O czym jest ten film
- Anthropic złożyło formularz S-1 — pierwszy pełny wgląd w biznes firmy przed debiutem giełdowym; przychody pierwszego półrocza: 16,3 mld USD, a tempo wciąż rośnie.
- Ponad połowa firm z listy Fortune 500 to realnie płacący klienci, ale wśród spółek notowanych przeciętny wydatek na Claude to mniej niż 1 USD na każde 1000 USD kosztów — zdaniem autora rynek AI jest dziś mniejszy, niż się powszechnie sądzi.
- Pytanie „bańka czy nie bańka?” jest źle postawione; właściwe dotyczy tempa, w jakim firmy przechodzą od pilotaży do głębokiego osadzania AI w procesach.
- Klientami Anthropic są 10 największych banków i 9 z 10 największych firm farmaceutycznych; dziesięć największych kont wydaje 8× więcej niż średnia grupy, a nawet one pozostają poniżej 1% budżetów.
- Wyniki są zdrowsze, niż sugerują nagłówki: marża brutto wzrosła z ok. 40% do ok. 85%, a w drugim kwartale spółka zaraportowała 974 mln USD zysku operacyjnego; gigantyczna strata netto to głównie efekty księgowe i finansowe.
- Retencja przychodów netto na poziomie 900% rodzi pytanie, czy to jednorazowy efekt Claude Code — znakiem, że nie, ma być szybszy wzrost nietechnicznego produktu Cowork.
- Ponad 80% przychodów kwartału wrześniowego generowały modele wydane w poprzednich sześciu miesiącach; tańsze i lepsze modele zwiększają zużycie (paradoks Jevonsa), więc spadek cen nie oznacza sufitu.
- Anthropic angażuje 100 mln USD w akademię, która do końca 2027 r. ma przeszkolić 10 tys. inżynierów klientów — to zakład, że kompetencje po stronie nabywców przyspieszą wdrożenia.
- Największą niewiadomą pozostaje złożoność i niepowtarzalność procesów w korporacjach — nikt tego nie zmierzył, a firmy trzymają tę wiedzę dla siebie.
- Materiał zamyka rozliczenie z pięcioma pytaniami z czerwca: o koszty obsługi klientów, marże, charakter zakupów, realne procesy i przyszłość inżynierów wdrożeniowych.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Dzisiejsze budżety na AI nie mówią, jak duży będzie ten rynek
Na czym polega: Przeciętny klient Anthropic z grona spółek giełdowych wydaje na Claude mniej niż 1 dolar na każde 1000 dolarów łącznych kosztów — choć ponad połowa Fortune 500 już płaci. Sam dokument przyznaje, że wdrożenia obejmują niewielkie liczby zespołów i zastosowań. Pierwszy projekt z AI jest zatem wyjątkowo złym drogowskazem docelowego apetytu.
Jak stosować: Budżet pierwszego wdrożenia traktuj jako koszt rozpoznania, nie prognozę. Zaplanuj przegląd po kilku miesiącach: które zespoły odkryły nowe zastosowania i o ile powinny wzrosnąć wydatki. Negocjuj elastyczne skalowanie (wyższy plan, większe zużycie) bez ponownej procedury zakupowej.
Na co uważać: Wnioski z pilotaży potrafią zarówno zaniżać, jak i zawyżać realny popyt. Komunikaty w stylu „klienci z Fortune 500” mówią o wejściu do firmy, a nie o głębokości korzystania z produktu.
2.Zdobyty klient to nie to samo co klient, dla którego jesteś ważny
Na czym polega: Sto tysięcy dolarów rocznie to realny klient — ale dla korporacji z Fortune 500 symboliczne wdrożenie. Anthropic ma mnóstwo takich „zdobytych” kont; otwarte pytanie brzmi, czy stanie się dla nich infrastrukturą.
Jak stosować: Jeśli kupujesz AI, mierz sukces liczbą zespołów i procesów objętych wdrożeniem, nie samym faktem posiadania licencji. Jeśli sprzedajesz, raportuj głębokość adopcji (aktywni użytkownicy, procesy na produkcji) — to ona przesądza o odnowieniu umowy.
Na co uważać: Wielkie firmy potrafią latami tkwić po jednym dziale; lista marek w portfolio bywa ozdobnikiem.
3.Adopcja z musu to nie adopcja z policzonego zwrotu
Na czym polega: Większość korporacji wdraża AI, bo „wszyscy mają” — jak w przypadku Claude Code w działach inżynieryjnych — a nie dlatego, że wyliczyła nieproporcjonalny zysk. Dopiero ten drugi motyw prowadzi do przebudowy procesów wokół AI i otwiera kolejną falę wzrostu.
Jak stosować: Zanim przeskalujesz wdrożenie z zespołu na całą firmę, policz zwrot w twardych liczbach (czas, jakość, koszt zadania) i zapisz go. Bez tego budżet zginie przy pierwszym cięciu kosztów.
Na co uważać: Wartość narzędzi używanych indywidualnie łatwo „wyparowuje” bez celowego pomiaru — firmy rzadko wykrywają zwrot spontanicznie.
