Ang tao na kumakain ng pinakamaraming AI tokens sa loob ng isa sa mga pinaka-advanced na kompanya sa AI sa mundo ay hindi isang inhinyero, mananaliksik, o product manager. Ito ang puno ng buwis.
Ang CFO ng Anthropic, si Krishna Rao, ay nagpaalala sa isang pananaw noong Mayo 13 sa Invest Like the Best podcast, na ang mga senior na propesyonal sa pagsasapalaran ay naging pinakamalaking internal na gumagamit ng Claude, ang pangunahing AI model ng kumpanya.
Ang AI playbook ng koponan ng pondo
Ipinakita ni Rao ang isang organisasyon sa pondo na naging mas malayo kaysa sa pangkaraniwang pagsubok ng AI. Ang koponan ay nagpapanatili ng 70 hanggang 150 custom na “kasanayan” ni Claude, na mga paggawa na disenyo para sa partikular na layunin at mga agent na naka-store sa mga shared na repository na katulad ng GitHub.
Ang mga pampublikong pahayag na pampagkakakilanlan, ang uri ng mga dokumento na dating nangangailangan ng masusing pagpupulong ng tao, ay ngayon ay pangunahing nilalikha ni Claude kasama ang pagmamasid ng tao. Ang mga lingguhang ulat sa kita at paggamit ng compute na dating nagtatagal ng ilang oras ay ngayon ay nangangailangan lamang ng halos 30 minuto.
Kinabigyan din ni Rao na sinusubaybayan ng Anthropic ang paggamit ng mga token sa loob sa pamamagitan ng mga leaderboard. Ang mga ito ay purey impormatibo at hindi nakadepende sa kompensasyon o pagtataya ng performance.
Bakit ang tax team, ng lahat ng tao
Ang katotohanan na ang mga propesyonal sa buwis ang naging pinakamalaking tagapagkonsumo ng token ay nagpapakita ng mas malalim na kuwento tungkol sa kung saan nagdadala ng pinakamalaking halaga ang AI sa mga enterprise setting. Ang paggawa ng buwis ay kilala bilang napakakomplikado, puno ng mga dokumento, at pinag-uugnay ng mga detalyadong patakaran na palaging nagbabago.
Alam ng isang eksperto sa buwis ang mga tanong na dapat itanong at kayang agad na masuri kung tama ang sagot na nilikha ng AI. Ang mga propesyonal sa pananalapi na naiintindihan nang malalim ang kanilang larangan ang mga nasa pinakamabuting posisyon upang bumuo ng mga 70 hanggang 150 na kasanayang pang-espesipiko at i-integrate ang mga ito sa kanilang araw-araw na mga proseso.
Ano ang ibig sabihin nito para sa mga investor at sa mas malawak na merkado
Ang mga pagpapabuti sa produktibidad na ilarawan ni Rao—mga ulat na nagtatagal ng maraming oras na ginawang 30 minuto, awtomatikong paggawa ng mga pahayag sa pananalapi—ay masusukat na pagpapabuti sa efisensiya. Kung ang koponan sa pagsasapalaran ng Anthropic ay maaaring panatilihin ang hanggang 150 na kustomisadong AI workflow, ang lawak ng mga maaaring itayo ng mas malalaking organisasyon sa pagsasapalaran ay malaki.
Habang ang mga koponan sa pagsasapalaran ay automating ang mga kritikal na proseso tulad ng statutory reporting at tax analysis, tumataas nang malaki ang antas ng panganib sa pagkakatotoo ng AI. Ang isang hallucinated na bilang sa isang statutory financial statement ay isang posibleng problema sa regulasyon. Ang “human review as needed” framework na ilarawan ni Rao ay dapat manatiling totoong mahigpit.
Tinukoy ni Rao ang inaasahang magdudulot ng mas mataas na pagkonsumo ng token ang mga bagong, mas kayang mga modelo ni Claude. Habang mas magiging mas mahusay ang mga modelo, mas mapapabuti ang bawat query, na nagpapahikayat sa mas maraming paggamit—isang dinamikong nag-uugnay sa mga pagpapabuti ng produkto sa paglago ng kita mula sa mga umiiral na gumagamit.