Mời bạn đọc theo dõi "Featured Post":

"Tình Khúc Cho Em" - While There's Time

Showing posts with label Anthropic. Show all posts
Showing posts with label Anthropic. Show all posts

11.15.2026

Trí Tuệ Nhân Tạo Đã Làm Được Gì Trong Công Việc Hôm Nay? Hai Mươi Mốt Câu Chuyện Trong Hồ Sơ IPO Của Anthropic, Đem Ra Đối Chiếu

Written by: Claude AI.

Curator/Editor: Học Trò.


Trong bộ hồ sơ xin lên sàn chứng khoán của Anthropic có hai mươi trang giấy láng, kể chuyện hai mươi mốt tổ chức đang dùng Claude: từ hãng thuốc, hãng bảo hiểm, công ty mậu dịch tài chánh, cho tới một hội cứu trợ người tị nạn, một quán gà quay ở Boston và một tiệm sửa nhà của gia đình ở Florida. Bài này xếp những câu chuyện ấy theo ngành nghề, đọc kỹ từng con số, rồi đem so với những gì báo chí, tạp chí chuyên ngành, thông cáo của chính các công ty và giới nghiên cứu độc lập đã viết. Mục đích là có được một bức tranh công bằng: AI hôm nay thật sự giúp được doanh nghiệp tới đâu, chỗ nào đã được kiểm chứng, chỗ nào chỉ mới là lời tự giới thiệu.

Xin nói trước: bài này được soạn với sự trợ giúp của Claude, một mô hình do chính Anthropic làm ra. Vì lẽ đó, người viết càng phải dựa vào nguồn bên ngoài hồ sơ nhiều chừng nào hay chừng nấy.


1. Một Hũ Bơ Nghiền Để Sai Chỗ

Câu chuyện dễ nhớ nhất trong hai mươi trang hồ sơ không phải của một tập đoàn tỷ đô, mà của một quán ăn nhỏ. Shy Bird là một tiệm gà quay kiêm cà phê ở vùng Boston, có ba chi nhánh. Chi nhánh gần sân bóng Fenway Park mỗi sáng cuối tuần đông khách ăn brunch, và khách phải chờ lâu. Ông chủ Eli Feldman, theo lời hồ sơ thì "chưa từng viết một dòng code nào", bèn chụp hình nhà bếp, lấy số liệu bán hàng và thời gian ra món, ghi lại ý kiến của mấy anh đầu bếp, rồi đưa hết cho Claude đọc.

Chỗ kẹt hóa ra nằm ngay trước mắt mà không ai thấy. Hũ bơ nghiền (avocado purée), thứ gần như món nào cũng phải có, lại để ở chỗ với không tới; trong khi một khay yến mạch ngâm qua đêm, mỗi buổi sáng chỉ có vài người gọi, lại chiếm chỗ tốt nhất trên dây chuyền. Ông Feldman cùng anh em trong bếp sắp xếp lại các trạm, và thời gian ra món buổi brunch giảm hơn 60 phần trăm, còn khoảng 12 phút. Từ kinh nghiệm đó, hai ông chủ làm ra một phần mềm tên Colette cho các nhà hàng khác dùng.

Câu chuyện nhỏ này đáng kể ra trước, vì nó tóm được cái cốt lõi của gần như mọi trường hợp lớn phía sau: có một chỗ nghẽn cụ thể, có sẵn dữ liệu trong tay, có người biết việc đứng ra quyết định, và có con số đo lại sau đó. Không có gì thần kỳ. Nhưng cũng không phải chuyện nhỏ.

Nó nằm ở đâu? Ngày 10 tháng 11 năm 2026, Anthropic nộp cho Ủy ban Chứng khoán Hoa Kỳ (SEC) bản tu chính thứ hai của hồ sơ đăng ký S-1/A, tức bộ hồ sơ để đưa công ty lên sàn. In ra giấy thì hơn bốn trăm trang. Phần được bàn tán nhiều nhất là phần rủi ro. Trong một bài bình luận bằng video trên tờ New York Times, nhà kinh tế học Natasha Sarin chỉ ra rằng gần một trăm trang được dành để kể các rủi ro, có thứ là rủi ro kinh doanh, có thứ theo lời bà là "thật sự mang tính sống còn" cho cả loài người. Hồ sơ viết thẳng rằng các mô hình của công ty "có thể hành xử theo những cách ngoài ý muốn, lệch hướng, hoặc tự ý, kể cả có những hành động gây hại mà không người dùng hay bên thứ ba nào sai khiến." Ít có công ty nào nói về sản phẩm của mình như vậy, trong chính tập giấy dùng để bán cổ phần.

Lật tới khoảng trang 229 thì giọng văn đổi hẳn. Hai mươi trang liền là những trang trình bày như tạp chí, mỗi trang dành cho một khách hàng: logo, một hàng tựa ngắn, một ô "Kết quả" với ba bốn con số in thật lớn, một đoạn "Hoàn cảnh", một đoạn "Tác động", một câu trích của vị lãnh đạo bên đó, và dòng chữ nhỏ dưới chót ghi năm bắt đầu làm khách hàng. Hai mươi trang mà hai mươi mốt tổ chức, vì trang cuối chia đôi cho hai tiệm nhỏ.

Người đọc dễ lướt qua, cho đó là quảng cáo. Mà đúng là có phần quảng cáo thật. Nhưng cũng nên nhớ: mỗi chữ trong hồ sơ S-1 đều có trách nhiệm pháp lý đi kèm, khác hẳn một bài blog tiếp thị. Hơn nữa, những trang này phủ một dải công việc rất rộng: thẩm định hợp đồng bảo hiểm tài sản thương mại, đọc một "phòng dữ liệu" pháp lý chín trăm tài liệu, tìm lỗ hổng bảo mật trong trình duyệt web, kiểm định chip điện tử, theo dõi trẻ suy dinh dưỡng ở Phi châu, và sắp lại dây chuyền trong một nhà bếp. Gom lại, đây là một trong những bản kê cụ thể nhất hiện có về chuyện các tổ chức đang thật sự dùng AI để làm gì.

Bài viết này đặt ra hai câu hỏi đi song song. Thứ nhất: nếu một người quản lý, một kỹ sư, một luật sư hay một người điều hành hội từ thiện muốn biết AI hôm nay, chứ không phải trong tương lai tiên đoán, giúp được gì cho tổ chức của mình, thì hai mươi mốt trường hợp này dạy được điều gì? Thứ hai: vì đây là tài liệu để bán cổ phần, mỗi câu chuyện được ai khác ngoài Anthropic xác nhận tới mức nào?


2. Đọc Một "Câu Chuyện Khách Hàng" Trong Hồ Sơ Bán Cổ Phần

Trước khi đi vào từng ngành, cần nói rõ đây là loại bằng chứng gì, vì những giới hạn của nó nằm sẵn trong cách trình bày.

Trước hết, mọi con số trong các trang này đều do công ty hoặc khách hàng tự báo cáo, không có bên thứ ba nào đo. Khi hãng bảo hiểm AIG nói thời gian báo giá giảm 55 phần trăm, đó là số đo nội bộ của AIG, theo định nghĩa của AIG. Nói vậy không có nghĩa là sai. Các công ty lớn chẳng có lý do gì để nói dối chính cổ đông của mình, và vài con số trong đây đã từng được nói ra trong các buổi báo cáo tài chánh, nơi người phát biểu cũng chịu trách nhiệm pháp lý. Có điều, cách tính đằng sau con số (thế nào là một "hồ sơ yêu cầu", tính cho mảng kinh doanh nào, so với giai đoạn nào) thì hầu như không được nói ra.

Kế đến, các con số được chốt vào ngày do công ty chọn. Nhiều trang có chú thích nhỏ kiểu "tính đến ngày 31 tháng 3 năm 2026". Khi một nguồn bên ngoài đưa ra con số khác cho cùng một chuyện, phần nhiều chỉ vì hai bên đo vào hai thời điểm khác nhau. Như DoorDash: một cuộc phỏng vấn do Anthropic đăng nói có 4.000 nhân viên dùng sản phẩm Cowork, còn hồ sơ, viết sau, nói hơn 7.000 người dùng mỗi tháng. Bài này sẽ ghi nhận những chỗ chênh lệch như vậy chứ không cố phân xử.

Thứ ba, có khách hàng đồng thời là cổ đông. Trang của Salesforce và trang của SAP đều có dòng chú thích cho biết công ty đó "sở hữu dưới 1% vốn cổ phần đang lưu hành của Anthropic." Một phần trăm của một công ty định giá cả ngàn tỷ đô la không phải là ít. Điều đó không làm kết quả của họ thành sai, nhưng người đọc nên cân nhắc sự nhiệt tình của họ cho đúng mức.

Thứ tư, và quan trọng nhất: đây là những người sống sót. Hồ sơ bán cổ phần không bao giờ đăng chuyện những khách hàng dùng thử rồi bỏ. Một nghiên cứu của MIT công bố tháng 8 năm 2025, dựa trên 150 cuộc phỏng vấn giới lãnh đạo, khảo sát 350 nhân viên và phân tích 300 dự án AI đã công bố, kết luận rằng khoảng 95 phần trăm các dự án thử nghiệm AI tạo sinh trong doanh nghiệp không đem lại tác động đo được nào trên bảng lời lỗ. Hai mươi mốt tổ chức trong hồ sơ gần như chắc chắn thuộc về năm phần trăm còn lại. Họ cho ta thấy điều gì có thể làm được, chứ không cho biết điều gì là bình thường.

Với những giới hạn đó, bài này gắn cho mỗi trường hợp một trong ba nhãn:

Nhãn Ý nghĩa
Đã được xác nhận độc lập Những điểm chính có trong báo chí, tạp chí chuyên ngành, hoặc thông cáo và báo cáo tài chánh của chính khách hàng, không chỉ trong tài liệu của Anthropic
Do nhà cung cấp ghi lại Chi tiết chủ yếu lấy từ các bài "câu chuyện khách hàng" của Anthropic hay đối tác; nguồn bên ngoài xác nhận mối quan hệ nhưng không xác nhận con số
Chỉ có trong hồ sơ Không tìm được nguồn công khai nào ngoài hồ sơ cho các điểm chính; có thể vẫn đúng, nhưng hồ sơ là nơi duy nhất nói ra

Các trường hợp được gom vào mười nhóm ngành: y dược, bảo hiểm, tài chánh, luật, an ninh mạng, bán lẻ, phần mềm doanh nghiệp, dịch vụ và kỹ thuật, cứu trợ nhân đạo, và tiểu thương. Sau phần đi qua từng ngành là phần rút ra những mẫu chung xuyên ngành, rồi phần bàn về những gì các câu chuyện này không nói tới.

3. Y Dược: Eli Lilly và Bristol Myers Squibb

Ngành dược là chỗ đáng ghé đầu tiên, vì cái khó của họ không phải thiếu người giỏi mà là thừa thông tin. Một hãng thuốc lớn ôm trong tay mấy chục năm sổ tay phòng thí nghiệm, kết quả thử nghiệm lâm sàng, hồ sơ kiểm phẩm sản xuất, dữ liệu bán hàng, mà phần lớn nằm rải rác trong những hệ thống chưa bao giờ được thiết kế để nói chuyện với nhau. Cả hai trường hợp dược phẩm trong hồ sơ, xét cho cùng, đều là chuyện đi tìm lại cái kiến thức mà chính công ty đã có sẵn.

Bristol Myers Squibb (BMS) cho biết họ bắt đầu dùng Claude từ năm 2023, chọn mô hình của Anthropic vì "cửa sổ ngữ cảnh lớn và khả năng lý luận chất lượng cao", và tới tháng 5 năm 2026 thì chọn Claude Enterprise làm nền tảng AI cho toàn công ty. Cách triển khai theo một khuôn mẫu sẽ còn gặp lại nhiều lần trong hồ sơ: lập trình viên và chuyên viên dữ liệu đi trước (theo trang này là hơn 3.000 người), rồi mới tới mọi người khác. BMS dự định cho toàn bộ hơn 30.000 nhân viên dùng Claude Cowork, trợ lý của Anthropic dành cho công việc văn phòng không cần lập trình. Con số đáng chú ý nhất của cả phần y dược: thời gian để trả lời một câu hỏi về "bằng chứng thực tế", tức loại câu hỏi phải tra trong các kho hồ sơ bệnh án và dữ liệu bảo hiểm y tế bên ngoài mà công ty mua quyền truy cập, giảm từ có khi tới hai tháng xuống còn năm phút hoặc ít hơn. Trang này cũng cho biết Claude đã được nối vào 30 tới 40 nguồn dữ liệu nội bộ qua MCP (Model Context Protocol, một chuẩn mở cho phép trợ lý AI truy vấn các hệ thống phần mềm khác), và "hàng ngàn nguồn khác đang được cân nhắc."

Đường nét chính của câu chuyện được báo chí chuyên ngành xác nhận khi BMS công bố thỏa thuận ngày 20 tháng 5 năm 2026. Trang Pharmaceutical Technology ghi rõ kế hoạch đưa Claude tới "hơn 30.000 nhân viên", với mục tiêu vượt qua mức "chatbot cơ bản" để đi tới những tác nhân AI hỗ trợ việc ra quyết định hằng ngày. Trang tin y tế HLTH cũng đưa tin về thỏa thuận này, trải rộng từ nghiên cứu, sản xuất tới thương mại. Riêng con số hai tháng xuống năm phút thì chỉ có trong hồ sơ.

Eli Lilly kể một câu chuyện tương tự nhưng ở tầm lớn hơn. Theo hồ sơ, Lilly bắt đầu dùng mô hình của Anthropic từ năm 2024 qua dịch vụ đám mây Bedrock của Amazon, đưa vào nền tảng AI nội bộ và công cụ lập trình của đội kỹ sư. Tháng 7 năm 2025, họ mở Claude Enterprise cho chừng 10.000 người, phần lớn bên khối nghiên cứu; tới tháng 4 năm 2026 thì mở cho toàn công ty, và hồ sơ nói đây là hãng dược lớn đầu tiên làm vậy. Ô kết quả ghi hơn 50.000 nhân viên có quyền dùng, tức gấp năm lần lúc đầu, và trong năm bộ phận dùng nhiều nhất (pháp lý và tuân thủ, công nghệ, tài chánh, ung bướu, nghiên cứu) thì hơn 85 phần trăm nhân viên toàn thời gian dùng thường xuyên. Những thí dụ đưa ra khá khiêm tốn và dễ tin: các nhà sinh học trước kia xử lý số liệu bằng macro trong bảng tính, nay tự làm được ứng dụng web chạy được trong vài giờ; các nhà hóa học xem được dữ liệu cấu trúc phức tạp theo thời gian thực. Trang này còn kể một phần việc ít hào nhoáng mà quan trọng: đội công nghệ của Lilly cùng Anthropic xây các lớp kiểm soát mà một công ty bị quản lý chặt cần phải có, như đường kết nối mạng riêng và những "móc ngăn rò rỉ dữ liệu" để kiểm tra mọi thứ đi qua AI.

Về bằng chứng độc lập, Lilly yếu hơn BMS. Ông Diogo Rau, giám đốc thông tin và kỹ thuật số của Lilly, có nói chuyện công khai về AI, và mối quan hệ giữa Lilly với Anthropic không có gì phải nghi ngờ. Nhưng bài này không tìm được bản tin hay thông cáo nào của Lilly xác nhận con số 50.000 người hay 85 phần trăm. Nên xếp vào loại chỉ có trong hồ sơ.

Có một bản tin bên ngoài giúp phần y dược bớt màu hồng. Trong bài viết tháng 3 năm 2026 về cách Lilly và Novo Nordisk dùng AI, trang PYMNTS kể rằng Novo Nordisk, một hãng không có tên trong hồ sơ, đã hạn chế quyền dùng một công cụ nghiên cứu nội bộ tên Found Data, "chạy bằng Claude của Anthropic", vì "chi phí vận hành vượt quá giá trị nó đem lại khi dùng rộng." Bà Stephanie Bova, phụ trách chuyển đổi số của Novo, nói thẳng về bài học: có một "cơn chạy đua tìm ứng dụng AI mà không nghĩ xem đó có phải là cách xài thì giờ và tiền bạc tốt nhất hay không." Cùng một mô hình, ở hãng này là thành công, ở hãng kia là một thí nghiệm tốn kém. Khác nhau là ở cách dùng.