4.Kolejny skok przyjdzie z zastosowań nietechnicznych
Na czym polega: Nietechniczny produkt Cowork rośnie szybciej, niż kiedykolwiek rósł Claude Code; agenci są już gotowi do zadań bez kodowania, brakuje tylko prostych interfejsów. Autor przewiduje, że w ciągu roku próg „poważnego klienta” przesunie się ze 100 tys. do miliona dolarów rocznie.
Jak stosować: Już teraz przygotuj ścieżkę wdrożenia dla działów pozatechnicznych — obsługi klienta, HR, finansów: proste interfejsy, gotowe przykłady, szkolenia. Tam kryje się najtańszy wzrost wartości.
Na co uważać: Barierą nie jest już model, lecz interfejs i zaufanie; wdrożenie „po inżyniersku” odstraszy ludzi bez tła technicznego.
5.Dobre wdrożenie ma otwierać drogę do następnego
Na czym polega: Nakłady na AI kumulują się — uporządkowane dane, połączone systemy i zdobyt wiedza obniżają koszt kolejnych procesów. Claude ma zresztą sam podpowiadać, co zautomatyzować dalej. Komercyjny wniosek: porządnie wykonana implementacja zostawia klienta gotowego na następną.
Jak stosować: Przy każdym wdrożeniu porządkuj i dokumentuj proces oraz dane — traktuj to jako inwestycję w kolejny projekt. Celuj w zadania o dużej dźwigni: częste, kosztowne, mierzalne.
Na co uważać: Procesy w firmach bywają dziwnie skonfigurowane i słabo opisane; zły wybór pierwszego procesu to najczęstsza przyczyna porażki.
6.Tańsze tokeny to paliwo popytu, nie sygnał sufitu
Na czym polega: Opus 5.5 obniżył koszt zadania u klienta o ok. 40% względem poprzednika — a klienci i tak zwiększają zużycie. To paradoks Jevonsa: gdy zasób staje się efektywniejszy, jego użycie rozlewa się na nowe zastosowania. Autor widzi to u siebie: mniej tokenów na użyteczne zadanie, ale łącznie większe zużycie.
Jak stosować: W modelowaniu kosztów projektów licz koszt zadania lub efektu, nie cenę tokena — ta będzie spadać. Zakładaj, że liczba zadań urośnie szybciej, niż zsinkuje cena.
Na co uważać: Większe zużycie nie znaczy automatycznie większej wartości; pilnuj, by wzrost wolumenu szedł w parze z mierzalnymi efektami.
7.Surowa liczba tokenów zafałszuje obraz rynku
Na czym polega: Blisko 90% wrześniowych tokenów agentów to zawartość z pamięci podręcznej (dane OpenRouter) — wielokrotnie tańsza niż świeże zapytania. Ramp pokazał za to wzrost wolumenu tokenów o ok. 52% i wydatków o 23% w cztery tygodnie, mimo spadku ceny tokena.
Jak stosować: W analizach i raportach rozdzielaj tokeny świeże od cache’owanych i zawsze dochodź do kosztu jednostki pracy, a nie samego wolumenu.
Na co uważać: Nagłówki o „eksplozji tokenów” i o „kolapsie cen” opisują ten sam proces z dwóch stron — nie daj się złapać na żadnej z nich.
8.Kompetencje po stronie klienta to dźwignia wzrostu
Na czym polega: Anthropic przeznacza 100 mln USD na akademię dla 10 tys. inżynierów z firm klientów — ci mają potem sami prowadzić wdrożenia. Pierwsze udane wdrożenie działa jak przepustka do kolejnych, a wewnętrzni eksperci przyspieszają ekspansję między działami.
Jak stosować: Jeśli sprzedajesz AI — inwestuj w szkolenie zespołów klienta zamiast budować zależność od własnych konsultantów. Jeśli kupujesz — twórz wewnętrznych ambasadorów; to tańsze niż wieczny outsourcing wdrożeń.
Na co uważać: Nikt nie wie, na ile klienci usamodzielnią się bez wsparcia dostawcy; trwała zależność od drogich zespołów wdrożeniowych to ryzyko dla obu stron.
9.Inteligencja sprzedawana na trzy sposoby nie mieści się w kategorii SaaS
Na czym polega: Claude kupuje się dla pracowników (jak SaaS), do napędzania procesów (już nie SaaS) i jako składnik własnych produktów (w ogóle nie SaaS) — klient bywa obciążany podwójnie: przez Anthropic i przez swojego dostawcę. Poważni klienci coraz częściej łączą platformę z gotowymi aplikacjami (ponad 50%, rok wcześniej ok. 30%), a 48% przychodów idzie przez marketplace’y chmurowe.
Jak stosować: Przy wyborze dostawcy modeluj trzy strumienie wartości osobno: licencje dla ludzi, użycie w procesach, wpięcie w produkt. Liczenie samych licencji na pracownika pomija większość potencjału.
Na co uważać: Wielokanałowość utrudnia porównania i wyceny — klasyczne wskaźniki SaaS-owe tu zawodzą.
10.O tempie wzrostu zdecyduje „przywieralność” procesów — pytaj o to wprost
Na czym polega: Nikt jeszcze nie zmierzył, ile pracy pochłania typowe wdrożenie AI w korporacji: procesy są niepowtarzalne, osobliwie skonfigurowane i słabo udokumentowane. Od ich złożoności zależy, jak szybko rynek naprawdę urośnie — to największa niewiadoma całej historii, także dla inwestorów.
