Anthropic成本為何難以預估

環球市場播報
05/15

  作者:勞拉・布拉頓

  本周三我和亞倫曾報道,Anthropic 的客戶已因公司接連上調 AI 定價而倍感成本壓力。更棘手的是,像 PagerDuty、ServiceNow 這類企業客戶 —— 其中 ServiceNow 透露,公司全年 Anthropic AI 工具預算已經提前耗盡 ——根本無法預判今年最終要花多少錢

  ServiceNow 首席數字信息官凱莉・羅馬克向我表示,Anthropic 成本難以測算的一大原因是:平台不會自動向企業提供精細化使用數據

  這類數據本可以讓企業清晰看到:哪些員工在用、用了哪些功能、使用頻次與具體用途。 她稱,SAP微軟Workday 等主流軟件廠商,都會向客戶提供這類遙測使用數據

  如果能拿到這類明細數據,企業就可以及時管控那些過度刷 Token、低效濫用 AI 工具的員工賬號,節省不必要開支。

  目前企業只能另尋變通辦法

  客戶可通過標準 API 接口,將 Claude 賬號接入外部分析工具,在一定程度上監控員工使用行為。但前提是企業本身要有配套分析工具,才能解讀海量使用數據。

  羅馬克介紹,ServiceNow 正是採用這種方式:通過自家產品AI 控制塔每日追蹤員工的 Claude 使用情況。這款產品也對外出售,幫助其他企業監控全員 AI 使用行為。她已專門安排團隊專人負責盯控這套數據。

  另一家 Anthropic 客戶、保險公司全國人壽集團,同樣面臨缺少員工 Claude 精細化使用數據的問題。

  公司首席信息與戰略官尼梅什・梅塔表示,這一短板導致 Anthropic更適合個人普通用戶,並不適合需要管控員工用量的企業客戶

  羅馬克與梅塔均指出,Anthropic 還不提供標準服務等級協議(SLA)—— 這類協議在軟件行業屬於標配,會明確產品性能指標、官方客服響應時效等權責。

  羅馬克稱,她並非對 Anthropic 感到不滿,也理解其技術與業務仍處於初期階段,但希望平台提升透明度。(Anthropic 發言人未予置評。)

  如今越來越多企業被迫採購 Anthropic 昂貴的頂尖 AI 工具,且明顯會持續續用。企業管理層普遍認為長期可以跑通成本收益;同時也害怕競爭對手先摸索出降本增效模式,不敢輕易掉隊,進一步推高了 AI 支出。

  好在從樂觀角度看:一旦成本壓力過大,或出現性價比更高的替代方案,企業理論上可以隨時關停相關 AI 開支,這比裁員縮編的代價要小得多。

  谷歌效仿帕蘭蒂爾商業模式

  原本外界認為 AI 會讓諮詢行業逐步消亡,但短期內並不會成真。

  谷歌成為最新一家效仿帕蘭蒂爾打法的 AI 廠商:招聘專業諮詢顧問,協助大客戶落地使用 AI 產品。

  我的同事艾琳報道,谷歌雲計劃招聘數百名駐場落地工程師(FDE),專門幫客戶部署、用好 Gemini AI 工具;谷歌也可能從內部調派現有員工組建這支新團隊。

  在此之前,OpenAI、Anthropic 已宣佈將與私募機構成立新主體,專門幫企業落地部署 AI;ServiceNow、Salesforce 等自帶 AI 業務的軟件廠商,也都在擴招駐場落地工程師。

  這一系列動作都說明一個現實:讓企業真正用好當下迭代飛快的 AI 能力,落地難度極高

  帕蘭蒂爾長期向客戶收取駐場工程師服務費,協助企業基於自身存儲在帕蘭蒂爾平台的數據,開發定製化 AI 應用。

  貝恩資本合夥人馬克斯・德格羅恩(參與 OpenAI AI 落地合資項目)表示,帕蘭蒂爾另一套定價模式也極具吸引力:根據客戶使用產品產生的價值或節省的成本來收費

  他透露:「我們為 AI 落地合資公司 DeployCo 招募的,都是頂尖人才,包括不少帕蘭蒂爾離職資深員工,對標同層級專業能力背景。」

  OpenAI 已收購一家小型諮詢公司,為旗下OpenAI 落地部署公司儲備起步 150 名駐場落地工程師。

海量資訊、精準解讀,盡在新浪財經APP

責任編輯:郭明煜

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10