بارکلیز می‌خواهد نیمی از توسعه‌دهندگانش تا پایان سال از کلود کد استفاده کنند

۱۰ مهر ۱۴۰۵

بارکلیز می‌خواهد نیمی از توسعه‌دهندگانش تا پایان سال از کلود کد استفاده کنند

بارکلیز هدف گذاشته است که تا پایان ۲۰۲۶ نیمی از توسعه‌دهندگانش از کلود کد استفاده کنند؛ هدفی که هنوز محقق‌شده اعلام نشده است. اطلاعیه آنتروپیک از جست‌وجوی داخلی و هدایت روزانه حدود ۱۲۰ هزار ایمیل نیز خبر می‌دهد، اما هزینه قرارداد و صرفه‌جویی را مشخص نمی‌کند. ژرف بررسی می‌کند چرا تعداد استفاده‌ها با تعداد کارهای درست تمام‌شده یکسان نیست. معرفی هم‌زمان مادهای کلود کد، مسئله کنترل افزونه‌ها را ملموس‌تر کرده است؛ شواهدی از استفاده بارکلیز از این قابلیت نداریم. یادداشت اقتصادی انویدیا و سخنرانی‌های تازه بانک انگلستان و فدرال رزرو نیز محدودیت فرض «استفاده بیشتر، هزینه کمتر» را از زاویه زیرساخت، تأمین مالی و تورم روشن می‌کنند.


تحلیل ژرف

بارکلیز می‌خواهد تا پایان ۲۰۲۶ نیمی از توسعه‌دهندگانش از کلود کد استفاده کنند. آنتروپیک در اطلاعیه اول اکتبر، گسترش همکاری دو شرکت را اعلام کرد و برای ۲۰۲۷ نیز استفاده اکثریت مهندسان نرم‌افزار را پیش‌بینی کرد. این خبر درباره هدف بعدی بانک است، نه اعلام تحقق آن. اهمیتش برای مشتری بانک در تعداد حساب‌های فعالِ ابزار نیست؛ در این است که آیا تغییر یک خدمت، رفع اشکال نرم‌افزار یا پاسخ به یک درخواست واقعاً زودتر و با خطای کمتر انجام می‌شود. به‌نظر ژرف، فاصله میان این دو پرسش، بخش هنوز بی‌پاسخ خبر است.

برای اندازه فعلی کار هم عددهایی داریم، البته به روایت طرف تجاری قرارداد. دستیار جست‌وجوی داخلی بانک که از ۲۰۲۵ فعال است، بیش از ۱۶ هزار کاربر و بیش از یک میلیون جست‌وجو داشته است. در بخش بازارهای جهانی نیز روزانه حدود ۱۲۰ هزار ایمیل مشتریان دسته‌بندی، تکمیل اطلاعات و به مسیر رسیدگی مناسب هدایت می‌شوند. این حجم را نباید تعداد معامله خودکار دانست. همچنین یک جست‌وجو لزوماً یک مسئله حل‌شده نیست: ممکن است کارمند برای پاسخ به یک مشتری چند بار جست‌وجو کند. اطلاعیه، هزینه قرارداد، میزان صرفه‌جویی، نرخ خطا یا بازده مالی محاسبه‌شده را منتشر نمی‌کند.

بااین‌حال، نبود این ارقام به‌تنهایی نشانه شکست نیست. دسته‌بندی ایمیل کاری تکراری و پرتعداد است که حتی بهبود کوچک آن می‌تواند مفید باشد. فرض کنید درخواست اصلاح مشخصات مشتری به‌جای بخش درست، به صف دیگری برود؛ سرعت خواندن متن در این حالت کمکی نمی‌کند، چون مشتری همچنان منتظر می‌ماند. برعکس، پیدا کردن اطلاعات ناقص پیش از ارجاع می‌تواند رفت‌وبرگشت بعدی را حذف کند. اینها مثال تحلیلی‌اند، نه نتیجه اندازه‌گیری‌شده بارکلیز. برای قضاوت باید زمان رسیدگی از ابتدا تا پایان و تعداد ارجاع‌های اشتباه را در کنار حجم پردازش دید.