Hồ sơ nói Nguồn bên ngoài
BMS 30.000+ nhân viên; câu hỏi bằng chứng từ 2 tháng xuống 5 phút; 30–40 nguồn dữ liệu qua MCP Thỏa thuận và con số 30.000+ đã được xác nhận (báo ngành, tháng 5/2026); con số thời gian chỉ có trong hồ sơ
Lilly 50.000+ người dùng; >85% dùng thường xuyên ở các khối chính Các con số chỉ có trong hồ sơ

Điều mà ngành dược cho thấy: cái lợi đầu tiên của AI trong một công ty nặng về khoa học không phải là tự tìm ra thuốc mới, mà là tìm ra được thông tin. Một nhà khoa học hỏi bằng ngôn ngữ thường một câu xuyên qua nhiều kho dữ liệu và có câu trả lời ngay buổi chiều hôm đó. Nghe thì không ly kỳ bằng một phân tử do AI thiết kế, nhưng khi nhân lên cho hàng ngàn người thì cái lợi đó cộng dồn lại rất lớn.


4. Bảo Hiểm: AIG và Travelers

Nói cho cùng, làm bảo hiểm là làm nghề đọc giấy tờ. Người thẩm định rủi ro (underwriter) cho bảo hiểm thương mại phải nhận hồ sơ từ các nhà môi giới dưới đủ mọi dạng (bảng tính, file PDF, email, lịch sử bồi thường) rồi biến đống giấy đó thành một phán đoán về rủi ro và giá cả. Hai hãng bảo hiểm trong hồ sơ cho thấy cùng một công nghệ: một bên dùng ngay vào công việc cốt lõi, một bên dùng cho phần mềm chống lưng cho công việc đó.

AIG là trường hợp có hồ sơ độc lập mạnh nhất trong cả tập. Theo Anthropic, AIG bắt đầu làm việc với họ từ năm 2023, khởi đầu bằng mô hình Claude 2.0, để làm ra công cụ tên Underwriting by AIG Assist. Mục tiêu là xử lý và phân tích mọi hồ sơ yêu cầu bảo hiểm gửi tới trong những mảng có triển khai, chứ không chỉ những hồ sơ mà người thẩm định có thì giờ xem. Trước kia người thẩm định mất cả mấy tuần gom dữ liệu rồi mới bắt đầu viết bản tóm tắt rủi ro; nay họ mở đầu mỗi lần xét duyệt bằng một bản tóm tắt soạn sẵn, kèm "dấu vết kiểm tra đầy đủ" do Claude tạo ra. Ở mảng Lexington Middle Market Property, một trong những đơn vị lớn nhất của AIG tại Bắc Mỹ, hồ sơ cho biết tính tới 31 tháng 3 năm 2026 người thẩm định báo giá được nhiều hơn trên 30 phần trăm số hồ sơ, báo giá nhanh hơn 55 phần trăm, và số hồ sơ thành hợp đồng (bound) tăng chừng 40 phần trăm.

Ba con số này không phải viết ra cho hồ sơ. Chủ tịch kiêm tổng giám đốc AIG, ông Peter Zaffino, đã đưa ra đúng ba con số ấy trong một buổi báo cáo kết quả kinh doanh, như trang Reinsurance News ghi lại: số hồ sơ được báo giá tăng 30 phần trăm, thời gian báo giá giảm 55 phần trăm, số hồ sơ thành hợp đồng tăng khoảng 40 phần trăm. Ông cũng nói AIG đang "hợp tác chặt chẽ với Palantir và Anthropic" cho giai đoạn kế tiếp, dùng các tác nhân AI. Một bài trước đó trên Insurance Journal giải thích vì sao chuyện "xem hết" lại quan trọng tới vậy: số hồ sơ gửi tới đơn vị Lexington tăng từ 30.000 năm 2018 lên khoảng 300.000 năm 2024, mà đơn vị này chỉ ký được chừng 2 phần trăm. Khi đống giấy tăng gấp mười mà người thì không thể tăng theo, một công cụ đọc được hết sẽ làm thay đổi cả bài toán kinh doanh.

Hồ sơ còn kể AIG đang đi về đâu. Bộ phận bồi thường đã thử một công cụ tương tự, rút thời gian phản hồi khách sau khi họ nộp đơn bồi thường "từ vài ngày xuống vài giờ." AIG cũng đang nghiên cứu những "toán" tác nhân chuyên môn: một tác nhân rút dữ liệu từ hồ sơ, một tác nhân đối chiếu rủi ro với quy tắc thẩm định, một tác nhân so giá với mục tiêu danh mục, và một tác nhân gom kết quả lại, "với người thẩm định giám sát mọi quyết định." Câu chót đó quan trọng. Trong cả hai trường hợp bảo hiểm, không chỗ nào AI là người quyết định sau cùng.

Travelers là một câu chuyện trầm hơn, xoay quanh viết phần mềm chứ không phải bản thân việc thẩm định. Theo hồ sơ, tháng 1 năm 2026 Travelers trang bị trợ lý Claude cho gần 10.000 kỹ sư, chuyên viên dữ liệu, chuyên viên phân tích và người phụ trách sản phẩm; về sau mở rộng lên gần 25.000 người, và thời gian để nhập code vào hệ thống (merge) giảm 50 phần trăm. Đợt công bố tháng 1 được ghi lại đầy đủ: tờ Insurance Journal đưa tin "gần 10.000 kỹ sư, chuyên viên dữ liệu, chuyên viên phân tích và người phụ trách sản phẩm tại Travelers" được cấp trợ lý Claude riêng. Con số 25.000 và 50 phần trăm thì chỉ có trong hồ sơ.

Có một chi tiết nhỏ mà rất đáng để ý trong báo chí bên ngoài. Bài chân dung của tạp chí Fortune về bà Mojgan Lefebvre, giám đốc công nghệ của Travelers, cho biết chỉ một tháng sau khi công bố hợp tác với Anthropic, Travelers ra mắt một trợ lý AI xử lý bồi thường phát triển cùng OpenAI. Nghĩa là các công ty lớn không chọn một nhà cung cấp AI cho mọi việc. Họ chọn công cụ theo từng việc, và hồ sơ của một công ty đương nhiên chỉ kể những việc đã giao cho công ty đó.

Hồ sơ nói Nguồn bên ngoài
AIG Báo giá +30%, thời gian báo giá −55%, thành hợp đồng ~+40%; xem 100% hồ sơ Đã được xác nhận độc lập: tổng giám đốc AIG nói đúng các con số này trong báo cáo tài chánh
Travelers ~10.000 người (1/2026) → ~25.000; thời gian merge code −50% Con số 10.000 đã được xác nhận; các số sau chỉ có trong hồ sơ

5. Tài Chánh, Thanh Toán và Mậu Dịch: PayPal và Jane Street

Hai trường hợp tài chánh khác nhau một trời một vực. Một bên là công ty thanh toán đại chúng, dùng AI để hàng ngàn nhân viên bình thường làm việc nhanh hơn chút ít mỗi ngày. Bên kia là một hãng mua bán chứng khoán tư nhân, dùng AI để nhân sức làm việc của một nhóm nhỏ chuyên viên nghiên cứu lương rất cao.

Trang của PayPal kể chuyện triển khai rộng và thực dụng. Hơn 12.000 nhân viên PayPal dùng Claude Enterprise mỗi tháng, ở các khối sản phẩm, công nghệ và bán hàng. Đội sản phẩm tự làm một kết nối MCP vào dữ liệu công ty, nên tự làm phân tích và bảng biểu được, khỏi phải chờ kỹ sư hay chuyên viên dữ liệu. Việc thẩm định thương nhân và rà soát tuân thủ, trước phải gom thông tin từ nhiều công cụ rời rạc, nay chỉ mất "một phần nhỏ thời gian" so với trước. Từ tháng 8 năm 2025, đội bán hàng dùng một plugin riêng để quản lý danh sách khách tiềm năng và xem xét rủi ro tài khoản, tiết kiệm trung bình 45 phút mỗi người mỗi tuần. Đội quản lý khách hàng dùng một hệ thống nội bộ xây trên Claude để xem "sức khỏe" của thương nhân trong vài phút, rút thời gian chuẩn bị báo cáo xuống còn năm tới mười phút. Không con số nào lớn. Cái đáng nói là các việc đó rất bình thường: báo cáo, rà soát, bảng biểu, giấy tờ bán hàng.

Mối quan hệ PayPal – Anthropic được ghi lại rõ ràng trong các thông cáo của PayPal, dù các con số năng suất nội bộ thì không. Tháng 5 năm 2025, blog dành cho lập trình viên của PayPal báo rằng máy chủ MCP từ xa của PayPal hỗ trợ API của Anthropic, cho phép trợ lý AI làm các thao tác thanh toán. Một năm sau, tháng 5 năm 2026, phòng báo chí PayPal công bố hợp tác với Anthropic nhắm vào tiểu thương, dẫn khảo sát riêng của PayPal: 82 phần trăm doanh nghiệp nhỏ nói áp dụng AI là điều cần thiết để cạnh tranh, mà 73 phần trăm nói họ không có thì giờ hay hiểu biết để làm. Chương trình gồm một khóa học chín bài miễn phí và một plugin cho phép Claude làm những việc như lập hóa đơn, hoàn tiền qua PayPal. Hai con số 12.000 người và 45 phút thì chỉ có trong hồ sơ.

Jane Street là trường hợp lôi cuốn nhất của phần này, và cũng khó kiểm chứng nhất. Đây là một hãng mua bán định lượng lớn, sống nhờ tốc độ và chất lượng của nghiên cứu. Theo hồ sơ, đội lập trình của họ mất mấy năm cố làm những tác nhân AI tự làm được công việc nghiên cứu, mà các lần thử ban đầu "bực mình và chập chờn." Mọi chuyện đổi khác từ Claude 3.7 Sonnet, khi tác nhân bắt đầu làm trọn được những việc dài nhiều bước mà không bỏ dở giữa chừng. Nay, hồ sơ viết, Claude được dùng "gần như khắp nơi" trong công ty. Chuyên viên nghiên cứu giám sát cả toán tác nhân lo phân tích code, theo dõi các lượt huấn luyện mô hình và xử lý kết quả, và những thí nghiệm trước phải canh chừng liên tục nay tự chạy qua cuối tuần. Một chuyên viên ước tính mình làm được nhiều hơn khoảng 50 phần trăm khối lượng phân tích so với một năm trước. Một người khác dùng mô hình mới nhất, Claude Fable, để sắp xếp lại một ứng dụng Python ngổn ngang, rồi chuyển nó sang một ngôn ngữ vững chắc hơn trong chừng một tuần, công việc mà theo hồ sơ thì thường cả một đội phải làm mấy tháng. Trong bài kiểm tra lập trình nội bộ khó hơn của Jane Street, Claude Fable 5.1 được nói là đạt điểm cao hơn 32 phần trăm so với phiên bản trước.

Có hai điều nên dè dặt. Một là, bài này không tìm được tài liệu công khai nào mô tả cách Jane Street dùng Claude trong nội bộ; câu chuyện chỉ có trong hồ sơ. Hai là, Jane Street nổi tiếng viết gần hết phần mềm bằng OCaml, một ngôn ngữ lập trình ít người dùng. Một bài của eFinancialCareers dẫn lời rằng "trong Jane Street có nhiều code OCaml hơn cả phần còn lại của thế giới cộng lại", điều này giải thích vì sao các trợ lý lập trình đại trà, vốn học chủ yếu từ những ngôn ngữ phổ biến, lâu nay chật vật ở đó. Nếu hồ sơ nói đúng rằng các mô hình gần đây đã vượt qua được trở ngại này, thì đó là một dữ kiện có ý nghĩa. Nhưng đó là lời kể của công ty, không phải số đo của người ngoài.

Hồ sơ nói Nguồn bên ngoài
PayPal 12.000+ người dùng/tháng; tiết kiệm 45 phút/tuần mỗi nhân viên bán hàng; báo cáo còn 5–10 phút Quan hệ hợp tác đã được xác nhận (thông cáo PayPal, blog lập trình viên); các con số chỉ có trong hồ sơ
Jane Street ~50% thêm khối lượng phân tích; chuyển cả kho code trong ~1 tuần; +32% trong bài kiểm tra nội bộ Chỉ có trong hồ sơ

Đặt hai trường hợp cạnh nhau, ta thấy hai kiểu giá trị rất khác của AI. Ở PayPal, cái lợi được rải mỏng trên rất nhiều người, mỗi tuần đỡ được vài chục phút việc lặt vặt. Ở Jane Street, cái lợi dồn vào một số ít chuyên gia, và sức làm của họ được nhân lên. Phần đông các tổ chức sẽ thấy mình nằm đâu đó ở khoảng giữa.

6. Nghề Luật: Legora

Nghề luật hợp với mô hình ngôn ngữ một cách tự nhiên: toàn là chữ, dựa trên tiền lệ, và chia rõ hai phần, một phần là phán đoán đáng tiền, một phần là hàng trăm giờ ngồi đọc. Trong hồ sơ chỉ có một trường hợp thuộc ngành luật, mà lại không phải văn phòng luật sư, chỉ là một công ty phần mềm bán cho các văn phòng luật.

Legora tự giới thiệu là "hệ điều hành dạng tác nhân cho luật sư", được hơn 1.500 văn phòng luật và ban pháp chế doanh nghiệp sử dụng. Hồ sơ cho biết Claude chạy một phần nền tảng này ngay từ khi ra mắt vào tháng 10 năm 2024, sau khi Legora tự đem các mô hình ra so và thấy Claude làm tốt nhất ở những điểm họ quan tâm: biết việc nào trước việc nào, làm đúng theo chỉ dẫn, và thích ứng khi yêu cầu của thân chủ thay đổi. Bên trong sản phẩm, Claude là một phần của "tầng lý luận", lên kế hoạch và chia việc qua các khâu soạn thảo, rà soát tài liệu và tra cứu luật. Với một nghề sống nhờ trích dẫn thì có một điểm rất quan trọng: mọi câu trả lời đều phải "bám vào một nguồn trước khi tới tay luật sư." Theo hồ sơ, các mô hình mới nhất đem lại cải thiện lớn nhất ở khâu soạn thảo văn bản giao dịch.

Hai thí dụ cho thấy tầm cỡ. Trong một vụ sáp nhập, đội Legora đọc qua một phòng dữ liệu 900 tài liệu trải trên bốn khu vực pháp lý, một lượt rà đầu tiên mà một đội bình thường mất cả tuần, chỉ trong nửa ngày. Trên toàn bộ khách hàng, trong một khảo sát 31 văn phòng luật ở 14 quốc gia, luật sư kể rằng họ lấy lại trung bình 4,3 giờ không tính phí mỗi tuần, mà trang này quy ra "6,9 triệu đô la doanh thu thêm mỗi năm cho mỗi 100 luật sư." Legora cũng dùng Claude để làm chính sản phẩm của mình: một đội kỹ sư chừng 80 người lo cho hơn 1.500 tổ chức khách hàng, hơn một nửa số code do công cụ AI viết, có kỹ sư cho chạy cùng lúc tới mười tác nhân lập trình chạy ngầm, và số chỗ dùng Claude Code trong công ty tăng mười bốn lần, từ khoảng 50 lên hơn 700.

Phần lớn chuyện này do nhà cung cấp ghi lại: câu chuyện khách hàng Legora của Anthropic xác nhận Claude chạy các "công cụ trợ lý, rà soát tài liệu và quy trình thông minh" của Legora. Nhưng có một chữ đáng xem lại. Hồ sơ gọi khảo sát 31 văn phòng là "độc lập". Còn bản báo cáo của chính Legora thì nói nhà phân tích ngành luật Ari Kaplan đã "hợp tác với Legora để thực hiện một khảo sát định tính toàn diện", phỏng vấn 31 văn phòng trong ba tháng. Trang tin công nghệ pháp lý Artificial Lawyer cũng tường thuật kết quả là "dựa trên 31 cuộc phỏng vấn văn phòng luật." Người thực hiện là chuyên gia bên ngoài, nhưng đây là khảo sát định tính làm chung với nhà cung cấp, dựa vào lời kể chứ không phải sổ chấm công. Gọi vậy là "độc lập" thì hơi rộng rãi.

Còn một khúc quanh về cạnh tranh. Ngày 12 tháng 5 năm 2026, Anthropic tung ra sản phẩm riêng cho ngành luật, Claude for Legal. Tạp chí Legal Business mô tả đây là bước chuyển từ chỗ "chủ yếu làm động cơ cho các sản phẩm AI pháp lý như Harvey và Legora" sang chỗ có thể trở thành một nền tảng pháp lý của riêng mình. Như vậy, trang Legora trong hồ sơ là chuyện về một khách hàng mà càng ngày càng thành đối thủ. Ngành AI có rất nhiều cảnh này. Mỗi khi một hãng làm mô hình đăng chuyện thành công của một công ty xây sản phẩm trên nền của họ, nên nhớ tới điều đó.

