איך קלוד עוזר לבנות את הדור הבא של עצמו

בספטמבר 2026, יותר מ-90% מתרומות הקוד למאגרי התוכנה של אנטרופיק (Anthropic) נכתבו באמצעות קלוד (Claude). הנתון הזה, שנחשף במסמך ההנפקה של החברה, ממחיש עד כמה השתנתה עבודת הפיתוח שלה. אבל מאחוריו מסתתר שינוי גדול יותר: קלוד כבר משתתף במחקר, בניסויים ובפיתוח הדורות הבאים של עצמו. מבחינת אנטרופיק, זה מנגנון שעשוי להעניק לה יתרון משמעותי בתחרות. מודלים מתקדמים מסייעים לחוקרים לעבוד מהר יותר ולנצל טוב יותר את משאבי המחשוב, והשיפורים האלה יכולים להאיץ את פיתוח הדור הבא. אלא שבמסמך ההנפקה שהגישה ב-26 באוקטובר 2026, החברה מציגה לצד ההזדמנות הכלכלית גם אזהרה: קצב הפיתוח עלול להתקדם מהר יותר מהיכולת לבדוק את המודלים ולהתאים את אמצעי הבטיחות.

כשהמוצר עצמו מאיץ את הפיתוח

אנטרופיק מכנה את התהליך Closing the Loop, סגירת הלולאה. גרסה אחת של קלוד מסייעת לפתח גרסה מתקדמת יותר, שעשויה להיות טובה ממנה גם בביצוע משימות מחקר והנדסה. בהמשך, הדור המשופר יכול לסייע בפיתוח הדור שאחריו.

במאמר שכתבתי ביוני האחרון כבר הסברתי איך התהליך קשור לחזון של שיפור עצמי רקורסיבי, ומה עדיין נשאר בידי החוקרים האנושיים. קלוד כבר משתתף בניסויים, ביצירת נתוני אימון, בכתיבת קוד ובבדיקת תוצאות, אבל לא מנהל באופן עצמאי את פיתוח הדורות הבאים שלו.

החשיבות העסקית נמצאת ביכולת לקצר זמני פיתוח ולשפר את ניצול משאבי המחשוב. כאשר קלוד מסייע למצוא שיטות יעילות יותר לאימון ולהפעלת מודלים, החוקרים יכולים להפיק יותר מאותן תשתיות יקרות ולבחון רעיונות נוספים.

לזה מצטרפים שני מנגנונים כלכליים שמתארת החברה: משוב מלקוחות שמסייע לשפר את המוצרים, והכנסות שמאפשרות להשקיע בעוד חוקרים, שבבים ומרכזי נתונים.

השילוב בין שלושת המנגנונים עשוי להאיץ את הפיתוח ולהעניק לאנטרופיק יתרון תחרותי. אבל היתרון הזה ממש לא מובטח: גם המתחרות משתמשות ב-AI כדי לקדם את המחקר שלהן, ומי שתצליח לעשות את זה ביעילות גבוהה יותר עשויה לפתוח פער טכנולוגי. אחרי הכול, היכולת לבצע יותר ניסויים לא מבטיחה תגליות טובות יותר.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס קלוד קוד (Claude code) וסביבת אנטרופיק

לפרטים נוספים לחצו כאן >>

פי 45 יותר קוד. מה זה אומר על עבודת המהנדסים?

מסמך ההנפקה חושף עד כמה השתנתה העבודה בתוך אנטרופיק. בשלושת החודשים שהסתיימו בספטמבר 2026 (רבעון 3), נפח הקוד היומי שנוסף למאגרי החברה לכל מהנדס היה גבוה ביותר מפי 45 (!) מהממוצע בשנת 2024.

מאחורי הנתון נמצא שינוי בשיטת העבודה. קלוד קוד (Claude Code) מסוגל לכתוב קוד, להריץ אותו ולבצע בדיקות. המהנדסים יכולים להגדיר משימות, לכוון את העבודה ולבחון את התוצאות, במקום לבצע בעצמם כל שלב.

אבל פי 45 יותר קוד הוא לא בהכרח פי 45 יותר פריון. כמות הקוד לא מבטיחה תוכנה טובה יותר או פחות תקלות. גם קוד שנוצר באמצעות AI דורש בדיקות, תחזוקה ולעיתים תיקונים משמעותיים.

הנתון מלמד על השינוי בהיקף העבודה שאפשר לייצר, אבל כדי להעריך את השיפור בפריון צריך למדוד גם את איכות התוצרים ואת הזמן שמושקע בפיקוח עליהם.

ההכנסות גדלות מהר יותר ממספר העובדים

השינוי בולט גם בנתונים העסקיים. בין ספטמבר 2025 לספטמבר 2026 גדלו ההכנסות של אנטרופיק, בחישוב של 12 החודשים האחרונים, בכ-1,200% (!). באותה תקופה גדל מספר העובדים בכ-170%.

כתוצאה מכך, ההכנסות השנתיות לכל עובד עלו מכ-1.4 מיליון דולר ליותר מ-6.6 מיליון דולר.

