सीधा जवाब: 17 सितंबर 2026 को Anthropic ने अपना R&D ऑटोमेशन इंडेक्स (R&D Automation Index) प्रकाशित किया, जो इस बात का पहला विस्तृत सार्वजनिक माप है कि किसी फ्रंटियर मॉडल लैब के भीतर का कितना काम वास्तव में AI करता है। मुख्य नतीजा यह है कि अगस्त 2026 तक Claude कंपनी के मॉडल अनुसंधान और विकास के 26% काम का "नेतृत्व" करता है, जबकि उसी साल फ़रवरी में यह 1% से भी कम था; इस काम का 90% से ज़्यादा हिस्सा "सहयोग करता है" स्तर या उससे ऊपर होता है, और कोई भी मापी गई श्रेणी पूर्ण स्वायत्तता तक नहीं पहुँचती। आपके व्यवसाय के लिए सबसे अहम चीज़ यह आँकड़ा नहीं है। अहम है इसके पीछे की पद्धति, क्योंकि आप उसे अपने ही कामकाज में उन टूल्स से दोहरा सकते हैं जो आपके पास पहले से हैं।

Anthropic ने असल में क्या प्रकाशित किया

"हमारा कितना काम ऑटोमेटेड है" पर होने वाली ज़्यादातर बातचीत अंदाज़ों पर चलती है। एक मैनेजर कहता है कि टीम का आधा काम अब अपने-आप होता है; उसी टीम का एक डेवलपर कहता है कि टूल सिर्फ़ बॉयलरप्लेट कोड लिखता है। Anthropic ने इस सवाल को अंदाज़े की जगह एक तय पद्धति वाले, दोहराए जा सकने वाले माप में बदल दिया।

मूल विचार सरल है: मॉडल R&D विभागों में असल में होने वाले हर तरह के काम की सूची बनाना, हर तरह के काम को ऐसे स्केल पर रेट करना जो बताए कि मॉडल कितना शामिल है, फिर इन रेटिंग्स को ऐसे वेटेज के साथ जोड़ना जो दिखाए कि हर तरह का काम कितना मायने रखता है। कंपनी इस इंडेक्स को अंतिम माप नहीं बल्कि एक प्रोटोटाइप बताती है, और इसे उस व्यापक प्रयास का हिस्सा मानती है जिसका मकसद यह फ़ासला कम करना है कि यह तकनीक कितनी तेज़ी से आगे बढ़ रही है, इस बारे में फ्रंटियर लैब्स क्या जानती हैं और आम लोग क्या जानते हैं।

छह चरणों वाला स्केल: AL0 से AL5 तक

यह स्केल Epoch AI से लिया गया है, इसे ऑटोमेशन लेवल (Automation Level) कहते हैं, और यह शून्य से पाँच तक जाता है:

  • AL0: AI की कोई भागीदारी नहीं।
  • AL1 और AL2: न्यूनतम भागीदारी, फिर सहायता — काम इंसान करता है, जबकि मॉडल छोटे कदम सुझाता है या उन्हें तेज़ करता है।
  • AL3, "सहयोग करता है": मॉडल नज़दीकी और लगातार मानव मार्गदर्शन में काम के बड़े हिस्से पूरे करता है।
  • AL4, "नेतृत्व करता है": मॉडल एक उच्च-स्तरीय निर्देश से काम का ज़्यादातर हिस्सा शुरू से अंत तक पूरा करता है, मानव निगरानी के साथ।
  • AL5: बिना इंसानी भागीदारी के पूर्ण स्वायत्तता — एक ऐसा स्तर जो किसी भी मापी गई श्रेणी में हासिल नहीं हुआ।

जब Anthropic "26%" कहता है, तो उसका मतलब ख़ास तौर पर उन श्रेणियों से है जो AL4 तक पहुँचीं। कामकाज के लिहाज़ से असली मायने AL3 और AL4 के बीच के अंतर के हैं: पहले में इंसान हर कदम के भीतर रहता है; दूसरे में इंसान की भूमिका लक्ष्य तय करने और नतीजे की समीक्षा करने की ओर खिसक जाती है।