Hồ sơ nói Nguồn bên ngoài
Legora 1.500+ tổ chức; 4,3 giờ/tuần (31 văn phòng); phòng dữ liệu 900 tài liệu trong nửa ngày Việc dùng Claude do nhà cung cấp ghi lại; khảo sát 31 văn phòng làm cùng Legora, không độc lập với Legora

7. An Ninh Mạng và Hạ Tầng Thiết Yếu: Mozilla và Verizon

Nếu có phần nào trong hồ sơ vượt ra ngoài chuyện năng suất để chạm tới lợi ích chung, thì là phần này. Lỗ hổng phần mềm là vật liệu của mọi cuộc tấn công mạng, và xưa nay phần lợi luôn nghiêng về phía kẻ tấn công: người phòng thủ phải vá hết mọi lỗ, kẻ tấn công chỉ cần một lỗ.

Mozilla, hãng làm trình duyệt Firefox, là trường hợp có tài liệu đầy đủ nhất trong cả hồ sơ. Theo lời kể, "Đội Đỏ Tiền Tuyến" (Frontier Red Team) của Anthropic tìm tới Mozilla để thử Claude vào việc phòng thủ. Trong hai tuần thử nghiệm, Claude Opus 4.6 tìm ra 22 lỗ hổng chưa ai biết trong phần code quan trọng nhất của Firefox, 14 lỗ thuộc loại nghiêm trọng; kỹ sư Mozilla bắt đầu vá trong vòng vài giờ và tung bản vá trong Firefox 148. Hai tháng sau, Mozilla vá thêm 271 lỗ hổng do Claude Mythos Preview phát hiện, một mô hình mạnh hơn mà Anthropic chưa phát hành rộng rãi. Ông Bobby Holley, giám đốc công nghệ của Firefox, được trích lời: "Cho tới giờ, chúng tôi chưa thấy loại lỗ hổng nào, phức tạp tới đâu, mà con người tìm được còn mô hình này thì không."

Cả hai đợt đều được báo chí đưa tin rộng rãi. TechCrunch và Computerworld tường thuật 22 lỗi, 14 lỗi nghiêm trọng, được vá trong Firefox 148. Đợt hai thì bị soi kỹ hơn, và có phần phê phán. SecurityWeek chỉ ra rằng bản thông báo bảo mật chính thức của Firefox 150 có hơn 40 lỗ hổng được xử lý nhưng "chỉ có ba được ghi công cho Claude", và cho rằng "nhiều lỗi trong số 271 có lẽ là lỗi nhẹ hoặc chưa tới ngưỡng" để được đăng ký công khai. Trang Expert Insights cũng nói vậy, với cái tựa "Giới phê bình vẫn chưa bị thuyết phục." SecurityWeek còn ghi lại nhận định dè dặt của chính Mozilla: họ chưa thấy lỗi nào mà "một chuyên gia hàng đầu không thể tìm ra." Còn The Decoder cho biết có lỗi đã nằm đó tới 20 năm, và hệ thống của Mozilla để mô hình tự viết, tự chạy test kiểm chứng những gì nó tìm thấy.

Gom lại, chứng cứ ủng hộ một phiên bản thận trọng của lời hồ sơ. AI quả thật đã tìm được những lỗi có thật, chưa ai biết, trong một trong những kho code bị kiểm tra gắt gao nhất thế giới, và tìm nhanh, tìm nhiều. Phần lớn số lỗi đó không có gì ghê gớm, và không lỗi nào vượt quá sức của người giỏi nhất nếu có đủ thì giờ. Cái quý là ở chữ "đủ thì giờ": những lỗi lẽ ra nằm im thêm nhiều năm nữa nay bị lôi ra trong vài tuần.

Trang của Verizon mỏng hơn nhiều. Trang này nói Verizon chọn Claude Code cho khối công nghệ và sản phẩm sau khi đánh giá các công cụ về "an toàn, ổn định và quy mô", và hơn 33.000 kỹ sư đang dùng nó. Rồi nói thêm Verizon là một trong những hãng viễn thông đầu tiên tham gia Project Glasswing, chương trình của Anthropic cho các tổ chức được thẩm tra quyền dùng sớm Claude Mythos vào việc phòng thủ. Phòng báo chí của Verizon xác nhận chuyện tham gia và nói Verizon "đang thử Claude Mythos Preview để giữ an ninh mạng lưới cho khách hàng." Con số 33.000 kỹ sư thì không tìm thấy ở ngoài hồ sơ.

Chính chương trình Glasswing được mô tả trên trang của Anthropic. Trong bài thông báo mở rộng thêm khoảng 150 tổ chức ở hơn 15 nước, Anthropic nói các đối tác tới lúc đó đã tìm ra "hơn 10.000 lỗ hổng bảo mật mức cao hoặc nghiêm trọng." Con số đó là của Anthropic tự đưa ra.

Hồ sơ nói Nguồn bên ngoài
Mozilla 22 lỗ hổng (14 nghiêm trọng) do Opus 4.6; thêm 271 do Mythos Preview Đã được xác nhận độc lập, kèm lưu ý: chỉ 3 trong 271 được ghi công riêng, và Mozilla nói không lỗi nào vượt sức chuyên gia giỏi
Verizon 33.000+ kỹ sư dùng Claude Code; tham gia Glasswing Glasswing đã được xác nhận; số kỹ sư chỉ có trong hồ sơ

8. Bán Lẻ và Thương Mại: Walmart, Shopify, Mercado Libre, Rakuten, DoorDash

Nhóm đông nhất trong hồ sơ là những công ty bán hàng, trên mạng, trong cửa hàng hay giao tận nhà. Chuyện của họ chia làm hai loại: trợ lý AI đứng trước mặt khách, và tác nhân lập trình làm thay đổi cách công ty viết phần mềm cho chính mình.

Bắt đầu với chỗ đáng nói nhất mà cũng ít được kiểm chứng nhất: Walmart. Hồ sơ viết Anthropic "đã hợp tác với Walmart trong Sparky", trợ lý mua sắm AI của Walmart, và các mô hình của Anthropic, "như Claude Sonnet 4.6", giúp Walmart tạo trải nghiệm riêng cho từng khách khi họ nói nhu cầu bằng lời lẽ của mình. Ô kết quả ghi số người dùng Sparky hằng tuần tăng hơn 110 phần trăm so với quý trước, giá trị trung bình mỗi đơn hàng qua Sparky cao hơn chừng 35 phần trăm so với đơn không qua Sparky, và số món hàng bán qua Sparky tăng hơn gấp đôi trong một quý. Hồ sơ cũng nói Claude là một trong các mô hình đứng sau WIBEY, tác nhân năng suất nội bộ của đội kỹ sư Walmart.

Phần kết quả kinh doanh được xác nhận một phần: tháng 2 năm 2026, eWeek đưa tin khách dùng Sparky "có giá trị đơn hàng trung bình cao hơn 35% so với người không dùng." Nhưng Walmart chưa bao giờ công khai nói mô hình nào chạy Sparky. Ngay bài blog kỹ thuật của Walmart giới thiệu WIBEY cũng chỉ tả kiến trúc, xây trên nền tảng nội bộ tên Element, dùng các giao thức mở như MCP và A2A, mà không nêu tên nhà cung cấp mô hình nào. Walmart cũng từng có những hợp tác mua sắm được quảng bá rùm beng với các hãng AI khác. Theo những gì bài này tìm được, hồ sơ là lần đầu tiên có lời công khai rằng Claude đóng vai trò trong Sparky. Điều đó tự nó đã là tin đáng chú ý, nhưng cũng có nghĩa là chỉ dựa vào lời của Anthropic.

Shopify là thí dụ rõ nhất về AI nằm sẵn trong một sản phẩm mà hàng triệu người xài mà không biết bên dưới là mô hình gì. Trợ lý Sidekick giúp chủ tiệm phân tích việc buôn bán, lên kế hoạch khuyến mãi, cài các quy trình tự động, những việc mà trước kia phải thuê một chuyên viên phân tích. Hồ sơ cho biết số chủ tiệm dùng Sidekick hằng ngày tăng hơn gấp ba so với năm trước, gần một nửa số quy trình tự động Shopify Flow tạo ra trong một quý là làm với Sidekick, và người mới mở tiệm có được đơn hàng đầu tiên "trong vài ngày thay vì vài tuần." Trong nội bộ, Claude Code được mở cho hơn 7.500 nhân viên. Cả trang khách hàng của Anthropic lẫn của Google Cloud đều xác nhận Shopify chạy Claude trên dịch vụ Vertex AI của Google để vận hành Sidekick. Như vậy mối quan hệ được hai nhà cung cấp khác nhau cùng ghi lại, còn các con số tăng trưởng thì lấy từ hồ sơ.

Mercado Libre, công ty thương mại điện tử và tài chánh số lớn nhất châu Mỹ La tinh, có những con số "nặng ký" nhất hồ sơ, kèm những lời khẳng định đáng bàn nhất về việc làm. Theo hồ sơ, hơn 23.000 lập trình viên dùng Claude Code; trong năm qua, các tác nhân dưới sự giám sát của người đã duyệt hơn nửa triệu lượt nộp code và chuyển khoảng 9.000 dịch vụ sang nền tảng mới; trong quý 2 năm 2026, số lượt nộp code tăng 110 phần trăm so với cùng kỳ, code được nhập vào hệ thống tăng hơn gấp đôi, số lần triển khai tăng gần 75 phần trăm, mà số lần phải rút lại (rollback) lại giảm. Năm 2025, khoảng 40 phần trăm số code Mercado Libre đưa ra chạy thật là do Claude viết và người duyệt lại; sang 2026, hồ sơ nói, "code do người viết đã thành ngoại lệ." Ngoài khối kỹ thuật, hơn 26.500 người ở tài chánh, tiếp thị, nhân sự, pháp lý, tuân thủ và kinh doanh dùng Claude Cowork, 78 phần trăm dùng hằng tuần; bộ phận tài chánh rút ngắn được một phần ba thời gian khóa sổ cuối tháng.

Các con số kỹ thuật khớp với những gì Mercado Libre nói với nhà đầu tư. Bản tóm tắt kết quả quý 2 của Zacks ghi ban lãnh đạo nói khoảng 20.000 lập trình viên đang dùng AI, "code do người viết đang thành ngoại lệ", số lượt nộp code tăng 110 phần trăm, code được nhập hơn gấp đôi, rollback giảm, và các tác nhân AI "đã tự duyệt hơn nửa triệu lượt nộp code và chuyển khoảng 9.000 dịch vụ." Có điều, tài liệu cho nhà đầu tư không nêu tên nhà cung cấp, mà công ty này dùng nhiều công cụ khác nhau: một bài của hãng phân tích Amplitude kể nhân viên làm việc qua "Claude, Cursor, hoặc chatbot AI do công ty tự làm." Nghĩa là quy mô đã được xác nhận, còn chuyện gán công riêng cho Claude là lời của hồ sơ. Hồ sơ còn nói Mercado Libre định gộp các vai trò lập trình backend, frontend và cơ sở dữ liệu thành một vai trò "người xây dựng" (builder) duy nhất. Đầu năm 2026, Bloomberg Línea đưa tin về đợt cho nghỉ việc ở các nhóm thiết kế trải nghiệm người dùng (UX), mô tả đó là một phần của việc chuyển sang những nhân sự "đa năng hơn, có AI hỗ trợ"; công ty nói số người bị ảnh hưởng chưa tới 0,09 phần trăm trong hơn 125.000 nhân viên.

Rakuten, tập đoàn mạng và thương mại điện tử Nhật Bản, đóng góp giai thoại lập trình nổi tiếng nhất hồ sơ: Claude Code tự làm việc suốt bảy tiếng trên một kho code phức tạp, nhiều ngôn ngữ, với độ chính xác 99,9 phần trăm. Trang này kể thêm thời gian đưa tính năng mới ra thị trường giảm hơn 75 phần trăm, Rakuten nay phát hành bản lớn hai tuần một lần thay vì mỗi quý, và đã triển khai các tác nhân Claude chuyên biệt cho sản phẩm, bán hàng, tiếp thị và tài chánh, mỗi nơi chỉ mất một tuần. Câu chuyện khách hàng Rakuten của Anthropic cho thêm chi tiết: bảy tiếng đó là một tác vụ tái cấu trúc mã nguồn mở, con số 99,9 phần trăm là "độ chính xác số học so với phương pháp chuẩn", thời gian đưa ra thị trường giảm 79 phần trăm, từ 24 ngày còn 5 ngày. Bài cũng trích lời người kỹ sư trong cuộc: "Trong bảy tiếng đó tôi không viết dòng code nào. Tôi chỉ thỉnh thoảng hướng dẫn." Một bài phân tích phê bình của công ty tư vấn phần mềm Wavect nhắc một điều hiển nhiên mà hữu ích: đó là một tác vụ được khoanh vùng gọn, không phải một nghiên cứu có đối chứng, và chữ "tự động" nên hiểu là "cách nhà xuất bản mô tả buổi làm việc, không phải bằng chứng là không có người can thiệp." Câu chuyện đúng, nhưng hẹp hơn cái tựa của nó.

DoorDash khép lại nhóm này bằng chuyện đưa AI tới tay mọi nhân viên. Hồ sơ nói Claude Code và Claude Cowork được mở cho toàn bộ nhân viên văn phòng, hơn 7.000 người dùng Cowork mỗi tháng và gần một nửa dùng mỗi ngày, thời gian ra mắt các sản phẩm lớn rút hơn một nửa, và có một kỹ sư làm xong việc chuyển đổi code trong ba tuần, việc mà trước kia bốn kỹ sư làm hơn một quý. Người thiết kế và người quản lý sản phẩm giờ cũng tự đưa code lên chạy thật cùng với kỹ sư. Một cuộc phỏng vấn do Anthropic đăng với ông Andy Fang, đồng sáng lập kiêm giám đốc công nghệ DoorDash, xác nhận bức tranh chung, dù đưa ra con số Cowork nhỏ hơn ("cả 4.000 nhân viên đều có Cowork"), chắc đo vào lúc sớm hơn. Lời ông Fang có lẽ là chi tiết "người" nhất của cả phần bán lẻ: hồi 2013 ông tự viết hết code trong phòng ký túc xá ở Stanford, rồi công ty lớn lên thì ông thôi viết, và "phải tới khi dùng Claude Code tôi mới thật sự đưa code lên chạy thật trở lại."

Hồ sơ nói Nguồn bên ngoài
Walmart Claude trong Sparky; đơn hàng +35%; người dùng tuần +110%/quý +35% đã được xác nhận; vai trò của Claude chỉ có trong hồ sơ
Shopify Sidekick chạy Claude; chủ tiệm dùng hằng ngày ×3 Do nhà cung cấp ghi lại (Anthropic và Google Cloud)
Mercado Libre 23.000+ lập trình viên; 500 ngàn lượt duyệt; 9.000 dịch vụ chuyển đổi Quy mô đã được xác nhận trong báo cáo cho nhà đầu tư; không nêu tên nhà cung cấp
Rakuten 7 tiếng tự động; 99,9%; 24 → 5 ngày Do nhà cung cấp ghi lại; trong 7 tiếng có người "thỉnh thoảng hướng dẫn"
DoorDash 7.000+ người dùng Cowork/tháng; ra mắt nhanh gấp đôi Do nhà cung cấp ghi lại (4.000 trong phỏng vấn trước đó)

9. Phần Mềm Doanh Nghiệp: Salesforce và SAP

Hai hãng phần mềm doanh nghiệp đáng chú ý vì một lẽ khác. Salesforce và SAP bán những hệ thống mà một phần rất lớn các công ty trên thế giới dùng để quản lý bán hàng, tài chánh, mua sắm, nhân sự. Khi họ gắn Claude vào đó, AI tới tay hàng triệu người làm công, những người không tự chọn, không tự đăng ký, và có khi không biết nó đang ở đó.