Jak stosować: Przy ocenie dostawców AI pytaj wprost o pracochłonność wdrożeń, czas do pierwszej wartości i zależność od ich ludzi. We własnych projektach szacuj koszt utrzymania i rozbudowy od pierwszego dnia.
Na co uważać: Wskaźnik 900% retencji może się nie powtórzyć w kolejnym roku — sprawdzaj, czy wzrost przenosi się na nowe działy, czy wyczerpał się na inżynierach.
Redakcyjne tłumaczenie
Dokument, który otwiera kuchnię Anthropic
Anthropic złożyło wreszcie formularz S-1 — raport, który spółki publikują przed wejściem na giełdę i który po raz pierwszy pozwala zajrzeć do środka ich biznesu. (Informacja dodatkowa: S-1 to dokument rejestracyjny składany amerykańskiemu nadzorowi finansowemu przed debiutem giełdowym; zawiera szczegółowe dane finansowe i opis działalności.)
Najświeższe liczby odnoszą się do kwartału zakończonego we wrześniu i robią wrażenie: ponad połowa firm z listy Fortune 500 to już istotni, płacący klienci Anthropic, a przychody z pierwszego półrocza sięgnęły 16,3 mld dolarów — i to są zresztą dane nieco opieszałe, bo firma wciąż nabiera tempa. Wśród notowanych spółek z tej grupy przeciętny klient wydaje na Anthropic mniej niż jednego dolara na każde tysiąc dolarów swoich łącznych kosztów.
Wszyscy będą teraz pytać, czy to bańka. Moim zdaniem to pytanie źle postawione. Chcę podważyć założenie, że dzisiejsze budżety na AI wyznaczają wielkość tego rynku. Uważam, że rynek AI jest dziś mały — wydaje się gigantyczny, ale nie jest. Relacje Anthropic z klientami to zapowiedź tego, dokąd zmierza AI jako produkt, i to znacznie trwalszy sposób patrzenia w przyszłość niż spory o bańkę.
A jeśli nie nadążacie z potokiem wiadomości o AI i szukacie miejsca, w którym da się nadrobić zaległości — ten kanał powstał właśnie po to. Obiecuję materiały na czas i takie, na których da się coś zbudować i które realnie pomagają w karierze.
Inteligencja jako nowy czynnik produkcji
Uważam, że Anthropic może stać się jednym z najbardziej udanych biznesów w historii kapitalizmu, sprzedając inteligencję jako nowy czynnik produkcji — coś, co firmy muszą kupować, żeby w ogóle brać udział w grze. Ten czynnik czyni istniejących ludzi i kapitał bardziej wydajnymi, więc z czasem przedsiębiorstwa będą w to inwestować coraz więcej. Sprawia też, że opłaca się brać się za projekty wcześniej za drogie albo za trudne. W miarę jak klienci odkrywają kolejne takie zastosowania, rynek inteligencji ma wszelkie powody, by urosnąć bardzo wysoko — nawet licząc od obecnych, zdumiewających poziomów.
W poprzednim materiale dowodziłem, że inteligencja jest de facto nowym czynnikiem produkcji. Teraz przyszła pora na dowody klienckie: jeśli inteligencja faktycznie czyni wartą wykonywania większą ilość pracy, budżety powinny rosnąć razem z zaufaniem.
Kto chce zgłębić, jak Anthropic wydaje na moc obliczeniową, jak finansuje zdolności i gdzie leżą ryzyka, znajdzie w dokumencie mnóstwo materiału. Nagłówkowa, gigantyczna strata netto odzwierciedla w dużej mierze pozycje finansowe i księgowe — to nie to samo, co gotówka spalana na obsługę Claude.
W czerwcu zadałem kilka pytań o to, czy laboratoria AI potrafią zarabiać przy rosnącym użyciu. Zapamiętałem je — na końcu dostaniecie krótkie odpowiedzi na wszystkie pięć, bo S-1 pozwala je już sformułować. Najpierw jednak pokażę, co klienci robią z tą inteligencją, bo to właśnie trwała zmiana w zachowaniach korporacji, którą będziemy śledzić u Anthropic, OpenAI i pozostałych.
Ta perspektywa ma znaczenie także dla was, jeśli sami używacie AI: pierwsza rzecz zbudowana z pomocą AI jest wyjątkowo złym przewodnikiem po tym, ile ostatecznie będziecie chcieli z niej korzystać. Każdy, kto używa AI dużo, to wie.
Zdobyć klienta czy stać się dla niego ważnym
Zacznijmy od rozróżnienia między zdobyciem klienta a staniem się dla niego naprawdę ważnym. W pierwszej kategorii Anthropic ma ogromną liczbę firm z Fortune 500: spora część klientów wygenerowała co najmniej 100 tys. dolarów przychodu w ostatnich dwunastu miesiącach — to realni klienci. Dla spółki z Fortune 500 sto tysięcy dolarów może jednak oznaczać symboliczne wdrożenie, zupełnie nieistotne w skali budżetu.
