एंथ्रोपिक के सीएफओ ने बताया कि लेखापाल सबसे अधिक आंतरिक एआई उपयोगकर्ता हैं

एक दुनिया के सबसे उन्नत AI कंपनियों में से एक में सबसे अधिक AI टोकन उपयोग करने वाला व्यक्ति एक इंजीनियर, शोधकर्ता या प्रोडक्ट मैनेजर नहीं है। यह कर के प्रमुख है।

एंथ्रोपिक के सीएफओ कृष्ण राव ने 13 मई को Invest Like the Best पॉडकास्ट पर उपस्थिति के दौरान यह खुलासा किया, जिसमें उन्होंने बताया कि उच्च स्तरीय वित्तीय पेशेवरों ने कंपनी के प्रमुख एआई मॉडल क्लॉड का सबसे अधिक आंतरिक उपयोग किया है।

राव ने एक वित्तीय संगठन का वर्णन किया जो सामान्य AI प्रयोग के बहुत आगे चला गया है। टीम 70 से 150 तक कस्टम Claude “कौशल” रखती है, जो मूल रूप से उद्देश्य-निर्धारित वर्कफ्लो और एजेंट्स हैं जो GitHub के समान साझा भंडारों में संग्रहीत होते हैं।

कानूनी वित्तीय विवरण, जो पारंपरिक रूप से थकाने वाले मानवीय संगठन की आवश्यकता रखते थे, अब मुख्य रूप से क्लॉड द्वारा उत्पन्न किए जाते हैं, जिस पर मानवीय समीक्षा की गई है। साप्ताहिक आय और कंप्यूट उपयोग रिपोर्ट्स, जो पहले कई घंटे लेती थीं, अब लगभग 30 मिनट में पूरी हो जाती हैं।

राव ने यह भी उल्लेख किया कि एंथ्रोपिक नेतृत्व सारणियों के माध्यम से आंतरिक टोकन उपयोग का अनुसरण करती है। ये केवल सूचनात्मक हैं और प्रतिपूर्ति या प्रदर्शन समीक्षा से जुड़े नहीं हैं।

यह तथ्य कि कर विशेषज्ञों ने शीर्ष टोकन उपभोक्ता के रूप में उभार है, यह बताता है कि उद्यम स्तर पर AI सबसे अधिक मूल्य कहाँ प्रदान करता है। कर का कार्य दुर्लभ रूप से जटिल, दस्तावेज-भारी और नियमित रूप से बदलते जटिल नियामक ढांचे द्वारा नियंत्रित होता है।

एक कर विशेषज्ञ जानता है कि कौन से प्रश्न पूछने हैं और तुरंत आकलन कर सकता है कि AI द्वारा उत्पन्न उत्तर सही है या नहीं। वित्तीय विशेषज्ञ जिन्होंने पहले से ही अपने क्षेत्र को गहराई से समझा था, वे ही 70 से 150 अनुकूल कौशल विकसित करने और उन्हें दैनिक कार्यप्रवाह में एकीकृत करने के लिए सबसे अच्छी स्थिति में थे।

राव द्वारा वर्णित उत्पादकता में वृद्धि—घंटों के रिपोर्ट्स को 30 मिनट में संकुचित करना, स्वचालित वित्तीय विवरण उत्पन्न करना—ये मापने योग्य कार्यक्षमता में सुधार हैं। यदि एंथ्रोपिक की वित्तीय टीम 150 तक कस्टम AI वर्कफ्लो बनाए रख सकती है, तो बड़े वित्तीय संगठनों द्वारा क्या बनाया जा सकता है, उसका पैमाना महत्वपूर्ण है।

जब वित्तीय टीमें कानूनी रिपोर्टिंग और कर विश्लेषण जैसी महत्वपूर्ण प्रक्रियाओं को स्वचालित करती हैं, तो AI की सटीकता के बारे में जोखिम काफी बढ़ जाते हैं। कानूनी वित्तीय विवरण में एक कल्पित संख्या एक संभावित नियामक समस्या हो सकती है। राओ द्वारा वर्णित “जरूरत पड़ने पर मानव समीक्षा” ढांचे को वास्तविक रूप से कठोर बना रहना होगा।

राव ने यह भी इशारा किया कि नए और अधिक क्षम Claude मॉडल्स और अधिक टोकन उपभोग को बढ़ाएंगे। जैसे-जैसे मॉडल्स बेहतर होते जाते हैं, प्रत्येक क्वेरी पर रिटर्न सुधरते हैं, जिससे अधिक उपयोग को प्रोत्साहित किया जाता है—एक ऐसी गतिशीलता जो उत्पाद सुधारों को मौजूदा उपयोगकर्ताओं से आय वृद्धि से सीधे जोड़ती है।