Salesforce báo cáo kết quả ở cả hai mặt: viết phần mềm cho mình và làm sản phẩm bán cho khách. Theo hồ sơ, hơn 60 phần trăm trong 83.000 nhân viên đang dùng Claude. Trong năm qua, số lượt code được nhập trên mỗi lập trình viên tăng 79 phần trăm, đẩy "sản lượng thực tế mỗi lập trình viên" lên 151 phần trăm, trong khi số sự cố giảm 5 phần trăm. Một đội sản phẩm dùng khung quy tắc dựa trên Claude để chuyển đổi 33 điểm kết nối API trong 13 ngày, việc được ước tính mất 231 ngày công. Claude cũng chạy Slackbot, trợ lý nằm trong Slack mà gần như mọi nhân viên Salesforce dùng, được công ty ước tính đem lại 8,1 triệu giờ năng suất quy ra năm. Về sản phẩm, tháng 10 năm 2025 Salesforce chọn Claude làm mô hình ưu tiên cho nền tảng Agentforce 360. Điều này được xác nhận trong thông cáo gửi nhà đầu tư của Salesforce, nói Anthropic là "nhà cung cấp mô hình ngôn ngữ lớn đầu tiên được tích hợp trọn vẹn bên trong vòng bảo mật của Salesforce, với toàn bộ lưu lượng của Claude nằm trong mạng đám mây riêng của Salesforce." Chính sự sắp đặt đó, giữ dữ liệu đi lại của AI trong vòng rào an ninh của Salesforce, mới khiến ngân hàng, bệnh viện, hãng dược dám dùng. Nó cho thấy phần lớn chuyện đưa AI vào doanh nghiệp thật ra là chuyện quản trị, chứ không phải chuyện trí khôn.

SAP nói bằng ngôn ngữ của "Doanh nghiệp Tự vận hành", một tương lai mà "con người đặt hướng đi và chính sách, còn AI làm việc khắp tổ chức." Claude là một trong nhiều mô hình mà trợ lý Joule và nền tảng Business AI của SAP chuyển câu hỏi tới. SAP nói hơn 50 trợ lý Joule chuyên ngành và hơn 200 tác nhân chuyên biệt của họ dùng Claude cho một phần việc lý luận: khóa sổ cuối quý, trả lời câu hỏi về ngày nghỉ phép của nhân viên, đổi hướng đơn hàng nhà cung cấp khi đang giao. Thí dụ cụ thể nhất là Joule for Consultants, công cụ cho các chuyên viên tư vấn triển khai hệ thống SAP, mà hồ sơ nói giúp tiết kiệm tới 1,5 giờ mỗi ngày và giúp hoàn tất dự án nhanh hơn tới 14 phần trăm. Cả hai con số này có trong một bài blog của AWS viết cùng SAP, nói rõ công cụ dùng "các mô hình Claude của Anthropic qua Amazon Bedrock." Tháng 5 năm 2026, The Register đưa tin SAP công bố hợp tác với Anthropic để đưa Claude vào nền tảng Business AI, và dẫn lời một nhà bình luận nhận xét rằng SAP đang đưa Claude ra như một thứ nằm "trong khu vườn có tường rào của SAP."

Cả hai hãng đều ghi rõ trên trang hồ sơ của mình rằng họ có cổ phần trong Anthropic. Điều đó không làm các con số thành sai, và vài con số đã được xác nhận qua thông cáo của chính họ, nhưng có nghĩa là họ không phải nhân chứng trung lập.

Hồ sơ nói Nguồn bên ngoài
Salesforce 60%+ của 83.000 nhân viên; +151% sản lượng/lập trình viên; 231 ngày công → 13 ngày Vị trí mô hình ưu tiên và thiết kế vòng bảo mật đã được xác nhận; số năng suất chỉ có trong hồ sơ; là cổ đông
SAP Joule for Consultants: tiết kiệm tới 1,5 giờ/ngày, dự án nhanh hơn tới 14% Đã được xác nhận trong blog kỹ thuật AWS/SAP; là cổ đông

10. Dịch Vụ, Công Nghệ Thông Tin và Kỹ Thuật: Accenture và UST

Các hãng tư vấn và gia công đứng ở một chỗ khá đặc biệt trong nền kinh tế AI. Họ vừa là khách hàng, dùng AI cho việc của mình, vừa là nhà phân phối, đem AI vào hàng ngàn công ty khách hàng vốn không bao giờ làm việc trực tiếp với hãng làm mô hình. Cả hai hãng dịch vụ trong hồ sơ đều kể về vai trò kép đó.

Accenture, với hơn 800.000 nhân viên, là hãng lớn hơn. Tháng 12 năm 2025, Accenture và Anthropic công bố thành lập một khối kinh doanh chung. Thông cáo của Accenture nói hãng sẽ "đào tạo khoảng 30.000 chuyên viên" về Claude, mở Claude Code cho "hàng chục ngàn lập trình viên", và cùng góp vốn lập một Trung tâm Xuất sắc về Claude. Bản công bố của Anthropic gọi đó là việc tạo ra "một trong những cộng đồng người dùng Claude chuyên nghiệp lớn nhất thế giới." Tới lúc nộp hồ sơ, ô kết quả ghi 45.000 người đã được đào tạo, vượt mục tiêu ban đầu, và hơn 18.000 người có chứng chỉ Claude.

Các thí dụ vận hành rất cụ thể. Sản phẩm bảo mật Cyber.AI của Accenture, dùng Claude làm "bộ não lý luận", được đem vào chính hệ thống công nghệ toàn cầu của Accenture để bảo vệ 1.600 ứng dụng và hơn 500.000 API (các "cổng" qua đó phần mềm trao đổi dữ liệu với nhau). Thời gian quét bảo mật giảm từ vài ngày xuống dưới một giờ, độ phủ kiểm thử tăng từ chừng 10 phần trăm lên hơn 80 phần trăm. Với một nhà cung cấp internet băng rộng lớn ở Mỹ, khách chung của Accenture và Anthropic, sau khi làm lại cách tiếp thị và bán hàng cho khách doanh nghiệp, khách hàng này báo lãi gấp bảy lần tiền đầu tư AI ngay năm đầu: đưa sản phẩm ra thị trường nhanh hơn 55 phần trăm, chi phí thẩm định một khách tiềm năng giảm 86 phần trăm, độ chính xác của việc thẩm định đó tăng từ 13 lên 97 phần trăm. Quan hệ hợp tác và con số đào tạo đã được xác nhận độc lập; còn kết quả của khách hàng giấu tên kia thì chỉ có trong hồ sơ.

UST ít người biết hơn, nhưng có lẽ đem lại trường hợp thú vị nhất về mặt kỹ thuật, vì nó với tay tới thế giới vật chất. UST làm và vận hành hệ thống công nghệ cho ngân hàng, hãng viễn thông, tổ chức y tế và nhà sản xuất. Món "trình diễn" của họ là iDEC, một nền tảng kiểm định phần cứng, dùng để chứng minh một con chip chạy đúng như ý người thiết kế trước khi đem đi sản xuất hàng loạt. Theo hồ sơ, Claude Code đọc thẳng sơ đồ mạch của chip, rồi tự viết và chạy các bài kiểm thử hồi quy để xem một thay đổi trong thiết kế ảnh hưởng tới đâu. Nó còn so dữ liệu đo thật từ thiết bị với một "bản sao số" (digital twin), tức một mô hình ảo của phần cứng, để báo trước những trục trặc về tín hiệu trước khi chúng lọt tới khâu sản xuất. UST cho biết thời gian một chu kỳ kiểm định chip giảm từ 50 tới 70 phần trăm, và thời gian kiểm định tiêu chuẩn từ bốn ngày còn hai ngày.

Rồi UST đem cách làm đó vào các nền tảng họ vận hành cho khách: CarePath, biến dữ liệu bồi thường và chăm sóc rời rạc thành các bước kế tiếp cho hãng bảo hiểm y tế, "với sự chấp thuận của con người trước bất kỳ đề xuất nào tới tay hội viên"; IntelliOps, đoán trước các sự cố mạng di động và lọc bớt cảnh báo nhiễu cho đội vận hành viễn thông; và FinX, đưa tác nhân vào khâu vận hành ngân hàng. Song song, UST đang đào tạo 20.000 kỹ sư, kiến trúc sư, chuyên viên tư vấn và chuyên gia ngành về Claude. Bản công bố hợp tác tháng 7 năm 2026 của Anthropic mô tả iDEC, CarePath, IntelliOps giống vậy và xác nhận con số 20.000; trang chuyên ngành Channel Insider đưa tin độc lập về đợt công bố này. Con số giảm 50–70 phần trăm thời gian kiểm định chip là của chính công ty.

Với người làm nghề kỹ thuật, UST là trường hợp nên đọc kỹ nhất. Nó cho thấy một mô hình ngôn ngữ làm thứ gì đó gần với công việc kỹ sư hơn là việc văn phòng: đọc bản vẽ kỹ thuật, suy xét một thay đổi sẽ làm hỏng chỗ nào, viết bài kiểm tra, rồi so kết quả với một mô hình của hệ thống vật lý. Đây cũng là trường hợp mà bước "người duyệt" được nói rõ ràng nhất.

Hồ sơ nói Nguồn bên ngoài
Accenture 45.000 người được đào tạo; Cyber.AI độ phủ kiểm thử 10% → 80%+; khách băng rộng lãi 7 lần Hợp tác và mục tiêu ~30.000 đã được xác nhận độc lập; kết quả khách hàng chỉ có trong hồ sơ
UST Chu kỳ kiểm định chip −50–70%; 4 → 2 ngày; đào tạo 20.000 người Hợp tác, các nền tảng và con số 20.000 đã được xác nhận; số thời gian chỉ có trong hồ sơ

11. Cứu Trợ Nhân Đạo: Ủy Ban Cứu Trợ Quốc Tế (IRC)

Trường hợp đi ra ngoài khuôn khổ thương mại rõ nhất là Ủy ban Cứu trợ Quốc tế (International Rescue Committee – IRC), một trong những tổ chức nhân đạo lớn nhất thế giới, hoạt động ở hơn 40 nước có chiến tranh và thiên tai. Hồ sơ nói IRC đã giúp hơn 20,5 triệu người trong năm 2025. Cái khó của IRC ngược hẳn với hãng dược. BMS có quá nhiều dữ liệu nằm trong quá nhiều hệ thống, còn IRC thường có quá ít dữ liệu dùng được: rải rác ở các văn phòng thực địa, trên giấy, trong bảng tính, ở những nơi mỗi giờ làm việc của nhân viên đều quý như vàng.

IRC tham gia chương trình Claude for Nonprofits của Anthropic năm 2025, được mua giấy phép giá giảm. Theo hồ sơ, số người dùng tăng từ một nhóm thử 300 người lên chừng 2.400 chỗ, tức tăng tám lần từ tháng 12 năm 2025 tới tháng 5 năm 2026, và đang tiến tới cả 10.000 nhân viên làm việc với máy tính. Một nửa số người dùng thử nói mỗi tháng họ đỡ được từ bốn giờ trở lên; trang này ước tính tổng cộng 464 giờ làm việc được "trả lại" cho nhân viên mỗi tuần. Một bản phân tích nguồn tài trợ trên toàn quốc trước mất một tuần nay chỉ còn vài giờ; một bản tổng hợp danh mục chương trình trước tốn cả tháng làm tay trên bảng tính nay có ngay.

Nhưng chuyện quan trọng hơn nằm ở tuyến đầu. Các đội y tế ở Phi châu dùng Claude để sắp xếp dữ liệu thực địa rời rạc, và tỷ lệ các chỉ số sức khỏe then chốt thật sự được đưa vào hoạch định chiến lược tăng từ 20 lên 100 phần trăm. Nhìn được rõ như vậy, nhân viên mới thấy những vấn đề trước đây khó phát hiện, như các đợt nhiễm trùng theo mùa, hay những chỗ hở trong việc các bà mẹ đi khám thai, và điều chỉnh dịch vụ theo đó. Trong một dự án về suy dinh dưỡng, nhân viên thực địa chụp hình các phiếu điều trị trên giấy, và Claude gom lại thành một bức tranh rõ ràng về tình trạng điều trị của từng em nhỏ. Bà Katherine Rodrigues, giám đốc cao cấp về chính sách và kế hoạch của IRC, nói mục tiêu là "chuyển từ một hệ thống phản ứng sang một hệ thống đoán trước em nào có nguy cơ bỏ dở việc điều trị suy dinh dưỡng, và can thiệp sớm hơn."

Đường nét chung đã được xác nhận. Khi Anthropic ra mắt Claude for Nonprofits nhân dịp GivingTuesday năm 2025, với mức giảm giá tới 75 phần trăm, họ nêu IRC là một trong những tổ chức dùng sớm, "dùng Claude để liên lạc với đối tác địa phương và phân tích dữ liệu thực địa nhanh hơn trong những tình huống nhân đạo gấp rút." Đài NBC News cũng đưa tin IRC là "một trong những tổ chức hưởng lợi đầu tiên" của chương trình. Câu chuyện khách hàng IRC riêng của Anthropic thì đưa ra con số khác: "16,8 triệu người mỗi năm qua hơn 2.700 cơ sở y tế ở 40 quốc gia", so với 20,5 triệu người trong hồ sơ. Hai con số này có lẽ không mâu thuẫn: một bên đếm người được phục vụ qua các cơ sở y tế của IRC, bên kia đếm tất cả những ai được tổ chức giúp trong năm 2025. Nhưng đó là lời nhắc: trước khi so hai con số, phải coi mỗi con số đếm cái gì.

Trang IRC là thí dụ rõ nhất trong hồ sơ về chuyện AI được dùng không phải để tiết kiệm tiền, mà để làm được những việc trước kia không làm nổi. Như chính IRC kể, cái lợi không phải là nhân viên làm việc cũ nhanh hơn, mà là giờ họ thấy được những điều trước đây không thấy: những em bé đang trượt khỏi phác đồ điều trị, những trạm y tế đang bỏ sót các bà mẹ.


12. Tiểu Thương: Shy Bird, KBF Design Gallery, và Đôi Lời Về Ngành Xây Dựng

Hồ sơ khép phần câu chuyện khách hàng bằng hai cơ sở nhỏ xíu so với các tập đoàn phía trước. Cả hai chung một trang giấy, và có lẽ lại là lý lẽ thuyết phục nhất của cả phần này, vì không bên nào có phòng công nghệ thông tin, có đội chuyên viên dữ liệu, hay thuê chuyên gia tư vấn.

Chuyện Shy Bird và hũ bơ nghiền đã kể ở đầu bài. Cần thêm vài chi tiết. Phần mềm Colette ra đời từ kinh nghiệm đó, và theo hồ sơ thì nay có 60 nhà hàng sử dụng. Hồ sơ còn kể một người phục vụ bàn ở Shy Bird, chỉ sau sáu tháng, đã trở thành kỹ sư backend toàn thời gian của Colette. Những điểm chính của câu chuyện đã được xác nhận độc lập. Tháng 6 năm 2026, đài NBC Boston làm phóng sự về ông Feldman và Colette, cho biết "khoảng ba chục nhà hàng khắp nước Mỹ hiện đang dùng Colette." Con số này ít hơn con số 60 ghi trong hồ sơ, nhưng hợp với một sản phẩm còn non đang lớn dần. Câu chuyện Shy Bird của Anthropic kể thêm rằng mọi người quản lý ở Shy Bird đều được dùng Claude và tự do thử nghiệm, theo một triết lý nội bộ mà ông Feldman đặt tên là "BITE: Bring It To Everything", đại khái là "đem nó vào mọi việc."

KBF Design Gallery là một hãng thiết kế nội thất và sửa sang nhà cửa của gia đình ở vùng Orlando, Florida, chuyên làm nhà bếp, phòng tắm và tân trang nguyên căn. Khi hai anh em Adam và Ashley Vellequette tiếp quản cơ sở từ cha mẹ, họ gặp một chuyện mà hồ sơ gọi là bệnh chung của ngành: người thiết kế giỏi bị chôn vùi trong giấy tờ hành chánh. Dùng Claude Code và Claude Cowork, KBF tự làm ra các công cụ riêng để xếp lịch, để kiểm tra khâu bàn giao từ thiết kế sang thi công, và để soạn phạm vi công việc trong hợp đồng. Ô kết quả ghi các công cụ này "trả lại" 490 giờ mỗi năm cho một người, cô trưởng nhóm thiết kế, tức "gần một phần tư năm làm việc." Mỗi dự án bớt được bảy giờ soạn phạm vi hợp đồng. Một nhóm chỉ ba người thiết kế nay làm được 70 dự án mỗi năm, và doanh số tăng 32 phần trăm kể từ khi dùng Claude vào năm 2025. Bài này không tìm được nguồn công khai nào ngoài hồ sơ cho câu chuyện KBF, nên xếp vào loại chỉ có trong hồ sơ, dù bản thân hãng này có thật và từng đoạt giải thiết kế địa phương.

