Jawaban langsungnya: pada 17 September 2026 Anthropic menerbitkan Indeks Otomatisasi R&D (R&D Automation Index), pengukuran publik terperinci pertama tentang seberapa banyak pekerjaan di dalam laboratorium model frontier yang benar-benar dikerjakan oleh AI. Hasil utamanya: per Agustus 2026, Claude "memimpin" 26% pekerjaan riset dan pengembangan model di perusahaan itu, naik dari di bawah 1% pada Februari tahun yang sama; lebih dari 90% pekerjaan tersebut berlangsung pada tingkat "berkolaborasi" atau lebih tinggi, dan tidak ada kategori terukur yang mencapai otonomi penuh. Yang paling penting bagi bisnis Anda bukanlah angkanya. Yang penting adalah metode di baliknya, karena Anda bisa mereproduksinya di operasi Anda sendiri dengan perangkat yang sudah Anda miliki.

Apa yang sebenarnya diterbitkan Anthropic

Sebagian besar perbincangan tentang "seberapa banyak pekerjaan kami yang sudah otomatis" berjalan berdasarkan kesan. Seorang manajer mengatakan separuh pekerjaan tim kini berjalan otomatis; seorang pengembang di tim yang sama mengatakan alat itu hanya menulis kode boilerplate. Yang dilakukan Anthropic adalah mengubah pertanyaan itu menjadi pengukuran yang dapat diulang dengan metodologi tetap, bukan kesan.

Gagasan intinya sederhana: mendata setiap jenis pekerjaan yang benar-benar dilakukan di departemen R&D model, menilai setiap jenis pada skala yang menangkap seberapa besar keterlibatan model, lalu menggabungkan penilaian tersebut dengan bobot yang mencerminkan seberapa penting setiap jenis. Perusahaan menggambarkan indeks ini sebagai prototipe, bukan pengukuran final, dan menempatkannya sebagai bagian dari upaya lebih luas untuk mempersempit kesenjangan antara apa yang diketahui laboratorium frontier dan apa yang diketahui publik tentang seberapa cepat teknologi ini bergerak.

Skala enam tingkat: AL0 hingga AL5

Skala ini berasal dari Epoch AI dan disebut Tingkat Otomatisasi (Automation Level), mulai dari nol hingga lima:

  • AL0: sama sekali tidak ada keterlibatan AI.
  • AL1 dan AL2: keterlibatan minimal, lalu bantuan — manusia mengerjakan tugasnya sementara model menyarankan atau mempercepat langkah-langkah kecil.
  • AL3, "berkolaborasi": model menyelesaikan bagian besar tugas di bawah arahan manusia yang dekat dan terus-menerus.
  • AL4, "memimpin": model menuntaskan sebagian besar tugas dari awal hingga akhir berdasarkan instruksi tingkat tinggi, dengan pengawasan manusia.
  • AL5: otonomi penuh tanpa manusia dalam prosesnya — tingkat yang tidak tercapai di kategori terukur mana pun.

Ketika Anthropic menyebut "26%", yang dimaksud secara khusus adalah kategori yang mencapai AL4. Jarak antara AL3 dan AL4 adalah yang penting secara operasional: pada yang pertama, manusia tetap berada di dalam setiap langkah; pada yang kedua, peran manusia bergeser menjadi menetapkan tujuan dan meninjau hasil.

Angka terpenting dalam laporan ini bukan 26%

Tersembunyi di dalam metodologi ada satu angka yang layak mendapat perhatian lebih dari judulnya. Ketika penilaian otomatisasi dari model dibandingkan dengan penilaian karyawan yang mengerjakan tugas itu, keduanya cocok persis pada 59% kasus dan berselisih paling banyak satu tingkat pada 97% kasus. Ketika penilaian seorang karyawan dibandingkan dengan penilaian rekan kerjanya atas pekerjaan yang sama, keduanya hanya cocok pada 35% kasus.

Singkatnya: manusia lebih sering berbeda pendapat satu sama lain tentang seberapa otomatis pekerjaan mereka sendiri dibanding dengan model. Inilah yang menjelaskan rapat-rapat di perusahaan Anda yang berakhir tanpa kesimpulan. Jika dua rekan di tim yang sama tidak bisa sepakat tentang gambaran pekerjaan mereka sendiri, maka setiap keputusan investasi AI yang dibangun di atas kesan kolektif berdiri di atas tanah yang rapuh. Solusinya bukan diskusi yang lebih banyak. Solusinya adalah ukuran tertulis yang tetap, yang diterapkan ulang pada hal yang sama secara berkala.

