شرکت Making Sense به سطح Select شبکه شرکای Claude رسید؛ شرکت‌ها به‌دنبال شرکای هوش مصنوعی با سابقه عملی هستند
Making Sense، شرکت مشاوره فناوری که برای کسب‌وکارهای متوسط و شرکت‌های تحت حمایت سرمایه‌گذاران خصوصی نرم‌افزار توسعه می‌دهد، به‌عنوان شریک سطح Select در بخش خدمات شبکه شرکای Claude شرکت آنتروپیک انتخاب شده است.
مبنای این رتبه‌بندی، محصولات هوش مصنوعی است که این شرکت برای مشتریان خود به مرحله بهره‌برداری رسانده است.
پس از دو سال اجرای پروژه‌های آزمایشی که به‌ندرت به مرحله تولید و استفاده واقعی رسیدند، شرکت‌هایی که برای توسعه هوش مصنوعی از متخصصان بیرونی کمک می‌گیرند، سخت‌گیرتر شده‌اند. اکنون مشتریان پیش از امضای قرارداد می‌خواهند شواهدی ببینند که نشان دهد شرکت مشاور قبلاً سامانه‌هایی عملیاتی و قابل‌استفاده تحویل داده است.
آنتروپیک در ماه ژوئن بخش خدمات (Services Track) را راه‌اندازی کرد تا شرکت‌هایی را رتبه‌بندی کند که به سازمان‌ها در ساخت و استقرار راهکارهای مبتنی بر Claude کمک می‌کنند. شرکا بر اساس سه معیار ارزیابی می‌شوند: تعداد متخصصان دارای گواهی‌نامه در مجموعه، تعداد مشتریانی که طی ۱۲ ماه گذشته راهکارهایشان به مرحله بهره‌برداری رسیده است و تعداد گزارش‌های عمومی درباره پروژه‌های مشتریان.
در حال حاضر، ۲۰ نفر از کارکنان Making Sense از طریق آکادمی شرکای آنتروپیک گواهی‌نامه دریافت کرده‌اند و نام این شرکت نیز در فهرست عمومی مرکز شرکای Claude قرار گرفته است. این شرکت برای اثبات توانمندی‌های خود به دو پروژه با مشتریان استناد می‌کند: Doppler، پلتفرم بازاریابی در آمریکای لاتین، و Viallion، شرکت فعال در زمینه خودکارسازی معاملات با استفاده از هوش مصنوعی.
چرا مشتریان به دنبال شواهد عملی هستند؟
برای استارتاپ‌ها و شرکت‌های در حال توسعه سریع، انتخاب شریک نامناسب در حوزه هوش مصنوعی هزینه سنگینی دارد. متوقف ماندن یک پروژه ممکن است ماه‌ها از فرصت فعالیت شرکت را هدر دهد؛ از سوی دیگر، تیم‌های کوچک‌تر معمولاً متخصصان داخلی لازم را برای ارزیابی ادعاهای شرکت‌های مشاور در اختیار ندارند.
کارنامه پروژه‌های هوش مصنوعی تاکنون نیز دلایل کافی برای احتیاط در اختیار مشتریان گذاشته است. پژوهشی از مؤسسه NANDA در دانشگاه MIT که سال گذشته منتشر شد، نشان داد ۹۵ درصد پروژه‌های آزمایشی هوش مصنوعی مولد تأثیر قابل‌اندازه‌گیری اندکی بر سود و زیان شرکت‌ها داشته‌اند یا اساساً تأثیری نداشته‌اند. این پژوهش همچنین نشان داد شرکت‌هایی که خودشان راهکارها را توسعه می‌دهند، در مقایسه با شرکت‌هایی که از شرکای بیرونی کمک می‌گیرند، بیشتر با شکست مواجه می‌شوند. گزارش پژوهش در نشریه فورچون.
ادعاهای فروشندگان نیز انتخاب را آسان‌تر نکرده است. شرکت تحقیقاتی گارتنر درباره پدیده‌ای به نام «عامل‌شویی» (Agent Washing) هشدار داده است؛ روشی که در آن چت‌بات‌ها و ابزارهای خودکارسازی موجود را با نام هوش مصنوعی عامل‌محور دوباره عرضه می‌کنند. گارتنر برآورد کرده است که از میان هزاران فروشنده‌ای که محصولات عامل‌محور را تبلیغ می‌کنند، در واقع تنها حدود ۱۳۰ شرکت محصولاتی ارائه می‌دهند که واقعاً در این دسته قرار می‌گیرند. گزارش گارتنر.