در برنامه‌نویسی هم همین تفاوت وجود دارد، اما واحد کار عوض می‌شود. ساختن سریع‌تر پیش‌نویس کد، تنها بخشی از تغییر یک نرم‌افزار بانکی است. بررسی رفتار آن در برابر داده قدیمی، کنترل دسترسی و امکان بازگشت به نسخه قبلی هنوز باقی می‌ماند. اگر زمان نویسنده کمتر شود ولی زمان بازبین بالا برود، سود خالص کوچک‌تر از چیزی است که شمار کاربران ابزار نشان می‌دهد. در مقابل، اگر ابزار کاری عقب‌افتاده را عملی کند که قبلاً فرصت انجامش نبود، ارزش آن می‌تواند در بهبود خدمت باشد، نه لزوماً کاهش هزینه حقوق. اطلاعیه مشخص نمی‌کند کدام نتیجه غالب خواهد بود.

آنتروپیک همان روز امکان تازه‌ای به نام «ماد» برای سفارشی‌کردن کلود کد معرفی کرد؛ برنامه‌های کوچکی با تایپ‌اسکریپت که می‌توانند رفتار ابزار را تغییر دهند. نکته مهم در مستند معرفی این است که مادها در محیط ایزوله اجرا نمی‌شوند و به همان اندازه خود کلود کد به رایانه دسترسی دارند. این قابلیت می‌تواند ابزار را با روال کار یک سازمان سازگار کند، اما افزونه‌ای که ظاهر یا رفتار دستیار را عوض می‌کند، صرفاً یک تنظیم ظاهری نیست. هیچ‌یک از منابع این شماره نمی‌گوید بارکلیز از مادها استفاده می‌کند؛ این خبر جداگانه، یک مسئله واقعی برای گسترش ابزار را نشان می‌دهد.

برای سازمان‌ها، آنتروپیک کنترل مجاز یا ممنوع بودن افزونه‌ها و ماد امنیتی sec-default را توضیح داده است. این ماد مانع می‌شود ماد نصب‌شده کاربر، قواعد منع دسترسی را کنار بزند؛ اگر مدیر ترتیب بارگذاری اولیه را سفارشی کند، باید آن را حفظ کند. این سازوکار را نباید با جداسازی در سطح سیستم‌عامل یکی گرفت. برداشت ژرف این است که نسخه افزونه، مسئول تأیید آن و راه بازگرداندن تغییر باید همان‌قدر روشن باشد که مالک کد اصلی روشن است. در غیر این صورت، دو برنامه‌نویس ظاهراً از یک دستیار استفاده می‌کنند، اما رفتار متفاوتی از آن می‌بینند.

پرسش مالی مشخص‌تر از «آیا هوش مصنوعی بهره‌وری می‌سازد؟» است. در مثال ایمیل، باید هزینه هر درخواست درست رسیدگی‌شده را حساب کرد؛ در نرم‌افزار، هزینه هر تغییر پذیرفته‌شده و پایدار را. هزینه مدل، بررسی انسانی، پشتیبانی و دوباره‌کاری همگی در این حساب جا دارند. از سوی دیگر، کوتاه‌تر شدن صف رسیدگی یا آزاد شدن وقت متخصص برای پرونده دشوار، منفعتی واقعی است حتی اگر فوراً در تعداد کارکنان دیده نشود. بنابراین هم ادعای صرفه‌جویی قطعی زودرس است و هم این حکم که بدون کاهش نیرو هیچ ارزشی ایجاد نشده است.

انویدیا در یادداشت اول اکتبر خود، بازده زیرساخت هوش مصنوعی را با ظرفیت درآمدزایی، عمر استفاده و امکان پاسخ‌دادن به تقاضاهای مختلف توضیح داد. ظرفیت درآمدزایی در این صورت‌بندی به فروش همه توکن‌های تولیدشده مشروط است؛ این ظرفیت، درآمد وصول‌شده نیست. این استدلال یک فروشنده زیرساخت است، نه حسابرسی سود مشتریانش و نه خبری از خرید سخت‌افزار توسط بارکلیز. تفاوت دو سطح مهم است: مالک مرکز داده با استفاده از ظرفیت محاسباتی درآمد می‌سازد، ولی بانک تنها وقتی منتفع می‌شود که خروجی آن ظرفیت، کار بانکی مفیدی را با هزینه قابل‌قبول پیش ببرد. این دو لزوماً هم‌زمان بهتر نمی‌شوند.

