طبق گزارشی از The Information، متا و مایکروسافت هر دو به میزان قابل توجهی میزان استفاده کارمندان خود از Anthropic's Claude را کاهش می دهند، زیرا این دو غول فناوری مهندسان را به سمت ابزارهای کدگذاری هوش مصنوعی داخلی هدایت می کنند و هزینه های مارپیچی هوش مصنوعی را مهار می کنند.

این تغییر بر بودجه داخلی و گردش کار تأثیر می گذارد، نه دسترسی مشتری. کلود از طریق محصولات تجاری مایکروسافت در دسترس است و هزینه‌های مشتریان بر روی مدل‌های Anthropic از طریق پلتفرم‌های سازمانی مایکروسافت همچنان در حال افزایش است، حتی زمانی که مایکروسافت پیچ‌ها را روی کارکنان خود محکم می‌کند. For more context on this story, see our ongoing AI industry coverage.

مایکروسافت تخمین هزینه های داخلی انسان را بیش از یک سوم کاهش داد

مایکروسافت قبلاً پیش‌بینی کرده بود که هزینه‌های داخلی آن برای فناوری Anthropic بیش از یک میلیارد دلار در سال خواهد بود. به گزارش اطلاعات، پس از اینکه مدیریت به کارکنان دستور داد استفاده از کلود را محدود کنند و از ابزارهای خود مایکروسافت، از جمله گیت هاب کوپایلوت و چارچوب‌های مبتنی بر OpenAI استفاده کنند، این برآورد بیش از یک سوم کاهش یافته است.

در بخش ابر و هوش مصنوعی مایکروسافت، سقف هزینه ماهانه هوش مصنوعی به ازای هر کارمند گزارش شده است که در اکثر موارد از 100000 دلار به تقریبا 10000 دلار کاهش یافته است. این ارقام به‌جای بازتابی از هزینه‌هایی که مهندسان واقعاً خرج می‌کنند، محدودیت‌هایی برای هزینه‌ها دارند، اما بودجه‌های فشرده‌تر، برخی از مهندسین را که قبلاً از عرض جغرافیایی وسیع برای آزمایش مدل‌های مرزی مختلف لذت می‌بردند، ناامید کرده است.

این دستورالعمل یک تنش منحصر به فرد در این دوره از پذیرش هوش مصنوعی را نشان می دهد: مایکروسافت به طور همزمان بزرگترین سرمایه گذار OpenAI و نزدیک ترین شریک توزیع، یکی از بزرگترین مشتریان سازمانی Anthropic و رقیب هر دو شرکت با پشته Copilot خود است. هر دلار استفاده داخلی کلود، به یک معنا، تأمین مالی مدل‌هایی است که با ابزارهایی که مایکروسافت می‌خواهد کارمندانش استفاده کنند، رقابت می‌کنند.

پایگاه کاربر کد کلود متا نصف شد

در متا، تعداد کارمندانی که از Claude Code استفاده می‌کردند از حدود 60000 نفر در اوایل امسال به حدود 30000 کاهش یافت. اخراج ها نقش داشتند، اما بر اساس این گزارش، محرک اصلی، محور استراتژیک متا به سمت راه حل های کدنویسی هوش مصنوعی خود است: MetaCode، ساخته شده بر اساس مدل های اختصاصی Meta، که اکنون بیش از 30000 کاربر داخلی دارد و Muse Code با بیش از 6000 کاربر کارمند. متا در ماه آگوست آزمایش خارجی Muse Code را با مشتریان آغاز کرد.

حتی با کاهش تعداد کاربران، هزینه های متا در ابزار کدگذاری Anthropic همچنان قابل توجه بود. طبق گزارش‌ها، این شرکت بیش از 105 میلیون دلار در یک دوره 28 روزه به کلود کد اختصاص داده است، یادآوری این است که کاربران کمتر لزوماً به معنای سرازیر شدن پول کمتر به آنتروپیک نیست.

آنتروپیک به هر حال به رشد خود ادامه می دهد

هیچ‌کدام از این‌ها باعث کاهش تعداد تیترهای آنتروپیک نشده است. این شرکت در ماه آگوست به سرمایه گذاران گفت که نرخ درآمد سالانه آن در پایان جولای به 65 میلیارد دلار رسیده است و گزارش شده است که برای عرضه اولیه سهام به ارزش 2 تریلیون دلار آماده می شود. از دست دادن برخی از صندلی‌های داخلی در دو تا از بزرگترین مشتریان سازمانی خود، یک خطای گرد کردن در برابر منحنی تقاضای گسترده‌تر هزاران شرکت دیگر است که کار کدگذاری را از طریق کلود مسیریابی می‌کنند.

