزینه‌ای است که بیشتر مدیران مالی برایش برنامه‌ریزی نکرده بودند.» او افزود: «قطعاً به نقطه‌ای رسیده‌ایم که مردم می‌فهمند صرفاً هزینه‌کردن زیاد کافی نیست؛ حالا باید هزینه‌ها را بهینه کرد و کاری کرد که نتیجه‌بخش باشند.»

گزارش‌های تازه Anthropic به همین چالش می‌پردازند. Anthropic در میان مشتریان سازمانی پیشتاز است، اما تشخیص اینکه چه چیزی یک ابزار کدنویسی agentic را واقعاً به گزینه‌ای ماندگار تبدیل می‌کند، دشوار است. عرضه مدل Astra از سوی OpenAI در تابستان امسال تهدیدی بالقوه برای Anthropic به نظر می‌رسید، اما تا اینجا از رشد استفاده از ابزارهای Anthropic نکاسته است.

نیکولاس آلباران، مدیر محصول هوش مصنوعی در Jellyfish، به TechCrunch گفت: «مدت زیادی طول کشید تا اصلاً شاهد رشد چشمگیر Codex در داده‌هایمان باشیم؛ اما با عرضه Astra [جدیدترین مدل OpenAI] استفاده از آن افزایش پیدا کرد.» او ادامه داد که با نگاهی به X، این تصور به‌وضوح شکل می‌گیرد که رقابت داغ‌تر شده است: «همه در دره سیلیکون می‌گویند: «اوه، Codex بهتر است.»» با این حال، آلباران ادامه داد: «Anthropic با محصولات سازمانی قدرتمندش از قبل حضور داشت و جایگاه تثبیت‌شده‌ای هم برای خودش پیدا کرده بود؛ این ابزارها کار می‌کردند و خوب هم کار می‌کردند و خیلی‌ها تلاش زیادی کرده بودند تا روندهای کاری‌شان را بر پایه آن‌ها استاندارد کنند. دلیل کافی برای تغییر هم وجود ندارد.»

موضوع فقط مدل‌ها و روندهای کاری نیست. واقعیت‌های کسب‌وکار باعث می‌شوند وقتی یک آزمایشگاه پیشرو پایش را به یک شرکت باز کرد، تغییر ابزار برای آن شرکت دشوارتر از برنامه‌نویس مستقل یا سازمان کوچک باشد. آلباران به سرمایه‌گذاری همه آزمایشگاه‌های بزرگ هوش مصنوعی در سازمان‌های مهندسی مستقر در محل مشتری (FDE) اشاره می‌کند؛ تیم‌هایی که مشاوران هوش مصنوعی را در سازمان‌های مشتری مستقر می‌کنند تا به راه‌اندازی کار کمک کنند. ابزارهای گزارش‌دهی تازه Anthropic را می‌توان نسخه‌ای سبک‌تر از این نوع پشتیبانی حضوری دانست؛ چیزی شبیه FDE-lite برای مشتریان Anthropic.

او گفت: «حالا به نقطه‌ای رسیده‌ایم که این ابزارها به‌اندازه کافی پخته‌اند و وقتی وارد یک سامانه شدید، تغییر آن سخت‌تر و سخت‌تر می‌شود، چون برایش وقت و تلاش صرف کرده‌اید. حتی اگر ابزارها در مجموع تقریباً یکسان باشند، باز هم تفاوت‌های جزئی و ویژگی‌های خاص خودشان را دارند؛ مثلاً در نحوه مدیریت agentها یا ND files و مواردی از این دست. بنابراین، هزینه تغییر صفر نیست.»