Sam dokument otwarcie to przyznaje: większość przedsiębiorstw używających Claude wdrożyła go w bardzo wąskim gronie zespołów i zastosowań — w porównaniu z tym, co w ocenie Anthropic Claude mógłby obsłużyć. Firma w istocie twierdzi, że rynek jest znacznie większy, niż pokazują obecne zakupy. Właściwe pytanie brzmi więc: na ile klienci podzielają ten pogląd? Ile znajdą w swoich organizacjach obszarów wartych objęcia inteligencją po pierwszym wdrożeniu?
Logo korporacji w portfolio mówi tylko tyle, że Anthropic przekroczyło próg — i wiele właśnie na tym stwierdzeniu się kończy. Mnie interesuje, czy wydatki będą rosły. W gronie klientów wymienionych w dokumencie są dziesięć największych banków i dziewięć z dziesięciu największych firm farmaceutycznych. Można w tym widzieć dojrzałą, kompletną listę — ja widzę firmy, które Anthropic już zdobyło i które powinny stać się znacznie większymi nabywcami, jeśli nauczą się lepiej używać inteligencji.
Patrzę na krążący wszędzie wskaźnik 900% retencji przychodów netto i pytam: czy to efekt właściwy tylko dla 2026 roku, czy po Claude Code zobaczymy w 2027 roku kolejny podobny skok? Innymi słowy — czy klienci dostrzegają wartość na tyle trwałą, że przeniosą ją na kolejne zespoły i działy?
(Informacja dodatkowa: retencja przychodów netto, NRR, pokazuje, jak zmieniają się przychody od klientów pozyskanych wcześniej, bez liczenia nowych nabywców; 900% oznacza, że stali klienci zwiększyli wydatki dziewięciokrotnie.)
Najwięksi wydają najwięściej — a to wciąż ułamek budżetów
Anthropic podaje, że jego dziesięciu największych klientów z Fortune 500 wydaje ponad osiem razy więcej — mierząc udziałem w kosztach — niż średnia całej wyróżnionej grupy. To wymyślny sposób powiedzenia, że czołowa dziesiątka jest naprawdę duża. Ale nawet średnia tej czołowej grupy pozostaje poniżej 1% kosztów. Anthropic — spółka, o jakich wynikach z dokumentu S-1 marzy każda firma — wciąż ledwie muska alokacje budżetowe wewnątrz Fortune 500. I patrąc z tej strony, widzę przede wszystkim okazję: przed największymi nabywcami stoi morze potencjalnych zastosowań Claude.
Optymiści, pesymiści i pytanie o konsekwencję
Załóżmy jednak na chwilę pesymistyczne okulary. Można przecież powiedzieć: mylisz się, Nate — firmy widzą granice inteligencji, przekonują się, że pomaga mniej, niż zakładały, i nie będą w to przesadnie inwestować. Od dawna twierdzę, że wartość produktu wiąże się z tym, czy da się zobaczyć zwrot. A ponieważ inteligencją użytkuje się głównie pojedynczo, firmom bardzo trudno tę wartość zebrać i zmonetyzować — chyba że podejdą do sprawy z nieprzeciętną konsekwencją.
I właśnie tego poziomu świadomości u wielkich korporacji zwykle nie widać. Obserwują, że wszyscy wokół wdrażają Claude Code, więc ich inżynierowie również muszą go mieć — i na tym proces się kończy. Jeśli śledzić klientów w czasie, owe 900% retencji wygląda często tak: „wprowadzamy Claude Code, dopilnowujemy, żeby działał inżynierom, a potem zobaczymy”.
Jest zaś zasadnicza różnica między „musimy wdrożyć AI, bo to warunek udziału w grze” — a tym punkcie już jesteśmy — a „głęboko wplatamy AI w nasze operacje, bo wiemy, że daje nam nieproporcjonalną wartość”. To jest następny etap. Kto obstawia wzrost Anthropic i AI w ogóle, musi odpowiedzieć na pytanie: czy te firmy widzą wartość wystarczającą, by przebudować wokół AI swoje łańcuchy dostaw i sposób działania aż po samo sedno? Jeśli tak — przed nimi ogromna liczba dodatkowych tokenów do obsłużenia, na czym zyska Anthropic, OpenAI i każdy, kto sprzedaje inteligencję. Jeśli nie — wzrost ma sufit: Claude Code był wyjątkowym momentem w historii, a działy inżynieryjne to kraniec drogi Anthropic.
Tymczasem sam dokument przemawia bardziej na korzyść optymistów. Jednym z powodów jest Cowork — produkt dla ludzi nietechnicznych — który rośnie szybciej, niż kiedykolwiek rósł Claude Code. Jeśli to prawda, przyczółek zdobyty w inżynierii to dopiero początek: Anthropic znajduje przestrzeń do ekspansji w innych działach tych samych firm, po prostu dokładając narzędzie, które ułatwia korzystanie z AI osobom bez przygotowania technicznego.
Od stu tysięcy do miliona
Moje wyjściowe oczekiwanie jest takie, że w ciągu najbliższego roku próg „poważnego klienta” przesunie się ze stu tysięcy dolarów do miliona — i to nie będzie szczególna prognoza co do Anthropic, lecz przewidywanie skokowej zmiany oczekiwanych wydatków na AI. Wchodzimy bowiem w okres, w którym agenci są w pełni gotowi obsługiwać znakomite zastosowania nietechniczne; brakuje jedynie solidnych, prostych interfejsów, z którymi klienci wdrożą je z poczuciem bezpieczeństwa. Niewiele firm jest do tego lepiej przygotowanych niż Anthropic, a dokument daje wyobrażenie, dokąd zmierza. Skoro firma ma już całą bazę relacji, z którymi pracuje, ma świetną okazję, by iść dział po dziale i podnosić wydatki.