Đôi lời về ngành xây dựng

KBF là công ty duy nhất trong hồ sơ dính tới xây dựng, và chỉ ở tầm sửa sang nhà ở. Không có nhà thầu chính nào, không có hãng kỹ thuật kết cấu hay công chánh nào, cũng không có tập đoàn thiết kế – mua sắm – thi công (EPC) lớn nào trong hai mươi mốt trường hợp. Chính sự vắng mặt đó cũng nói lên điều gì đó, và nó khớp với các khảo sát về ngành xây dựng trong năm 2026: có dùng thật, nhưng không đều, và chủ yếu ở văn phòng chứ chưa ra tới công trường.

Các khảo sát nói những điều hơi khác nhau. Báo cáo năm 2026 của ServiceTitan về các nhà thầu thương mại, khảo sát hơn 1.000 lãnh đạo ngành xây dựng, cho thấy 38 phần trăm nhà thầu nay đã thấy tác động đo được của AI lên việc làm ăn, tăng từ 17 phần trăm một năm trước. Một khảo sát của hãng phần mềm xây dựng CMiC và công ty dữ liệu Dodge trên hơn 6.000 công ty, do tạp chí Construction Executive đưa tin, thấy 85 phần trăm nhà thầu tin rằng họ sẽ bớt mất thì giờ cho những việc lặp đi lặp lại, và hơn 70 phần trăm tin AI sẽ giúp họ quyết định tốt hơn. Ngược lại, một khảo sát của hãng dụng cụ DeWalt, đăng trên Construction Equipment, cho thấy chỉ 8 phần trăm trong khoảng 3.400 người làm nghề xây dựng được hỏi trên thế giới hiện có dùng AI, và trở ngại lớn nhất là thiếu huấn luyện thực tế. Cả ba khảo sát đều do các công ty bán hàng cho ngành xây dựng tài trợ, và mỗi nơi hiểu chữ "dùng" một kiểu.

Đặt cạnh hồ sơ, các khảo sát gợi ý cái lợi đầu tiên cho các hãng xây dựng và kỹ thuật nhiều phần sẽ không nằm ngoài công trường, mà nằm ở khối giấy tờ quanh nó. Đó đúng là chỗ KBF tìm thấy: xếp lịch, soạn phạm vi hợp đồng, và kiểm tra cho cái được thiết kế đúng là cái sẽ được xây. Và với người làm kỹ thuật, công việc kiểm định chip của UST là phép so sánh gần hơn mọi câu chuyện năng suất văn phòng. Đọc bản vẽ, lần theo hệ quả của một thay đổi, viết các bước kiểm tra đối chiếu với mô hình của hệ thống vật lý: kỹ sư kết cấu, công chánh hay cơ khí đều sẽ thấy quen.


13. Bảy Mẫu Chung Xuyên Qua Các Ngành

Đọc theo từng ngành thì biết ai đang dùng AI. Đọc ngang qua các ngành thì thấy AI đang làm loại việc gì. Với người đọc mà công ty mình không có tên trong hồ sơ, phần này có lẽ hữu ích hơn.

Một, viết và bảo trì code ở quy mô công nghiệp. Gần như mọi công ty trong hồ sơ đều dùng Claude Code, và những kết quả đo được rõ nhất nằm ở đây: 9.000 dịch vụ được chuyển đổi ở Mercado Libre, 231 ngày công gói lại trong 13 ngày ở Salesforce, một kỹ sư DoorDash làm trong ba tuần việc mà trước kia bốn người làm hơn một quý, và Rakuten chuyển từ phát hành mỗi quý sang hai tuần một lần. Phần mềm là mục tiêu đầu tiên vì kết quả kiểm tra được bằng máy: chuyển đổi xong thì hoặc qua hết các bài kiểm thử, hoặc không. Mà phần nhiều trong số việc đó là việc bảo trì mà kỹ sư xưa nay vẫn ngán: nâng cấp phiên bản, vá thư viện phụ thuộc, viết thêm kiểm thử. Cái lợi không hẳn là AI viết được code mới tài tình, mà là nó gánh giùm đống việc tồn mà không ai có thì giờ làm.

Hai, đọc cái đống không ai có thì giờ đọc. Người thẩm định của AIG, những phòng dữ liệu của Legora, việc rà soát tuân thủ ở PayPal, những phiếu thực địa của IRC: tất cả có chung một dạng, là lượng giấy tờ lớn hơn số người có thể đọc. Ở nhiều chỗ, thay đổi quan trọng nhất không phải là tốc độ mà là độ phủ. AIG nói nay họ xem 100 phần trăm số hồ sơ phù hợp, chứ không chỉ những hồ sơ mà người thẩm định với tới. Khi một tổ chức xưa nay quyết định dựa trên một phần mẫu vì không kham nổi việc coi hết, thì AI thay đổi cái mà tổ chức đó biết được, chứ không chỉ là biết nhanh hơn.

Ba, phá vỡ các "ốc đảo" dữ liệu. 30 tới 40 nguồn dữ liệu được nối vào ở BMS, cổng dữ liệu tự làm của PayPal, đường mạng riêng của Lilly, kết nối Slack của Salesforce: tất cả là cùng một ý, để một trợ lý hỏi được nhiều hệ thống bằng ngôn ngữ thường. Giao thức mở MCP xuất hiện đi xuất hiện lại cũng vì lẽ đó. Trên thực tế, phần việc khó trong nhiều trường hợp không phải là chọn mô hình nào, mà là nối nó vào kho dữ liệu sẵn có của công ty sao cho an toàn.

Bốn, trợ lý nằm trong sản phẩm của người khác. Sidekick của Shopify, Sparky của Walmart, Slackbot của Salesforce, Joule của SAP đưa AI tới trước mặt hàng triệu chủ tiệm, người đi chợ và nhân viên văn phòng, những người không chọn mô hình và phần đông không biết mình đang nói chuyện với mô hình nào. Có lẽ đây là nơi AI tỏa rộng nhất hiện nay, và cũng là nơi lời hồ sơ khó kiểm chứng nhất, vì các công ty bán những sản phẩm đó thường không thích nêu tên nhà cung cấp.

Năm, phòng thủ. Việc của Mozilla với Firefox, việc thử nghiệm an ninh mạng lưới của Verizon, sản phẩm Cyber.AI của Accenture chỉ về một loại công dụng mà giá trị vượt ra ngoài các công ty trong cuộc. Nếu AI giúp người phòng thủ tìm ra những lỗ hổng cũ nhanh hơn kẻ tấn công kịp khai thác, thì mọi người dùng phần mềm đó đều được lợi. Dĩ nhiên khả năng ấy cũng có thể giúp kẻ tấn công. Vì vậy Anthropic chỉ cho các đối tác đã được thẩm tra dùng mô hình bảo mật mạnh nhất của mình.

Sáu, người không biết lập trình tự làm công cụ cho mình. Một ông chủ quán chưa từng viết code sắp lại nhà bếp từ hình chụp và số liệu bán hàng; một gia đình làm nghề sửa nhà tự làm công cụ xếp lịch và soạn hợp đồng; các nhà sinh học ở Lilly làm ứng dụng web thay cho macro bảng tính; người thiết kế ở DoorDash đưa code lên chạy thật; nhân viên mua hàng ở Mercado Libre tự làm tác nhân trả lời nhà cung cấp mà không cần tới phòng IT. Đây có thể là mẫu có tầm ảnh hưởng xa nhất trong hồ sơ, vì nó nới rộng vòng tròn những người có thể làm ra phần mềm.

Bảy, công việc đang được vẽ lại. Nhiều trường hợp kể chuyện thay đổi cả vai trò chứ không chỉ từng tác vụ. Mercado Libre định gộp ba vai trò backend, frontend và cơ sở dữ liệu thành một vai "người xây dựng". Rakuten nói các vai trò trước tách riêng giữa kỹ thuật, thiết kế và vận hành nay đã nhập lại. Người thiết kế ở Jane Street và DoorDash viết code chạy thật; giám đốc công nghệ DoorDash và 30 phần trăm cấp quản lý ở Mercado Libre lại cầm code. Đây là những lời có hệ quả lớn nhất trong cả phần, và cũng là thứ mà một hồ sơ bán cổ phần ít có khả năng xem xét một cách phê phán nhất. Chứng cứ cụ thể duy nhất từ bên ngoài mà bài này tìm được, tin của Bloomberg Línea về đợt cho nghỉ việc ở nhóm thiết kế của Mercado Libre, chỉ liên quan tới một số ít người. Nhưng hướng đi mà các công ty mô tả thì đã rõ.


14. Những Điều Các Câu Chuyện Này Không Nói

Đọc cho công bằng thì cũng phải ghi lại những gì các trang này bỏ qua.

Thứ nhất, không có thất bại. Nghiên cứu của MIT dẫn ở trên, thấy khoảng 95 phần trăm dự án thử AI tạo sinh trong doanh nghiệp không có tác động đo được trên bảng lời lỗ, cũng thấy rằng mua công cụ của nhà cung cấp chuyên môn và hợp tác với họ thì thành công khoảng 67 phần trăm, còn tự làm lấy chỉ thành công chừng một phần ba mức đó, và cái lãi lớn nhất nằm ở "tự động hóa hậu cần văn phòng". Điều này khớp với các trường hợp trong hồ sơ, phần lớn là hợp tác và tập trung vào vận hành nội bộ, nhưng cũng có nghĩa hồ sơ chỉ cho thấy đầu thắng của một phân bố rất lệch. Chuyện Novo Nordisk hạn chế một công cụ nghiên cứu chạy bằng Claude vì tốn kém, do PYMNTS đưa tin, chính là loại chuyện mà hồ sơ bán cổ phần sẽ không bao giờ đăng.

Thứ hai, các trang này dựa nhiều vào năng suất tự khai, mà đó là một điểm yếu ai cũng biết. Trong một thử nghiệm ngẫu nhiên có đối chứng công bố tháng 7 năm 2025, nhóm nghiên cứu METR giao 246 việc thật cho 16 lập trình viên mã nguồn mở nhiều kinh nghiệm, có việc cho dùng AI, có việc không. Khi dùng AI, họ mất thời gian lâu hơn 19 phần trăm. Vậy mà, như bản tóm tắt của METR ghi lại, trước đó họ tưởng sẽ nhanh hơn 24 phần trăm, và ngay cả sau thử nghiệm vẫn "tin rằng AI đã giúp họ nhanh hơn 20 phần trăm." Thử nghiệm này dùng công cụ đời đầu năm 2025, trên những kho code lớn và lâu năm mà người tham gia rành rẽ, và chính METR cũng dặn đừng suy rộng ra quá; các mô hình trong hồ sơ mới hơn nhiều. Nhưng nó là lời cảnh giác hữu ích: khi người ta tự ước lượng thì giờ mình tiết kiệm được, như trong vài con số của hồ sơ (4,3 giờ của Legora, bốn giờ mỗi tháng của IRC, 45 phút của PayPal), cảm nhận có thể khác xa số đo. Những con số đáng tin nhất là những con số do hệ thống đếm chứ không phải do người ước: số hồ sơ được báo giá của AIG, số code được nhập và số lần rollback của Mercado Libre, số lỗi được vá của Mozilla.

Thứ ba, các trang này phần lớn kể chuyện AI làm trợ thủ, chưa phải thay người. Chính Anthropic có theo dõi cách Claude được dùng. Báo cáo Economic Index tháng 1 năm 2026 của họ thấy trên dịch vụ Claude.ai cho người dùng cá nhân, "việc dùng AI để bổ trợ lại một lần nữa phổ biến hơn việc dùng để tự động hóa", còn trên API, nơi doanh nghiệp dùng, thì tự động hóa chiếm ưu thế và ngày càng dùng để "tự động hóa những quy trình hậu cần văn phòng thường ngày." Các trường hợp trong hồ sơ khớp với sự phân chia đó. Gần như trang nào cũng có một câu kiểu "với người thẩm định giám sát mọi quyết định", "được kỹ sư duyệt trước khi phát hành", hay "với sự chấp thuận của con người trước mọi đề xuất". Vai trò của con người có còn lớn như vậy khi mô hình ngày càng giỏi hay không, là câu hỏi các trang này gợi ra mà không trả lời.

Thứ tư, con số xê dịch giữa các nguồn, phần nhiều giải thích được nhưng đáng ghi nhận: 4.000 hay 7.000 người dùng Cowork ở DoorDash; ba chục hay 60 nhà hàng dùng Colette; 16,8 hay 20,5 triệu người của IRC; khảo sát "độc lập" của Legora mà làm chung với Legora; buổi làm việc "tự động" của Rakuten có người "thỉnh thoảng hướng dẫn"; 271 lỗ hổng ở Mozilla mà chỉ ba lỗ được ghi công riêng. Không chỗ chênh lệch nào cho thấy câu chuyện là bịa. Gom lại, chúng cho thấy nên đọc một câu chuyện khách hàng trong hồ sơ bán cổ phần như lời kể thành thật nhất mà công ty có thể kể về mình, và cần đem đối chiếu mỗi khi có thể.


15. Kết: Hôm Nay Một Tổ Chức Có Thể Trông Đợi Gì

Đặt hai mươi mốt câu chuyện cạnh nhau, ta có một bức tranh khiêm tốn hơn những lời tiên đoán hăng hái nhất về AI, mà cũng chắc nịch hơn những lời gạt phăng nó đi.

Điều đã được chứng minh bằng nguồn bên ngoài hồ sơ là AI đã làm việc thật, ở quy mô lớn, trong một số lĩnh vực. Nó viết và bảo trì một lượng lớn phần mềm chạy thật, có người duyệt. Nó đọc những khối giấy tờ mà nhân viên không bao giờ đọc kịp: hồ sơ bảo hiểm, phòng dữ liệu pháp lý, phiếu y tế thực địa. Nó tìm ra lỗ hổng bảo mật có thật trong những kho code bị kiểm tra gắt gao. Và nó là động cơ của những trợ lý mà hàng triệu chủ tiệm và người mua hàng đang dùng. Riêng hai trường hợp AIG và Mozilla thì có tài liệu chắc chắn hiếm thấy đối với những lời tuyên bố công nghệ của doanh nghiệp.

Điều nghe có lý nhưng chủ yếu dựa vào lời của chính các công ty là những hệ số nhân năng suất lớn: sản lượng mỗi lập trình viên tăng 151 phần trăm, việc mấy tháng làm trong một tuần, nghiên cứu hai tháng rút còn năm phút. Có thể đúng cả; vài con số đến từ những công ty cũng báo cáo chúng cho nhà đầu tư của mình. Nhưng người đo cũng là người được lợi, và cách đo thì không công bố.

Điều còn bỏ ngỏ là câu hỏi về con người. Gần như trường hợp nào cũng giữ một người trong vòng quyết định, và gần như trường hợp nào cũng kể vai trò của người đó đang thay đổi: giám sát tác nhân, duyệt việc của tác nhân, làm những phần cần phán đoán. Vài trường hợp kể chuyện các vai trò nhập lại hoặc biến mất. Hồ sơ gọi đó là "tái tạo". Có thể đúng vậy, mà cũng có thể là xáo trộn cho những người bị "tái tạo". Nhiều phần sẽ là cả hai, và không đều nhau.

Nếu phải chọn một câu để mang về từ hai mươi trang này, có lẽ nên mượn lời của tổ chức ít "thương mại" nhất trong đó. Bà Rodrigues của IRC nói rằng những gì làm được bây giờ, trước khi có Claude là điều "không thể tưởng tượng nổi", vì "chúng tôi đơn giản là không có được dữ liệu và sự thấu hiểu theo thời gian thực ở mức này." Câu đó không nói về chuyện làm nhanh hơn hay rẻ hơn. Nó nói về chuyện thấy được: một hãng bảo hiểm thấy hết đống hồ sơ chứ không chỉ phần ngọn, một nhà khoa học thấy được kho dữ liệu mấy chục năm của chính công ty mình, một kỹ sư bảo mật thấy cái lỗi nằm im hai mươi năm, một ông chủ quán thấy cái hũ bơ nghiền để sai chỗ. Đọc kỹ và đối chiếu cẩn thận, đó là điều mà chứng cứ cho thấy AI hôm nay đã làm được thật. Phần còn lại, những lời hứa về "doanh nghiệp tự vận hành", thì nên chờ thêm bằng chứng.