אנטרופיק מייחסת חלק מההתייעלות לשימוש הנרחב בקלוד, גם במחקר ובהנדסה וגם במכירות, בשיווק ובתפעול. העובדים יכולים להפעיל סוכני AI שמבצעים משימות במקביל, וכך להרחיב את היקף הפעילות בלי להגדיל את כוח האדם באותו קצב.

הזינוק בתפוקת הקוד ובהכנסות לעובד באנטרופיק

אבל אי אפשר לבודד מהנתונים את התרומה של קלוד. הזינוק בהכנסות משקף גם ביקוש חריג למוצרי החברה והתרחבות מהירה של שוק ה-AI. גם הכנסות גבוהות לעובד לא זהות לרווחיות: במחצית הראשונה של 2026 רשמה אנטרופיק הכנסות של כ-16.3 מיליארד דולר, לצד הפסד תפעולי של כ-693 מיליון דולר, אפילו שברבעון השני לבדו כבר הציגה רווח תפעולי.

הנתונים ממחישים את ההזדמנות הכלכלית שהחברה מבקשת להציג למשקיעים. השאלה היא האם הצמיחה וההתייעלות יוכלו להמשיך להצדיק את ההשקעות העצומות בפיתוח ובהפעלת המודלים.

כשהמודלים מתקדמים מהר יותר מהיכולת לבדוק אותם

בחלק שעוסק בסיכונים למשקיעים, אנטרופיק מתארת בעיה שנובעת מאותו מנגנון שמאפשר לה להתפתח במהירות.

כאשר מודל אחד מסייע לפתח את הדור הבא, שגיאות, הטיות או כשלים במודל הקיים עלולים לעבור גם למערכות שנבנות בעזרתו. אם הם לא מזוהים בזמן, הם עלולים להצטבר לאורך דורות ולהיות קשים יותר לתיקון.

נניח שקלוד מסייע לחוקרים לייצר נתוני אימון או להעריך ניסוי. אם הוא חוזר על טעות מסוימת והחוקרים מסתמכים על התוצאה, הטעות עלולה להשפיע גם על ההחלטות שמעצבות את המודל הבא.

אבל הקושי לא מסתכם בזיהוי טעויות. אנטרופיק מדווחת שבחלק מבדיקות הבטיחות נצפו מודלים שהתנהגו אחרת כאשר זיהו או הסיקו שהם נמצאים במבחן. התנהגות כזאת מקשה להעריך כיצד המערכת תפעל מחוץ לסביבת הבדיקה.

לשני הסיכונים האלה מצטרפת בעיית הקצב. אנטרופיק מזהירה שחלק מהמדדים המשמשים אותה להערכת מהירות ההתקדמות מספקים תמונה באיחור. לכן ייתכן שהחברה תזהה האצה משמעותית ביכולות המודלים רק לאחר שכבר התרחשה.

החשש הוא שמערכות AI יסייעו להאיץ את הפיתוח מהר יותר מהיכולת של החוקרים לפתח ולבדוק אמצעי בטיחות מתאימים.

מודלים מתקדמים מהר יותר מהיכולת לבדוק אותם

בתשקיף מתארת אנטרופיק צוותי בטיחות, בדיקות ייעודיות ושיתוף פעולה עם גורמי הערכה חיצוניים. החברה גם מציינת שהיא עשויה לעכב שחרור מודלים או להגביל את זמינותם כאשר מתגלים סיכונים משמעותיים.

אלה אמצעי הגנה חשובים, אבל היעחלות שלהם תעמוד למבחן ככל שקלוד יהיה מעורב ביותר שלבים במחקר. ההאצה מחייבת גם שיטות בדיקה שיכולות לעמוד בקצב, לזהות כשלים ולהשאיר בידי החוקרים את ההחלטה מתי להתקדם ומתי לעצור.

זה גם סיכון עסקי. עיכוב בשחרור מודל עשוי להעניק יתרון למתחרים, בעוד ששחרור מוקדם מדי עלול להוביל לתקלות, לפגיעה באמון הלקוחות ולהתערבות רגולטורית.

יתרון תחרותי שמחייב גם שליטה

מסמך ההנפקה מציג חברה שהפכה את קלוד לחלק מרכזי ממערך המחקר, ההנדסה והתפעול שלה. נתוני הקוד והצמיחה העסקית ממחישים את היקף השינוי, גם אם עדיין קשה למדוד את תרומתה המדויקת של הטכנולוגיה.

אנטרופיק מנסה לבנות מנגנון שבו כל דור חדש של מודלים מסייע לפתח את הדור הבא במהירות וביעילות גבוהות יותר. היתרון האפשרי משמעותי, במיוחד בענף שבו זמן הפיתוח ומשאבי המחשוב הם גורמים מכריעים.

אבל ככל שהמודלים מעורבים יותר בפיתוח, ככה גוברת התלות באמינות שלהם וביכולת לפקח עליהם. ההצלחה של אנטרופיק תלויה בשתי יכולות שצריכות להתקדם יחד: להאיץ את הפיתוח, ולזהות טעויות, להעריך סיכונים ולעצור בזמן. האתגר נעשה מורכב במיוחד כשהמודלים שמאיצים את הפיתוח משתתפים גם בבדיקת התוצאות שלו.