ఆంత్రోపిక్ యొక్క ఆర్థిక సూచిక సంస్థలు మరియు వ్యక్తులు వాస్తవానికి పెద్ద భాషా నమూనాలను ఎలా ఉపయోగిస్తున్నారనే దానిపై ఒక లుక్ను అందిస్తుంది. నివేదిక Claude.aiలో ఒక మిలియన్ వినియోగదారు పరస్పర చర్యల యొక్క కంపెనీ విశ్లేషణను కలిగి ఉంది, అలాగే ఒక మిలియన్ ఎంటర్ప్రైజ్ API కాల్లు, అన్నీ నవంబర్ 2025 నాటివి. ఉదాహరణకు, వ్యాపార నిర్ణయాధికారుల నమూనా లేదా సాధారణ సర్వే కంటే దాని గణాంకాలు పరిశీలనలపై ఆధారపడి ఉన్నాయని నివేదిక పేర్కొంది.
పరిమిత వినియోగ కేసులు ఆధిపత్యం చెలాయిస్తాయి
ఆంత్రోపిక్ యొక్క AI యొక్క ఉపయోగం సాపేక్షంగా తక్కువ సంఖ్యలో టాస్క్ల చుట్టూ క్లస్టర్గా ఉంటుంది, చాలా తరచుగా నిర్వహించబడే పది టాస్క్లు దాదాపు పావువంతు వినియోగదారుల పరస్పర చర్యలకు మరియు దాదాపు మూడవ వంతు ఎంటర్ప్రైజ్ API ట్రాఫిక్కు కారణమవుతాయి. పాఠకులు ఊహించినట్లుగా, కోడ్ సృష్టి మరియు సవరణ కోసం క్లాడ్ని ఉపయోగించడంపై దృష్టి ఉంది.
సాఫ్ట్వేర్ డెవలప్మెంట్ సాధనంగా AI యొక్క ఈ ఏకాగ్రత కాలక్రమేణా చాలా స్థిరంగా ఉంది, మోడల్ యొక్క విలువ ఎక్కువగా ఈ రకమైన పనులపై ఆధారపడి ఉంటుందని సూచిస్తుంది, ఎటువంటి అనుభావిక ప్రాముఖ్యత కలిగిన ఇతర ప్రయోజనాల కోసం క్లాడ్ను ఉపయోగించలేదు. పెద్ద భాషా నమూనాలు ప్రభావవంతంగా ఉన్నాయని నిరూపించబడిన పనులపై దృష్టి సారించిన వాటి కంటే AI యొక్క విస్తృత, సాధారణ రోల్అవుట్లు విజయవంతమయ్యే అవకాశం తక్కువగా ఉందని ఇది సూచిస్తుంది.
ఆగ్మెంటేషన్ ఆటోమేషన్ను అధిగమిస్తుంది
వినియోగదారు ప్లాట్ఫారమ్లలో, సహకార ఉపయోగం – ఇక్కడ వినియోగదారులు వర్చువల్ సంభాషణ సమయంలో AIకి ప్రశ్నలను మళ్లీ మళ్లీ మళ్లీ స్వయంచాలక వర్క్ఫ్లోలను ఉత్పత్తి చేయడానికి AIని ఉపయోగించడం కంటే చాలా సాధారణం. వ్యాపారాలు ఆటోమేటింగ్ టాస్క్ల ద్వారా పొదుపులను పొందేందుకు ప్రయత్నిస్తున్నందున Enterprise API వినియోగం వ్యతిరేకతను చూపుతుంది. ఏది ఏమైనప్పటికీ, క్లాడ్ తక్కువ టాస్క్లలో విజయం సాధించినప్పటికీ, గమనించిన ఫలితాల నాణ్యత పని (లేదా టాస్క్ల శ్రేణి) మరింత క్లిష్టంగా ఉంటుంది మరియు అవసరమైన ‘ఆలోచించే సమయం’ ఎక్కువ అవసరం.
రొటీన్, సులభతరమైన, తక్కువ తార్కిక దశలు అవసరమయ్యే మరియు ప్రశ్నలకు ప్రతిస్పందనలు త్వరగా ఉండేటటువంటి చక్కగా నిర్వచించబడిన పనులకు ఆటోమేషన్ అత్యంత ప్రభావవంతంగా ఉంటుందని ఇది సూచిస్తుంది. మానవులకు చాలా గంటలు పట్టవచ్చని అంచనా వేసిన టాస్క్లు చిన్న టాస్క్ల కంటే చాలా తక్కువ పూర్తి రేట్లను చూపుతాయి. సుదీర్ఘమైన పనులు విజయవంతం కావాలంటే, వినియోగదారులు అవుట్పుట్లను పునరావృతం చేయాలి మరియు సరిచేయాలి.
