Anthropic je predstavio sveobuhvatnu nadzornu ploču za svoj AI pomoćnik za programere Claude Code, nastojeći odgovoriti na ključno pitanje rukovoditelja: donosi li ulaganje u skupe AI alate stvarnu vrijednost?
„Kad vodite veliki inženjerski tim, želite znati što tko radi, a to može biti iznimno teško”, rekao je Adam Wolff, voditelj Claude Code tima i bivši šef inženjeringa u Robinhoodu.
Što se prati
Nova ploča pruža detaljne podatke o: • prihvaćenim linijama koda; • stopi prihvaćanja AI prijedloga; • aktivnosti korisnika kroz vrijeme; • ukupnoj i prosječnoj dnevnoj potrošnji po korisniku; • commitu i pull-requestu po članu tima.
Uz kontrolu pristupa po ulogama, sustav evidentira samo metapodatke, a ne stvarni sadržaj koda. „Ovdje nema informacija o tome što ljudi rade, već koliko koriste alat, koje im funkcije pomažu i kakva je stopa prihvaćanja”, naglasio je Wolff, smirujući bojazan od nadzora zaposlenika.
Rastuća potražnja i visoka cijena
Od uvođenja modela Claude 4 u svibnju, broj aktivnih korisnika skočio je 300 %, a godišnji prihod narastao više od pet i pol puta. Među klijentima su Figma, Rakuten i Intercom, dok mnoge druge korporacije zasad ostaju anonimne.
Claude Code pozicionira se kao vrhunsko rješenje – cijena počinje od 17 USD mjesečno za pojedinačne programere, a korporativni paketi višestruko su skuplji. „Ovo nije jeftino. Kupac mora razumjeti što dobiva, a kad vidite ove metrike, jasno je da developeri alat koriste i da im podiže produktivnost”, poručio je Wolff.
Utrka za mjerenjem učinka
GitHubov Copilot već ima milijune korisnika, Amazon je pokrenuo vlastito Claude-pogonjeno razvojno okruženje Kiro, a Google je za 2,4 milijarde dolara preuzeo Windsurf kako bi ojačao „agentske” mogućnosti. Anthropic vjeruje da je upravo transparentnost troškova i rezultata ono što će presuditi u borbi za enterprise klijente.
„Ljudi koji sada najbolje prolaze isprobavaju sve i biraju alat koji je najprikladniji za zadatak”, zaključuje Wolff, dodajući da ploča čini prvi korak prema razdoblju u kojem će AI agenti autonomno preuzimati složene razvojne zadatke, a tvrtke će napokon imati podatke da prate njihov učinak.
Kako se AI alati iz eksperimentalne faze sele u samo srce razvojnih procesa, mogućnost preciznog mjerenja njihova doprinosa mogla bi postati jednako vrijedna kao i sama umjetna inteligencija.