Τα έξοδα για εργαλεία AI προγραμματισμού έχουν δεκαπλασιαστεί από την αρχή του χρόνου, και πολλοί οικονομικοί διευθυντές δεν το είχαν προβλέψει. Η Anthropic απαντά με νέα εργαλεία αναφορών, που ανακοίνωσε την Τετάρτη και δείχνουν στις επιχειρήσεις τι πήραν με τα χρήματα που ξόδεψαν σε tokens, τις μονάδες κειμένου με τις οποίες χρεώνονται τα μοντέλα, όπως μεταδίδει το TechCrunch.
Οι managers μπορούν να δουν τη δουλειά μιας ομάδας σε ένα χρονικό διάστημα, τι παρήγαγε, πόσο κόστισε και πού κόλλησαν οι διαδικασίες της. Τα στοιχεία προέρχονται από εσωτερικά analytics και από ερωτηματολόγια των εργαζομένων. Οι αναφορές θα προτείνουν και τρόπους για καλύτερα αποτελέσματα. Η Anthropic λέει ότι, από προεπιλογή, δεν θα χρησιμοποιεί αυτά τα δεδομένα για εκπαίδευση μοντέλων. Προστίθενται και κοινοί προϋπολογισμοί για ομάδες, ώστε να ελέγχουν καλύτερα τα tokens που καταναλώνουν.
Ένας δεκαπλασιασμός που δεν ήταν στον προϋπολογισμό
Το πρόβλημα το δείχνει μια νέα έκθεση της Jellyfish, εταιρείας με εργαλεία για προγραμματιστές. Βασίζεται στη χρήση εργαλείων agentic coding, όπου ένας AI agent γράφει κώδικα σχετικά αυτόνομα, από 276.000 πελάτες της. Το Claude Code και τα εργαλεία που στηρίζονται σε μοντέλα της Anthropic παραμένουν τα πιο διαδεδομένα και αντιστοιχούν σχεδόν στο ένα τρίτο των προτεινόμενων αλλαγών κώδικα που στέλνονται για έλεγχο. Το κόστος τους έφτασε περίπου στο 2% του συνολικού κόστους μηχανικών.
Το 2% ακούγεται μικρό. «Αυτή η δεκαπλάσια αύξηση όμως είναι κάτι που οι περισσότεροι CFO δεν είχαν σχεδιάσει», είπε στο TechCrunch ο Nicholas Arcolano, επικεφαλής επιστήμονας της Jellyfish. Κατά τον ίδιο, δεν αρκεί πια να ξοδεύει κανείς πολλά: πρέπει να βελτιστοποιεί τη χρήση.
Γιατί οι πελάτες δύσκολα φεύγουν
Τα οικονομικά στοιχεία που μοιράστηκε η Anthropic με επενδυτές αυτή την εβδομάδα δείχνουν ότι η στρατηγική πιάνει. Η εταιρεία κατέγραψε λειτουργικό κέρδος το δεύτερο τρίμηνο και net revenue retention 900%: οι ίδιοι πελάτες ξόδεψαν στο τρίτο τρίμηνο του 2026 εννέα φορές περισσότερα απ’ όσα στο αντίστοιχο του 2025.
Το καλοκαίρι, το μοντέλο Astra της OpenAI έμοιαζε απειλή. Δεν επιβράδυνε όμως την υιοθέτηση του Claude. Ο Nikolas Albarran της Jellyfish λέει ότι το Codex της OpenAI φάνηκε στα δεδομένα τους μόνο μετά το Astra. Στο X, όπως σημειώνει, δημιουργείται η εντύπωση ότι όλη η Silicon Valley προτιμά το Codex. Στην πράξη, η Anthropic είχε εταιρική παρουσία και προβάδισμα: το εργαλείο δούλευε καλά, πολλοί έχτισαν γύρω του τις διαδικασίες τους, και δεν υπάρχει αρκετά ισχυρός λόγος αλλαγής.
Το κόστος μετάβασης, λέει, «δεν είναι μηδενικό»: κάθε εργαλείο χειρίζεται τους agents και τα αρχεία οδηγιών με δικές του ιδιορρυθμίες. Οι μεγάλοι οργανισμοί δυσκολεύονται επιπλέον να αλλάξουν πάροχο, ιδίως όταν τα εργαστήρια στέλνουν δικούς τους συμβούλους να δουλέψουν μέσα στις εταιρείες (forward-deployed engineering). Τα νέα εργαλεία αναφορών μοιάζουν, κατά τον Albarran, με «FDE-lite», μια ελαφρύτερη εκδοχή αυτής της βοήθειας.
Πηγή: TechCrunch
