پرش به محتوای اصلی
پرش به محتوای مقاله

چرا مدل Astra اوپن‌ای‌آی مشتریان سازمانی آنتروپیک را جذب نکرد؟

·۶ آبان ۱۴۰۵۴ دقیقه مطالعه
لوگوی انتروپیک روی پس‌زمینه تیره نشان‌دهنده قفل شدن سازمانی هوش مصنوعی.
لوگوی انتروپیک روی پس‌زمینه تیره نشان‌دهنده قفل شدن سازمانی هوش مصنوعی.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

آنتروپیک مجموعه‌ای از ابزارهای گزارش‌دهی معرفی کرد که هزینهٔ توکن سازمان‌ها را به داده‌های جزئی دربارهٔ خروجی، هزینه و گلوگاه‌های گردش‌کار تبدیل می‌کند و بودجهٔ گروهی مشترک را هم به آن افزوده است.

ابزارهای گزارش‌دهی آنتروپیک که روز چهارشنبه معرفی شد، به مدیران سازمان‌ها نشان می‌دهد هزینهٔ توکن چه بازدهی دارد. این ابزارها در زمانی آمده‌اند که به گزارش جلیفیش، هزینهٔ ابزارهای کدنویسی مبتنی بر مدل‌های آنتروپیک از ابتدای سال ۱۰ برابر شده است.

ابزارهای گزارش‌دهی آنتروپیک چه نشان می‌دهند

مدیران با این ابزارها کار یک تیم را در هر بازهٔ زمانی دلخواه می‌بینند. آن‌ها از تحلیل‌های داخلی و نظرسنجی از کارکنان استفاده می‌کنند و گزارش هم پیشنهادهایی برای بهبود نتایج می‌دهد:

  • تیم چه چیزی تولید کرده است
  • این کار چقدر هزینه داشته است
  • گردش‌کار تیم در کجا دچار مشکل شده است

آنتروپیک می‌گوید این داده‌ها را به‌طور پیش‌فرض برای آموزش مدل به کار نمی‌برد. این شرکت بودجه‌های گروهی مشترک هم راه انداخته تا تیم‌ها هزینهٔ توکن را بهتر مدیریت کنند. هدف روشن است: نشان دادن بازگشت سرمایه (ROI) و راه بهبود آن، که از دغدغه‌های اصلی مشتریان بزرگ است. شرکت‌ها هم برای یافتن بهترین روش به‌کارگیری ابزارهای هوش مصنوعی دنبال همین اطلاعات بوده‌اند.

لوگوی اوپن‌اای نمایش داده شده روی یک صفحه.

رشد ۱۰ برابری هزینهٔ کلود کد در گزارش جلیفیش

جلیفیش (Jellyfish)، سازندهٔ ابزار برای توسعه‌دهندگان نرم‌افزار، دیروز گزارشی منتشر کرد. این گزارش بر پایهٔ استفادهٔ ۲۷۶٬۰۰۰ مشتری این شرکت از ابزارهای کدنویسی عامل‌محور (agentic coding tools) است. یافته‌های اصلی آن این‌هاست:

  • کلود کد (Claude Code) و دیگر ابزارهای مبتنی بر مدل‌های آنتروپیک همچنان پرکاربردترین ابزارهای این بررسی‌اند.
  • این ابزارها نزدیک به یک‌سوم همهٔ تغییرات پیشنهادی کد را که برای بازبینی ارسال می‌شود، می‌سازند.
  • هزینهٔ این ابزارها از ابتدای سال ۱۰ برابر شده است.
  • این هزینه اکنون حدود ۲ درصد کل هزینهٔ مهندسی است.

نیکولاس آرکولانو، دانشمند ارشد جلیفیش، گفت: «حتی اگر بگویید ۲ درصد هنوز رقم کوچکی است، این رشد ۱۰ برابری رشدی است که بیشتر مدیران مالی برایش برنامه‌ریزی نکرده بودند. قطعاً به جایی رسیده‌ایم که مردم می‌فهمند فقط خرج کردن زیاد کافی نیست. حالا باید آن را بهینه کنید و به نتیجه برسانید.» گزارش‌های تازهٔ آنتروپیک مستقیماً به همین چالش پاسخ می‌دهد.