در سوی مالی، متن سخنرانی ناتانائل بنجامین از بانک انگلستان که اول اکتبر منتشر شد، بر آسیب‌پذیری تأمین مالی در بازار رپو تأکید داشت؛ بازاری برای قرض‌گرفتن در برابر وثیقه. او هشدار داد رقابت گاهی به وثیقه‌گیری آسان‌تر، مستقل از ارزیابی ریسک، می‌انجامد و از ارائه گزارشی جامع‌تر، همراه با پیشنهادهای احتمالی سیاستی، در اوایل ۲۰۲۷ گفت. سخنرانی در ۳۰ سپتامبر انجام شده بود؛ این خبرِ زمان انتشار متن است و هنوز قاعده الزام‌آور تازه‌ای نیست. موضوع آن کلود یا عملکرد بارکلیز نبود. اهمیت مستقلش برای خواننده بانکی این است که سریع‌تر شدن عملیات، خطر تأمین مالی را به‌خودی‌خود کمتر نمی‌کند.

فیلیپ جفرسون، نایب‌رئیس فدرال رزرو، نیز اول اکتبر دو روی سرمایه‌گذاری هوش مصنوعی را کنار هم گذاشت: پشتیبانی از رشد اقتصادی و فشار بر هزینه برخی کالاها و خدمات مرتبط. او خطر تورم بالاتر را برجسته کرد و تصمیم‌های بعدی سیاست پولی را وابسته به داده‌ها دانست. این دیدگاه شخصی اوست، نه تصمیم تازه کمیته بازار باز. نتیجه تحلیلی برای این پرونده محدود است: نمی‌توان فرض کرد گسترش هوش مصنوعی در همه جا فوراً هزینه‌ها را پایین می‌آورد. این سخنرانی هم رقم مشخصی برای هزینه تأمین مالی بارکلیز یا سود آینده همکاری آن به دست نمی‌دهد.

گام بعدی قابل رصد، تحقق هدف پایان سال بارکلیز و تعریف دقیق «استفاده» است: دسترسی به ابزار، استفاده منظم یا به‌کارگیری آن در تغییرات پذیرفته‌شده؟ سپس باید دید بانک درباره زمان پاسخ به مشتری، خطای ارجاع، کیفیت نرم‌افزار و هزینه کامل هر کار چه اطلاعاتی منتشر می‌کند. برای مادها، روشن‌بودن سیاست نصب و حفظ محدودیت‌های دسترسی اهمیت دارد؛ برای بازار مالی، جزئیات وعده‌داده‌شده بانک انگلستان در اوایل ۲۰۲۷. اینها مسیرهای جداگانه پیگیری‌اند. هیچ‌کدام به‌تنهایی بازده مثبت قرارداد بارکلیز را ثابت نمی‌کند و این گزارش توصیه خرید یا فروش دارایی نیست.

این شماره ۱۰ مهر، شواهد در دسترس تا ساعت ۹:۲۰ تهرانِ ۲ اکتبر را در بازه ۳۰ ساعت گذشته مرور می‌کند. هر پنج منبع تاریخ اول اکتبر دارند؛ زمان دقیق انتشار معرفی مادها اعلام نشده و ساعت صفر در داده منبع صرفاً جایگزین فنی تاریخ بدون ساعت است. زمان‌های دو سخنرانی نیز از تقویم رسمی گرفته شده‌اند، نه اندازه‌گیری لحظه بارگذاری صفحه. نتیجه روشن اما محدود است: بارکلیز برای استفاده گسترده‌تر از کلود کد موعد گذاشته و کاربردهای فعلی قابل‌توجهی گزارش شده‌اند؛ اکنون شواهدی لازم است که نشان دهد این استفاده، پس از هزینه کنترل و اصلاح، چه نتیجه‌ای برای مشتری و بانک دارد.


منابع و اسناد

  1. 01Barclays scales Claude to upgrade operations and improve client experienceAnthropic · ۹ مهر ۱۴۰۵
  2. 02Customize Claude Code with modsAnthropic · ۹ مهر ۱۴۰۵
  3. 03Productive, Durable, Fungible: How NVIDIA AI Factories Maximize Return on InvestmentNVIDIA · ۹ مهر ۱۴۰۵
  4. 04A unique vantage point − speech by Nathanaël BenjaminBank of England · ۹ مهر ۱۴۰۵
  5. 05The U.S. Economy and Monetary PolicyFederal Reserve · ۹ مهر ۱۴۰۵