Tài Liệu Tham Khảo

Nguồn chính

Y dược

Bảo hiểm

Tài chánh

Luật

An ninh mạng

Bán lẻ và thương mại

Phần mềm doanh nghiệp

Dịch vụ và kỹ thuật

Cứu trợ nhân đạo

Tiểu thương và xây dựng

Nghiên cứu và tài liệu chung


Written by: Claude AI.

Curator/Editor: Học Trò.

Mọi trích dẫn đều phải ghi chú với dòng trên và nói rõ bài khảo luận được lấy từ trang https://hoctroviet.blogspot.com/

What AI Already Does at Work: Twenty-One Case Studies from Anthropic's IPO Filing, Checked Against the Public Record

Written by: Claude AI.

Curator/Editor: Học Trò.


Anthropic's prospectus spends nearly a hundred pages warning investors about what its technology might do to the world. Twenty pages later, it shows what that technology is already doing for twenty-one organizations: a drug maker, two insurers, a trading firm, a browser, a refugee charity, a rotisserie restaurant in Boston and a family remodeling business in Florida. This essay sorts those case studies by industry, reads them closely, and checks each one against what newspapers, trade journals, company press releases and independent researchers have said. The aim is a fair picture of what AI can already do for a business in late 2026: the measured, the plausible and the merely asserted.

A note on authorship: this essay was researched and drafted with Claude, a model made by Anthropic, the company whose filing is being examined. That is one reason the method below leans so heavily on sources outside the filing.


1. The Brochure Inside the Risk Document

On November 10, 2026, Anthropic filed the second amendment to its registration statement with the U.S. Securities and Exchange Commission, the Form S-1/A that will take the company public. Printed out, the document runs to well over four hundred pages. Most readers who have looked at it closely have been drawn, understandably, to the risk factors. In a video essay for The New York Times, the economist Natasha Sarin pointed out that close to a hundred pages are devoted to risks, some of them commercial and some of them, in her words, "really existential." The filing states plainly that the company's models "might behave in unintended, misaligned, or autonomous ways, including by taking harmful actions that no user or third party directed." It is unusual for a company to say such things about its own product in the document it uses to sell its shares.

Turn further into the filing, however, and the tone changes completely. Between pages 229 and 248 of the printed version sits a run of glossy, magazine-style pages, each devoted to a single customer. Every page follows the same layout: a company logo, a short headline ("Reinventing commercial underwriting," "Speeding up new medicine discovery," "Finding the vulnerabilities attackers haven't"), a box of three or four large numbers labelled "Results," a "Background" paragraph, an "Impact" section, a quotation from a senior executive, and at the foot of the page a small line giving the year the company became a customer. There are twenty pages and twenty-one organizations, because the last page shares its space between two small businesses.

These pages are easy to skim past, and a sceptic might dismiss them as advertising, which in part they are. But they are also something more useful. Anthropic's own legal and financial teams have had to stand behind every word of a registration statement, because misstatements in an S-1 carry legal liability that a marketing blog post does not. And the case studies cover a striking range of work: underwriting commercial property, reviewing a nine-hundred-document legal data room, finding security holes in a web browser, validating computer chips, tracking malnourished children in East Africa, and redesigning the line in a restaurant kitchen. Taken together, they amount to one of the most concrete public inventories so far of what businesses are actually using generative AI to do.

That is the reason for this essay. The question it asks is simple: if a company manager, an engineer, a lawyer or a nonprofit director wanted a realistic sense of how AI can help an organization today, not in some predicted future, what would these twenty-one cases teach them? And because a prospectus is a selling document, the essay asks a second question in the same breath: how much of each story can be confirmed by someone other than Anthropic?

The answer to the second question turns out to be "a good deal, but not all of it." Some cases, such as the Firefox vulnerabilities and the AIG underwriting numbers, are documented in detail by newspapers, trade magazines and the customers' own public statements. Others rest largely on Anthropic's own customer stories. A handful, including the most eye-catching claim in the retail section, appear to be published for the first time in the filing itself. Readers deserve to know which is which, and so each section below sets the prospectus's figures beside what outside sources say.


2. How to Read a Case Study in a Prospectus

Before turning to the cases, it is worth being clear about what kind of evidence they are, because the limits are built into the format.

First, every number on these pages is reported by the company or its customer, not measured by an independent party. When AIG says that time-to-quote fell by 55 percent, that is AIG's internal measurement, presented on AIG's terms. That does not make it false. Large companies have every reason not to mislead their own shareholders, and several of these figures were first announced on earnings calls where executives are also legally accountable. But the definitions behind the numbers (what counts as a "submission," which lines of business were included, what the baseline period was) are rarely stated.

Second, the figures come with "as of" dates chosen by the company. Several pages carry small footnotes such as "As of March 31, 2026," or "December 2025 to May 2026." Where an outside source gives a different figure for the same thing, the explanation is often simply that the two were measured at different times. DoorDash is an example: an interview published by Anthropic speaks of 4,000 employees using the Cowork product, while the prospectus, written later, says more than 7,000 use it every month. This essay flags such differences rather than trying to settle them.

Third, some customers are also investors. The Salesforce and SAP pages each carry a footnote disclosing that the company "beneficially owns less than 1% of Anthropic's outstanding capital stock." One percent of a company valued in the trillion-dollar range is not a small holding. This does not invalidate their results, but readers should weigh their enthusiasm accordingly.

Fourth, and most importantly, these are survivors. A prospectus does not publish case studies of customers who tried the product and walked away. A widely reported MIT study from August 2025, based on 150 interviews with leaders, a survey of 350 employees and an analysis of 300 public AI deployments, concluded that about 95 percent of corporate generative-AI pilots were producing no measurable impact on profit and loss. The twenty-one companies in this filing are, almost by definition, drawn from the other five percent. That makes them useful as examples of what is possible, but they cannot tell us what is typical.

With those limits in mind, this essay uses a simple three-level label for each case:

Label Meaning
Confirmed independently The core claims appear in news reporting, trade press, or the customer's own press releases or earnings remarks, not only in Anthropic material
Vendor-documented The main details come from Anthropic's or a partner's published customer stories; outside sources confirm the relationship but not the numbers
Prospectus only No public source outside the filing was found for the key claims; they may well be true, but the filing is the only place they appear

The cases are grouped into ten broad sectors: medicine, insurance, finance, law, security, retail and commerce, enterprise software, services and engineering, humanitarian work, and small business. After the sector-by-sector tour, a separate section draws out the patterns that cut across industries, and a final section asks what the case studies leave unsaid.

3. Medicine and Life Sciences: Eli Lilly and Bristol Myers Squibb

Pharmaceutical companies make an instructive first stop, because their problem is less a shortage of intelligence than a surplus of information. A large drug maker sits on decades of laboratory notebooks, clinical trial results, manufacturing quality records and commercial data, much of it stored in systems that were never designed to talk to one another. Both pharmaceutical case studies in the prospectus are, at bottom, stories about getting at knowledge the company already owns.

Bristol Myers Squibb says it began using Claude in 2023, choosing Anthropic's models for "their large context windows and high-quality reasoning," and that in May 2026 it selected Claude Enterprise as its company-wide AI platform. The rollout followed a pattern that recurs throughout the filing: software developers and data scientists first (more than 3,000 of them, according to the page), then everyone else. BMS now plans to give all of its 30,000-plus employees access to Claude Cowork, Anthropic's assistant for non-programming office work. The headline number on the page is the most striking in the medical section: the time needed to answer a "real-world evidence" question, that is, a question answered by searching external medical records and insurance-claims databases the company subscribes to, is said to have fallen from as long as two months to five minutes or less. The page also says Claude is connected to 30 to 40 internal data sources through MCP, the Model Context Protocol, an open standard that lets an AI assistant query other software systems, with "thousands more under consideration."

The broad outline of this story is confirmed outside Anthropic's materials. Trade publications reported the agreement when BMS announced it on May 20, 2026; Pharmaceutical Technology noted the plan to give "more than 30,000 employees" access to Claude and described the goal as moving "beyond basic chatbot applications" toward agents that support everyday decisions, and the health-industry news service HLTH covered the same deal across research, manufacturing and commercial operations. The specific two-months-to-five-minutes figure, however, appears only in the filing.

Eli Lilly tells a parallel story at a larger scale. According to the prospectus, Lilly started with Anthropic's models in 2024 through Amazon's Bedrock cloud service, building them into its internal AI platform and its developers' coding tools. In July 2025 it gave Claude Enterprise to about 10,000 people, mainly in research; by April 2026 the tool was available across the company, which the filing describes as a first among large pharmaceutical companies. The results box claims more than 50,000 employees with access, a fivefold expansion, and says that in the five functions that use Claude most (legal and compliance, technology, finance, oncology and research) more than 85 percent of full-time staff actively engage with it. The examples are modest and believable: biologists who once relied on spreadsheet macros now build working web applications in a couple of hours; chemists visualize complex structural data in real time. The page also describes a less glamorous but important piece of work, in which Lilly's technology team helped Anthropic build the enterprise controls a regulated company needs, including a private network connection and "data loss prevention hooks" that audit what passes through the AI.

The Lilly case is the weaker of the two on independent evidence. Lilly's chief information and digital officer, Diogo Rau, has spoken publicly about AI, and the company's relationship with Anthropic is not in doubt, but no news report or Lilly press release found for this essay confirms the 50,000-employee or 85-percent figures. They should be read as prospectus only.

One outside report adds a useful note of realism to the medical section. In a March 2026 article on how Lilly and Novo Nordisk are using AI, the payments-industry publication PYMNTS reported that Novo Nordisk, which is not one of the prospectus customers, had restricted access to an internal research tool called Found Data, "powered by Anthropic's Claude," because its "running costs outpaced the value it delivered at scale." Novo's digital transformation officer, Stephanie Bova, was quoted warning against "this mad dash to have AI use cases without thinking about whether it's the best use of your time and money." The example is a fair reminder that the same model can be a success at one company and an expensive experiment at another, depending on how it is used.

Prospectus claim Outside confirmation
BMS 30,000+ employees; 2 months → 5 min for evidence questions; 30–40 data sources via MCP Deal and 30,000+ figure confirmed by trade press (May 2026); time figure prospectus only
Lilly 50,000+ with access; >85% active in key functions; company-wide since April 2026 Prospectus only for figures

What the medical cases suggest is that the first real payoff of AI in a science-heavy company is not discovering drugs but finding things: letting a scientist ask a plain-language question across many databases and get an answer the same afternoon. That is less dramatic than an AI-designed molecule, but it is the kind of improvement that compounds across thousands of employees.


4. Insurance: AIG and Travelers

Insurance is, in a sense, the business of reading documents. Commercial underwriters must take in submissions from brokers in every format imaginable (spreadsheets, PDFs, emails, loss histories) and turn them into a judgment about risk and price. The two insurance cases in the prospectus show the same technology being used for that core work at one company and for the software that supports it at another.

AIG has the strongest independent record of any case in the filing. The prospectus says AIG began working with Anthropic in 2023, starting with the Claude 2.0 model, to build a tool called Underwriting by AIG Assist. Its purpose was to process and analyze every submission received in the lines of business where it is deployed, not just the ones underwriters had time to look at. Underwriters who once spent weeks gathering data before starting a risk summary now begin each review with a curated summary and "full audit trail" generated by Claude. In AIG's Lexington Middle Market Property business, one of its largest North American units, the filing reports that the tool let underwriters quote over 30 percent more submissions and quote them 55 percent faster, with roughly 40 percent more submissions bound (converted into policies), as of March 31, 2026.

Those figures were not invented for the prospectus. AIG's chairman and chief executive, Peter Zaffino, gave the same three numbers on an earnings call, as reported by Reinsurance News: "a 30% increase in quoted submissions, reduced time to quote for underwriters by 55%, and increased binding of submissions by approximately 40%," adding that AIG was working "in close collaboration with Palantir and Anthropic" on the next, agent-based phase. An earlier Insurance Journal report explains why coverage matters so much in this business: submissions to AIG's Lexington unit had grown to about 300,000 a year in 2024 from 30,000 in 2018, yet the unit bound only about 2 percent of them. When the pile grows tenfold and staff cannot, a tool that reads all of it changes the economics.

The prospectus also describes where AIG is heading. Its claims organization has piloted a similar tool that cut the time to respond to a client after a claim is filed "from days to hours." And it is exploring teams of specialized agents: one extracts data from submissions, another checks risk against underwriting guidelines, a third benchmarks pricing against portfolio targets, and a fourth combines their work, "with underwriters overseeing every decision." The last phrase matters. In none of the insurance examples does the AI make the final decision.

Travelers is a quieter story, centered on software engineering rather than underwriting itself. According to the prospectus, in January 2026 Travelers gave Claude assistants to nearly 10,000 engineers, data scientists, analysts and product owners, and access has since expanded to nearly 25,000 employees, with a reported 50 percent reduction in the time it takes to merge code. The January announcement is well documented: Insurance Journal reported that "nearly 10,000 engineers, data scientists, analysts and product owners at Travelers" were receiving personalized Claude assistants. The 25,000 and 50-percent figures appear only in the filing.

There is a revealing detail in the outside coverage. A Fortune profile of Travelers' technology chief, Mojgan Lefebvre, notes that one month after the Anthropic announcement, Travelers launched an AI claim assistant developed with OpenAI. Large companies, in other words, are not choosing one AI supplier for everything. They are matching tools to tasks, and a prospectus naturally shows only the tasks that went to its own company.

Prospectus claim Outside confirmation
AIG +30% quoted, −55% time-to-quote, ~+40% bound (Lexington Middle Market Property); 100% of submissions reviewed Confirmed independently: same figures given by AIG's CEO on an earnings call
Travelers ~10,000 users (Jan 2026) → ~25,000; −50% time to merge code 10,000 confirmed independently; later figures prospectus only

5. Finance, Payments and Trading: PayPal and Jane Street

The two finance cases could hardly be more different. One is a consumer payments company using AI to make thousands of ordinary employees more productive; the other is a privately held trading firm using it to multiply the output of a small number of highly paid researchers.

PayPal's page describes a broad, practical rollout. More than 12,000 PayPal employees are said to use Claude Enterprise monthly, across product, technology and sales. Product teams built their own MCP connection to company data so they can create analyses and dashboards themselves instead of waiting for engineers or data analysts. Merchant underwriting and compliance reviews, which once required pulling information together from several separate tools, now take "a fraction of the time." Since August 2025 the sales team has used a custom plugin for pipeline management and account-risk review, saving an average of 45 minutes per person per week. Account managers use an internal system built on Claude to get merchant health diagnostics in minutes, cutting report preparation time to five to ten minutes. None of these numbers is large on its own. What is notable is how ordinary the uses are: reports, reviews, dashboards and sales administration.

The relationship between PayPal and Anthropic is well documented in PayPal's own announcements, though not the internal productivity numbers. In May 2025, PayPal's developer blog announced that its remote MCP server supports Anthropic's API, allowing AI assistants to carry out payment tasks. A year later, in May 2026, PayPal's newsroom announced a partnership with Anthropic aimed at small businesses, citing its own survey in which 82 percent of small businesses said adopting AI is essential to staying competitive while 73 percent said they lacked the time or know-how. The partnership pairs a free nine-lesson AI fluency course with a plugin that lets Claude handle tasks such as invoicing and refunds through PayPal. The 12,000-user and 45-minute figures are prospectus only.

Jane Street is the most intriguing case in the section and the hardest to check. The firm is a large quantitative trading house whose advantage depends on the speed and quality of its research. According to the prospectus, its developers spent years trying to build AI agents that could carry out research tasks on their own, and early attempts were "frustrating and inconsistent." That changed with Claude 3.7 Sonnet, when agents began completing long, multi-step tasks without stalling. Today, the page says, Claude is deployed "nearly wall-to-wall," researchers supervise teams of agents that analyze code, monitor model training runs and process results, and experiments that once needed constant attention now run unattended over a weekend. One researcher estimates completing about 50 percent more analysis than a year earlier. Another used the newest model, Claude Fable, to reorganize a sprawling Python application and then migrate it to a more robust language in about a week, work the page says would normally take a team months. On Jane Street's own harder internal coding test, Claude Fable 5.1 is said to have scored 32 percent better than its predecessor.

Two cautions apply. First, nothing in the public record found for this essay describes Jane Street's internal use of Claude; the story is prospectus only. Second, Jane Street is famous for writing most of its software in OCaml, an unusual programming language. A 2025 eFinancialCareers report quoted a claim that there is "more OCaml code in Jane Street than there is in the rest of the world combined," which helps explain why off-the-shelf coding assistants trained mostly on popular languages long struggled there. If the prospectus is right that recent models have overcome that, it is a meaningful data point. But it is the company's account, not an outside measurement.

