Default
Door Remote - 28 Oct 2026
Uit de financiële gegevens die Anthropic deze week met investeerders deelde, blijkt dat zijn AI-coderingstool, Claude Code, precies het zakelijke succes is waar het grenslaboratorium naar verlangde. Het bedrijf boekte in het tweede kwartaal een bedrijfswinst en een netto-inkomstenbehoud van 900% – dat wil zeggen dat de uitgaven van dezelfde klanten in het derde kwartaal van 2025 negen keer groeiden in het derde kwartaal van 2026.
Anthropic heeft zich erop gericht om zakelijke gebruikers te laten blijven hangen en heeft woensdag een nieuwe reeks rapportagetools aangekondigd die zijn ontworpen om die klanten een gedetailleerder inzicht te geven in de waarde die ze krijgen uit hun tokenuitgaven.
Met behulp van interne analyses en medewerkersenquêtes kunnen managers het werk van een team over een bepaalde periode bekijken, zien wat het team heeft geproduceerd, hoeveel het heeft gekost en waar de workflows zijn mislukt. Anthropic zegt dat het deze gegevens standaard niet zal gebruiken voor modeltraining. De rapporten zullen ook aanbevelingen doen over hoe de resultaten kunnen worden verbeterd.
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Dit is een duidelijke poging om het rendement op de investering van de tools van Anthropic aan te tonen en om klanten te laten zien hoe ze deze kunnen verbeteren – een grote zorg onder grote klanten. Anthropic creëert ook gebundelde groepsbudgetten zodat teams de tokenuitgaven beter kunnen beheren.
Bedrijven zijn op zoek naar dat soort informatie terwijl ze uitzoeken hoe ze AI-tools het beste kunnen inzetten. Terwijl het gebruik onder durfkapitaalbedrijven de tokenuitgaven stimuleert, zien de meeste Fortune 500-bedrijven geen grote winsten uit de inzet van AI.
Jellyfish, een bedrijf dat tools maakt voor softwareontwikkelaars, heeft gisteren een nieuw rapport uitgebracht, gebaseerd op het gebruik van agentische coderingstools door 276.000 van zijn klanten. Claude Code en andere op antropische modellen gebaseerde tools blijven het meest gebruikt in het onderzoek en zijn verantwoordelijk voor bijna een derde van alle voorgestelde codewijzigingen die ter beoordeling zijn ingediend. Belangrijker nog is dat de uitgaven aan deze tools sinds het begin van het jaar vertienvoudigd zijn, waarbij de kosten nu gelijk zijn aan ongeveer 2% van de totale engineeringkosten.
“Zelfs als je zegt dat 2% nog steeds klein is, is die 10x groei een groei waar de meeste CFO’s niet op hadden gerekend”, vertelde Nicholas Arcolano, hoofdwetenschapper bij Jellyfish, aan TechCrunch. We komen zeker op het punt waarop mensen zich realiseren: oké, het is niet genoeg om alleen maar een hoop geld uit te geven. Je moet het nu optimaliseren, laten werken.”
De nieuwe rapporten van Anthropic gaan in op die uitdaging. Antropische leads onder zakelijke klanten, maar wat een agentische codeertool echt plakkerig maakt, is moeilijk te identificeren. De release van OpenAI's Astra-model deze zomer leek een potentiële bedreiging voor Anthropic, maar tot nu toe heeft dit de adoptiecijfers van Anthropic niet vertraagd.
“Het heeft lang geduurd voordat we Codex echt in onze data zagen verschijnen, en nu is Astra [het nieuwste model van OpenAI] op de proppen gekomen”, vertelde Nikolas Albarran, de AI-productleider bij Jellyfish, aan TechCrunch. Als je naar X kijkt, vervolgde hij, krijg je duidelijk de indruk dat de concurrentie heviger is. "Iedereen in de Valley zegt: 'Oh, de Codex is beter.'" In werkelijkheid, vervolgde Albarran, "was Anthropic er gewoon met grote ondernemingsbewegingen, en ze hadden een eigen gewicht - dit spul werkte en werkte goed, en veel mensen hebben gewoon veel moeite gestoken in het standaardiseren van de workflows eromheen. En er is niet voldoende reden om over te stappen."
Het is ook niet alleen een kwestie van modellen en workflows. De realiteit van het bedrijfsleven betekent dat zodra een grenslaboratorium een klant heeft aangetrokken, het overstappen moeilijker is dan voor een individuele programmeur of een kleine organisatie. Albarran wijst op de investeringen die alle grote AI-laboratoria doen in forward-deployed engineering (FDE) organisaties, teams die AI-consultants in klantorganisaties insluiten om hen van de grond te helpen. Deze nieuwe rapportagetools kunnen worden gezien als een soort FDE-lite, een lichtere versie van die praktische hulp, voor Anthropic-klanten.
