Anthropic menerbitkan gambaran pertama mengenai jalur pengembangannya minggu ini, mengungkapkan bahwa model Claude-nya kini "memimpin" 26% penelitian dan pengembangan AI di perusahaan tersebut — naik dari di bawah 1% pada Februari 2026. Angka tersebut muncul dalam postingan blog perusahaan berjudul "Pengukuran untuk memahami laju pengembangan AI di dalam laboratorium perbatasan," yang diterbitkan oleh Anthropic pada tanggal 17 September dan dilaporkan oleh Reuters, The Washington Post, dan outlet lainnya.
Postingan ini sebagian merupakan upaya transparansi dan sebagian lagi merupakan argumen: Anthropic ingin laboratorium lain di wilayah terdepan mempublikasikan angka yang sama, sehingga masyarakat dan pemerintah dapat melacak seberapa cepat AI diberikan kunci untuk membangun AI. For more context on this story, see our ongoing AI industry coverage.
Tiga Angka untuk Melacak Perkembangan AI
Perusahaan tersebut mengusulkan tiga pengukuran yang dikatakan dapat menjelaskan laju pengembangan di dalam laboratorium terdepan: seberapa banyak penelitian dan pengembangan AI dilakukan oleh AI itu sendiri, seberapa baik tindakan agen AI diawasi, dan bagaimana komputasi dialokasikan antara kerja kemampuan dan kerja keselamatan.
Nomor utama berasal dari apa yang Anthropic sebut sebagai Indeks Otomasi Penelitian dan Pengembangan (R&D Automation Index). Perusahaan ini membuat katalog setiap jenis pekerjaan Penelitian dan Pengembangan AI yang dilakukan di perusahaan, menilai seberapa otomatis setiap tugas saat ini, dan mengumpulkan hasilnya menggunakan skala yang dikembangkan oleh kelompok riset Epoch AI. Skalanya mulai dari AL0 (tidak ada keterlibatan AI) hingga AL5 (AI beroperasi sepenuhnya secara mandiri, tanpa ada manusia yang terlibat), dengan AL3 yang berarti AI "berkolaborasi" dalam sejumlah besar pekerjaan di bawah arahan manusia dan AL4 berarti AI "memimpin", menyelesaikan sebagian besar tugas secara end-to-end dari perintah tingkat tinggi sementara manusia mengawasi.
Pada Agustus 2026, Anthropic melaporkan, Claude memimpin 26% pekerjaan penelitian dan pengembangan AI di perusahaan tersebut. Porsi pekerjaan pada atau di atas tingkat "kolaborasi AI" berada di atas 90%. Claude tidak beroperasi sepenuhnya secara mandiri untuk setiap bagian penelitian dan pengembangan AI yang terukur.
30.000 Agen, Satu Monitor
Pengukuran yang kedua menyangkut pengawasan. Anthropic mengungkapkan bahwa pada Agustus 2026 terdapat sekitar 30.000 agen yang melakukan pekerjaan penelitian dan rekayasa di perusahaan pada platform internal yang paling sering digunakan.
Setiap tindakan yang dilakukan agen-agen tersebut melewati monitor online sebelum dieksekusi, biasanya dalam hitungan detik, menurut postingan tersebut. Anthropic mengatakan mereka menganalisis lebih dari satu miliar keputusan dari agen penelitian dan tekniknya selama bulan Agustus dan menemukan bahwa porsi aktivitas yang diblokir atau ditingkatkan oleh pemantau adalah 0,002%.
Mengenai alokasi komputasi, pengukuran ketiga, perusahaan mengatakan bahwa selama minggu pemeriksaan, sekitar 6% komputasi yang digunakan untuk Penelitian dan Pengembangan AI dialokasikan untuk keselamatan.
Membangun Penerusnya Sendiri — Dengan Pengawasan Manusia
Pembingkaiannya sama pentingnya dengan angkanya. Model Anthropic semakin berpartisipasi dalam membangun generasi berikutnya dari model yang sama – yang oleh para peneliti disebut sebagai perbaikan diri secara rekursif, dan apa yang digambarkan secara lebih blak-blakan oleh judul The Washington Post sebagai chatbot yang “mengambil alih pekerjaan membangun penerusnya sendiri.”
Anthropic berhati-hati dalam menarik garis antara "pemimpin AI" dan "pengganti AI". Di AL4, manusia masih mengawasi dan bisa melakukan intervensi; perusahaan secara eksplisit melaporkan bahwa tidak ada bagian terukur dari pekerjaan penelitian dan pengembangan yang dijalankan di AL5. Namun trennya cukup curam: kenaikan dari angka di bawah 1% menjadi 26% dalam waktu sekitar tujuh bulan menunjukkan bahwa jumlah pekerjaan yang didorong oleh AI akan melampaui setengahnya sebelum akhir dekade ini jika tren yang ada saat ini terus berlanjut.
Metodologi ini memiliki batasan nyata, dan Anthropic mengatakan demikian. Peringkat otomatisasinya dihasilkan dengan mengambil sampel catatan kerja perusahaan — termasuk pesan Slack dan dokumentasi internal — dan meminta manusia serta model juri untuk menilai seberapa otomatis setiap tugas. Dalam tes buta, staf menilai tugas tanpa mengetahui bukti apa yang telah dikumpulkan oleh model tersebut. Perusahaan tersebut melaporkan bahwa penilai modelnya sepakat dengan manusia sama seringnya dengan manusia yang sepakat satu sama lain: kesepakatan model-ke-manusia yang tepat adalah 59%, sedangkan kesepakatan antarmanusia hanya 35%, dan peringkat model serta manusia berada pada level yang sama satu sama lain sebanyak 97%.
Perusahaan juga mengakui risiko referensi mandiri dalam metodologinya: Anthropic menggunakan modelnya sendiri untuk membantu mengevaluasi sistemnya, yang berarti model penilai membuat kesalahan yang sama seperti model yang diperiksa. Verifikasi pihak ketiga, menurutnya, adalah jawaban sebenarnya.
Mata Luar Datang
Untuk mencapai tujuan tersebut, Anthropic mengatakan pihaknya berencana untuk memasukkan evaluator pihak ketiga yang independen dari berbagai organisasi ke dalam perusahaan, memberi mereka akses ke proses, sistem, dan data internal yang sebanding dengan apa yang dimiliki tim penilai risiko internal. METR, organisasi nirlaba penelitian AI eksternal, sebelumnya telah bekerja sama dengan platform pemantauan offline Anthropic.
Pengungkapan ini terjadi di tengah meningkatnya perdebatan tentang mondar-mandir. CEO Anthropic Dario Amodei telah menyerukan koordinasi untuk memperlambat frontier, dan perusahaan mencatat bahwa jumlahnya diperkirakan akan berubah jika koordinasi semacam itu ada. Minggu ini, Anthropic dan OpenAI juga menjadi subyek surat publik dari para ahli keselamatan yang menyatakan bahwa laboratorium memerlukan evaluator keselamatan yang benar-benar independen.
Apakah saingannya mengikuti jejak Anthropic adalah pertanyaan terbuka. Perusahaan berpendapat bahwa pengembang terdepan mana pun dapat mempublikasikan langkah-langkah ini secara teratur menggunakan metodologi publik. Sampai mereka berhasil melakukannya, satu-satunya informasi publik mengenai seberapa cepat AI membangun AI berasal dari laboratorium itu sendiri.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