Prospectus claim Outside confirmation
PayPal 12,000+ monthly users; 45 min/week saved per salesperson; report prep cut to 5–10 min Partnership confirmed independently (PayPal newsroom, developer blog); figures prospectus only
Jane Street ~50% more analysis per researcher; codebase migration in ~1 week; +32% on internal eval Prospectus only

Read together, the finance cases show two quite different models of AI value. At PayPal it is spread thinly across many people, saving minutes each week on routine work. At Jane Street it is concentrated in a few experts whose output is multiplied. Most organizations will find their own situation somewhere between the two.

6. Law: Legora

Legal work is a natural fit for language models: it is made of text, governed by precedent and sharply divided between high-value judgment and many hours of reading. The prospectus includes one legal company, and it is not a law firm but a software maker that sells to law firms.

Legora describes itself as an "agentic operating system for lawyers," used by more than 1,500 law firms and in-house legal teams. According to the prospectus, Claude has powered parts of the platform since its launch in October 2024, after Legora ran its own comparison of available models and found that Claude did best on the dimensions it cared about most: prioritizing and following instructions, and adapting as client requirements changed. Inside Legora's product, Claude acts as part of the "reasoning layer," planning and delegating work across drafting, document review and legal research, and, importantly for a profession that lives on citations, "grounding every answer in a source before a lawyer sees it." The filing singles out transactional drafting as the area where the newest models brought the largest gains.

Two examples on the page give a sense of scale. On one merger, Legora's team reviewed a 900-document data room spanning four jurisdictions, a first pass that a conventional team would spend a week on, in half a day. And across its client base, lawyers in a study of 31 firms in 14 countries reported recapturing an average of 4.3 non-billable hours a week, which the page translates into "$6.9 million in additional annual billing per 100 lawyers." Legora also uses Claude to build its own product: an engineering team of about 80 supports more than 1,500 client organizations, AI tools generate well over half of its code, some engineers run up to ten background coding agents at once, and Claude Code use inside the company grew fourteen-fold, from about 50 seats to more than 700.

Most of this is vendor-documented. Anthropic's Legora customer story confirms that Claude powers Legora's "assistant tools, document review, and intelligent workflows." One detail deserves a closer look, however. The prospectus calls the 31-firm study "independent." Legora's own report on the research says that the legal-industry analyst Ari Kaplan "partnered with Legora to conduct a comprehensive qualitative survey," interviewing 31 firms over three months, and the legal-technology site Artificial Lawyer reported the findings as "based on 31 law firm interviews." An outside analyst ran it, but it was a qualitative study made in partnership with the vendor, built on interviews rather than measured time records. "Independent" is a generous word for that.

There is also a competitive twist worth knowing about. On May 12, 2026, Anthropic launched its own legal offering, Claude for Legal, which Legal Business described as a shift from "primarily powering legal AI products such as Harvey and Legora, towards potentially becoming a legal platform in its own right." Legora's page in the prospectus is therefore a case study of a customer that is also, increasingly, a competitor. That is common in the AI industry and worth remembering whenever a model maker publishes a success story about a company building on top of it.

Prospectus claim Outside confirmation
Legora 1,500+ organizations; 4.3 hrs/week recaptured (31 firms); 900-doc data room in half a day; Claude Code 50 → 700 seats Use of Claude vendor-documented; the 31-firm study was run with Legora, not independently of it

7. Security and Critical Infrastructure: Mozilla and Verizon

If any section of the prospectus moves beyond productivity into something like public interest, it is this one. Software vulnerabilities are the raw material of cyberattacks, and they have always favored the attacker: a defender must find every flaw, an attacker needs only one.

Mozilla, maker of the Firefox browser, is the best-documented case in the entire filing. According to the prospectus, Anthropic's internal "Frontier Red Team" approached Mozilla to test Claude on defensive security work. In a two-week evaluation, Claude Opus 4.6 found 22 previously unknown vulnerabilities in Firefox's most critical code, 14 of them rated high-severity; Mozilla's engineers began landing fixes within hours and shipped them in Firefox 148. Two months later, Mozilla shipped fixes for a further 271 vulnerabilities identified by Claude Mythos Preview, a more capable model Anthropic has not released to the public. The page quotes Firefox's chief technology officer, Bobby Holley: "So far we've found no category or complexity of vulnerability that humans can find that this model can't."

Both rounds were covered widely. TechCrunch and Computerworld reported the 22 bugs, 14 high-severity, and their fixes in Firefox 148. The second round received closer, and more critical, scrutiny. SecurityWeek noted that while more than 40 vulnerabilities were addressed in Firefox 150's official advisory, "only three are credited to Claude," which suggested that "many of the 271 bugs are likely lower-severity issues or flaws that don't meet the threshold" for a public listing. Expert Insights made the same point under the headline "Critics Still Aren't Convinced." SecurityWeek also reported Mozilla's own measured view: it had not seen any bugs that "couldn't have been found by an elite human researcher." And The Decoder added that some of the flaws were up to 20 years old, and that Mozilla's pipeline lets the model write and run its own test cases to verify what it finds.

Put together, the record supports a careful version of the prospectus's claim. AI did find real, previously unknown bugs in one of the most heavily tested codebases in the world, quickly and at scale. Most of them were not dramatic, and none was beyond what the best human experts could have found with enough time. The value lies in the "enough time": bugs that would have sat unnoticed for years were found in weeks.

Verizon is a much thinner page. It says Verizon chose Claude Code for its technology and product organizations after evaluating coding tools for "security, reliability and scale," and that more than 33,000 engineers now build with it. It then notes that Verizon became one of the first telecom companies to join Project Glasswing, Anthropic's program giving vetted organizations early access to Claude Mythos for defensive security. Verizon's own newsroom confirms the Glasswing membership and says Verizon "is testing Claude Mythos Preview to gain insights to maintain the network's security for its customers." The 33,000-engineer figure was not found outside the filing.

Project Glasswing itself is documented on Anthropic's site, where the company says launch partners are using Mythos Preview "as part of their defensive security work." In an update announcing an expansion to about 150 additional organizations in more than 15 countries, Anthropic said partners had so far found "more than 10,000 high- or critical-severity security flaws." That figure is Anthropic's own.

Prospectus claim Outside confirmation
Mozilla 22 vulnerabilities (14 high) by Opus 4.6; 271 more by Mythos Preview Confirmed independently, with the caveat that only 3 of the 271 received individual CVE credit and Mozilla says none was beyond elite human ability
Verizon 33,000+ engineers on Claude Code; Glasswing member Glasswing confirmed independently; engineer count prospectus only

8. Retail and Commerce: Walmart, Shopify, Mercado Libre, Rakuten and DoorDash

The largest group in the prospectus is made up of companies that sell things, online, in stores or through delivery. Their stories divide into two kinds of AI use: assistants that face customers, and coding agents that change how the companies build their own software.

Walmart is the most important case in the group and the least confirmed. The prospectus says Anthropic "partnered with Walmart on Sparky," Walmart's AI shopping assistant, and that Anthropic's models, "like Claude Sonnet 4.6," help Walmart create personalized experiences as customers describe their needs in their own words. The results box reports more than 110 percent quarter-over-quarter growth in Sparky's weekly active users, an increase of about 35 percent in average order value for orders placed through Sparky compared with those that were not, and more than twice as many units sold through Sparky quarter over quarter. It also mentions that Claude is one of the models behind WIBEY, Walmart's internal engineering productivity agent.

Sparky's commercial results are partly confirmed: eWeek reported in February 2026 that customers who engage with Sparky "have an average order value 35% higher than those who do not." But Walmart has never publicly said which models power Sparky. Its own engineering blog post introducing WIBEY describes the agent's architecture, built on Walmart's in-house platform called Element and using open protocols such as MCP and A2A, without naming any model supplier. Walmart has had publicized shopping partnerships with other AI companies as well. As far as this essay could find, the prospectus is the first public statement that Claude plays a role in Sparky, which makes it newsworthy in itself, and also makes it a claim that rests on Anthropic's word alone.

Shopify is the clearest example of AI built into a product that millions of people use without knowing which model is underneath. Its Sidekick assistant helps merchants analyze their business, plan promotions and set up automations, work that once required an analyst. The prospectus says daily active merchants using Sidekick more than tripled year over year, that nearly half of all Shopify Flow automations created in a recent quarter were built with Sidekick's help, and that new merchants reach their first sale "in days instead of weeks." Inside the company, Claude Code is available to more than 7,500 employees. Both Anthropic's and Google Cloud's customer pages confirm that Shopify runs Claude on Google's Vertex AI service to power Sidekick, so the relationship is well vendor-documented from two independent vendors, though the growth figures come from the filing.

Mercado Libre, Latin America's largest e-commerce and fintech company, offers the most dramatic numbers in the filing, and also the most consequential claims about jobs. According to the prospectus, more than 23,000 developers use Claude Code; over the past year, agents with human oversight reviewed more than half a million code submissions and migrated roughly 9,000 services to newer platforms; in the second quarter of 2026, code submissions rose 110 percent year over year, merged code more than doubled and deployments rose nearly 75 percent, while rollbacks fell. In 2025 about 40 percent of the code Mercado Libre shipped was written by Claude and reviewed by a human; by 2026, the page says, "human-written code has become the exception." Outside engineering, more than 26,500 people in finance, marketing, HR, legal, compliance and commercial teams use Claude Cowork, 78 percent of them weekly, and finance has shortened its monthly close by a third.

The engineering figures match what Mercado Libre told investors. A Zacks summary of the company's second-quarter results reports management saying that about 20,000 developers use AI, "with human-written code becoming the exception," that code submissions rose 110 percent, merged code more than doubled and rollbacks declined, and that AI agents "independently reviewed more than half a million code submissions and migrated roughly 9,000 services." What the investor material does not do is name a supplier, and the company is known to use more than one tool: a marketing-analytics case study from Amplitude mentions employees working through "Claude, Cursor, or their internally developed AI chatbot." So the scale is confirmed and the Claude-specific attribution is the prospectus's. The page also says Mercado Libre plans to fold separate backend, frontend and database roles into a single "builder" role. Early in 2026 Bloomberg Línea reported layoffs in the company's user-experience design teams, describing them as part of a shift toward more generalist profiles; the company said the cuts affected fewer than 0.09 percent of its more than 125,000 employees.

Rakuten, the Japanese internet and e-commerce group, supplies the filing's best-known coding anecdote: Claude Code working autonomously for seven hours on a complex, multi-language codebase with 99.9 percent accuracy. The page adds that time to market for new features fell by more than 75 percent, that Rakuten now ships major releases every two weeks instead of quarterly, and that it deployed specialized Claude agents across product, sales, marketing and finance, each within a week. Anthropic's own Rakuten customer story gives the details: the seven-hour session was an open-source refactoring task, the 99.9 percent was "numerical accuracy compared to the reference method," and time to market fell 79 percent, from 24 days to 5. It also quotes the engineer involved: "I didn't write any code during those seven hours. I just provided occasional guidance." A critical analysis by the software consultancy Wavect makes the obvious but useful point that this was one well-scoped task, not a controlled study, and that "autonomous" should be read as "the publisher's description of the session, not proof of zero human intervention." The case is vendor-documented, and its headline is accurate but narrower than it sounds.

DoorDash rounds out the group with a story about spreading AI tools to every employee. The prospectus says Claude Code and Claude Cowork are available to every corporate employee, more than 7,000 people use Cowork each month and almost half of them daily, launch timelines for major products have been cut by more than half, and one engineer finished a code migration in three weeks that would once have taken four engineers more than a quarter. Designers and product managers now ship production code alongside engineers. An interview published by Anthropic with DoorDash's co-founder and chief technology officer, Andy Fang, confirms the broad picture, though it gives a smaller Cowork figure ("all 4,000 employees have Cowork"), probably measured earlier. Fang's own account is perhaps the most human detail in the retail section: years after moving into management, he says, "it wasn't until I was using Claude Code that I actually was shipping production code in our code base again."

Prospectus claim Outside confirmation
Walmart Claude in Sparky; +35% order value; WAU +110% QoQ +35% order value confirmed; Claude's role prospectus only (Walmart has not named Sparky's models)
Shopify Sidekick on Claude; daily active merchants ×3; 7,500+ on Claude Code Claude-in-Sidekick vendor-documented (Anthropic and Google Cloud)
Mercado Libre 23,000+ devs; 500k reviews; 9,000 migrations; human code "the exception" Scale confirmed in investor remarks; vendor not named there
Rakuten 7 hrs autonomous; 99.9%; 24 → 5 days Vendor-documented; "occasional guidance" during the 7 hours
DoorDash 7,000+ monthly Cowork users; launches cut by half Vendor-documented (4,000 in an earlier interview)

9. Enterprise Software Platforms: Salesforce and SAP

The two enterprise-software cases matter for a different reason from the rest. Salesforce and SAP sell the systems on which a large share of the world's companies run their sales, finance, procurement and human resources. When they build Claude into those systems, AI reaches millions of workers who never chose it, never signed up for it and may not know it is there.

Salesforce reports gains both in building its own software and in its products. According to the prospectus, more than 60 percent of its 83,000 employees use Claude. Over the past year pull requests merged per developer rose 79 percent, lifting "effective output per developer" by 151 percent, while incidents fell 5 percent. One product team used a Claude-based framework to migrate 33 API endpoints in 13 days, against an estimate of 231 person-days. Claude also powers Slackbot, the assistant built into Slack, which nearly every Salesforce employee uses and which the company estimates is generating 8.1 million hours of annualized productivity gains. On the product side, Salesforce named Claude a preferred model for its Agentforce 360 platform in October 2025, and that announcement is confirmed in Salesforce's investor release, which describes Anthropic as "the first LLM provider fully integrated within the Salesforce trust boundary, with all of Claude's traffic contained in the Salesforce virtual private cloud." That arrangement, keeping the AI's data traffic inside Salesforce's own security perimeter, is what lets banks, hospitals and drug companies use it, and it is a good example of how much of enterprise AI adoption is really about governance rather than intelligence.

SAP frames its use in the language of the "Autonomous Enterprise," a future in which "people set direction and policy, and AI executes work across the organization." Claude is one of several models SAP routes queries to through its Joule assistant and Business AI Platform, and SAP says its more than 50 domain-specific Joule assistants and 200-plus specialized agents use Claude for some of their reasoning: closing the books at quarter-end, answering employees' leave questions, rerouting supplier orders mid-shipment. The most concrete example is Joule for Consultants, a tool for the consultants who install SAP systems, which the page says saves up to 1.5 hours a day and lets teams deliver projects up to 14 percent faster. Both figures appear in an AWS blog post written with SAP, which says the tool uses "Anthropic's Claude models via Amazon Bedrock." In May 2026 The Register reported SAP's announcement of a partnership with Anthropic to bring Claude into the Business AI Platform, quoting one commentator who observed that SAP was offering Claude "as something within a 'walled garden' of SAP."

Both companies disclose on their prospectus pages that they own shares in Anthropic. That does not make their figures wrong, and several are confirmed in their own public filings and releases, but it does mean they are not neutral witnesses.

Prospectus claim Outside confirmation
Salesforce 60%+ of 83,000 staff; +151% effective output/dev; 231 person-days → 13 days; Claude in Slackbot Preferred-model status and trust-boundary design confirmed independently; productivity figures prospectus only; Salesforce is a shareholder
SAP Joule for Consultants: up to 1.5 hrs/day saved, projects up to 14% faster Confirmed in an AWS/SAP technical blog; SAP is a shareholder

10. Professional, IT and Engineering Services: Accenture and UST

Consulting and outsourcing firms occupy an unusual position in the AI economy. They are customers, using AI on their own work, and they are also distributors, carrying it into thousands of client companies that will never deal with a model maker directly. Both service firms in the prospectus describe that double role.

Accenture, with more than 800,000 employees, is the larger of the two. In December 2025 it and Anthropic announced what Accenture's own press release called a new business group, under which Accenture would "train approximately 30,000 professionals" on Claude and make Claude Code available to "tens of thousands of its developers," along with a jointly funded Claude Center of Excellence. Anthropic's announcement of the same deal described it as creating "one of the largest ecosystems of Claude practitioners in the world." By the time of the prospectus, the results box reports 45,000 Accenture professionals trained, more than the original target, and over 18,000 certified Claude practitioners.

