क्लॉड 3.7 सॉनेट: कोडिंगमध्ये नवीन बेंचमार्क
अलीकडेच, दोन आठवड्यांपूर्वी लाँच झालेले क्लॉड 3.7 सॉनेट (Claude 3.7 Sonnet) कोडिंगच्या बेंचमार्क चाचण्यांमध्ये उत्कृष्ट ठरले आहे. याचबरोबर, अँथ्रोपिकने ‘क्लॉड कोड’ नावाचे कमांड-लाइन एआय एजंट (command-line AI agent) सादर केले, जे प्रोग्रामर लोकांना ॲप्लिकेशन डेव्हलपमेंट (application development) जलद करण्यासाठी मदत करते. ‘कर्सर’ (Cursor) नावाचे एआय-आधारित कोड एडिटर (AI-powered code editor), जे अँथ्रोपिकच्या क्लॉड मॉडेलचा (Anthropic’s Claude model) वापर करते, त्याने फक्त 12 महिन्यांत $100 दशलक्ष वार्षिक आवर्ती महसूल (annual recurring revenue) मिळवला आहे.
कंपन्यांना एआय कोडिंग एजंट्सची (AI coding agents) क्षमता समजू लागली आहे, आणि अँथ्रोपिकचा कोडिंगवर भर देणे हे याच गोष्टीशी जुळते. हे एजंट अनुभवी डेव्हलपर्स (experienced developers) आणि ज्यांना कोडिंग येत नाही अशा दोघांनाही जलद आणि कार्यक्षमतेने ॲप्लिकेशन्स (applications) तयार करण्यास मदत करतात. व्हर्सेलचे (Vercel) सीईओ (CEO) गुइलेर्मो रच (Guillermo Rauch) म्हणतात, ‘अँथ्रोपिक सतत पुढे येत आहे.’ व्हर्सेल ही एक वेगाने वाढणारी कंपनी आहे, जी डेव्हलपर्सना (developers) फ्रंट-एंड ॲप्लिकेशन्स (front-end applications) तयार करण्यास मदत करते. मागच्या वर्षी, व्हर्सेलने ओपनएआयच्या (OpenAI) GPT ऐवजी अँथ्रोपिकचे क्लॉड (Anthropic’s Claude) हे त्यांचे मुख्य कोडिंग मॉडेल (coding model) म्हणून निवडले, कारण क्लॉड कोडिंगमध्ये अधिक चांगले काम करते.
24 फेब्रुवारीला लाँच झालेले क्लॉड 3.7 सॉनेट (Claude 3.7 Sonnet) जवळजवळ सर्व कोडिंग बेंचमार्क (coding benchmarks) चाचण्यांमध्ये पुढे आहे. त्याने SWE-बेंच (SWE-bench) बेंचमार्कवर 70.3% गुण मिळवले, जे एजंटच्या सॉफ्टवेअर डेव्हलपमेंट (software development) क्षमतांचे मापन करते. हे गुण ओपनएआयच्या (OpenAI) o1 (48.9%) आणि डीपसीक-आर1 (DeepSeek-R1) (49.2%) पेक्षा खूप जास्त आहेत.
हे बेंचमार्क निकाल डेव्हलपर समुदायांनी (developer communities) प्रत्यक्ष चाचण्या करून तपासले आहेत. रेडिटसारख्या (Reddit) प्लॅटफॉर्मवर (platform) क्लॉड 3.7 (Claude 3.7) आणि ग्रोक 3 (Grok 3) (एलॉन मस्कच्या xAI चे नवीनतम मॉडेल) यांची तुलना करणाऱ्या चर्चांमध्ये, अँथ्रोपिकचे मॉडेल (Anthropic’s model) कोडिंगसाठी अधिक चांगले असल्याचे दिसून आले. एका टिप्पणीमध्ये म्हटले आहे की, ‘माझ्या चाचणीनुसार, क्लॉड 3.7 (Claude 3.7) कोड लिहिण्यासाठी सर्वोत्तम आहे (किमान माझ्यासाठी).’ हे लक्षात घेणे महत्त्वाचे आहे की, या आठवड्यात जगाचे लक्ष वेधून घेणारा नवीन चीनी मल्टी-पर्पज एजंट (Chinese multi-purpose agent), मानुस (Manus) देखील क्लॉडवर (Claude) आधारित आहे.
