Anthropic اعلام می‌کند که پذیرش هوش مصنوعی سازمانی همچنان در آنچه مراحل اولیه می‌نامد باقی مانده است. این ارزیابی در کنار اظهارنظر جداگانه مدیرعامل آمازون قرار می‌گیرد که هزینه‌های هوش مصنوعی را مانعی برای پذیرش گسترده‌تر می‌داند. پوشش همین موضوع توصیف می‌کند که ابرکاربران هوش مصنوعی محرک استفاده هستند، در حالی که پذیرش گسترده‌تر در سطح سازمان سخت‌تر پایدار می‌ماند.
برای مهندسی agent، شکاف میان پیام‌های فروشندگان و عمق واقعی استقرار مشاهده‌شده، سیگنال مفیدی است. حجم دمو و تعداد صندلی‌ها معیارهای ضعیفی برای سنجش میزان واقعی جای‌گرفتن یک سیستم در یک گردش کار هستند. بنابراین دامنه‌گذاری پایلوت باید از سطح عملیاتی‌ای آغاز شود که تیم می‌تواند پشتیبانی کند: agent به کدام تصمیم‌ها دست می‌زند، به چه ابزارها و دسترسی داده‌ای نیاز دارد، خروجی‌ها چگونه بررسی می‌شوند، و مسئولیت خطاها با کیست. هزینه به ازای هر وظیفه موفق، نه هزینه به ازای هر token، محدودیت صادقانه‌تری است وقتی استقرار از مرحله آزمایش فراتر می‌رود.
تمرکز استفاده در میان ابرکاربران ارزش طراحی‌شده دارد و نباید به‌عنوان یک ناهنجاری تلقی شود. گروه کوچکی از کاربران سنگین می‌توانند حالت‌های خطا و موارد ارزیابی را سریع آشکار کنند، اما تسلط آن‌ها اصطکاک ورود را برای جمعیت گسترده‌تر پنهان می‌کند. فرض کاری استودیو این است که پایلوت‌ها باید بر اساس گستردگی پذیرش و قابلیت اطمینان تحت بار معمول ارزیابی شوند، نه بر اساس اوج استفاده از سوی چند حامی معدود. آنچه از این پوشش روشن نیست این است که پذیرش چگونه سنجیده می‌شود، در چه بازه زمانی، و در کدام بخش‌های سازمانی.