Anthropic lança ferramentas para medir o retorno do gasto com IA corporativa

A Anthropic anunciou nesta quarta-feira (28) um novo conjunto de ferramentas de relatório voltado a clientes corporativos, com o objetivo de mostrar de forma granular o que cada time está obtendo em troca do gasto em tokens com Claude. A informação é da TechCrunch.

O pacote combina dados internos de uso com pesquisas feitas diretamente com os funcionários. A partir disso, gestores conseguem visualizar, para um período escolhido, o que um time produziu, quanto isso custou em tokens e em que ponto do fluxo de trabalho houve travamentos. Os relatórios também trazem recomendações de como melhorar esses resultados, e a Anthropic afirma que não vai usar esses dados para treinar modelos por padrão.

Por que a Anthropic está fazendo isso agora

O lançamento acompanha números financeiros divulgados a investidores nesta mesma semana: a empresa registrou lucro operacional no segundo trimestre e uma retenção líquida de receita de 900% entre clientes recorrentes, ou seja, o gasto dos mesmos clientes no terceiro trimestre de 2026 cresceu nove vezes em relação ao terceiro trimestre de 2025.

Esse crescimento de gasto é exatamente o que motiva a nova ferramenta. Clientes corporativos grandes têm cobrado da Anthropic uma resposta objetiva para uma pergunta simples: o que o dinheiro investido em Claude Code está realmente trazendo de volta? A empresa também está criando orçamentos agrupados por equipe, para que times consigam gerenciar o consumo de tokens de forma coletiva em vez de depender só de limites individuais.

O que os números do mercado já mostram

Um retrato independente dessa dinâmica veio de um relatório da Jellyfish, empresa que fabrica ferramentas para times de engenharia, divulgado na terça-feira (27) com base no uso de ferramentas de codificação agêntica por 276 mil clientes. Claude Code e outras ferramentas construídas sobre modelos da Anthropic seguem na liderança, respondendo por quase um terço de todas as mudanças de código propostas e enviadas para revisão.

Mais revelador é o ritmo do gasto: segundo a Jellyfish, o investimento nessas ferramentas cresceu 10 vezes desde o início do ano, e já equivale a cerca de 2% do custo total de engenharia das empresas analisadas.

Mesmo que você diga que 2% ainda é pouco, esse crescimento de 10 vezes é um crescimento que a maioria dos CFOs não tinha planejado. Estamos chegando ao ponto em que as pessoas percebem que não basta gastar muito, agora é preciso otimizar esse gasto e fazer com que funcione.

Nicholas Arcolano, chief scientist na JellyfishEven if you're saying 2% is still small, that 10x growth is growth that most CFOs didn't plan for. We're certainly getting to the point where people are realizing, okay, it's not enough to just spend a bunch. You now have to optimize it, make it work.

A disputa com a OpenAI não abalou a Anthropic

O lançamento do modelo Astra pela OpenAI neste verão norte-americano parecia uma ameaça direta à posição da Anthropic entre desenvolvedores corporativos. Até agora, segundo a Jellyfish, isso não freou a adoção das ferramentas da Anthropic nesse público.

Nikolas Albarran, líder de produto de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → da Jellyfish, descreveu um descompasso entre a percepção pública e os dados reais de uso corporativo.

Demorou muito para a gente ver o Codex realmente aparecer nos nossos dados, e ele subiu junto com o Astra.

Nikolas Albarran, líder de produto de IA na JellyfishIt took a long time for us to see Codex really pop in our data at all, and it has come up with Astra.

Olhando para o X, ele continuou, dá para ter a nítida impressão de que a competição está mais acirrada. "Todo mundo no Vale está tipo 'ah, o Codex é melhor'", disse Albarran. Na realidade, ele continuou:

A Anthropic simplesmente estava lá com uma boa operação corporativa, e tinha um peso de incumbente próprio: isso simplesmente funcionava bem, e muita gente investiu esforço em padronizar fluxos de trabalho em torno disso. E não existe motivo grande o suficiente para trocar.

Nikolas Albarran, líder de produto de IA na JellyfishAnthropic was just there with great enterprise motions, and they had an incumbent weight of their own, this stuff just worked and worked well, and a lot of people just put a lot of effort into standardizing workflows around it. And there's not a big enough reason to switch.

O custo de trocar de ferramenta não é zero

Albarran aponta um fator estrutural por trás dessa fidelidade: o investimento que os laboratórios de IA vêm fazendo em equipes de engenharia embarcadas no cliente (forward-deployed engineering, ou FDE), que ajudam a organização a colocar os fluxos agênticos de pé. Os novos relatórios de uso da Anthropic funcionam como uma versão mais enxuta disso, um acompanhamento automatizado no lugar do suporte presencial.

Uma vez que a equipe padronizou seus fluxos em cima de uma ferramenta específica, a troca custa caro. Projetos de engenharia desenvolvem convenções próprias (desde a estrutura de arquivos agent.md até scripts de automação) que não migram de graça para outro modelo ou outro fornecedor.

Estamos num ponto em que isso já amadureceu o suficiente: uma vez que você entra, fica cada vez mais difícil trocar, porque você já investiu esforço nisso. Mesmo que todas as ferramentas sejam parecidas, cada uma tem suas peculiaridades de como lida com arquivos agent.md, por exemplo, e esse custo de troca não é zero.

Nikolas Albarran, líder de produto de IA na JellyfishWe're at a point now where it's mature enough, where once you're in, it's going to be harder and harder to switch because you've spent the effort. Even if they're all mostly the same, they're all going to be slightly different, have their own slight quirks of how they handle agent.md files, etc., and so that cost to switch is not zero.

O que muda para quem desenvolve e lidera engenharia no Brasil

Para times brasileiros, o gasto com modelos frontier costuma doer mais: ele é cobrado em dólar, enquanto o orçamento de engenharia é planejado em real. Uma ferramenta que mostra, por time e por período, quanto cada squad gastou em tokens e o que isso produziu é exatamente o insumo que falta hoje para justificar (ou cortar) investimento em Claude Code diante de um CFO que acompanha o câmbio de perto.

Vale observar também o detalhe da governança de dados: a Anthropic afirma que não vai usar as informações desses relatórios para treinar modelos por padrão. Isso importa para equipes que operam sob LGPD↳LGPD14 conteúdosComo utilizar a LGPD com o objetivo de conformidade e inovação?Gestão Dev & TI · out 2021LGPD coloca pressão inédita nos responsáveis pela tecnologia das empresasData · ago 2021Proteção de dados: LGPD é sancionada e começa a valerData · set 2020Ver tudo em Gestão Dev & TI → e que já hesitam em expor métricas internas de produtividade ou trechos de código para um fornecedor terceiro.

E há o ponto mais estratégico para quem decide arquitetura: o argumento de Albarran sobre o custo de troca não é só uma observação de mercado, é um alerta para arquitetos que estão padronizando fluxos agênticos agora. Convenções como arquivos agent.md, scripts de orquestração e integrações específicas de um modelo têm custo de migração real. Vale desenhar esses fluxos pensando em portabilidade desde o início, em vez de descobrir o preço do lock-in só quando for tarde para trocar de fornecedor.

Fonte: TechCrunch