रिपोर्ट का सबसे अहम आँकड़ा 26% नहीं है

पद्धति के भीतर एक ऐसा आँकड़ा छिपा है जो हेडलाइन से ज़्यादा ध्यान का हक़दार है। जब मॉडल की ऑटोमेशन रेटिंग की तुलना वह काम करने वाले कर्मचारी की रेटिंग से की गई, तो दोनों 59% बार बिल्कुल मेल खाईं और 97% बार एक स्तर के भीतर रहीं। जब एक कर्मचारी की रेटिंग की तुलना उसी काम पर किसी सहकर्मी की रेटिंग से की गई, तो वे सिर्फ़ 35% बार मेल खाईं।

सीधे शब्दों में: अपने ही काम के कितना ऑटोमेटेड होने को लेकर इंसान आपस में, मॉडल की तुलना में ज़्यादा असहमत होते हैं। यही आपकी कंपनी की उन मीटिंग्स की वजह है जो बिना किसी नतीजे के ख़त्म हो जाती हैं। अगर एक ही टीम के दो सहकर्मी अपने ही काम के विवरण पर सहमत नहीं हो पाते, तो सामूहिक अंदाज़े पर टिका AI निवेश का कोई भी फ़ैसला कमज़ोर ज़मीन पर खड़ा है। इसका हल ज़्यादा बहस नहीं है। हल है एक लिखित, तय माप, जिसे अंतराल पर उसी चीज़ पर दोबारा लागू किया जाए।

इंडेक्स का अपना संस्करण एक हफ़्ते में कैसे बनाएँ

Anthropic ने जो पद्धति बताई है, उसे एक मध्यम आकार की कंपनी के पैमाने पर छोटा किया जा सकता है। चरण संक्षेप में:

  • जॉब डिस्क्रिप्शन नहीं, असली काम की सूची बनाएँ: Anthropic ने जुलाई 2026 के दौरान संबंधित विभागों के 20% कर्मचारियों का रैंडम सैंपल लिया और आंतरिक बातचीत और दस्तावेज़ों से उनके असली काम की समीक्षा की, जिससे लगभग 15,000 बारीक काम निकले। आपके लिए इससे कहीं छोटा सैंपल काफ़ी है: एक या दो टीमों का एक असली कामकाजी हफ़्ता।
  • कामों को एक ट्री में व्यवस्थित करें: उन 15,000 कामों को 542 नोड्स वाले एक ट्री में समूहित किया गया, जिनमें से 378 लीफ़ श्रेणियाँ थीं। एक मध्यम आकार की कंपनी तीस से पचास लीफ़ श्रेणियों से एक उपयोगी तस्वीर तक पहुँच जाती है।
  • एहसास से नहीं, समय से वेटेज दें: उन्होंने हर काम पर लगे कर्मचारी-समय को उसके महत्व के संकेतक के रूप में इस्तेमाल किया। इससे दिखावटी पर कम असर वाले काम तस्वीर पर हावी नहीं होते।
  • हर श्रेणी को AL0–AL5 स्केल पर रेट करें: और रेटिंग की वजह एक पंक्ति में लिखें ताकि बाद में उसकी समीक्षा हो सके।
  • बास्केट को फ़्रीज़ करें और दोबारा मापें: असली बात यह है कि श्रेणियों की सूची एक बार बनने के बाद फ़्रीज़ कर दी जाती है, ताकि हर नया माप किसी नई सूची पर नहीं, बल्कि उसी चीज़ पर हो। फ़्रीज़ किए बिना आप ऑटोमेशन में प्रगति नहीं, बल्कि अपनी सूची में बदलाव माप रहे होते हैं।

इस अभ्यास का नतीजा शेखी बघारने वाला कोई आँकड़ा नहीं है। यह एक नक्शा है जो बताता है कि आपके कामकाज में AI असल में कहाँ खड़ा है: कौन-सी श्रेणियाँ "सहयोग करता है" तक पहुँच चुकी हैं और गहरे ऑटोमेशन की हक़दार हैं, और कौन-सी बहुत घंटे खाने के बावजूद अब भी शून्य पर हैं — और यही आपके सबसे नज़दीकी मौके हैं।

