Anthropic, Yapay Zekâ Harcamalarının Gerçekte Ne Sağladığını Gösteren Araçları Lansman Etti.

Anthropic‘in bu hafta yatırımcılarıyla paylaştığı finansal veriler, önde gelen laboratuvarın aradığı anlamda Claude Code adlı kodlama aracının tam bir ticari başarı olduğunu gösteriyor. Şirket, ikinci çeyrekte faaliyet karı kaydetti ve %900 net gelir sadakati elde etti — bu da, aynı müşterilerin üçüncü çeyrek 2025’teki harcamalarının üçüncü çeyrek 2026’da dokuz katına çıktığını ifade ediyor.

Anthropic, kurumsal kullanıcıların yanında kalmaya odaklandı ve çarşamba günü, bu müşterilere token harcamalarından aldıkları değeri daha detaylı anlamalarına yardımcı olacak yeni bir raporlama araç seti duyurdu.

Dahili analizler ve çalışan anketlerini kullanan yöneticiler, belirli bir tarih aralığında bir ekibin yaptığı işi, ekibin ürettiğini, bunun maliyetini ve iş akışlarının nerede kırıldığını görüntüleyebilir. Anthropic, bu verinin varsayılan olarak model eğitimi için kullanılmayacağını belirtiyor. Raporlar, sonuçların nasıl iyileştirileceğine dair öneriler de sunacak.

Bu, açıkça Anthropic’in araçlarının yatırım getirisini kanıtlamanın ve müşterilere bunu nasıl iyileştireceklerini göstermenin bir çabası — büyük müşteriler arasında yaygın bir endişe. Anthropic, aynı zamanda ekiplerin token harcamalarını daha iyi yönetmelerini sağlamak için ortak bütçeler de oluşturuyor.

İşletmeler, AI araçlarını en iyi nasıl seferber edeceklerini belirlerken bu tür bilgiler için uğraşıyor. Girişim sermayesi destekli şirketlerdeki kullanım token harcamalarını artırırken, Fortune 500 listesindeki şirketlerin çoğu AI seferber etmenin büyük getirilerini görmüyor.

Yazılım geliştiriciler için araçlar üreten Jellyfish, dün, 276.000 müşterisinin ajans kodlama araçlarını kullanımına dayalı yeni bir rapor yayımladı. Claude Code ve Anthropic modelleri üzerine kurulu diğer araçlar, anketde en yaygın kullanılan araçlar olarak kalmaya devam ediyor ve gönderilen önerilen kod değişikliklerinin neredeyse üçte birinden sorumlu. Daha da önemlisi, bu araçlara yapılan harcama yılın başından beri 10 katına çıktı ve maliyetleri artık toplam mühendislik maliyetinin yaklaşık %2’ye eşit.

“2% hala küçük deseğiniz bile, bu 10 katlık büyüme, çoğu CFO’nun planlamadığı bir büyüme” diyor Jellyfish’in baş bilim insanı Nicholas Arcolano, TechCrunch’a. “Yavaş yavaş ‘tamam, sadece bir sürü para harcamak yeterli değil, şimdi bunu optimize etmeniz, çalışır hale getirmeniz gerekiyor’ noktasına geliyoruz.”

Anthropic’in yeni raporları tam da bu zorluğa işaret ediyor. Anthropic, kurumsal müşteriler arasında önde geliyor; ancak bir ajan kodlama aracının gerçekten ‘yapışkan’ olmasını sağlayan şeyi belirlemek zor. Bu yaz OpenAI’nin yayınladığı Astra modeli, Anthropic için potansiyel bir tehdit gibi görünüyordu, ancak şu ana kadar Anthropic’in benimseme oranlarını yavaşlatmadı.

“Codex’in verilerimizde gerçekten patladığını görmemiz uzun sürdü ve bu sırada Astra [OpenAI’nin en yeni modeli] ortaya çıktı” diyor Jellyfish’in AI ürün lideri Nikolas Albarran, TechCrunch’a. X’e bakarsanız, rekabetin çok daha sert olduğu izlenimini edinirsiniz. “Vadideki herkes ‘Oh, Codex daha iyi’ diyor.” Aslında Albarran, “Anthropic sadece büyük kurumsal hamleleriyle oradaydı ve kendi statükoları ağırlığını taşıyordu — bu işler sadece çalıştı ve iyi çalıştı ve birçok kişi de etrafında iş akışlarını standartlaştırmak için büyük çaba harcadı. Ve değiştirmek için yeterli kadar bir sebep yok.”

Bu sadece model ve iş akışı meselesi değil. İşin gerçekleri, bir frontier laboratuvarı bir müşterinin içine yerleştikten sonra, switching’in, bireysel bir programcı veya küçük bir organizasyon için olduğundan daha zor olduğunu söylüyor. Albarran, tüm büyük AI laboratuvarlarının ileri konuşlandırılmış mühendislik (FDE) organizasyonlarına — AI danışmanlarını müşterilerin organizasyonlarının içine yerleştirerek onlara ayağa kalkmalarına yardımcı olan ekipler — yaptığı yatırıma işaret ediyor. Bu yeni raporlama araçları, Anthropic müşterileri için bu el ölümlü yardımın daha hafif bir versiyonu olarak, bir tür FDE-lite olarak görülebilir.

“Şu an, olgunlaşmanın sağlandığı bir noktadayız; bir kez sistemin içine girdiğinizde, harcadığınız emek nedeniyle değiştirme zorluğu giderek artacak” dedi. “Hepsi büyük ölçüde birbirinin aynı olsa bile, hepsinin kendi küçük farklılıkları ve ajanları ile ND dosyalarını işleme konusundaki kendine has ufak özellikleri olacak; dolayısıyla değiştirme maliyeti sıfır değil.”