Anthropic szerint a vállalati mesterséges intelligencia legnagyobb szűk keresztmetszete már nem maga a modell intelligenciája, hanem az, hogy a legtöbb ember még mindig egyedül használja az AI-t. Scott White, az Anthropic vállalati termékfejlesztésért felelős vezetője a VentureBeatnek adott exkluzív interjúban azokat az elveket vázolta fel, amelyekre a cég „multiplayer AI” néven hivatkozik: a hagyományos, egyszemélyes chatbot paradigmától való eltávolodást egy olyan irányba, ahol ügynökök csapatok fölé emelkednek, szervezeti kontextust olvasnak és proaktívan beleszólnak a munkába — néha kérés nélkül.
Mi változott a Claude Tagnél
A stratégia megtestesülése a cég szerint abban a frissítésben vált kézzelfoghatóvá, amelyet Anthropic a Claude Tag nevű Slack-ügynökén hajtott végre: a korábbi, üzenetenkénti értékelés helyett az ügynök immár az egész beszélgetés kontextusát olvassa. A vállalat szerint ez a változtatás körülbelül 30%-kal javítja a Claude döntéshozatalát abban, hogy mikor avatkozzon be — és ami fontosabb, mikor ne. White szerint ez nem csupán termékjavítás, hanem a pont, ahol az AI többé nem egyéni segédeszköz, hanem a szervezet által telepített kolléga.
"Claude régebben úgy működött, mint az ön személyes chief of staff-ja," mondta Scott White. "Most, szervezeti telepítés kontextusában, Claude úgy viselkedik, mint a vállalat chief of staff-ja."
Hogyan fejlődött az üzleti AI
White az iparági fejlődést három fázisra bontotta. Kezdetben az AI egy részfeladatot teljesített — választ adott egy chatbotban vagy kiegészített egy kódsort. A modellek fejlődésével képesek lettek egész feladatok elvégzésére, például teljes függvények írására vagy kutatói jelentések előállítására. White szerint most a modell- és rendszerkapcsolódási képességek lehetővé teszik a magasabb szintű, célorientált működést: például hibamentes termék fenntartása vagy gyorsabb NDA-ellenőrzési folyamat.
Ez a váltás kényszeríti az AI-t "multiplayer" működésre: a célok jellemzően több embert érintenek, a tudásmunka pedig sokkal kevésbé strukturált és verifikálható, mint a szoftverfejlesztés. "A tudásmunka sokkal kaotikusabb, többrésztvevős és több jogosultsági rendszert érint," mondta White.
A proaktív ügynököket lehetővé tevő három technikai pillér
White szerint az elmúlt két év három kulcstechnológiai előrelépése tette lehetővé a proaktív, csapatokat célzó ügynököket:
- Kapcsolódás: Anthropic Model Context Protocol (MCP) nevű nyílt szabványa, amelyet a cég 2024 végén vezetett be, és amelyet 2025-ben az OpenAI és a Google is elfogadott; White szerint ez a "USB-C" az AI-csatlakozók számára, és szabályozott hozzáférést ad a vállalati adatokhoz.
- Modellintelligencia: olyan szintű modellteljesítmény, ami lehetővé teszi, hogy az ügynök proaktívan és nem zavaró módon lépjen közbe; White szerint erre csak nemrég ért el a technológia.
- Formátum: az ügynököket oda helyezni, ahol a kollaboráció már eleve zajlik — ebben fontos szerepet kapott a Slack-integráció, amely federált ügynökazonosságot, csatornaérzékelést és MCP-kontextust biztosít.
A Claude Tag frissítésében ezek összekapcsolódnak: korábban egy könnyűsúlyú osztályozó vizsgált minden Slack-üzenetet külön, és bináris döntést hozott arról, hogy Claude válaszoljon-e. Ezt a klasszifikátort eltávolították: a Claude most a csatorna teljes kontextusát, memóriáját és állandó utasításait figyelembe véve négy opció közül választ: válasz inline, mélyebb munka indítása threadben, üzenet továbbirányítása meglévő munkafolyamatba vagy hallgatás. A cég példájában két mérnök ugyanazon hibát keresi különböző oldalakról; egyes üzenetek egyenként nem indokolnák a beavatkozást, de együtt a probléma megoldásához vezetnek — Claude ekkor új threadet nyit és megkezdi a vizsgálatot. A rendszerbe kifejezett visszafogottságot építettek: ha egy csatornában Claude ismételten nem tud hozzátenni semmit, akkor elnémul.
Miért jobb a kollaboratív ügynök a magányos szupersztárnál?
A kétely jogos: magas teljesítményű egyének gyakran gyorsabban haladnak egyedül, és koordinálni a különböző munkastílusokat nehéz. White saját tapasztalatát hozta fel: korábban adatkutatóval kellett napokat várnia az elemzésre, most Claude képes olyan adatvizsgálatot végezni, hogy a kézbesítés-átadás lényegesen csökkent, és a szakértők infrastruktúrát építettek Claude helyes működéséhez.
White szerint így a várakozással töltött időt most jobb ítéletalkotásra fordítják: több idő jut stratégiai vitára és döntéshozatalra. Példaként a site reliability engineering mintát említette: Claude gyűjti a hibajegyeket, összeköti őket a kódváltozásokkal és a releváns Slack-beszélgetésekkel, majd előállít egy szintézist és behívja a megfelelő embereket.
A piaci környezet és az elfogadottság
A McKinsey legfrissebb State of AI felmérése szerint a szervezetek 88%-a használ AI-t legalább egy funkcióban, 62% legalább kísérletezik AI-ügynökökkel, mégis csak 39% tulajdonít bevételi hatást az AI-nak, és mindössze 6% tekinthető "magas teljesítményűnek", amely jelentős értéket lát. Deloitte előrejelzése szerint a generatív AI-t használó vállalatok 25%-a telepít ügynököket 2025-ben, és ez 2027-re 50%-ra nő.