Cara membangun versi indeks Anda sendiri dalam seminggu

Metodologi yang dijelaskan Anthropic dapat diperkecil untuk perusahaan berskala menengah. Langkah-langkahnya secara singkat:

  • Data pekerjaan nyata, bukan deskripsi jabatan: Anthropic mengambil sampel acak 20% staf di departemen terkait selama Juli 2026 dan meninjau pekerjaan nyata mereka dari percakapan internal dan dokumentasi, sehingga menghasilkan sekitar 15.000 tugas terperinci. Bagi Anda, sampel yang jauh lebih kecil sudah cukup: satu minggu kerja nyata dari satu atau dua tim.
  • Susun tugas-tugas ke dalam sebuah pohon: 15.000 tugas tersebut dikelompokkan ke dalam pohon dengan 542 simpul, 378 di antaranya kategori daun. Perusahaan menengah sudah mendapat gambaran yang berguna dengan tiga puluh hingga lima puluh kategori daun.
  • Beri bobot berdasarkan waktu, bukan perasaan: mereka menggunakan waktu orang yang dicurahkan untuk setiap tugas sebagai proksi kepentingannya. Hal ini mencegah tugas yang mencolok tetapi berdampak kecil mendominasi gambaran.
  • Nilai setiap kategori pada skala AL0–AL5: dan tulis satu baris alasan penilaian agar dapat ditinjau kemudian.
  • Bekukan keranjangnya dan ukur ulang: hal pokoknya adalah daftar kategori dibekukan setelah disusun, sehingga setiap pengukuran ulang dilakukan terhadap hal yang sama, bukan daftar baru. Tanpa pembekuan, Anda mengukur perubahan pada daftar Anda, bukan kemajuan otomatisasi.

Hasil latihan ini bukan angka untuk dibanggakan. Hasilnya adalah peta yang memberi tahu di mana posisi AI sebenarnya dalam operasi Anda: kategori mana yang sudah mencapai "berkolaborasi" dan layak diotomatisasi lebih dalam, dan mana yang masih di nol meski menghabiskan banyak jam — dan itulah peluang terdekat Anda.

Arti tingkat "memimpin" dalam praktik

Ketika satu kategori pekerjaan di perusahaan Anda mencapai AL4, yang berubah adalah bentuk manajemennya, bukan hanya ukuran timnya. Arahan menjadi tingkat tinggi dan peninjauan berpindah ke hasil akhir, yang berarti kualitas hasil bergantung pada dua hal: kejelasan instruksi tertulis, dan titik tinjau sebelum dampak apa pun yang tidak dapat dibatalkan — sesuatu yang dikirim ke pelanggan, perubahan pada data nyata, atau komitmen finansial.

Dalam proyek yang kami bangun untuk klien, inilah perbedaan antara otomatisasi yang bisa Anda andalkan dan otomatisasi yang membuat Anda khawatir. Model bisa memimpin seluruh tugas, tetapi sistem di sekitarnya yang menentukan apa yang terjadi ketika model keliru: apakah kesalahan muncul di log yang dapat ditinjau dan berhenti di gerbang persetujuan, atau langsung sampai ke pelanggan? Beralih dari AL3 ke AL4 adalah keputusan desain sistem sebelum menjadi soal kepercayaan pada model.

Catatan yang disampaikan Anthropic sendiri

Demi keadilan, perlu dicatat batasan yang ditetapkan perusahaan terhadap pengukurannya sendiri: tidak ada pihak eksternal independen yang memverifikasinya, dan sebagian besar disusun menggunakan Claude sendiri, artinya model yang diukur ikut serta dalam pengukuran — yang dapat membawa kesalahannya ke dalam penilaian. Anthropic mengatakan berencana mendatangkan evaluator pihak ketiga di kemudian hari. Membekukan keranjang tugas pada garis dasar Juli 2026 juga berarti kategori pekerjaan yang muncul setelahnya tidak masuk dalam perhitungan.

Jadi bacalah angka itu apa adanya: sinyal arah yang kuat dari dalam laboratorium frontier, bukan fakta pasti tentang pasar tenaga kerja. Lonjakan dari di bawah 1% menjadi 26% dalam enam bulan layak diperhatikan, berapa pun ketepatan angka desimalnya.

Mulai dari mana

Mulailah dengan satu tim dan satu minggu. Catat apa yang benar-benar dikerjakan tim, kelompokkan ke dalam tiga puluh kategori, nilai masing-masing pada skala, bekukan daftarnya, dan ukur ulang tiga bulan kemudian. Pada akhirnya Anda akan memiliki sesuatu yang tidak dimiliki sebagian besar perusahaan saat ini: garis dasar tertulis untuk dibandingkan, bukan diperdebatkan. Dan jika Anda ingin mengubah kategori yang bernilai nol menjadi sistem yang berjalan, itulah tepatnya yang kami bangun di Origami.

Sumber

  • Anthropic — mengukur laju perkembangan AI di dalam laboratorium frontier: anthropic.com
  • Epoch AI — skala tingkat otomatisasi yang digunakan dalam indeks: epoch.ai