धोरणात्मक लक्ष: अँथ्रोपिकचा (Anthropic) व्यवसाय
अँथ्रोपिकचे (Anthropic) कोडिंग क्षमतांवर लक्ष केंद्रित करणे हे काही योगायोग नाही. ‘द इन्फॉर्मेशन’ (The Information) च्या अहवालानुसार, अँथ्रोपिक 2027 पर्यंत $34.5 अब्ज महसूल मिळवण्याचे लक्ष्य ठेवत आहे, जे सध्याच्या पातळीपेक्षा 86 पट जास्त आहे. यातील मोठा हिस्सा (सुमारे 67%) API व्यवसायातून (API business) अपेक्षित आहे, ज्यात एंटरप्राइझ कोडिंग ॲप्लिकेशन्स (enterprise coding applications) हे मुख्य असतील. अँथ्रोपिकने (Anthropic) अचूक महसुलाची आकडेवारी जाहीर केली नसली, तरी 2024 च्या शेवटच्या तिमाहीत कोडिंग महसुलात (coding revenue) 1,000% वाढ झाल्याचे सांगितले आहे. अँथ्रोपिकने (Anthropic) नुकतीच $3.5 अब्ज डॉलर्सची गुंतवणूक (funding) मिळवली आहे, ज्यामुळे कंपनीचे मूल्य $61.5 अब्ज डॉलर्स झाले आहे.
अँथ्रोपिकच्या (Anthropic) स्वतःच्या इकॉनॉमिक इंडेक्सनुसार (Economic Index), क्लॉडला (Claude) विचारल्या जाणाऱ्या प्रश्नांपैकी 37.2% प्रश्न ‘संगणक आणि गणित’ (computer and mathematical) श्रेणीतील होते. यामध्ये प्रामुख्याने सॉफ्टवेअर इंजिनीअरिंगची (software engineering) कामे होती, जसे की कोडमध्ये बदल करणे, त्रुटी शोधणे (debugging) आणि नेटवर्क समस्या सोडवणे.
अँथ्रोपिकची (Anthropic) रणनीती (strategy) स्पर्धकांपेक्षा वेगळी आहे. ओपनएआय (OpenAI) आणि गुगल (Google) यांसारख्या कंपन्या एकाच वेळी अनेक गोष्टींवर लक्ष केंद्रित करत आहेत. ओपनएआय (OpenAI) सुरुवातीपासूनच लोकप्रिय असल्यामुळे पुढे असले, तरी त्यांना सामान्य वापरकर्ते आणि व्यवसाय अशा दोघांनाही सेवा देण्याचे आव्हान आहे. गुगलसुद्धा (Google) विविध उत्पादने (products) ऑफर (offer) करत आहे.
अँथ्रोपिक (Anthropic) आपली उत्पादने (products) निवडताना अधिक विचारपूर्वक निर्णय घेते. सामान्य ग्राहकांपेक्षा (consumer), कंपनीने कंपन्यांसाठी (enterprise) उपयुक्त फीचर्स (features) तयार करण्यावर लक्ष केंद्रित केले आहे, जसे की गिटहब इंटिग्रेशन (GitHub integration), ऑडिट लॉग (audit logs), परवानग्या (permissions) आणि सुरक्षा नियंत्रणे (security controls). सहा महिन्यांपूर्वी, त्यांनी डेव्हलपर्ससाठी (developers) 500,000-टोकनची मोठी कॉन्टेक्स्ट विंडो (context window) सादर केली, तर गुगलने (Google) आपली 1-दशलक्ष-टोकन विंडो (1-million-token window) फक्त खासगी परीक्षकांसाठी (private testers) मर्यादित ठेवली. या धोरणात्मक दृष्टिकोनमुळे (strategic focus) कंपन्यांना अँथ्रोपिकच्या (Anthropic) उत्पादनांमध्ये अधिक रस आहे.