“We bevinden ons nu op een punt waarop het volwassen genoeg is, waar het, als je er eenmaal in zit, steeds moeilijker wordt om over te stappen omdat je er de moeite voor hebt genomen”, zei hij. “Zelfs al zijn ze allemaal grotendeels hetzelfde, ze zullen allemaal een beetje anders zijn, hun eigen eigenaardigheden hebben over de manier waarop ze met agent.md-bestanden omgaan, enz., en dus zijn de kosten om over te stappen niet nul.”
Anthropic heeft zich erop gericht om zakelijke gebruikers te laten blijven hangen en heeft woensdag een nieuwe reeks rapportagetools aangekondigd die zijn ontworpen om die klanten een gedetailleerder inzicht te geven in de waarde die ze krijgen uit hun tokenuitgaven.
Met behulp van interne analyses en medewerkersenquêtes kunnen managers het werk van een team over een bepaalde periode bekijken, zien wat het team heeft geproduceerd, hoeveel het heeft gekost en waar de workflows zijn mislukt. Anthropic zegt dat het deze gegevens standaard niet zal gebruiken voor modeltraining. De rapporten zullen ook aanbevelingen doen over hoe de resultaten kunnen worden verbeterd.
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Beeldcredits: antropisch
Dit is een duidelijke poging om het rendement op de investering van de tools van Anthropic aan te tonen en om klanten te laten zien hoe ze deze kunnen verbeteren – een grote zorg onder grote klanten. Anthropic creëert ook gebundelde groepsbudgetten zodat teams de tokenuitgaven beter kunnen beheren.
Bedrijven zijn op zoek naar dat soort informatie terwijl ze uitzoeken hoe ze AI-tools het beste kunnen inzetten. Terwijl het gebruik onder durfkapitaalbedrijven de tokenuitgaven stimuleert, zien de meeste Fortune 500-bedrijven geen grote winsten uit de inzet van AI.
Jellyfish, een bedrijf dat tools maakt voor softwareontwikkelaars, heeft gisteren een nieuw rapport uitgebracht, gebaseerd op het gebruik van agentische coderingstools door 276.000 van zijn klanten. Claude Code en andere op antropische modellen gebaseerde tools blijven het meest gebruikt in het onderzoek en zijn verantwoordelijk voor bijna een derde van alle voorgestelde codewijzigingen die ter beoordeling zijn ingediend. Belangrijker nog is dat de uitgaven aan deze tools sinds het begin van het jaar vertienvoudigd zijn, waarbij de kosten nu gelijk zijn aan ongeveer 2% van de totale engineeringkosten.
“Zelfs als je zegt dat 2% nog steeds klein is, is die 10x groei een groei waar de meeste CFO’s niet op hadden gerekend”, vertelde Nicholas Arcolano, hoofdwetenschapper bij Jellyfish, aan TechCrunch. We komen zeker op het punt waarop mensen zich realiseren: oké, het is niet genoeg om alleen maar een hoop geld uit te geven. Je moet het nu optimaliseren, laten werken.”
De nieuwe rapporten van Anthropic gaan in op die uitdaging. Antropische leads onder zakelijke klanten, maar wat een agentische codeertool echt plakkerig maakt, is moeilijk te identificeren. De release van OpenAI's Astra-model deze zomer leek een potentiële bedreiging voor Anthropic, maar tot nu toe heeft dit de adoptiecijfers van Anthropic niet vertraagd.
“Het heeft lang geduurd voordat we Codex echt in onze data zagen verschijnen, en nu is Astra [het nieuwste model van OpenAI] op de proppen gekomen”, vertelde Nikolas Albarran, de AI-productleider bij Jellyfish, aan TechCrunch. Als je naar X kijkt, vervolgde hij, krijg je duidelijk de indruk dat de concurrentie heviger is. "Iedereen in de Valley zegt: 'Oh, de Codex is beter.'" In werkelijkheid, vervolgde Albarran, "was Anthropic er gewoon met grote ondernemingsbewegingen, en ze hadden een eigen gewicht - dit spul werkte en werkte goed, en veel mensen hebben gewoon veel moeite gestoken in het standaardiseren van de workflows eromheen. En er is niet voldoende reden om over te stappen."
Het is ook niet alleen een kwestie van modellen en workflows. De realiteit van het bedrijfsleven betekent dat zodra een grenslaboratorium een klant heeft aangetrokken, het overstappen moeilijker is dan voor een individuele programmeur of een kleine organisatie. Albarran wijst op de investeringen die alle grote AI-laboratoria doen in forward-deployed engineering (FDE) organisaties, teams die AI-consultants in klantorganisaties insluiten om hen van de grond te helpen. Deze nieuwe rapportagetools kunnen worden gezien als een soort FDE-lite, een lichtere versie van die praktische hulp, voor Anthropic-klanten.
“We bevinden ons nu op een punt waarop het volwassen genoeg is, waar het, als je er eenmaal in zit, steeds moeilijker wordt om over te stappen omdat je er de moeite voor hebt genomen”, zei hij. “Zelfs al zijn ze allemaal grotendeels hetzelfde, ze zullen allemaal een beetje anders zijn, hun eigen eigenaardigheden hebben over de manier waarop ze met agent.md-bestanden omgaan, enz., en dus zijn de kosten om over te stappen niet nul.”