Dokument opisuje zresztą naturalną ścieżkę adopcji: najpierw pracownicy sięgają po Claude we własnej pracy; ktoś stosuje go do kodu, analiz czy researchu; zostaje odkryte użyteczne zastosowanie — i korzystanie się rozlewa. To opowieść, którą Anthropic widzi u klientów, ale też szerzej: historia całego AI. Ludzie próbują, a użycie rośnie, gdy odkrywają, co działa. Anthropic jest po prostu w pozycji sprzedawcy, który mówi: Claude Code już mamy, teraz dokładamy kolejne warstwy.
Ile pracy kosztuje wpisanie Claude w procesy?
Pytanie brzmi więc, jak szybko duże firmy zaczną wpinać Claude w procesy powtarzalne. I robi się bardzo złożone — dlatego Anthropic, podobnie jak OpenAI, inwestuje w inżynierów osadzonych u klientów (forward-deployed engineers): trzeba połączyć dane, systemy i kontekst, ustalić, jak praca będzie sprawdzana i walidowana, a na końcu stworzyć powtarzalny sposób przykładania inteligencji do procesu biznesowego.
Jeśli rozwiązujesz zawodowo ten problem, S-1 Anthropic to obraz tego, jak jedna z najskuteczniejszych spółek w historii postrzega ten zestaw zagadnień. Daje ci poczucie, dokąd celuje — i wybór: wsiąść na ten trend i pomagać, budować obok albo konkurować. Ale przynajmniej wiesz, jak oni widzą tę przestrzeń.
Nakłady, które kumulują się same
Jedna z ciekawszych obserwacji: inwestycje firm w AI narastają warstwowo. Nakłady na dane, systemy i oprzyrządowanie ułatwiają kolejne, bo firma już połączyła systemy i uczyniła dużą część wiedzy użyteczną. W pewnym sensie rok 2026 to odrobienie lekcji, którą wszyscy musimy odrobić przed AI. Anthropic idzie jeszcze dalej: Claude ma wykorzystywać nagromadzony kontekst z wnętrza firmy, by sam podpowiadał, który proces warto zautomatyzować następny. Spodziewam się, że w najbliższych miesiącach firma mocno rozwinie tę proaktywność.
Wniosek komercyjny: wdrożenie wykonane porządnie pozostawia klienta w pozycji, w której łatwo odkryje i zbuduje następne. Anthropic zapewne powie to wprost o sobie, ale moim zdaniem to szersza zasada budowania dobrych wdrożeń w erze AI — dotyczy każdego dostawcy pracującego z danymi i systemami klienta. Chcesz ułożyć sprawę tak, by to, co zbudowałeś, ułatwiało postawienie kolejnego procesu na wierzchu. To uczciwe podejście — a przy okazji dobry interes.
Trzy źródła popytu — dlaczego to nie jest zwykły SaaS
Anthropic nie sprzedaje przecież wyłącznie bezpośrednio. Klienci wdrażają Claude w produktach, które sami sprzedają — dokument wymienia wśród takich firm m.in. Salesforce i Lora. Klient bywa więc obciążany podwójnie: raz płaci Anthropic bezpośrednio, drugi raz swojemu dostawcy. Anthropic dostarcza składnik cudzego produktu i równolegle ma osobne umowy handlowe — sytuacja bez precedensu, która nieustannie przypomina, że sprzedaż inteligencji to rzeczywiście coś zupełnie nowego w dziejach firm.
Dlatego standardowa opowieść o adopcji oprogramowania nie ogarnia tego S-1. Firma może kupić Claude, by pomagać pracownikom — to tradycyjny SaaS. Może nim obsługiwać procesy — to już niekoniecznie SaaS. Może wreszcie wpleść go w coś, co sama sprzedaje — to zdecydowanie nie SaaS. Każdy krok otwiera inne źródło popytu, a Anthropic zarabia na wszystkich trzech. W takim świecie liczenie pracowników pomija większość wartości, którą klient ostatecznie u Anthropic zakupi — to zresztą jedna z przyczyn, dla których tak trudno wycenić tę spółkę.
Rozszerzanie widać w danych. W kwartale wrześniowym ponad połowa klientów generujących co najmniej 100 tys. dolarów rocznego przychodu korzystała jednocześnie z platformy Claude i z aplikacji własnościowych, takich jak Claude Code — pod koniec 2025 roku było to około 30%. Poważni klienci coraz częściej używają gotowych narzędzi Anthropic i równolegle budują na jego modelach własne produkty. To o wiele ciekawsza relacja — i ciekawsza analiza — niż pytanie, jak wycenić Anthropic jak najsłynniejszego dostawcę SaaS-a, bo to po prostu nie ta historia. Anthropic uczestniczy w pracy wykonywanej przez własne produkty, w pracy, którą klienci budują sami, i sprzedaje też przez relacje handlowe innych firm. 48% przychodów pierwszego półrocza przyszło przez marketplace’y chmurowe. (Informacja dodatkowa: zamawianie Claude przez katalogi dużych dostawców chmury, takich jak AWS, Azure czy Google Cloud, zamiast bezpośredniej umowy.) Klienci mówią w gruncie rzeczy: „biorę wszystko po trochu — stąd, stąd i stąd, wedle potrzeby”.