در سمت عرضه نیز شبکه شرکای آنتروپیک ظرف چند ماه پس از آغاز فعالیت خود بیش از ۴۰ هزار درخواست دریافت کرد.
بخش خدمات آنتروپیک برای حل همین مسئله رتبه‌بندی ایجاد شده است. این بخش به‌جای تکیه بر تبلیغات خود شرکت‌ها، معیارهایی مرتبط با عملکرد واقعی و تحویل پروژه‌ها منتشر می‌کند. طبق الزامات اعلام‌شده آنتروپیک، شریک سطح Select باید دست‌کم ۱۰ متخصص دارای گواهی‌نامه داشته باشد، در یک سال گذشته راهکارهای مبتنی بر Claude را برای دست‌کم دو مشتری به مرحله بهره‌برداری رسانده باشد و حداقل یک گزارش عمومی درباره پروژه مشتریان خود ارائه کند.
گواهی‌نامه‌ها به افراد تعلق می‌گیرند و دریافت آن‌ها مستلزم شرکت در آزمون است؛ بنابراین، تعداد اعلام‌شده نشان‌دهنده شمار افرادی است که واقعاً در استخدام شرکت قرار دارند.
فرناندو فلورز، مدیر ارشد درآمد Making Sense، گفت: «آنتروپیک هر سه ماه یک‌بار وضعیت هر شریک را بر اساس تعداد متخصصان دارای گواهی‌نامه و مشتریانی که راهکارهای Claude را برای آن‌ها به مرحله بهره‌برداری رسانده است، بررسی می‌کند.»
او افزود: «این کار مرجعی عمومی و قابل‌راستی‌آزمایی در اختیار مشتریان قرار می‌دهد تا بتوانند عملکرد ما را بر اساس پروژه‌هایی که تحویل داده‌ایم ارزیابی کنند. در نتیجه، انتخاب شریک کاری کمتر به یک تصمیم مبتنی بر اعتماد صرف تبدیل می‌شود.»
اکنون شرکت‌ها پیش از امضای قرارداد می‌توانند در مرکز شرکای Claude، مؤسسات مختلف را بر اساس سطح همکاری، اندازه تیم دارای گواهی‌نامه، تعداد استقرارهای عملیاتی و مشتریان معرفی‌شده مقایسه کنند. این اطلاعات پاسخ بسیاری از پرسش‌هایی را در اختیار خریداران محتاط می‌گذارد که در گذشته ناچار بودند برای یافتن پاسخ آن‌ها با مشتریان قبلی شرکت‌های مشاور تماس بگیرند.
از سه ماه تا راه‌اندازی؛ هزینه ۶٫۶ سنت برای هر تعامل
گزارش عمومی Making Sense درباره یکی از مشتریانش به Doppler اختصاص دارد؛ شرکتی فعال در حوزه بازاریابی ایمیلی و خودکارسازی بازاریابی که به کسب‌وکارهایی در سراسر آمریکای لاتین و اسپانیا خدمات می‌دهد. Making Sense دستیار هوش مصنوعی ECO IA را طراحی و توسعه داده است؛ ابزاری که در محصول Doppler اجرا می‌شود و از مدل Claude Sonnet 4.5 استفاده می‌کند.
ECO IA اطلاعات زنده حساب کاربری را می‌خواند، عملکرد آن را ارزیابی می‌کند و پیش‌نویس کمپین‌های بازاریابی را می‌سازد. کاربران پیش از ارسال هر پیش‌نویس می‌توانند آن را ویرایش و تأیید کنند. این دستیار ظرف سه ماه از آغاز پروژه راه‌اندازی شد. ECO IA به‌طور پیش‌فرض برای تمام حساب‌های جدید Doppler فعال است و اکنون در بیش از ۴۸۰۰ حساب در دسترس قرار دارد. به گزارش Making Sense، ۹۵ درصد کاربرانی که با این دستیار تعامل داشته‌اند، طی چند ماه مختلف دوباره از آن استفاده کرده‌اند.