कंपनीने नुकतीच काही नवीन फीचर्स (features) सादर केली आहेत, ज्यामुळे ज्यांना कोडिंग येत नाही तेसुद्धा एआय-आधारित ॲप्लिकेशन्स (AI-generated applications) तयार करू शकतात. तसेच, मागच्या आठवड्यात त्यांनी कन्सोल अपग्रेड (console upgrade) केले, ज्यामुळे टीममधील सदस्यांना एकत्र काम करणे सोपे झाले आहे. हे सर्व ‘ट्रोजन हॉर्स’ (Trojan Horse) रणनीतीचा भाग आहे: प्रथम डेव्हलपर्सना (developers) मजबूत पाया तयार करण्यासाठी सक्षम करणे, त्यानंतर इतर कर्मचाऱ्यांपर्यंत पोहोचणे आणि शेवटी कंपनीच्या उच्च व्यवस्थापनापर्यंत (corporate suite) पोहोचणे.
क्लॉडसोबत (Claude) प्रत्यक्ष अनुभव: एक व्यावहारिक प्रयोग
कोडिंग एजंट्सची (coding agents) क्षमता तपासण्यासाठी, एक लेख डेटाबेस (database) तयार करण्याचा प्रयोग करण्यात आला. यासाठी तीन वेगवेगळे मार्ग वापरले गेले: अँथ्रोपिकच्या (Anthropic) ॲपद्वारे क्लॉड 3.7 सॉनेट (Claude 3.7 Sonnet), कर्सरचे (Cursor) कोडिंग एजंट (coding agent) आणि क्लॉड कोड (Claude Code).
अँथ्रोपिकच्या (Anthropic) ॲपद्वारे क्लॉड 3.7 (Claude 3.7) वापरताना, मिळालेले मार्गदर्शन खूप उपयुक्त होते, विशेषतः ज्यांना कोडिंगचा (coding) जास्त अनुभव नाही त्यांच्यासाठी. मॉडेलने (model) अनेक पर्याय सुचवले, ज्यात PostgreSQL डेटाबेस (PostgreSQL databases) वापरण्यापासून ते एअरटेबलसारख्या (Airtable) सोप्या पर्यायांपर्यंतचा समावेश होता. सोपा पर्याय निवडल्यावर, क्लॉडने (Claude) एका API मधून लेख काढण्याची आणि त्यांना कनेक्टर सेवेचा (connector service) वापर करून एअरटेबलमध्ये (Airtable) जोडण्याची प्रक्रिया समजावून सांगितली. या प्रक्रियेला सुमारे दोन तास लागले, पण शेवटी एक काम करणारे सिस्टम (system) तयार झाले. म्हणजेच, क्लॉडने (Claude) स्वतःहून सर्व कोड लिहिण्याऐवजी, ध्येय साध्य करण्यासाठी एक संपूर्ण योजना (blueprint) दिली.
कर्सर (Cursor), जे क्लॉडच्या (Claude) मॉडेल्सवर (models) आधारित आहे, ते एक संपूर्ण कोड एडिटरचा (code editor) अनुभव देते आणि ते अधिक ऑटोमेशन (automation) करते. मात्र, प्रत्येक टप्प्यावर परवानगी घेणे आवश्यक होते, ज्यामुळे कामाचा वेग थोडा कमी झाला.