رابط هوش مصنوعی آسترا در حال پردازش داده‌ها.

سود عملیاتی و نگهداشت خالص درآمد ۹۰۰ درصدی

آنتروپیک این هفته به سرمایه‌گذاران اعلام کرد که در سه‌ماههٔ دوم سود عملیاتی ثبت کرده است. نگهداشت خالص درآمد (net revenue retention) این شرکت هم به ۹۰۰ درصد رسیده است. یعنی هزینه‌کرد همان مشتریان در سه‌ماههٔ سوم ۲۰۲۶ نسبت به سه‌ماههٔ سوم ۲۰۲۵ نُه برابر شده است. این رشد در نگهداشت درآمد همساز با یافته‌هایی است که مشتریان Claude Code برای آنتروپیک ۲۰ برابر ارزشمندترند را نشان می‌دهد.

این اعداد نشان می‌دهد استفاده از این ابزارها از مرحلهٔ آزمایش به استفادهٔ جاافتاده در محیط تولید رسیده است. آنتروپیک تمرکز خود را بر ماندگاری کاربران سازمانی گذاشته و ابزارهای تازه برای همین طراحی شده‌اند که مشتریان درک دقیق‌تری از ارزش هزینهٔ توکن خود پیدا کنند.

داشبورد نرم‌افزار سازمانی با نمودارهای تحلیلی.

هزینهٔ جابه‌جایی؛ فراتر از کیفیت مدل

آزمایشگاه‌های بزرگ هوش مصنوعی روی تیم‌های مهندسی مستقر نزد مشتری (forward-deployed engineering یا FDE) سرمایه‌گذاری می‌کنند. این تیم‌ها مشاوران هوش مصنوعی را درون سازمان مشتری می‌نشانند تا کار را راه بیندازند. ابزارهای گزارش‌دهی تازه را می‌توان نسخهٔ سبک‌تر همین کمک مستقیم دانست؛ نوعی FDE-lite برای مشتریان آنتروپیک.

وقتی یک آزمایشگاه پیشرو جای پایش را در سازمانی محکم کند، جابه‌جایی برای آن سازمان سخت‌تر از یک برنامه‌نویس منفرد یا سازمان کوچک است. نیکولاس آلباران، مدیر محصول هوش مصنوعی جلیفیش، گفت: «حالا به جایی رسیده‌ایم که این ابزارها به اندازهٔ کافی بالغ شده‌اند؛ وقتی وارد شدید، جابه‌جایی سخت‌تر و سخت‌تر می‌شود، چون برایش زحمت کشیده‌اید.» او افزود: «حتی اگر همه تقریباً یکسان باشند، هرکدام کمی متفاوت‌اند و ویژگی‌های خاص خودشان را در نحوهٔ مدیریت عامل‌ها، فایل‌های ND و موارد دیگر دارند؛ پس هزینهٔ جابه‌جایی صفر نیست.»

بنية تحتی سرور ابری برای مدل‌های هوش مصنوعی.

مدل Astra اوپن‌ای‌آی هنوز اثری نگذاشته است

انتشار مدل Astra اوپن‌ای‌آی در تابستان امسال تهدیدی بالقوه برای آنتروپیک به نظر می‌رسید. اما تاکنون از سرعت پذیرش ابزارهای آنتروپیک نکاسته است. آلباران گفت: «مدت زیادی طول کشید تا Codex (کدکس) اصلاً در داده‌های ما خودش را نشان دهد و حالا با Astra [جدیدترین مدل اوپن‌ای‌آی] بالا آمده است.»