Anthropic pozíciója az, hogy ha a munkafolyamatok újratervezése — nem pusztán ráragasztott csevegőbotok — választja el a sikeres szervezeteket, akkor a csapatkoordinációt átalakító termék védhetőbb piaci rést jelent, mint egy kicsit jobb modell.
Védelem a prompt-injekció és a biztonsági kockázatok ellen
Állandó hozzáférést adni egy ügynöknek vállalati Slack-csatornákhoz és dokumentumokhoz természetesen támadási felületet jelent, különösen a prompt-injekció szempontjából. White rétegzett védelmi stratégiát írt le: a modelleket maga a tanítás során olyan klasszifikátorokkal látják el, amelyek a prompt-injekciót csökkentik; a Chrome-bővítést korábban késleltették és várólistára tették, amíg nem értették jobban a böngésző-kontesztus kockázatait, majd specifikus klasszifikátortesztelést végeztek.
A modell-szintű védelem mellett Anthropic megfelelőségi és analitikai API-kat kínál, amelyek lehetővé teszik, hogy a vállalatok saját kockázati küszöböket határozzanak meg, és harmadik fél biztonsági szolgáltatókkal is integrálható a DLP (data loss prevention) csatlakozásokon keresztül. A hozzáférés tekintetében Claude jogosultságai a rendszer szerint a kérdező és az ügynök közös legszigorúbb metszetéhez igazodnak: az ügynök csak azt a csatornakontextust láthatja, amit a kérdező is lát.
Árazás és a CIO-k számára fontos kérdés
Az egyik fontos, rejtett részlet a Claude Tag bejelentésében, hogy a bővített csatornakontextus jelenleg nem számít bele a használati vagy költési limitekbe — egyelőre. Scott White nem vállalt kötelezettséget arra nézve, hogy ez később díjkötelessé válik-e: a jelen fázist aktív kísérleti és ügyfélközös tervezési időszaknak nevezte. Anthropic ehelyett inkább vezérlőket és költségkorlátokat hangsúlyoz: ügynökazonosságokhoz vagy szerepalapú csoportokhoz köthető költségsapkákat, valamint modelljogosultságokat, amelyek lehetővé teszik, hogy a csapatok eltérő költség-teljesítmény profilokkal fussanak.
A gyakorlat őszinte megfogalmazása szerint az állandóan futó, nagy kontextussal dolgozó ügynökök egységköltségei még képlékenyek, és Anthropic gyakorlatilag szubvencionálja a tanulási fázist. A vállalatoknak érdemes úgy tervezniük, hogy a meter (mérés/alapú elszámolás) előbb-utóbb bekapcsolhat.
Verseny a nagyokkal és Anthropic állítása
A piacon a nagy platformtulajdonosok erősek: a Salesforce birtokolja a Slacket, a Microsoft ügynököket épít be Teams-be, és a Google hasonlóan a Workspace köré épít. White állítása szerint az érték a rendszerek közötti kapcsolatokban van, nem egyetlen platformban: egy termék fejlesztése ügyfélvisszajelzés alapján több rendszer adatait igényli — ügyhívás-átiratokat a Salesforce-ból, belső vitákat Slackből, használati analitikát terméktesztekről és kódot fejlesztői környezetekből. Egy semleges, összekötő réteg, amely MCP-szerű protokollon alapul és amelyet még a versenytársak is elfogadtak, strukturális előnyt jelenthet a zárt kerttel szemben.
Ugyanakkor a platformtulajdonosok abban is előnyben lehetnek, hogy saját ügynökeiket költségmentesen csomagolják és kontrollálják az integrációs pontokat. Anthropic tétje az, hogy a határtechnológia és a rendszerek közötti semlegesség hosszabb távon többet ér a csatornaelosztásnál — ez a tét eddig a kódolási területen működött, a szélesebb tudásmunkában még nem bizonyított.
Hova vezet a pálya? OKR-ek átadása a Claude-nak
White arról beszélt, hogy a következő lépésben a delegálás kétirányúvá válik: "Most projekteket adunk Claude-nak, hamarosan OKR-eket fogunk adni neki, és az majd kitalálja, hogy mely projekteken kell dolgozni és hogyan kell az embereket összekapcsolni — idővel javítva magán és a körülötte lévő embereken."
Elismerte, hogy ez a vízió elvont és kormányzási kérdéseket vet fel: egy AI, amely dönt arról, milyen projektek valósuljanak meg és csak akkor delegál az embereknek, ha azok javítják az ítéletét, fordított viszonyt hozhat létre a munkavállalók és eszközeik között. White erre a cég nyilvános elköteleződéseire hivatkozott a katasztrofális kockázati területekben (például kiber- és biobiztonság), de a napi munkaügynökségi kérdések döntő része ma még az ügyfelek jogosultsági és költségkontroll-rendszerein múlik.
Jelenleg a gyakorlatban már zajlik a változás Slack-csatornákon: egy olyan AI, amely az egész beszélgetést hallgatja, maga dönt arról, mikor szólaljon meg, és egyre többet végez abból a kapcsoló munkából, amit korábban menedzserek, elemzők és projektvezetők végeztek. White tapasztalata szerint ez a változás az ő szerepét is a legemberibb magra szorította — ítéletalkotásra, vitára és döntésekre —, és hasonlóan szervezeti szinten is ez a tömörülés várható.
Két évvel ezelőtt az iparági metafora az AI-ról gyakran a gyakornok volt. Anthropic most előléptette ezt a szerepet chief of staff-szintre — aki mostantól a teljes vállalatnak jelent.
