تحلیل‌های اخیر از اسناد محرمانه شرکت Anthropic نشان می‌دهد که این شرکت با چالش جدی در زمینه تنوع درآمدی (Revenue Diversification) روبروست. طبق گزارش Reuters، تقریباً یک‌چهارم درآمد سال گذشته این شرکت تنها از دو مشتری تامین شده است و بسیاری از مشتریان بزرگ آن قراردادهای بلندمدت امضا نکرده‌اند. این وضعیت می‌تواند منجر به افزایش قابل‌توجه قدرت چانه‌زنی مدیران فناوری (CIO) در سازمان‌های بزرگ شود.
افزایش اهرم فشار برای سازمان‌ها
کارشناسان معتقدند که تامین‌کنندگان AI در حال حاضر بیش از آنکه سازمان‌ها به آن‌ها نیاز داشته باشند، به درآمدهای سازمانی وابسته هستند. این موضوع به CIOها اجازه می‌دهد تا در مذاکرات فعلی، روی موارد زیر تمرکز کنند:
- تضمین قیمت (Price Protection): مذاکره برای جلوگیری از افزایش‌های ناگهانی هزینه.
- اطلاع‌رسانی پیش از بازنشستگی مدل‌ها: دریافت تعهد برای اطلاع‌رسانی به‌موقع پیش از توقف پشتیبانی از مدل‌های فعلی.
- قابلیت جابه‌جایی داده‌ها (Data Portability): اطمینان از اینکه داده‌ها به راحتی قابل انتقال به تامین‌کنندگان دیگر هستند.
ریسک وابستگی و استراتژی خروج
یکی از کلیدی‌ترین هشدارهای مطرح شده در این تحلیل، خطر ایجاد وابستگی مطلق به یک مدل خاص است. طبق گفته تحلیلگران، مدیری که یک مدل AI را به طور مستقیم در تمام جریان‌های کاری (Workflows) سازمان خود ادغام می‌کند، در واقع یک Dependency (وابستگی) خریده است، نه یک ابزار هوشمند.
برای کاهش این ریسک، توصیه می‌شود سازمان‌ها یک Abstraction Layer (لایه انتزاعی) بین اپلیکیشن‌ها و مدل‌های AI ایجاد کنند. این رویکرد اجازه می‌دهد تا سازمان‌ها بدون تغییر در زیرساخت‌های نرم‌افزاری، مدل‌های خود را تغییر دهند. در واقع، داشتن یک «برنامه خروج» (Exit Plan) باید بخشی جدایی‌ناپذیر از فرآیند خرید خدمات AI باشد.
چالش‌های ساختاری و نقش مدل‌های Open Source
تحلیل‌ها نشان می‌دهد که هزینه‌های زیرساختی برای آزمایشگاه‌های AI مانند Anthropic بسیار بالاست و بخش بزرگی از این هزینه‌ها غیرقابل لغو هستند. همچنین، تسلط OpenAI و Anthropic بر بخش بزرگی از بازار، احتمال افزایش قیمت‌ها را در آینده افزایش می‌دهد که باید در پیش‌بینی‌های ROI (بازگشت سرمایه) لحاظ شود.
در این میان، مدل‌های Open Source (متن‌باز) به عنوان یک عامل فشار بر تامین‌کنندگان تجاری عمل می‌کنند. اگرچه عملیاتی کردن مدل‌های متن‌باز در مقیاس سازمانی می‌تواند دشوارتر باشد، اما توانایی Anthropic در بقای بلندمدت به این بستگی دارد که بتواند تمایز خود را از نظر پیش‌بینی‌پذیری، تاخیر (Latency) و هزینه کل مالکیت (TCO) در مقیاس بالا به اثبات برساند.