क्लॉड कोडने (Claude Code) एक वेगळा दृष्टिकोन (approach) वापरला. ते थेट टर्मिनलमध्ये (terminal) काम करते आणि SQLite वापरून एक स्थानिक डेटाबेस (local database) तयार करते, ज्यामध्ये RSS फीडमधून (RSS feed) लेख भरले जातात. हा उपाय एअरटेबलच्या (Airtable) तुलनेत सोपा आणि अधिक विश्वासार्ह (reliable) होता, पण त्यात कमी फीचर्स (features) होते.
या प्रयोगातून हे शिकायला मिळाले की, एक सामान्य व्यक्तीसुद्धा, ज्याला कोडिंग येत नाही, हे तिन्ही मार्ग वापरून डेटाबेस ॲप्लिकेशन्स (database applications) तयार करू शकते. हे एका वर्षापूर्वी जवळजवळ अशक्य होते. आणि, विशेष म्हणजे, हे तिन्ही मार्ग क्लॉडच्या (Claude) क्षमतांवर आधारित होते.
कोडिंग एजंट इकोसिस्टम (Coding Agent Ecosystem): कर्सर (Cursor) आणि इतर
अँथ्रोपिकच्या (Anthropic) यशाचा सर्वात मोठा पुरावा म्हणजे कर्सर (Cursor) या एआय कोड एडिटरची (AI code editor) झालेली प्रचंड वाढ. अहवालानुसार, कर्सरने (Cursor) केवळ 12 महिन्यांत 360,000 वापरकर्ते मिळवले आहेत, ज्यापैकी 40,000 पेक्षा जास्त वापरकर्ते पैसे देऊन सेवा वापरत आहेत.
कर्सरचे (Cursor) यश क्लॉडशी (Claude) जोडलेले आहे. रेड ड्रॅगनचे (Red Dragon) सह-संस्थापक (co-founder) सॅम विटवेन (Sam Witteveen) म्हणतात, ‘कर्सरचा (Cursor) सर्वात मोठा ग्राहक अँथ्रोपिक (Anthropic) आहे. कर्सरवरील (Cursor) बहुतेक लोक आधीपासूनच क्लॉड सॉनेट मॉडेल (Claude Sonnet model) वापरत होते आणि आता सर्वजण 3.7 वर जात आहेत.’
अँथ्रोपिक (Anthropic) आणि त्याच्या इकोसिस्टममधील (ecosystem) संबंध कर्सरसारख्या (Cursor) कंपन्यांपुरते मर्यादित नाहीत. नोव्हेंबरमध्ये, अँथ्रोपिकने (Anthropic) आपला मॉडेल कॉन्टेक्स्ट प्रोटोकॉल (Model Context Protocol - MCP) एक ओपन स्टँडर्ड (open standard) म्हणून सादर केला, ज्यामुळे डेव्हलपर्सना (developers) क्लॉड मॉडेल्ससोबत (Claude models) सहजपणे काम करणारी टूल्स (tools) तयार करता येतात.
विटवेन (Witteveen) यांनी या दृष्टिकोनाचे (approach) महत्त्व स्पष्ट केले: ‘हे एक ओपन प्रोटोकॉल (open protocol) म्हणून लाँच करून, ते एक प्रकारे म्हणत आहेत, ‘सर्वांनी याचा वापर करा. तुम्ही या प्रोटोकॉलमध्ये (protocol) बसणारे काहीही तयार करू शकता. आम्ही या प्रोटोकॉलला (protocol) सपोर्ट (support) करू.’
यामुळे एक चांगले चक्र (virtuous cycle) तयार होते: डेव्हलपर्स (developers) क्लॉडसाठी (Claude) खास टूल्स (tools) तयार करतात, ज्यामुळे कंपन्यांसाठी त्याची उपयुक्तता वाढते, आणि यामुळे आणखी डेव्हलपर्स (developers) आकर्षित होतात.