تعدیل نیرو در متا و مایکروسافت بیشتر در مورد خریداران می گوید تا فروشنده. هر دو شرکت از بزرگترین مصرف کنندگان هوش مصنوعی در جهان هستند، و هر دو به مرحله ای رسیده اند که بودجه های هوش مصنوعی، که در طول عجله پذیرش اولیه منفجر شد، تحت نظم و انضباط مشابه هر آیتم دیگری قرار می گیرد. دستیاران کدنویسی از آزمایش به زیرساخت های ضروری منتقل شده اند و زیرساخت های ضروری بررسی های تدارکات را دریافت می کنند.

اقتصاد پشت سقف

محدودیت‌های هزینه‌های جدید همچنین بودجه‌بندی را به گونه‌ای قابل پیش‌بینی می‌سازد که آزمایش نامحدود هرگز وجود نداشت. با 100000 دلار به ازای هر کارمند در ماه، یک سازمان 10000 مهندس از نظر تئوری می تواند بیش از 1 میلیارد دلار در سال تنها با دسترسی به مدل قبل از هزینه های محاسباتی، ابزار و ادغام هزینه کند. حتی اگر استفاده واقعی هرگز به سقف نزدیک نشود، سقف‌هایی که سخاوتمندانه پیش‌بینی را غیرممکن می‌کنند، و پیش‌بینی دقیقاً همان چیزی است که سازمان‌های تدارکات پس از فارغ‌التحصیل شدن فناوری از آزمایشی به آیتم دیگر می‌خواهند.

روند بزرگتر: ساخت در مقابل خرید در ابزار هوش مصنوعی

گزارش‌ها همچنین محاسبات ساخت در مقابل خرید را که اکنون در صنعت نرم‌افزار اجرا می‌شود، نشان می‌دهد. APIهای مدل مرزی استفاده از بهترین ابزارهای هوش مصنوعی در کلاس را یک شبه برای بزرگ‌ترین شرکت‌ها نیز آسان کرده است. اما عوامل برنامه نویسی با یک چت ربات بازاریابی متفاوت هستند: آنها در مرکز جریان های کاری مهندسی قرار می گیرند، کد منبع اختصاصی را لمس می کنند و هزینه هر صندلی را نشان می دهند که با تعداد کارمندان کاهش می یابد.

برای متا، که سال‌ها صرف ساختن سازمان تحقیقاتی هوش مصنوعی و خانواده‌های مدل خود کرده است، جایگزینی یک دستیار کدنویسی خارجی با یک دستیار داخلی که بر اساس مدل‌های خودش ساخته شده است، یک تلفیق طبیعی است. برای مایکروسافت، سوق دادن مهندسان به سمت ابزارهای GitHub Copilot و OpenAI، رفتار کارکنان را با شرط‌بندی محصول خود شرکت هماهنگ می‌کند.

خطر، برای هر دو، توانایی است. اگر ابزارهای داخلی در معیارهای کدنویسی از مدل های مرزی عقب بیفتند، حتی با کاهش هزینه ها، دستاوردهای بهره وری کاهش می یابد. این تجارت، صرفه جویی در پول در مقابل به حداکثر رساندن اهرم مهندسی، یکی از مواردی است که هر شرکت بزرگی که هوش مصنوعی را اتخاذ می کند، طی چند سال آینده با آن مواجه خواهد شد و تصمیمات متا و مایکروسافت به عنوان نمونه آزمایشی به دقت مورد بررسی قرار خواهند گرفت.

برای آنتروپیک، این اپیزود یک شات هشدار دهنده با پوشش نقره ای است. دو مشتری برجسته سازمانی آن نشان می‌دهند که حتی عمیق‌ترین بودجه‌های هوش مصنوعی نیز محدودیت‌هایی دارند و کیفیت مدل به تنهایی ممکن است حفظ صندلی را در صورت وجود جایگزین معتبر، ارزان‌تر و کنترل شده داخلی تضمین نکند. پاسخ این شرکت، که با رشد مداوم درآمدش مشخص می‌شود، تنوع بخشیدن به پایگاه مشتریان خود به‌قدری سریع بوده است که هیچ تعدیل واحدی نتواند این ارقام را تغییر دهد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →