Anthropic, Claude Code Harcamalarının Getirisini Ölçecek

Anthropic, Claude Code ve diğer yapay zeka araçlarının işletmelere sağladığı değeri ölçmek için yeni raporlama araçları geliştirdi. İşte yeni sistemin detayları:

Anthropic, kurumsal müşterilerin yapay zeka harcamalarının karşılığında ne kadar değer elde ettiğini anlamalarını sağlayacak yeni raporlama araçlarını duyurdu. Tanıtılan araçlar, ekiplerin belirli bir dönemde gerçekleştirdiği çalışmaları, ürettiği çıktıları, maliyetlerini ve iş akışlarında karşılaştığı sorunları analiz etmeyi amaçlıyor. Şirket, özellikle Claude Code gibi yapay zeka destekli kodlama araçlarını kullanan işletmelerin yatırımlarını daha verimli yönetmesine yardımcı olmayı hedefliyor.

Anthropic'in yatırımcılarla paylaştığı finansal veriler, şirketin kurumsal pazardaki büyümesinde Claude Code'un önemli bir rol oynadığını gösteriyor. Şirketin ikinci çeyrekte faaliyet kârı elde ettiği ve yüzde 900 net gelir tutma oranına ulaştığı belirtiliyor. Bu oran, aynı müşteri grubunun harcamalarının bir yıl içinde dokuz katına çıktığı anlamına geliyor. Ancak yüksek harcama artışı, yapay zeka araçlarının işletmelere aynı oranda ekonomik fayda sağladığını tek başına kanıtlamıyor. Anthropic'in yeni raporlama sistemi de bu noktada devreye girerek maliyetlerle elde edilen sonuçlar arasındaki ilişkinin daha görünür hâle gelmesini amaçlıyor.

Yeni araçlar, yöneticilerin dahili analizlerden ve çalışan anketlerinden yararlanarak ekip performansını değerlendirmesine olanak tanıyacak. Belirli bir tarih aralığında hangi işlerin yapıldığı, ne tür çıktılar üretildiği ve bunlar için ne kadar harcama gerçekleştirildiği incelenebilecek. Sistem ayrıca iş akışlarının hangi aşamalarda yavaşladığını belirlemeye ve sonuçların nasıl iyileştirilebileceğine yönelik öneriler sunmaya odaklanıyor. Anthropic, söz konusu verilerin varsayılan olarak model eğitimi amacıyla kullanılmayacağını da belirtiyor. Bununla birlikte, raporların işletmelere sağlayacağı fayda, sunulan analizlerin gerçek üretkenlik artışlarıyla ne ölçüde örtüştüğüne bağlı olacak.

Şirketin yaklaşımı, kurumsal müşterilerin yapay zeka yatırımlarından elde ettikleri getiriyi hesaplama konusundaki güçlüklerine yanıt veriyor. Özellikle büyük kuruluşlarda bir aracın ne sıklıkta kullanıldığını ölçmek, o aracın ne kadar zaman kazandırdığını veya toplam üretim maliyetini nasıl değiştirdiğini açıklamak için yeterli değil. Anthropic, ekiplerin token tüketimini daha iyi yönetebilmesi için ortak grup bütçeleri oluşturma imkânı da sunuyor. Tokenlar, yapay zeka modellerinin metinleri ve diğer girdileri işlerken kullandığı temel birimlerden biri olduğu için tüketim miktarı, kullanım maliyetini belirleyen başlıca unsurlar arasında yer alıyor. Yeni bütçe ve raporlama araçları, yöneticilerin harcamaları ekipler arasında karşılaştırmasını ve kaynak dağılımını daha bilinçli yapmasını kolaylaştırabilir.

Yazılım geliştirme alanındaki veriler, bu ihtiyacın neden giderek daha önemli hâle geldiğini ortaya koyuyor. Yazılım ekiplerine yönelik analiz araçları geliştiren Jellyfish, 276.000 müşterisinin kullandığı ajan tabanlı kodlama araçlarına ilişkin yeni bir rapor yayımladı. Rapora göre Claude Code ve Anthropic modellerini temel alan diğer araçlar, incelenen kullanım alanlarında yaygınlığını koruyor ve değerlendirmeye sunulan kod değişikliklerinin neredeyse üçte birinden sorumlu tutuluyor. Aynı dönemde bu araçlara yapılan harcamaların yıl başından bu yana 10 kat arttığı ve maliyetlerin toplam mühendislik giderlerinin yaklaşık yüzde 2'sine ulaştığı belirtiliyor.

Jellyfish'in baş bilimcisi Nicholas Arcolano, harcamaların mevcut payı görece küçük görünse bile bu hızdaki artışın finans yöneticilerinin planlamalarını zorlaştırdığını ifade ediyor. Arcolano'ya göre şirketler, yalnızca yapay zeka araçlarına daha fazla bütçe ayırmanın yeterli olmadığını, bu harcamaların optimize edilmesi gerektiğini giderek daha fazla fark ediyor. Özellikle ajan tabanlı sistemler, yazılım geliştirme sürecinin birden fazla aşamasında görev alabildiği için kullanım miktarının yanı sıra ortaya çıkan kodun niteliği, inceleme ihtiyacı ve geliştiricilerin iş yükündeki değişim de önem taşıyor. Bu nedenle gerçek yatırım getirisi, yalnızca üretilen kod miktarıyla değil, geliştirme sürecinin bütününde sağlanan kazanımlarla değerlendirilmek zorunda.