स्पर्धात्मक लँडस्केप (Competitive Landscape): मायक्रोसॉफ्ट (Microsoft), ओपनएआय (OpenAI), गुगल (Google) आणि ओपन सोर्स (Open Source)
अँथ्रोपिकने (Anthropic) आपल्या विशिष्ट दृष्टिकोनमुळे (focused approach) एक स्थान निर्माण केले असले, तरी स्पर्धक विविध रणनीती (strategies) वापरत आहेत.
मायक्रोसॉफ्ट (Microsoft) आपल्या गिटहब कोपायलटद्वारे (GitHub Copilot) मजबूत स्थितीत आहे, ज्याचे 1.3 दशलक्ष सशुल्क वापरकर्ते (paid users) आहेत आणि सुमारे दोन वर्षांत 77,000 पेक्षा जास्त कंपन्यांनी ते स्वीकारले आहे. हनीवेल (Honeywell), स्टेट स्ट्रीट (State Street), टीडी बँक ग्रुप (TD Bank Group) आणि लेव्ही’स (Levi’s) यांसारख्या मोठ्या कंपन्या याचा वापर करत आहेत. याचे मुख्य कारण म्हणजे मायक्रोसॉफ्टचे (Microsoft) आधीपासूनच कंपन्यांशी असलेले संबंध आणि त्यांनी ओपनएआयमध्ये (OpenAI) केलेली गुंतवणूक.
मात्र, मायक्रोसॉफ्टनेही (Microsoft) अँथ्रोपिकची (Anthropic) क्षमता मान्य केली आहे. ऑक्टोबरमध्ये, त्यांनी गिटहब कोपायलट (GitHub Copilot) वापरकर्त्यांना ओपनएआयच्या (OpenAI) मॉडेल्सऐवजी (models) अँथ्रोपिकचे (Anthropic) मॉडेल्स (models) निवडण्याचा पर्याय दिला. ओपनएआयच्या (OpenAI) अलीकडील मॉडेल्सनी (models) कोडिंग (coding) किंवा एजंटिक (agentic) कामांमध्ये विशेष प्रगती दर्शविलेली नाही.
गुगलने (Google) नुकतेच आपले कोड असिस्ट (Code Assist) विनामूल्य (free) ऑफर (offer) केले आहे, पण ही एक बचावात्मक चाल (defensive maneuver) असल्याचे दिसते.
ओपन-सोर्स चळवळ (open-source movement) या क्षेत्रात আরেকটি महत्त्वाची शक्ती आहे. मेटाच्या (Meta) लामा मॉडेल्सना (Llama models) कंपन्यांमध्ये मोठी मागणी आहे, ज्यात AT&T, डोरडॅश (DoorDash) आणि गोल्डमन सॅक्स (Goldman Sachs) यांसारख्या मोठ्या कंपन्या लामा-आधारित मॉडेल्स (Llama-based models) वापरत आहेत. ओपन-सोर्स दृष्टिकोन (open-source approach) कंपन्यांना अधिक नियंत्रण, कस्टमायझेशन (customization) पर्याय आणि खर्चाचे फायदे देतो, जे बंद मॉडेल्स (closed models) देऊ शकत नाहीत.
अँथ्रोपिक (Anthropic) याला थेट धोका म्हणून न पाहता, ओपन सोर्सला (open source) पूरक (complementary) म्हणून स्वतःला सादर करत आहे. कंपन्या त्यांच्या गरजेनुसार क्लॉडचा (Claude) वापर ओपन-सोर्स मॉडेल्ससोबत (open-source models) करू शकतात, ज्यामुळे दोन्हीच्या ശക്തിंचा फायदा मिळतो.