برای هر شرکتی که یک مدل هوش مصنوعی را در محصول خود ادغام می‌کند، هزینه هر تعامل می‌تواند تعیین کند که این قابلیت حاشیه سود را بهبود می‌دهد یا به آن آسیب می‌زند. Making Sense برای کاهش هزینه‌ها از قابلیت ذخیره‌سازی موقت پرامپت (Prompt Caching) استفاده کرده است. این روش بخش‌هایی از درخواست را که در فراخوانی‌های متوالی ثابت می‌مانند ذخیره می‌کند تا Claude مجبور نباشد هر بار آن‌ها را دوباره پردازش کند.
این شرکت اعلام کرده است که نرخ استفاده موفق از حافظه نهان به ۹۷ درصد رسیده و هزینه هر تعامل با ECO IA برابر با ۰٫۰۶۶ دلار، یعنی ۶٫۶ سنت، است.
مهندسان همچنین داشبوردی ساخته‌اند که میزان استفاده، هزینه‌ها، تأخیر پاسخ‌گویی و خطاها را به‌صورت لحظه‌ای ردیابی می‌کند. به این ترتیب، Doppler می‌تواند هم‌زمان با افزایش شمار حساب‌های استفاده‌کننده، هزینه‌های دستیار و نحوه عملکرد آن را زیر نظر داشته باشد.
کاهش زمان از دو ماه به یک هفته
پروژه دوم نشان می‌دهد که چگونه می‌توان از Claude در فرایند توسعه نرم‌افزار استفاده کرد. Making Sense در شرکت Viallion بخش‌های کلیدی گردش کار مهندسی را با محوریت Claude Code، ابزار برنامه‌نویسی آنتروپیک، از نو طراحی کرد.
به گفته Making Sense، فرایندهایی که پیش‌تر دو تا سه ماه برای توسعه، اعتبارسنجی و انتشار زمان می‌بردند، اکنون در حدود یک هفته انجام می‌شوند. همچنین، ایده‌ها چهار برابر سریع‌تر اعتبارسنجی می‌شوند.
در هر دو پروژه Viallion و Doppler، مهندسان Making Sense در کنار تیم‌های خود مشتریان کار کردند. در پروژه Doppler، فعالیت‌ها شامل خودکارسازی آزمون‌ها و اصلاح گردش کار توسعه نیز بود تا توسعه‌دهندگان داخلی شرکت بتوانند به‌تنهایی ادغام Claude را آزمایش، اعتبارسنجی و توسعه دهند. تیم Viallion نیز پس از پایان مرحله توانمندسازی، به استفاده از گردش کار جدید و بهبود مستمر آن ادامه داد.
سزار دانونفریو، مدیرعامل و هم‌بنیان‌گذار Making Sense، گفت افزایش سرعت تولید کد به معنای از بین رفتن نیاز به افرادی نیست که شناخت دقیقی از نحوه فعالیت کسب‌وکار دارند.
او گفت: «Claude سرعت ساخت نرم‌افزار را به‌شکل چشمگیری افزایش داده است. اما برای دانستن اینکه یک تغییر چه بخش‌هایی از شرکت را تحت تأثیر قرار می‌دهد، همچنان به افرادی نیاز داریم که آن کسب‌وکار را بشناسند؛ افرادی که بدانند کدام سامانه به فرایند صدور صورت‌حساب وابسته است، نهادهای نظارتی چه داده‌هایی را مطالبه خواهند کرد و کدام تیم باید صبح روز بعد مسئولیت بهره‌برداری از سامانه را بر عهده بگیرد.»
او ادامه داد: «ما بیش از ۲۰ سال است که این کار را انجام می‌دهیم. همراه با مشتریانمان تصمیم می‌گیریم چه چیزی ارزش ساختن دارد، راهکار را به تمام سامانه‌هایی که عملیات کسب‌وکار بر آن‌ها متکی است متصل می‌کنیم، از انطباق با مقررات و قابلیت اطمینان آن اطمینان حاصل می‌کنیم و پس از راه‌اندازی نیز مسئولیت نتیجه را می‌پذیریم.»
Making Sense عمدتاً با شرکت‌های آمریکایی همکاری می‌کند و بر هوش مصنوعی عامل‌محور و خودکارسازی گردش کار در صنایع تحت نظارت، از جمله مراقبت‌های سلامت، فناوری مالی و لجستیک، تمرکز دارد.
افشاگری: این مقاله به یکی از مشتریان شرکت‌های موجود در سبد سرمایه‌گذاری Espacio اشاره می‌کند.