Антропные данные подробно описывают этапы внедрения ИИ

Экономический индекс Anthropic дает представление о реальном применении крупных языковых моделей в организациях и среди частных лиц. Анализ основан на обширном наборе данных: миллионах взаимодействий потребителей на Claude.ai и таком же количестве вызовов корпоративных API, все из ноября 2025 года. Важно отметить, что выводы основаны на наблюдениях за поведением пользователей, а не на традиционных опросах или анкетировании руководителей предприятий.

Узкий спектр основных применений

Использование ИИ Anthropic постоянно сосредоточено вокруг ограниченного набора задач. Фактически, десять наиболее частых действий составляют примерно четверть всех взаимодействий потребителей и почти треть трафика корпоративных API. Значительная часть этой деятельности, как и ожидалось, связана с написанием и редактированием кода.

Этот акцент на ИИ как инструменте разработки программного обеспечения остается стабильным, что указывает на то, что воспринимаемая ценность Claude тесно связана с этими возможностями. Нет никаких признаков того, что другие варианты использования приобретают существенную популярность. Эта закономерность свидетельствует о том, что целенаправленное внедрение ИИ в проверенных областях имеет больше шансов на успех, чем широкое внедрение для общих целей.

Сотрудничество превосходит полную автоматизацию

На потребительских платформах пользователи в основном участвуют в совместных, итеративных диалогах с ИИ, со временем уточняя запросы. В отличие от этого, использование корпоративных API склоняется к автоматизации рабочих процессов для повышения эффективности. Однако, хотя Claude хорошо справляется с короткими, дискретными задачами, качество результатов снижается по мере увеличения сложности и необходимого «времени на обдумывание».

Это указывает на то, что автоматизация наиболее эффективна для рутинных, хорошо прописанных задач с меньшим количеством логических шагов и быстрым выполнением. Задачи, выполнение которых человеку требуется несколько часов, имеют заметно более низкий показатель успешности, чем более короткие. Для успеха более амбициозных проектов пользователи должны активно направлять процесс, разбивая большие цели на управляемые шаги и итеративно уточняя результаты ИИ.

Большинство запросов, обрабатываемых LLM, связаны с профессиями «белых воротничков», хотя модели использования варьируются в зависимости от региона — в некоторых странах более распространены академические приложения. Например, туристический агент может переложить сложную планировку маршрута на ИИ, занимаясь при этом транзакционными обязанностями, а управляющий недвижимостью может автоматизировать рутинную административную работу, но сохранить за собой задачи, требующие тонкого суждения.

Рост производительности сдерживается операционными издержками

В отчете предлагается скорректировать общие прогнозы по повышению годовой производительности труда с помощью ИИ на 1,8 % за десятилетие в сторону понижения до 1–1,2 %. Эта корректировка учитывает скрытые трудозатраты и затраты, связанные с проверкой, исправлением ошибок и переделкой. Хотя повышение эффективности на 1 % остается экономически значимым, руководители предприятий должны учитывать эти операционные реалии в своем планировании.

Потенциальные выгоды от внедрения ИИ также зависят от того, дополняет ли эта технология человеческий труд или заменяет его. Успешная замена в значительной степени зависит от сложности выполняемых задач. Ключевым выводом является сильная корреляция между сложностью запроса пользователя и успешным результатом, что подчеркивает, что человеческие навыки в управлении ИИ определяют его конечную ценность.

Стратегические идеи для лиц, принимающих решения

• ИИ обеспечивает быструю окупаемость в конкретных, четко определенных приложениях.
• Для сложных задач гибридные системы, сочетающие ИИ и человеческий контроль, превосходят полную автоматизацию.
• Прогнозируемое повышение производительности необходимо дисконтировать с учетом проблем надежности и необходимой вспомогательной работы.
• Влияние на рабочую силу определяется характером и сложностью задач, а не только должностными названиями.

Хотите узнать больше об ИИ и больших данных от экспертов отрасли? Посетите выставку AI & Big Data Expo, которая проходит в Амстердаме, Калифорнии и Лондоне. Это комплексное мероприятие является частью TechEx и проходит одновременно с другими крупными технологическими конференциями. Для получения более подробной информации нажмите здесь.

Новости об ИИ предоставляются TechForge Media. Узнайте о других предстоящих мероприятиях и вебинарах по корпоративным технологиям здесь.