برچسب‌ها

بارکلیزکلود کدهوش مصنوعی بانکیکنترل نرم‌افزاراقتصاد هوش مصنوعیثبات مالی

اخبار مرتبط

ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست
۲۳ مهر ۱۴۰۵•منبع: ASML

ای‌اس‌ام‌ال می‌گوید برنامهٔ تولیدش پاسخ‌گوی تقاضای ۲۰۲۷ و ۲۰۲۸ نیست

ای‌اس‌ام‌ال می‌گوید برنامهٔ فعلی تولیدش برای پاسخ به تقاضای مشتریان در ۲۰۲۷ و ۲۰۲۸ کافی نیست؛ حتی با سود قابل توجهی که امروز گزارش می‌کند. ابزارهای تازهٔ انویدیا ممکن است محاسبات مهندسی را کوتاه‌تر کنند، اما سرعت بیشتر یک محاسبه به‌خودی‌خود تولید کارخانه را بالا نمی‌برد. نظرسنجی فعالان نیمه‌رسانا از مشکل نیروی ماهر خبر می‌دهد و تورم آمریکا نیز موضوعی جداگانه برای فرض‌های تأمین مالی است. این شماره تفاوت ظرفیت دستگاه، سود گزارش‌شده، زمان محاسبه و قیمت مصرف‌کننده را روشن می‌کند. آنچه باید در ادامه دید، تعهد مشخص‌تر تولید و نتیجهٔ آزمون در کار واقعی است، نه فرض رفع کمبود با نرم‌افزار.

گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت
۱۷ مهر ۱۴۰۵•منبع: GlobalFoundries

گلوبال‌فاندریز تولید قطعات بسته‌بندی هوش مصنوعی را برای ۲۰۲۸ هدف گرفت

گلوبال‌فاندریز با تی‌اس‌ام‌سی برای تولید قطعات بسته‌بندی تراشه‌های هوش مصنوعی در نیویورک توافق کرد؛ اما این خبر به معنای آماده‌شدن ظرفیت تازه در همین امروز نیست. هم‌زمان، درآمد ماهانهٔ تی‌اس‌ام‌سی و برآورد سود فصلی سامسونگ تصویری از کسب‌وکار فعلی تراشه‌سازان می‌دهند. در سوی مصرف نیز انویدیا و وزارت انرژی آمریکا برنامه‌های تازه‌ای برای پژوهش با هوش مصنوعی اعلام کرده‌اند. گزارش امروز تفاوت این اسناد را توضیح می‌دهد: قرارداد تولید با درآمد ثبت‌شده یکی نیست، سود تلفیقی سهم هوش مصنوعی را نشان نمی‌دهد و بودجهٔ پژوهش هم هنوز نتیجهٔ علمی نیست. برای فهم اثر واقعی این خبرها باید زمان تحویل، نوع هزینه و خروجی قابل سنجش هر برنامه را جدا دنبال کرد.

اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت
۱۶ مهر ۱۴۰۵•منبع: Applied Digital

اپلاید دیجیتال از تجهیز مراکز هوش مصنوعی نزدیک سه برابر اجارهٔ پایه درآمد گرفت

اپلاید دیجیتال در تازه‌ترین گزارش مالی خود، ۱۸۳٫۵ میلیون دلار درآمد تجهیز فضای مشتریان را در برابر ۶۵٫۸ میلیون دلار اجارهٔ پایه ثبت کرد. این تفاوت نشان می‌دهد چرا رشد درآمد مراکز هوش مصنوعی را نمی‌توان یکسره رشد اجارهٔ تکرارشونده دانست. زیان حسابداری بزرگ، زیان تعدیل‌شدهٔ کوچک‌تر و جریان نقد مثبتِ عملیات نیز هرکدام مبنای متفاوتی دارند. گزارش امروز این حساب‌ها را باز می‌کند و سپس با اتکا به صورت‌جلسهٔ تازهٔ فدرال رزرو، تغییر چت‌جی‌پی‌تی و قیمت‌های هایکو ۵٫۵، پرسش بعدی را مطرح می‌کند: درآمد ساخت زیرساخت چگونه به درآمد پایدار استفاده از آن تبدیل می‌شود؟ پاسخ هنوز به تحویل پروژه، هزینهٔ تأمین مالی و مصرف واقعی وابسته است.

ژرف این تحلیل را به‌طور مستقل و بر پایه منابع اصلی نوشته است. برای جزئیات و زمینه کامل، پیوندهای بالا را ببینید.

می‌خواهید هوش مصنوعی را وارد کار روزمره سازمانتان کنید؟

با ما تماس بگیرید و بگویید کدام کار بیشترین وقتتان را می‌گیرد.

تماس با ما