به گفتهٔ او، اگر به ایکس نگاه کنید، خیال می‌کنید رقابت داغ‌تر از این است: «همه در سیلیکون‌ولی می‌گویند Codex بهتر است.» اما به گفتهٔ آلباران، واقعیت چیز دیگری است: «آنتروپیک با رویکرد سازمانی عالی از قبل حضور داشت و وزن یک بازیگر جاافتاده را داشت؛ این ابزارها کار می‌کردند و خوب کار می‌کردند و خیلی‌ها برای استانداردکردن گردش‌کارهایشان حول آن زحمت زیادی کشیدند. دلیل کافی هم برای جابه‌جایی وجود ندارد.»

آنتروپیک در میان مشتریان سازمانی پیشتاز است. با این حال، تشخیص اینکه دقیقاً چه چیزی یک ابزار کدنویسی عامل‌محور را ماندگار می‌کند، دشوار است.

نمودار اتصال API بین پلتفرم‌ها.

شکاف میان هزینه و دستاورد در شرکت‌های بزرگ

استفادهٔ شرکت‌های متکی به سرمایهٔ خطرپذیر، هزینهٔ توکن را بالا می‌برد. اما بیشتر شرکت‌های فهرست فورچن ۵۰۰ هنوز از به‌کارگیری هوش مصنوعی دستاورد چشمگیری نگرفته‌اند. داشبوردهای آنتروپیک می‌خواهند این شکاف را کم کنند؛ با نشان دادن جاهایی که گردش‌کار مشکل دارد و راه رفع آن.

تیم تجاری در حال بررسی برنامه‌های ادغام هوش مصنوعی.

گام بعدی شما

اگر تیم شما از کلود کد یا ابزارهای مشابه استفاده می‌کند، هزینهٔ توکن را مثل یک ردیف مستقل بودجه دنبال کنید. ارزش دارد ببینید آیا اوپن‌ای‌آی و گوگل هم گزارش‌هایی با همین عمق ارائه می‌کنند و آیا سهم ۲ درصدی این ابزارها از هزینهٔ مهندسی به ۵ درصد می‌رسد. در همین راستا، آنتروپیک برای تقویت پایگاه کاربری خود حمایت رایگان از استارتاپ‌ها و ارائه اعتبار ۱۰۰۰ دلاری را هم آغاز کرده است.

نمودار مقایسه‌ای معیارهای عملکرد مدل‌های هوش مصنوعی.

چرا این موضوع مهم است؟

هزینهٔ ابزارهای کدنویسی هوش مصنوعی از ابتدای سال ۱۰ برابر شده و حالا حدود ۲ درصد هزینهٔ مهندسی است؛ رقمی که به گفتهٔ جلیفیش بیشتر مدیران مالی برایش برنامه‌ریزی نکرده بودند. ابزارهای گزارش‌دهی آنتروپیک این هزینه را قابل سنجش می‌کنند و نشان می‌دهند ماندگاری مشتری دیگر فقط به کیفیت مدل وابسته نیست.

تأثیر برای ایران

تیم‌های نرم‌افزاری ایرانی که با کلود کد کار می‌کنند، با توجه به رشد ۱۰ برابری هزینهٔ این ابزارها، باید مصرف توکن را دقیق بسنجند. ابزار تازه داده‌ها را به‌طور پیش‌فرض برای آموزش مدل به کار نمی‌برد.

·نگاه ما
تحریریه دات‌هوش

آنتروپیک از ماندگاری مشتری درآمد می‌سازد، نه فقط از عملکرد مدل. وقتی داده‌های مصرف به لایه‌ای برای مدیریت تیم تبدیل شود، ترک این پلتفرم پرهزینه‌تر می‌شود؛ نه به خاطر قرارداد، بلکه به دلیل عادت‌های عملیاتی و گردش‌کارهایی که حول یک مدل شکل گرفته‌اند. برای مدیران مالی، رقم ۲ درصد ردیف تازه‌ای در بودجه است که نظارت می‌خواهد. باید دید اوپن‌ای‌آی و گوگل گزارش‌دهی هم‌سطحی ارائه می‌کنند یا نه، و آیا سهم این ابزارها از هزینهٔ مهندسی به ۵ درصد می‌رسد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.