The page's operational examples are specific. Accenture's security product Cyber.AI, which uses Claude as its reasoning engine, was deployed across Accenture's own global IT estate to help secure 1,600 applications and more than 500,000 APIs (the interfaces through which software systems exchange data). Scan turnaround fell from days to under an hour, and test coverage rose from about 10 percent to more than 80 percent. For a large U.S. broadband provider served jointly by Accenture and Anthropic, the client reported a sevenfold first-year return on its AI investment after rebuilding how it markets and sells to business customers: speed to market rose 55 percent, the cost of validating a sales lead fell 86 percent, and lead-validation accuracy rose from 13 percent to 97 percent. The partnership and training figures are confirmed independently; the client results are prospectus only, and the broadband client is not named.

UST is less well known but supplies what may be the most technically interesting case in the filing, because it reaches into the physical world. UST builds and runs technology for banks, telecom companies, healthcare organizations and manufacturers. Its showcase is a hardware validation platform called iDEC, used to prove that a computer chip behaves the way its designers intended before it goes into production. According to the prospectus, Claude Code reads chip schematics directly, then generates and runs regression tests to check what a design change affects downstream. It also compares live equipment data against a "digital twin," a virtual replica of the hardware, flagging signal-integrity problems before they reach production. UST reports that chip validation cycle time has fallen by 50 to 70 percent and that standard validation turnaround has dropped from four days to two.

UST then embeds the same approach in platforms it runs for clients: CarePath, which turns scattered insurance-claims and care data into recommended next steps for health insurers, "with human approval before any member-facing recommendation"; IntelliOps, which predicts cellular network failures and reduces alert noise for telecom operations teams; and FinX, which puts agents into bank operations. And it is training 20,000 engineers, architects, consultants and industry specialists on Claude. Anthropic's own announcement of the partnership in July 2026 describes iDEC, CarePath and IntelliOps in the same terms and confirms the 20,000 training figure; the trade publication Channel Insider covered the announcement independently. The 50–70 percent reduction in chip validation time is the company's own figure.

For readers who work in engineering, UST is the case to study. It shows a language model doing something closer to engineering than to office work: reading technical drawings, reasoning about what a change will break, writing the tests and checking the results against a model of the physical system. It is also the case where the human approval step is spelled out most clearly.

Prospectus claim Outside confirmation
Accenture 45,000 trained; Cyber.AI test coverage 10% → 80%+; broadband client 7× ROI Partnership and ~30,000 training target confirmed independently; client results prospectus only
UST Chip validation cycle −50–70%; 4 → 2 days; 20,000 to be trained Partnership, platforms and 20,000 confirmed (Anthropic release, trade press); time figures prospectus only

11. Humanitarian Work: The International Rescue Committee

The case that most clearly departs from the commercial pattern is that of the International Rescue Committee, one of the world's largest humanitarian organizations. The IRC works in more than 40 countries affected by conflict and disaster; the prospectus says it helped more than 20.5 million people in 2025. Its problem is the opposite of a pharmaceutical company's. Where BMS has too much data in too many systems, the IRC often has too little usable data, scattered across field offices, paper forms and spreadsheets, in places where every staff hour is precious.

The IRC joined Anthropic's Claude for Nonprofits program in 2025, which provides discounted licenses. According to the prospectus, use grew from a 300-person pilot to about 2,400 seats, an eightfold increase between December 2025 and May 2026, on the way to all 10,000 staff who work at computers. Half of the pilot users reported saving four or more hours a month, and the page estimates 464 staff hours returned per week. A country-wide funding landscape analysis that once took a week now takes a couple of hours, and a portfolio synthesis that took a month of manual spreadsheet work is available immediately.

The more important story is about frontline care. Health teams in Africa used Claude to organize scattered field data, and the share of key health indicators actually used in strategic planning rose from 20 percent to 100 percent. With that visibility, staff could spot problems that had not been readily detectable before, such as seasonal spikes in infection or gaps in mothers' use of maternal care, and adjust their services. In a malnutrition project, field teams photograph paper treatment records and Claude aggregates them into a picture of each child's treatment status. The IRC's senior director for policy and planning, Katherine Rodrigues, is quoted describing the goal as "shifting from a reactive system to anticipating which children are at risk of dropping out of malnutrition treatment and intervening earlier."

The outlines are confirmed. When Anthropic launched Claude for Nonprofits on GivingTuesday 2025, offering discounts of up to 75 percent, it named the IRC as an early user that was "using Claude to communicate with local partners and analyze field data faster in time-sensitive humanitarian settings," and NBC News reported the IRC as "one of the early beneficiaries" of the program. Anthropic's separate IRC customer story gives a different-looking headline number, "16.8 million people annually through more than 2,700 health facilities in 40 countries," against the prospectus's 20.5 million. The two are probably not in conflict: one describes people reached through the IRC's health facilities, the other everyone the organization helped in 2025. But the difference is a reminder to check what a number is counting before comparing it with another. The case is vendor-documented, with the relationship confirmed by independent press.

The IRC page is the clearest example in the filing of AI being used not to save money but to make new work possible. In the IRC's own framing, the point was not that staff did the old work faster but that they could now see things, children slipping out of treatment, clinics missing mothers, that they could not see before.


12. Small Business: Shy Bird and KBF Design Gallery, and a Note on Construction

The prospectus ends its case studies with two businesses that could hardly be smaller beside the corporations before them. They share a single page, and they make, in some ways, the most persuasive argument in the section, because neither had an IT department, a data science team or a consultant.

Shy Bird is a rotisserie and café in the Boston area with three locations. Its brunch service near Fenway Park suffered long waits, so co-owner Eli Feldman, who by the prospectus's account "had never written a line of code," photographed the kitchen, pulled sales and ticket data, collected his cooks' observations, and gave it all to Claude. The bottlenecks it found were "hiding in plain sight." An avocado purée that went on nearly every order sat out of reach, while a pan of overnight oats, ordered only a few times a morning, held the best spot on the line. Feldman and his cooks redesigned the line together, and brunch ticket times fell by more than 60 percent, to 12 minutes. The experience convinced the owners that the same approach could help other restaurants, and their in-house tool became a product called Colette, which the prospectus says is now used by 60 restaurants. It also reports that one Shy Bird server became a full-time back-end engineer at Colette within six months.

The Shy Bird story is confirmed independently in its essentials. NBC Boston profiled Feldman and Colette in June 2026, reporting that "about three dozen restaurants across the country currently use Colette," fewer than the prospectus's later figure of 60 but consistent with a young product that is growing. Anthropic's own Shy Bird story adds that the company encourages every manager to use Claude under an internal philosophy Feldman calls "BITE: Bring It To Everything."

KBF Design Gallery is a family-owned interior design and remodeling firm in the Orlando area specializing in custom kitchens, bathrooms and whole-home renovations. When siblings Adam and Ashley Vellequette took over from their parents, they faced what the prospectus calls a common problem in the industry: talented designers buried in administrative work. Using Claude Code and Claude Cowork, the firm built its own tools for scheduling, for validating the handoff from design to construction, and for writing contract scopes. The results box says the tools recovered 490 hours a year for a single employee, the lead designer, "nearly a quarter of a working year." Writing the contract scope now takes seven fewer hours per project, and a team of only three designers now handles 70 designed projects a year, with sales up 32 percent since the firm adopted Claude in 2025. No public source outside the filing was found for the KBF story, so it is prospectus only, though the firm itself is real and has won local design awards.

A note on construction

KBF is the only company in the prospectus that touches construction, and it does so at the scale of residential remodeling. There is no general contractor, no civil or structural engineering firm and no large engineering-procurement-construction company among the twenty-one cases. That absence is itself informative, and it matches what surveys of the construction industry have found in 2026: real but uneven adoption, concentrated in office work rather than on the jobsite.

The evidence points in somewhat different directions. The ServiceTitan 2026 commercial contractor report, based on a survey of more than 1,000 construction leaders, found that 38 percent of contractors now report measurable business impact from AI, up from 17 percent a year earlier. A survey by the construction software company CMiC and the data firm Dodge, covering more than 6,000 companies and reported by Construction Executive, found that 85 percent of contractors expect to spend less time on repetitive tasks and over 70 percent believe AI will help them make better decisions. In contrast, a study by the tool maker DeWalt, reported by Construction Equipment, reported that only 8 percent of the roughly 3,400 construction professionals it surveyed worldwide use AI today, and identified lack of practical training as the main obstacle. All three surveys were sponsored by companies that sell to the industry, and they define "use" differently.

Read alongside the prospectus, the surveys suggest where the first gains for construction and engineering firms are most likely: not in the field but in the document-heavy work around it. That is exactly where KBF found them: scheduling, scope writing and checking that what was designed is what gets built. It is also where UST's chip-validation work offers a closer analogy for engineers than any of the office-productivity stories. Reading drawings, tracing the downstream effects of a change and generating checks against a model of the physical system are tasks that structural, civil and mechanical engineers will recognize.


13. Seven Patterns Across the Sectors

Reading the twenty-one cases by industry shows who is using AI. Reading across them shows what kind of work it is doing. These patterns may be more useful to a reader whose own company does not appear in the filing.

First, writing and maintaining code at industrial scale. Almost every company in the filing uses Claude Code, and the most measurable gains are here: Mercado Libre's 9,000 migrated services, Salesforce's 231 person-days compressed into 13, DoorDash's single engineer doing in three weeks what four once needed a quarter for, and Rakuten's release cycle shrinking from quarterly to every two weeks. Software is a natural first target because results can be tested automatically. A migration either passes its tests or it does not. Much of this work is maintenance that engineers have always disliked: version upgrades, dependency patches, test coverage. The gain is less that AI writes brilliant new code than that it takes on the backlog nobody had time for.

Second, reading the pile nobody had time to read. AIG's underwriters, Legora's data-room reviews, PayPal's compliance checks and the IRC's field records share a structure: a volume of documents larger than the staff available to read them. In several cases the important change is not speed but coverage. AIG says it now reviews 100 percent of applicable submissions, not just the ones underwriters could reach. When an organization has been making decisions on a sample because it could not afford to look at everything, AI changes what it can know, not just how fast it knows it.

Third, breaking down data silos. BMS's 30 to 40 connected data sources, PayPal's custom data connector, Lilly's private network connection and Salesforce's Slack integration are all applications of the same idea: let one assistant query many systems in plain language. The open Model Context Protocol appears again and again for this reason. In practice, much of the hard work in these cases was not choosing a model but connecting it, securely, to the company's existing data.

Fourth, assistants inside someone else's product. Shopify's Sidekick, Walmart's Sparky, Salesforce's Slackbot and SAP's Joule put AI in front of millions of merchants, shoppers and office workers who did not choose a model and mostly do not know which one they are talking to. This is probably where AI's broadest reach is today, and also where the prospectus's claims are hardest to confirm, because the companies selling those products often prefer not to name their suppliers.

Fifth, defence. Mozilla's Firefox work, Verizon's network security testing and Accenture's Cyber.AI point to a use whose value goes beyond the companies involved. If AI helps defenders find old vulnerabilities faster than attackers can exploit them, everyone who uses that software benefits. The same capability, of course, could also help attackers, which is why Anthropic restricts its most capable security model to vetted partners.

Sixth, non-programmers building their own tools. A restaurateur who had never coded redesigning his kitchen from photographs and sales data; a remodeler's family building scheduling and contract tools; Lilly's biologists building web applications to replace spreadsheet macros; DoorDash's designers shipping production code; Mercado Libre procurement staff building agents to answer supplier questions without involving IT. This may be the most far-reaching pattern in the filing, because it widens the circle of people who can make software at all.

Seventh, jobs being redrawn. Several cases describe changes to roles rather than just to tasks. Mercado Libre plans to merge backend, frontend and database roles into a single "builder" role. Rakuten says roles once split across engineering, design and reliability have converged. Jane Street's and DoorDash's designers write production code; DoorDash's CTO and 30 percent of Mercado Libre's managers are coding again. These are the most consequential claims in the section and the ones a prospectus is least likely to examine critically. The only concrete outside evidence found for this essay, Bloomberg Línea's report of design-team layoffs at Mercado Libre, involved a small number of people. But the direction the companies describe is clear.


14. What the Case Studies Do Not Say

A fair reading of the prospectus also needs to note what its case studies leave out.

They do not include failures. The MIT study cited earlier, which found that about 95 percent of corporate generative-AI pilots produced no measurable effect on profit and loss, also found that purchasing tools from specialized vendors and forming partnerships succeeded about 67 percent of the time, while internal builds succeeded only a third as often, and that the largest returns came from "back-office automation." That is consistent with the prospectus cases, most of which are partnerships focused on internal operations, but it also means the filing shows the winning end of a very uneven distribution. Novo Nordisk's decision to restrict a Claude-powered research tool because of cost, reported by PYMNTS, is exactly the kind of story a prospectus would not include.

They rely heavily on self-reported productivity, and that is a known weak spot. In a randomized controlled trial published in July 2025, the research group METR assigned 246 real tasks to 16 experienced open-source developers, allowing AI tools on some tasks and not others. With AI, the developers took 19 percent longer. Yet, as METR's own summary notes, they had expected a 24 percent speed-up and, even after the experiment, "still believed AI had sped them up by 20%." The study used early-2025 tools on large, mature codebases that the developers knew intimately, and METR itself cautioned against generalizing from it; the models in the prospectus are considerably newer. But it is a useful warning that when people estimate their own time savings, as in several of the prospectus figures (Legora's 4.3 hours, the IRC's four hours a month, PayPal's 45 minutes), perception can differ from measurement. The figures most worth trusting are the ones counted by systems rather than estimated by people: AIG's quote counts, Mercado Libre's merged code and rollbacks, Mozilla's patched bugs.

They mostly describe augmentation, not replacement. Anthropic's own research tracks how Claude is used. Its Economic Index report of January 2026 found that on the consumer Claude.ai service, "augmentation is once again more common than automation," while business use through the API is "automation-dominant" and increasingly used "to automate routine back-office workflows." The prospectus cases fit that split. Nearly every page includes a phrase like "with underwriters overseeing every decision," "reviewed by a human engineer before release" or "with human approval before any member-facing recommendation." Whether that human role remains as large as models improve is a question the case studies raise but do not answer.

Finally, the numbers shift between sources, usually in ways that are easy to explain but worth noticing: DoorDash's 4,000 or 7,000 Cowork users; Colette's three dozen or 60 restaurants; the IRC's 16.8 or 20.5 million people; Legora's "independent" study conducted in partnership with Legora; Rakuten's "autonomous" session with "occasional guidance"; Mozilla's 271 vulnerabilities, of which three received individual public credit. None of these discrepancies suggests that a case is false. Together they show why a prospectus case study is best read as the company's best honest account of itself, and checked wherever possible.


15. Conclusion: What a Company Can Reasonably Expect Today

Set side by side, the twenty-one case studies in Anthropic's prospectus support a picture that is more modest than the most excited predictions about AI and more substantial than the most dismissive ones.

What is well established, by evidence outside the filing, is that AI is already doing real work at scale in a handful of areas. It is writing and maintaining large amounts of production software under human review. It is reading document volumes that staff could never cover: insurance submissions, legal data rooms, field health records. It is finding real security flaws in heavily tested code. And it is serving as the engine of assistants used by millions of merchants and shoppers. The AIG and Mozilla cases in particular are about as well documented as corporate technology claims get.

What is plausible but rests mainly on the companies' own word are the large productivity multipliers: 151 percent more output per developer, months of work in a week, two months of research in five minutes. They may be true; several come from companies that also report them to their own investors. But they are measured by the people who benefit from them, using definitions that are not disclosed.

What remains open is the human question. Nearly every case keeps a person in the loop, and nearly every case also describes that person's role changing, toward supervising agents, reviewing their work and doing the parts that require judgment. A few cases describe roles merging or disappearing. The prospectus presents this as reinvention. It may be that, and it may also be disruption for the people whose roles are being reinvented; most likely it will be both, unevenly.

For a manager trying to decide what to do on Monday morning, the most practical lesson in these twenty pages may come from the smallest company in them. Shy Bird did not start with a strategy or a platform. Its owner started with a specific, measurable problem (brunch tickets were slow), gathered the evidence he already had (photographs, sales data, the cooks' knowledge), and asked for help reading it. The answer turned out to be a misplaced tub of avocado purée. Most of the large companies in the filing followed the same path at greater scale: a specific bottleneck, existing data, a human who decides, and a measurement afterward. That is less glamorous than the "Autonomous Enterprise," but it is what the evidence, read carefully, shows AI can already do.


References

Primary source

Medicine

Insurance

Finance

Law

Security

Retail and commerce

Enterprise platforms

Services and engineering

Humanitarian work

Small business and construction

Research and context