"नेतृत्व करता है" स्तर का व्यवहार में क्या मतलब है

जब आपकी कंपनी में काम की कोई श्रेणी AL4 तक पहुँचती है, तो सिर्फ़ टीम का आकार नहीं, प्रबंधन का स्वरूप बदल जाता है। मार्गदर्शन उच्च-स्तरीय हो जाता है और समीक्षा अंतिम नतीजे पर चली जाती है, यानी नतीजे की गुणवत्ता दो चीज़ों पर टिकती है: लिखित निर्देशों की स्पष्टता, और किसी भी अपरिवर्तनीय असर से पहले एक समीक्षा बिंदु — चाहे वह ग्राहक को भेजी गई कोई चीज़ हो, असली डेटा में बदलाव हो या कोई वित्तीय प्रतिबद्धता।

हम ग्राहकों के लिए जो प्रोजेक्ट बनाते हैं, उनमें यही उस ऑटोमेशन के बीच का फ़र्क़ है जिस पर आप भरोसा करते हैं और उस ऑटोमेशन के बीच जो आपको चिंतित करता है। मॉडल पूरे काम का नेतृत्व कर सकता है, लेकिन उसके आसपास का सिस्टम तय करता है कि उसके ग़लत होने पर क्या होगा: क्या गलती समीक्षा योग्य लॉग में दिखती है और किसी अनुमोदन गेट पर रुकती है, या सीधे ग्राहक तक पहुँच जाती है? AL3 से AL4 पर जाना, मॉडल पर भरोसे का सवाल होने से पहले, सिस्टम डिज़ाइन का फ़ैसला है।

Anthropic ने खुद जो सावधानियाँ बताईं

निष्पक्षता के लिए उन सीमाओं का ज़िक्र ज़रूरी है जो कंपनी ने अपने ही माप पर बताई हैं: किसी स्वतंत्र बाहरी पक्ष ने इसकी पुष्टि नहीं की है, और इसे काफ़ी हद तक खुद Claude की मदद से तैयार किया गया है, यानी जिस मॉडल को मापा जा रहा था वह माप में शामिल था — जिससे उसकी गलतियाँ आकलन में आ सकती हैं। Anthropic का कहना है कि वह आगे चलकर तीसरे पक्ष के मूल्यांकनकर्ताओं को लाना चाहता है। कामों की बास्केट को जुलाई 2026 की बेसलाइन पर फ़्रीज़ करने का मतलब यह भी है कि बाद में उभरी काम की श्रेणियाँ गणना में शामिल नहीं होतीं।

इसलिए इस आँकड़े को वैसा ही पढ़ें जैसा यह है: एक फ्रंटियर लैब के भीतर से आया दिशा का मज़बूत संकेत, श्रम बाज़ार के बारे में कोई तय तथ्य नहीं। छह महीनों में 1% से कम से 26% तक की छलांग ध्यान देने लायक है, दशमलव कितने भी सटीक हों।

कहाँ से शुरू करें

एक टीम और एक हफ़्ते से शुरू करें। टीम ने असल में क्या किया उसे दर्ज करें, उसे तीस श्रेणियों में बाँटें, हर श्रेणी को स्केल पर रेट करें, सूची फ़्रीज़ करें, और तीन महीने बाद दोबारा मापें। अंत में आपके पास वह चीज़ होगी जो आज ज़्यादातर कंपनियों के पास नहीं है: बहस की जगह तुलना करने के लिए एक लिखित बेसलाइन। और अगर आप शून्य पर आई श्रेणियों को चलने वाले सिस्टम में बदलना चाहते हैं, तो Origami में हम ठीक यही बनाते हैं।

स्रोत

  • Anthropic — फ्रंटियर लैब्स के भीतर AI विकास की रफ़्तार का मापन: anthropic.com
  • Epoch AI — इंडेक्स में इस्तेमाल किया गया ऑटोमेशन लेवल स्केल: epoch.ai