వినియోగదారులు పెద్ద టాస్క్లను నిర్వహించదగిన దశలుగా విభజించి, ప్రతి ఒక్కటి విడివిడిగా (ఇంటరాక్టివ్గా లేదా API ద్వారా) పోజులివ్వడం ద్వారా విజయ రేట్లను మెరుగుపరిచారు.
సంస్థ యొక్క పరిశీలనలు LLM లకు సంబంధించిన చాలా ప్రశ్నలు వైట్ కాలర్ పాత్రలతో సంబంధం కలిగి ఉన్నాయని చూపుతున్నాయి (అయితే పేద దేశాలు సాధారణంగా US కంటే అకడమిక్ సెట్టింగ్లలో క్లాడ్ను ఎక్కువగా ఉపయోగిస్తాయి). ఉదాహరణకు, ట్రావెల్ ఏజెంట్లు LLMకి సంక్లిష్టమైన ప్రణాళిక పనులను కోల్పోతారు మరియు వారి మరింత లావాదేవీకి సంబంధించిన అంశాలను నిలుపుకోవచ్చు, అయితే ప్రాపర్టీ మేనేజర్ల వంటి కొన్ని పాత్రలు వ్యతిరేకతను చూపుతాయి: సాధారణ పరిపాలనా పనులను AI నిర్వహించగలదు మరియు అధిక-తీర్పు అవసరమయ్యే పనులు మానవ నిపుణుల వద్దనే ఉంటాయి.
విశ్వసనీయత వల్ల ఉత్పాదకత తగ్గుతుంది
ది నివేదిక గమనికలు వార్షిక కార్మిక ఉత్పాదకతను 1.8% (దశాబ్దానికి పైగా) పెంచుతున్న AI యొక్క క్లెయిమ్లను 1-1.2%కి తగ్గించడం ఉత్తమం, అదనపు శ్రమ మరియు వ్యయాల కారకం కారణంగా. ఒక దశాబ్దంలో 1% సామర్థ్య లాభం ఇప్పటికీ ఆర్థికంగా అర్థవంతంగా ఉన్నప్పటికీ, ధృవీకరణ, ఎర్రర్ హ్యాండ్లింగ్ మరియు తిరిగి పని చేయడం వంటి కార్యకలాపాల అవసరం విజయ రేట్లను తగ్గిస్తుంది మరియు అందువల్ల వ్యాపార నిర్ణయాధికారుల మనస్సులలో ఇదే విధమైన సర్దుబాటు ఉండాలి.
AIని అమలు చేసే సంస్థకు సంభావ్య లాభాలు కూడా LLMకి ఇచ్చిన టాస్క్లు కాంప్లిమెంట్ లేదా ప్రత్యామ్నాయ పనిపై ఆధారపడి ఉంటాయి. తరువాతి సందర్భంలో, సాధారణంగా మానవుడు చేసే పనులకు AIని ప్రత్యామ్నాయం చేయడంలో విజయం అనేది పని ఎంత క్లిష్టంగా ఉంటుందనే దానిపై ఆధారపడి ఉంటుంది.
LLMకి వినియోగదారుల ప్రాంప్ట్ల యొక్క అధునాతనత మరియు విజయవంతమైన ఫలితాల మధ్య ఖచ్చితమైన సహసంబంధాన్ని నివేదిక కనుగొనడం గమనార్హం. అందువల్ల, ప్రజలు AIని ఎలా ఉపయోగిస్తారో అది అందించే దాన్ని ఆకారాలు చేస్తుంది.
నాయకులకు కీలకమైన అంశాలు
- AI అమలు నిర్దిష్ట, బాగా నిర్వచించబడిన ప్రాంతాలలో వేగంగా విలువను అందిస్తుంది.
- కాంప్లిమెంటరీ సిస్టమ్స్ (AI+హ్యూమన్) సంక్లిష్ట పని కోసం పూర్తి ఆటోమేషన్ను అధిగమిస్తుంది.
- విశ్వసనీయత మరియు అవసరమైన అదనపు పని ‘చుట్టూ’ అంచనా ఉత్పాదకత లాభాలను తగ్గిస్తుంది.
- వర్క్ఫోర్స్ మేకప్లో మార్పులు టాస్క్ల మిశ్రమం మరియు వాటి సంక్లిష్టతపై ఆధారపడి ఉంటాయి, నిర్దిష్ట ఉద్యోగ పాత్రలపై కాదు.
(చిత్ర మూలం: antjeverena ద్వారా “ది వర్చువల్ కన్స్ట్రక్షన్ వర్కర్” CC BY-NC-SA 2.0 ప్రకారం లైసెన్స్ పొందింది.)
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
