Anthropic'in Laboratuvar Takımı: Projelerin %70'i başarısız oluyor, ancak temel yenilikleri tetikliyor

Anthropic, 20 kişiden az bir "Labs" ekibine sahiptir; bu ekip, yeni ürün prototiplerini hızlıca oluşturmak ve doğrulamakla görevlidir. Ekibin lideri Ben Mann, projelerin başarı oranının sadece %20 ile %30 arasında olduğunu ve denemelerin yaklaşık %70 ile %80'inin sonunda iptal edildiğini açıkladı. "Bir girişim yuvası" olarak görülen bu ekip, Claude Code, model bağlam protokolü (MCP) ve Claude Design gibi ürünler yetiştirmiştir; bunlardan Claude Code, Anthropic'in en etkili ürünlerinden biri haline gelmiştir. Şirketin IPO hazırlıkları kapsamında, bu “başarısızlık” ekibinin önemi artmakta ve mekanizması diğer ürün ekiplerine yayılmaktadır; gelecekte biyoloji araştırmaları, temiz enerji depolama gibi sert bilim alanlarına kadar uzanabilir.

Yazan: Business Insider

Bir başarı hikayesi arkasında, muhtemelen daha önce iptal edilen birçok proje var.

Business Insider'e göre, Anthropic'te bu işe özel olarak görevli, 20'den az kişiden oluşan bir "Labs" ekibi bulunuyor: sürekli yeni ürünler öneriyor, hızlıca doğruluyor ve çoğu başarısız denemeyi iptal ediyor. Ekibin lideri ve Anthropic ortak kurucusu Ben Mann'a göre, Labs projelerinin başarı oranı sadece %20 ile %30 arasındadır; yani yaklaşık %70 ile %80lik "yatırımlar" nihayetinde başarısız oluyor.

Ancak Anthropic, başarısızlığı boşa harcanan bir şey olarak görmüyor. Tam tersine, bu yüksek reddedilme oranı mekanizması, şirketin öncü modellerin yeteneklerini hızlıca ticari ürünlere dönüştürmesinde önemli bir motor haline geliyor. Claude Code, model bağlam protokolü (MCP) ve Claude Design gibi ürünler, Labs ile ilgilidir. Anthropic, IPO hazırlıklarını yaparken bu "başarısızlar" ekibinin önemi de artmaktadır.

Mann, bir röportajda: "Bunu gerçekten bir girişim yuvası olarak görüyoruz ve çoğu yatırımın başarısız olacağını bekliyoruz." Anthropic'e göre, her projenin başarılı olması değil, düşük bir deneme-hata maliyetiyle iş eğrisini değiştirebilecek az sayıda "isabet" elde etmek önemlidir.

Labs, geleneksel ürün ekiplerinden tamamen farklı şekilde çalışır. Yaklaşık 20 üyeden oluşan ekip, içsel olarak "yatırım" (bets) olarak adlandırılan yeni ürün prototipleri üretmek için döngüsel bir sistem kullanır. Yaklaşık iki haftada bir, ekip "devam et ya da yön değiştir" (persevere or pivot) değerlendirmesi yapar: başarısız projeler doğrudan iptal edilir veya diğer projelere entegre edilir ve üyeler hemen yeni bir denemeye geçer; doğrulanmış az sayıdaki projeler Labs'ten "mezun" olur ve bağımsız ekipler kurar.

Claude Code, bunlardan en başarılı olanıydı. Mann, görevi yeni başlayan Boris Cherny'ye verdi. Cherny başta bir kod analiz aracı yapmayı planlıyordu, ancak Mann bu yönün yeterince cesaretli olmadığını düşündü ve hedefini daha büyük yapmasını istedi. Ardından Cherny, geliştirdiği prototip Anthropic içinde hızla popüler hale geldi ve 2025 Şubat'ta ön izleme sürümü olarak dışarıya yayınlandı.

Sonrasında, Claude modelleri sürekli olarak geliştirildikçe, Claude Code, Anthropic'ın en etkili ürünlerinden biri haline gelmiş ve şirketin büyümesini hızlandıran önemli bir katalizör olmuştur.