Ta droga ma znaczenie, bo przesądza, ile pracy klient musi wykonać, zanim odnajdzie wartość. Ale z perspektywy wartości przedsiębiorstwa Anthropic chce po prostu, by ludzie sięgali po inteligencję, jakkolwiek im wygodnie. A pętla sprzężenia zwrotnego z całego tego obrazu to część mechanizmu, którym Anthropic ulepsza produkty.
Nowe modele dźwigają przychody
Ponad 80% przychodów kwartału wrześniowego pochodziło z wersji modeli wydanych w poprzednich sześciu miesiącach. Świeże możliwości wykonują ogromny kawał pracy i generują wielką wartość handlową — co zgadza się z codziennym doświadczeniem: nowe modele są po prostu dobre i ludzie ich używają, zwłaszcza gdy więcej z nimi robią. Do tego lepszy model potrafi ulepszać istniejące zastosowania tak, że zużycie tokenów rośnie jeszcze bardziej.
Anthropic wskazuje zresztą, że znaczna część ekspansji nie wymaga żadnego wdrożenia: klient po prostu zużywa więcej, przechodzi na wyższy plan abonamentowy albo przynosi na platformę dodatkową pracę. Bez nowego cyklu zakupowego, bez decyzji działu zakupów — ktoś stwierdza po prostu, że to zadanie wymaga Opusa, i zabiera się do roboty.
Właśnie tego, moim zdaniem, nie wychwytują dziś nagłówki finansowe: klient dopiero uczy się tego produktu — to rzecz zupełnie nowa — a produkt sam z siebie nadaje się do coraz większej liczby zadań. Anthropic może więc rosnąć wewnątrz bazy klientów, którą już zdobyło, po prostu poszerzając to, co klienci uważają za osiągalne.
Paradoks Jevonsa, czyli taniość tworzy popyt
Dlatego spadające ceny nie uprawniają mnie do wniosku, że biznes osiągnął sufit. Ceny idą w dół — to wszyscy widzą. Według dokumentu Opus 5.5 obniżył klientom koszt pojedynczego zadania o około 40% względem Opusa 5, i to dzięki połączeniu niższych cen oraz lepszej efektywności zadań. Anthropic mówi w gruncie rzeczy: zwiększymy wydajność tokenów tak bardzo, że pokochają je Państwo używać — i wydadzą więcej na zadaniach.
Postanowiłem to sprawdzić na sobie. Policzyłem, ile tokenów zużywam na użyteczne zadanie, i w ostatnich ośmiu tygodniach ta relacja wyraźnie się poprawiła — częściowo dzięki Anthropic, częściowo OpenAI; opisuję to jako szerszy trend. I mogę dosłownie zobaczyć na własnym zużyciu, że nie używam mniej: używam tyle samo albo więcej, bo widzę wartość i w nią wchodzę. Jestem jednym przypadkiem, ale zbieżnym z wieloma relacjami, które słyszę. To logika paradoksu Jevonsa: gdy zasób staje się efektywniejszy, jego użycie rozlewa się na całą masę nowych zastosowań. Taniość sama w sobie tworzy popyt.
Praktyczne pytanie o przychody Anthropic brzmi więc: czy klienci dokupują tyle dodatkowej pracy, by zrównoważyć niższy koszt pojedynczego zadania? To będzie inwestorzy skrupulatnie rozgryzać w najbliższych miesiącach. Ja widzę przede wszystkim to, że dopiero otworzyliśmy wierzchołek góry lodowej tego, co firmy zechcą od inteligencji, na którą stać je w całym przedsiębiorstwie. Powinniśmy też przyjąć, że lepszą miarą docelowego pułapu jest to, czego firmy zaczną kupować, gdy możliwości się poprawią — a nie stan obecny. Anthropic deklaruje zresztą, że po wydaniach łączących mocniejsze modele z niższym kosztem zadania klienci zwykle zwiększają zużycie. Te liczki trzeba będzie dokładnie przejrzeć.
Widok z zewnątrz: Ramp i OpenRouter
Na te procesy patrzy się też z zewnątrz. Ramp — firma od narzędzi do zarządzania wydatkami — prowadzi wykres firmowych wydatków na tokeny, który stał się, szczerze mówiąc, jednym z najważniejszych wykresów gospodarki. W jej próbie łączna liczba tokenów u wszystkich laboratoriów wzrosła o około 52% między tygodniami kończącymi się 13 września i 11 października, a wydatki o 23%. Wydatki rosły więc nawet wtedy, gdy średni koszt tokena znacząco spadł.
OpenRouter, serwis kierujący zapytania programistów do różnych modeli, wyjaśnia za to, dlaczego surowe liczby tokenów nie mogą być jedyną miarą: blisko 90% wrześniowych tokenów agentów to treści z pamięci podręcznej — informacje używane wielokrotnie, zwykle znacznie tańsze i efektywniejsze w przetworzeniu niż świeże zapytania.
