Anthropic uvodi izveštaje za merenje vrednosti AI potrošnje
Anthropic je predstavio novi skup alata za izveštavanje koji poslovnim korisnicima prikazuje šta dobijaju za potrošnju tokena: rad timova u izabranom periodu, ostvarene rezultate, trošak i mesta na kojima su radni tokovi zastali. Kompanija je investitorima istovremeno navela operativni profit u drugom kvartalu i neto zadržavanje prihoda od 900%, što znači da je potrošnja istih kupaca u trećem kvartalu 2026. bila devet puta veća nego u trećem kvartalu 2025.
Izveštaji kombinuju internu analitiku i ankete zaposlenih. Menadžeri bi trebalo da dobiju detaljniji uvid u korišćenje alata, cenu rada i prepreke u procesima, uz preporuke za poboljšanje rezultata. Anthropic navodi da podatke iz tih izveštaja podrazumevano neće koristiti za treniranje modela.
Od potrošnje tokena do merljivog učinka
Nova funkcionalnost odgovara na pitanje koje je važno velikim organizacijama: kako dokazati povraćaj ulaganja u generativnu AI, a zatim ga unaprediti. Anthropic uz izveštaje uvodi i objedinjene budžete za grupe, kako bi timovi lakše upravljali potrošnjom tokena.
Potreba za takvom kontrolom raste zajedno sa korišćenjem agentnih alata za programiranje. Jellyfish je, na osnovu podataka 276.000 korisnika, naveo da su Claude Code i drugi alati zasnovani na Anthropic modelima činili gotovo trećinu svih predloženih izmena koda poslatih na pregled. Potrošnja na te alate porasla je deset puta od početka godine i sada iznosi približno 2% ukupnih inženjerskih troškova.
Standardizovani tokovi rada povećavaju cenu promene
Rast potrošnje ne znači automatski i široko ostvarene poslovne dobitke. U tekstu se navodi da većina kompanija sa liste Fortune 500 još ne beleži velike koristi od primene AI, dok firme podržane rizičnim kapitalom podstiču potrošnju tokena. Zato izveštavanje o radu, ceni i zastojima može biti važan operativni sloj između samog modela i poslovne odluke o njegovom širenju.
U tom kontekstu, otvoreni AI i Anthropic na tržištu pokazuje da se tržište ne svodi samo na poređenje modela, već i na različite načine na koje organizacije uvode AI u radne procese. Kada timovi ulože napor u standardizaciju radnih tokova, prelazak na drugi alat postaje složeniji iako su modeli slični po nameni.
Praktična posledica za kompanije
Za poslovne korisnike najvažnije je da budžete za AI povežu sa konkretnim timovima, rezultatima i uskim grlima u procesu. Izveštaji poput Anthropicovih mogu pomoći da se potrošnja tokena ne posmatra kao jedinstven trošak, već kroz rad koji je proizvela i korekcije potrebne da bi upotreba alata bila delotvornija.
Praktičan zaključak je da uvođenje AI alata treba pratiti istom disciplinom kao i druge tehnološke troškove: kroz zajedničke budžete, merljive ishode i redovno otkrivanje procesa u kojima automatizacija ne daje očekivani rezultat.