Labs, yüksek frekanslı deneme yapma avantajına sahip olmanın yanı sıra, araştırma öncülerine yeterince yakın olma kritik bir avantajına da sahiptir. Mann, Claude Code geliştirme sürecinin başlamasından önce, ekibin yeni modelin agens programlama konusundaki potansiyelini araştırmacılar tarafından öğrendiğini ve model yeteneklerinin olgunlaşmasından önce erken bir şekilde hazırlık yaparak araştırmaların daha hızlı ürün端a yönlendirilebileceğini belirtti.

Claude Code, Labs'ın tek ürünü değildir. Takım, AI ajanlarını dış veri kaynaklarıyla bağlamak için Model Context Protocol (MCP)’i de geliştirdi; bu yıl piyasaya sürülen Claude Design de Labs’ten çıktı. Instagram ortak kurucusu Mike Krieger de bu takımda yer alıyor.

Mann, Labs'ın hedefini, AI'nin "eylem uzayını" genişletmek olarak tanımlıyor; yani AI modellerinin gerçekleştirebileceği görevlerin sınırlarını sürekli genişletmek. Bu nedenle, Labs sadece bir sonraki popüler ürünü bulmakla kalmıyor, aynı zamanda ürün uygulamaları aracılığıyla modellerin yeteneklerindeki eksiklikleri ortaya çıkarıyor ve bu eksiklikleri araştırmacı ekibe tamamlamak için yönlendiriyor.

Örneğin, Labs, Anthropic araştırma ekibinin Etiyopya Amharca dilindeki ses modellerini geliştirmesine katkıda bulundu; Claude Design'in geliştirilmesi ise şirketin görsel çıktı yetenekleri üzerine olan ilgisini daha da artırdı. Bu nedenle ürün denemeleri artık sadece ticari ihtiyaçları doğrulamakla kalmadı, aynı zamanda model yeteneklerinin gelişimini ters yönde teşvik eden bir yol haline geldi.

Bu mekanizma artık Labs dışına da yayılmaya başlıyor. Mann, Anthropic'ın diğer ürün mühendislik takımlarının da benzer şekilde "tahmin" grupları kurduğunu açıkladı.

Anthropic, IPO hazırlıkları yaparken, Labs'ın çözmesi gereken soru artık "bir sonraki Claude Code'u oluşturabilir mi?" değil, sürekli yenilik ile ticarileştirme arasında nasıl bir denge kuracağı.

Forrester analisti Mike Gualtieri, Anthropic'un "yüksek telde yürüyüş" yolunda olduğunu belirtti: Şirketin sürekli olarak sunduğu yeni araçlar, doğrudan kurumsal müşterilerinin mevcut yazılımlarının piyasasına girebiliyor. Claude Design örneğinde, ürün yetenekleri Adobe, Figma gibi tasarım yazılımlarıyla doğrudan rekabet haline gelmeye başladı.

Gualtieri, Anthropic'in kendi ürün platformunu yavaş yavaş oluşturmasıyla şirketin, kullanıcıların diğer yazılımlara olan bağımlılığını azaltmaya yeterli özellikler yaratabileceğini düşünüyor. "Bu ince bir oyun olacak."

Aynı zamanda, Labs kendisi de yeterince yüksek personel döngüsüne sahip olmalıdır. Projeler genellikle ekip boyutu dört kişiyi aştıktan sonra "mezun" olup bağımsızlaşır; üyeler sürekli olarak diğer departmanlara akar, aynı zamanda yeni üyeler de sürekli katılır. Bu, Labs'ın temelini sabit bir 20 kişilik ekip değil, sürekli olarak ürün fırsatları üretme, filtreleme ve ölçeklendirme mekanizmasının oluşturduğunu gösterir.

Daha uzun vadeli olarak, Mann bu mekanizmanın yazılım ürünlerinden biyolojik araştırmalara, temiz enerji depolamaya gibi sert bilim alanlarına kadar genişleyeceğini umuyor ve AI'nın gerçek dünyaya daha geniş bir şekilde girmesini sağlıyor. Sert bilimlerin gelişimini hızlandırma yeteneğinin "aşırı heyecan verici" olduğunu ve AI'nın daha büyük gerçek dünya değeri yaratmaya başlamasının anahtar olduğunu düşünüyor.