To bardzo wielowymiarowa przestrzeń, ale jeśli chcesz policzyć potencjał wzrostu Anthropic, musisz rozumieć dwie rzeczy naraz: wzrost w nowych procesach oraz pogłębianie użycia w ramach jednego procesu — intensywniej, z większą dozą AI, nowszym i tańszym modelem, po który sięga się po więcej inteligencji i zapewne większą liczbę tokenów.
Wraca dolar z każdego tysiąca
I tak wracamy do dolara z każdego tysiąca, od którego zaczęliśmy. W wielkim rozrachunku Anthropic nie musi wypierać wielkich nakładów, żeby zbudować jeszcze większy biznes — wystarczy, że pomoże lepiej spożytkować to, co firmy już wydają. Lepsze wykorzystanie wiedzy fachowców, oprogramowania, informacji i innego kapitału daje przedsiębiorstwu powód, by kupować inteligencję. A nad poziomem „dolara z tysiąca” jest mnóstwo miejsca — wciąż mówimy o maleńkim ułamku łącznego budżetu firmy.
Sto milionów na kompetencje klientów
To tłumaczy też, dlaczego Anthropic tak mocno stawia na wdrożenia jako drogę skalowania. Firma zadeklarowała 100 mln dolarów na Claude Frontier Academy, której celem jest przeszkolenie 10 tys. inżynierów do końca przyszłego roku; uczestnicy mają potem prowadzić wdrożenia Claude we własnych organizacjach. Działa się to przez zespoły AI i partnerów doradczych. Odczytuję te pieniądze jako wkład kapitału w przyspieszanie uczenia się i wdrażania u klientów — tak, by coraz mocniejsze modele rzeczywiście rozchodziły się po firmach sprawniej. Pytania w rodzaju „ilu naszych procesów to dotyczy i czy używamy tego w pełni” dostają odpowiedzi szybciej, a to zamienia się w zużycie.
Bo pierwsze użyteczne wdrożenie działa u klienta jak najlepszy sprzedawca kolejnych: daje Anthropic szansę na następne kilka implementacji. W tym świetle szczególnie ciekawe jest szkolenie inżynierów samego klienta — Anthropic przenosi w ten sposób zdolność wdrażania Claude do wnętrza organizacji, które go kupują, by przyspieszyć omawianą ekspansję między działami. Jeśli ci inżynierowie będą na bieżąco odnajdywać wartościowe zastosowania, zdolność adaptacyjna klienta będzie rosła. Dlatego firmie opłaca się inwestować w poziom kompetencji inżynierskich w skali całej branży, poza własną listą płac. Właśnie dlatego chcą, by Claude znał każdy.
Najbardziej oporna niewiadoma: same procesy
Zostaje pytanie, ile pracy pochłania pojedyncze wdrożenie — i tutaj dokument nie wchodzi w szczegóły. Z mojego doświadczenia jest to jedno z najbardziej opornych zagadnień w całej tej dziedzinie. Procesy w firmach mają swoje niepowtarzalne odciski palców: bywają skonfigurowane osobliwie, słabo udokumentowane i bardzo różne pod względem złożoności. W takich warunkach kluczowe jest właściwe wybranie procesu, dopilnowanie na nim sukcesu i wycelowanie inteligencji w miejsce, gdzie daje największą dźwignię.
W S-1 o tym nie czytamy — zwykle nie czytamy, bo to bardzo niski poziom szczegółowości. Ale przy tym biznesie sprawa robi się materialna: od tego zależy, jak szybko Anthropic może rosnąć w sposób, o którym mówimy. Jak szybko może wchodzić w nowe procesy, pogłębiać istniejące, docierać do kolejnych działów? To wszystko kwestia złożoności i „przywieralności” procesów. Nie mamy na to dobrych odpowiedzi, bo dosłownie nikt jeszcze tego nie zmierzył w amerykańskich korporacjach. Firmy się tym nie podzielą — to ich tajemnica handlowa. A jest to jedno z największych pytań, jakie Anthropic musi rozwiązać. Zakładają, że przeszkolenie rzeszy inżynierów da im wyprzedzenie w jego rozwiązaniu i odblokowanie dalszego wzrostu.
Merkantylizm poznawczy i rynek bez miary
Podczas lektury S-1 natknąłem się na esej Venkatesha Rao, autora newslettera Contraptions, o tym, co nazywa merkantylizmem poznawczym. (Informacja dodatkowa: transkrypt automatyczny zniekształcił nazwisko eseisty; chodzi o Venkatesha Rao.) Myśl jest nośna: przystępna cenowo inteligencja może zmieniać to, co ludzie w ogóle próbują robić. Popyt pierwotny może rosnąć właśnie dlatego, że inteligencja jest tańsza — nie chodzi jedynie o utajony popyt o stałej wielkości; powiększać może się sama skala tego, czego ludzie chcą podejmować. Pasuje to do argumentu, który tu rozwijam: wiele zastosowań inteligencji to takie, których jeszcze nie znamy — i dokładnie to samo słyszę w wielu rozmowach.
Wniosek dla świata przedsiębiorstw: docelowy rynek Anthropic jest niezwykle trudny do prawidłowego oszacowania. Prawdopodobnie obejmuje projekty, których jego klienci jeszcze nie wyobrażają sobie jako praktycznych — być może dlatego, że brakuje talentów, szkoleń, lepszych modeli czy porządnego dostępu do danych. Ale to wszystko są rzeczy, które da się naprawić.