खरं तर, अनेक मोठ्या कंपन्यांनी मल्टीमॉडल दृष्टिकोन (multimodal approach) स्वीकारला आहे, म्हणजे प्रत्येक कामासाठी योग्य मॉडेल (model) वापरणे. उदाहरणार्थ, इंटुइटने (Intuit) सुरुवातीला आपल्या टॅक्स रिटर्न ॲप्लिकेशन्ससाठी (tax return applications) ओपनएआयचा (OpenAI) वापर केला, पण नंतर क्लॉडवर (Claude) स्विच (switch) केले, कारण ते काही विशिष्ट परिस्थितीत अधिक चांगले काम करत होते. या अनुभवामुळे इंटुइटने (Intuit) एक एआय ऑर्केस्ट्रेशन फ्रेमवर्क (AI orchestration framework) तयार केले, ज्यामुळे मॉडेल्समध्ये (models) सहजपणे बदल करणे शक्य झाले.
बहुतेक इतर कंपन्यांनी तेव्हापासून अशीच पद्धत अवलंबली आहे, प्रत्येक विशिष्ट वापरासाठी (use case) सर्वात योग्य मॉडेल (model) वापरणे, अनेकदा सोप्या API कॉल्सद्वारे (API calls) मॉडेल्स (models) एकत्रित करणे. काही प्रकरणांमध्ये ओपन-सोर्स मॉडेल (open-source model) जसे की लामा (Llama) योग्य असू शकते, परंतु क्लॉड (Claude) अनेकदा उच्च अचूकता (high accuracy) आवश्यक असलेल्या कामांसाठी, जसे की गणना (calculations), निवडले जाते.
कंपन्यांसाठी परिणाम: कोडिंग एजंट्सकडे (Coding Agents) बदल
कंपन्यांसाठी, हे वेगाने बदलणारे लँडस्केप (landscape) संधी आणि आव्हाने दोन्ही सादर करते.
सुरक्षा (security) ही एक महत्त्वाची चिंता आहे, पण एका अलीकडील अहवालात क्लॉड 3.7 सॉनेटला (Claude 3.7 Sonnet) सर्वात सुरक्षित मॉडेल (most secure model) म्हणून ओळखले गेले आहे, कारण चाचणी केलेले हे एकमेव मॉडेल (model) ‘जेलब्रेक-प्रूफ’ (jailbreak-proof) असल्याचे सिद्ध झाले. ही सुरक्षा स्थिती (security posture), गुगल (Google) आणि ॲमेझॉन (Amazon) या दोघांचा पाठिंबा (backing) आणि AWS बेडरॉकमधील (AWS Bedrock) इंटिग्रेशन (integration) यामुळे कंपन्यांसाठी ते आकर्षक ठरते.
कोडिंग एजंट्सचा (coding agents) प्रसार केवळ ॲप्लिकेशन्स (applications) कसे तयार केले जातात हे बदलत नाही, तर ही प्रक्रिया सर्वांसाठी खुली करत आहे. गिटहबच्या (GitHub) मते, 18 महिन्यांपूर्वी अमेरिकेतील 92% डेव्हलपर्स (developers) कंपन्यांमध्ये एआय-आधारित कोडिंग टूल्स (AI-powered coding tools) वापरत होते. ही संख्या तेव्हापासून खूप वाढली असण्याची शक्यता आहे.
विटवेन (Witteveen) यांनी सांगितले की, ‘एआय कोडिंग एजंट्स (AI coding agents) तांत्रिक (technical) आणि गैर-तांत्रिक (non-technical) टीम सदस्यांमधील (team members) अंतर कमी करत आहेत: ‘ज्या लोकांना कोडिंग येत नाही, त्यांना अनेक संज्ञा (terminology) आणि चांगल्या पद्धती (best practices) माहीत नसतात.’ एआय कोडिंग एजंट्स (AI coding agents) हे आव्हान सोडवत आहेत, ज्यामुळे अधिक प्रभावी सहयोग (collaboration) शक्य होत आहे.’