Ta sama siła tłumaczy, dlaczego zapowiadane oferty AI przyciągają taką uwagę inwestorów. Aura odłożyła swoje IPO mimo raportowanej rentowności, prognoz szybkiego wzrostu i mocnego istniejącego biznesu, a firma badawcza Semaphore argumentowała, że nadchodzące emisje AI ściągają uwagę i kapitał na siebie — kosztem wszystkiego innego na rynku. Odczytuję wycofanie się Aura po części właśnie jako skutek debaty o Anthropic, AI i IPO, która pożera całą scenę. Bo nawet jeśli prowadzicie przyzwoity biznes z wielką drogą przed sobą, liczy się opowieść, którą opowiadacie — a na rynku nie ma dziś opowieści bardziej porywającej niż Anthropic i OpenAI. Żadnej. Inne spółki odzyskają uwagę dopiero, gdy rynek przetrawi publikację S-1 i samo IPO.
Pięć pytań z czerwca — odpowiedzi
Obiecałem w czerwcu, że wrócę do pytań, gdy tylko S-1 trafi do sieci. Oto krótkie odpowiedzi — i moim zdaniem pytania te pozostają bardzo przydatne do rozumienia biznesu Anthropic.
1. Czy obsługa intensywnych użytkowników tanieje z czasem? S-1 tego nie mówi. Wiemy, że przychody rosły szybciej niż wydatki na moc obliczeniową — co zachęca — ale dokument nie pokazuje kosztów obsługi poszczególnych grup klientów w czasie. Na razie musimy zadowolić się faktem, że inferencja (uruchamianie modeli na zapytaniach) jest rentowna.
2. Czy marża brutto poprawia się wraz ze wzrostem użycia? Zdecydowanie tak. Z danych o kosztach można wyliczyć wzrost marży z około 40% w 2025 roku do około 85% w pierwszym półroczu 2026. Biznes zdrowieje. To wyliczenie — jak to zwykle bywa — pomija prace badawczo-rozwojowe, czyli nowe modele, a to wydatek naprawdę duży. Jednak po doliczeniu kosztów operacyjnych Anthropic i tak zaraportowało 974 mln dolarów zysku operacyjnego w drugim kwartale, według amerykańskich zasad rachunkowości (GAAP). Przed spółką stoją jednak poważne zobowiązania wobec przyszłych zdolności obliczeniowych — trzeba będzie obserwować, jak koszty mocy zaczną spływać, i rynek będzie tego pilnie śledził.
3. Czy klienci korporacyjni kupują skalujące się oprogramowanie, czy pracę wdrożeniową? Bardzo jasno: jedno i drugie. Klienci kupują modele wielokrotnego użytku, aplikacje i platformę do budowania — a Anthropic dostarcza też inżynierów, którzy to oprogramowanie uruchamiają. Dokument nie mówi jasno, jak duża część wzrostu zależy od tej pracy wykonywanej pod klienta — a to bardzo oporne pytanie. Nie umiemy tych dwóch rzeczy rozdzielić ani powiedzieć, jak duża część tego koła zamachowego wisi na inżynierach osadzonych u klientów.
4. Czy klienci budują w produkcie prawdziwe procesy? Zdecydowanie tak. Dokument opisuje Claude wykorzystywany w underwritingu ubezpieczeniowym, raportach klinicznych i analizach portfelowych. Ponad połowa poważnych klientów korzysta z platformy i aplikacji. Klienci zaczynają wpinać Claude w operacje i produkty — dokładnie to widzę w rozmowach z przedsiębiorstwami i wcale mnie to nie dziwi.
5. Czy inżynierowie osadzeni u klientów to tymczasowy most czy stały wymóg? Jeszcze nie wiemy. To dosłownie pytanie warte miliardy albo biliony: czy klienci w końcu będą rozszerzać użycie na własną rękę, bez intensywnego wsparcia? Szkolenie inżynierów klienta może im pomóc w usamodzielnieniu, ale tego związku nikt jeszcze nie udowodnił — i wątpię, by ktokolwiek go w pełni znał. Dokument nie pokazuje też, ile pomocy klienci będą wymagali na bieżąco. Sprawa pozostaje otwarta.
Zakończenie — i czego tu nie ma
Świadomie skupiłem się na stronie klienckiej. O wydatkach na moc obliczeniową i wymaganiach sprzętowych usłyszycie wszędzie — to ważne tematy, ale skoro można je przeczytać na każdym kroku, wolałem zajrzeć tam, gdzie zwykle nikt nie patrzy: na to, co rzeczywiście słyszę od przedsiębiorstw, zestawione z liczbami z S-1. Jeśli macie więcej pytań o dokument — piszcie, chętnie wrócę do tematu, gdy zbliży się samo IPO.
To nie jest porada inwestycyjna. Nie mam udziałów w Anthropic i nikogo do kupna nie namawiam. Analizuję, bo to bez mała unikatowy biznes i każdemu z nas — czy jesteśmy specjalistami, właścicielami firm, przedsiębiorcami czy liderami — opłaca się rozumieć, jak działa. Będzie to jedna z najbardziej wpływowych spółek świata. Z tym chyba nikt nie będzie się kłócił.