कंपन्यांनी एआय कोडिंग एजंट्स (AI coding agents) स्वीकारण्यासाठी, विटवेन (Witteveen) संतुलित दृष्टिकोन (balanced approach) ठेवण्याचा सल्ला देतात: ‘सध्या सुरक्षा (security) आणि प्रयोग (experimentation) यांच्यात संतुलन राखणे आवश्यक आहे. डेव्हलपर (developer) या साधनांचा वापर करून वास्तविक ॲप्स (apps) तयार करत आहेत.’
एआय कोडिंग एजंट्सचा (AI coding agents) उदय कंपन्यांमध्ये सॉफ्टवेअर डेव्हलपमेंटमध्ये (software development) एक मोठा बदल दर्शवतो. जेव्हा ही साधने प्रभावीपणे वापरली जातात, तेव्हा ते डेव्हलपर्सची (developers) जागा घेत नाहीत, तर त्यांची भूमिका बदलतात, ज्यामुळे त्यांना अंमलबजावणीच्या (implementation) तपशीलांऐवजी आर्किटेक्चर (architecture) आणि नवनिर्मितीवर (innovation) लक्ष केंद्रित करता येते.
अँथ्रोपिकचा (Anthropic) शिस्तबद्ध दृष्टिकोन (disciplined approach), जो स्पर्धक इतर अनेक गोष्टींवर लक्ष केंद्रित करत असताना फक्त कोडिंग क्षमतांवर (coding capabilities) लक्ष केंद्रित करतो, त्याचा फायदा होताना दिसत आहे. 2025 च्या शेवटी, हा काळ असा काळ म्हणून पाहिला जाऊ शकतो, जेव्हा एआय कोडिंग एजंट्स (AI coding agents) कंपन्यांसाठी आवश्यक साधने बनली आणि क्लॉडने (Claude) यात आघाडी घेतली.
तांत्रिक निर्णय घेणाऱ्यांसाठी (technical decision-makers), हे स्पष्ट आहे: या साधनांसह त्वरित प्रयोग सुरू करा, अन्यथा तुम्ही अशा स्पर्धकांकडून मागे पडू शकता जे आधीच त्यांचा वापर करून डेव्हलपमेंटचा (development) वेग वाढवत आहेत. ही परिस्थिती आयफोन क्रांतीच्या (iPhone revolution) सुरुवातीच्या दिवसांसारखी आहे, जिथे कंपन्यांनी सुरुवातीला कर्मचाऱ्यांच्या ‘अनधिकृत’ उपकरणांवर (unsanctioned devices) बंदी घालण्याचा प्रयत्न केला, पण शेवटी कर्मचाऱ्यांच्या मागणीमुळे BYOD धोरणे (BYOD policies) स्वीकारावी लागली. काही कंपन्यांनी, जसे की हनीवेलने (Honeywell), अलीकडेच आयटीने (IT) मंजूर न केलेल्या एआय कोडिंग साधनांचा (AI coding tools) ‘अनधिकृत’ वापर बंद करण्याचा प्रयत्न केला आहे.
हुशार कंपन्या आधीच सुरक्षित सँडबॉक्स वातावरण (sandbox environments) तयार करत आहेत, ज्यामुळे नियंत्रित प्रयोग (controlled experimentation) करणे शक्य होईल. ज्या संस्था स्पष्ट मार्गदर्शक तत्त्वे (guardrails) तयार करून नवनिर्मितीला (innovation) प्रोत्साहन देतील, त्यांना कर्मचारी उत्साहाचा (employee enthusiasm) आणि या साधनांचा त्यांच्या विशिष्ट गरजांसाठी कसा चांगला उपयोग करता येईल याबद्दलच्या माहितीचा फायदा होईल, ज्यामुळे ते बदल स्वीकारण्यास तयार नसलेल्या स्पर्धकांपेक्षा पुढे राहतील. आणि अँथ्रोपिकचे (Anthropic) क्लॉड (Claude), किमान सध्या तरी, या बदलाचा मोठा लाभार्थी आहे.