Jawapan ringkasnya: pada 17 September 2026 Anthropic menerbitkan Indeks Automasi R&D (R&D Automation Index), pengukuran awam terperinci yang pertama tentang berapa banyak kerja di dalam makmal model terkehadapan yang sebenarnya dilakukan oleh AI. Dapatan utamanya ialah setakat Ogos 2026, Claude "menerajui" 26% kerja penyelidikan dan pembangunan model syarikat itu, meningkat daripada kurang 1% pada Februari tahun yang sama; lebih 90% daripada kerja tersebut berlaku pada tahap "bekerjasama" atau lebih tinggi, dan tiada kategori yang diukur mencapai autonomi penuh. Perkara paling penting untuk perniagaan anda bukanlah angka itu. Yang penting ialah kaedah di sebaliknya, kerana anda boleh menghasilkannya semula dalam operasi anda sendiri dengan alat yang sudah anda miliki.

Apa yang sebenarnya diterbitkan oleh Anthropic

Kebanyakan perbualan tentang "berapa banyak kerja kita yang sudah diautomasikan" bergantung pada tanggapan. Seorang pengurus berkata separuh kerja pasukan kini berjalan secara automatik; seorang pembangun dalam pasukan yang sama berkata alat itu hanya menulis kod boilerplate. Apa yang dilakukan Anthropic ialah menukar soalan itu menjadi pengukuran yang boleh diulang dengan metodologi tetap, bukannya tanggapan.

Idea terasnya mudah: menyenaraikan setiap jenis kerja yang sebenarnya dilakukan di jabatan R&D model, menilai setiap jenis pada skala yang menunjukkan sejauh mana model terlibat, kemudian menggabungkan penilaian itu dengan wajaran yang mencerminkan kepentingan setiap jenis. Syarikat itu menyifatkan indeks ini sebagai prototaip, bukan pengukuran muktamad, dan meletakkannya sebagai sebahagian daripada usaha lebih luas untuk merapatkan jurang antara apa yang diketahui makmal terkehadapan dengan apa yang diketahui orang ramai tentang kepantasan teknologi ini bergerak.

Skala enam peringkat: AL0 hingga AL5

Skala ini datang daripada Epoch AI dan dipanggil Tahap Automasi (Automation Level), bermula dari sifar hingga lima:

  • AL0: langsung tiada penglibatan AI.
  • AL1 dan AL2: penglibatan minimum, kemudian bantuan — manusia melakukan kerja manakala model mencadangkan atau mempercepat langkah-langkah kecil.
  • AL3, "bekerjasama": model menyiapkan bahagian besar tugas di bawah arahan manusia yang rapat dan berterusan.
  • AL4, "menerajui": model menyiapkan sebahagian besar tugas dari awal hingga akhir berdasarkan arahan peringkat tinggi, dengan pengawasan manusia.
  • AL5: autonomi penuh tanpa manusia dalam gelung — tahap yang tidak dicapai dalam mana-mana kategori yang diukur.

Apabila Anthropic menyebut "26%", ia merujuk secara khusus kepada kategori yang mencapai AL4. Jurang antara AL3 dan AL4 ialah yang penting dari segi operasi: dalam yang pertama, manusia kekal di dalam setiap langkah; dalam yang kedua, peranan manusia beralih kepada menetapkan matlamat dan menyemak hasil.

Angka paling penting dalam laporan ini bukan 26%

Tersembunyi dalam metodologi ialah satu angka yang wajar mendapat lebih perhatian daripada tajuk utama. Apabila penilaian automasi oleh model dibandingkan dengan penilaian pekerja yang melakukan kerja itu, kedua-duanya sepadan tepat sebanyak 59% daripada masa dan berbeza tidak lebih daripada satu tahap sebanyak 97% daripada masa. Apabila penilaian seorang pekerja dibandingkan dengan penilaian rakan sekerjanya terhadap kerja yang sama, kedua-duanya hanya sepadan sebanyak 35% daripada masa.

Secara mudah: manusia lebih banyak tidak bersetuju sesama sendiri tentang sejauh mana kerja mereka sendiri diautomasikan berbanding dengan model. Itulah yang menjelaskan mesyuarat di syarikat anda yang berakhir tanpa kesimpulan. Jika dua rakan sekerja dalam pasukan yang sama tidak dapat bersetuju tentang gambaran kerja mereka sendiri, maka sebarang keputusan pelaburan AI yang dibina atas tanggapan kolektif berdiri di atas tanah yang lembut. Penyelesaiannya bukan lebih banyak perbincangan. Penyelesaiannya ialah ukuran bertulis yang tetap, digunakan semula pada perkara yang sama secara berkala.

Cara membina versi indeks anda sendiri dalam seminggu

Metodologi yang diterangkan oleh Anthropic boleh dikecilkan untuk syarikat bersaiz sederhana. Langkah-langkahnya secara ringkas:

  • Senaraikan kerja sebenar, bukan huraian jawatan: Anthropic mengambil sampel rawak 20% kakitangan di jabatan berkaitan sepanjang Julai 2026 dan menyemak kerja sebenar mereka daripada perbualan dalaman dan dokumentasi, menghasilkan kira-kira 15,000 tugas terperinci. Bagi anda, sampel yang jauh lebih kecil sudah memadai: satu minggu kerja sebenar daripada satu atau dua pasukan.
  • Susun tugas ke dalam sebuah pokok: 15,000 tugas itu dikumpulkan ke dalam pokok dengan 542 nod, 378 daripadanya kategori daun. Syarikat bersaiz sederhana mendapat gambaran yang berguna dengan tiga puluh hingga lima puluh kategori daun.
  • Beri wajaran mengikut masa, bukan perasaan: mereka menggunakan masa kakitangan yang diluangkan untuk setiap tugas sebagai proksi kepentingannya. Ini menghalang tugas yang menonjol tetapi berimpak rendah daripada menguasai gambaran.
  • Nilaikan setiap kategori pada skala AL0–AL5: dan tulis satu baris sebab penilaian supaya ia boleh disemak kemudian.
  • Bekukan bakul dan ukur semula: perkara utamanya ialah senarai kategori dibekukan sebaik sahaja dibina, supaya setiap pengukuran semula dibuat terhadap perkara yang sama dan bukan senarai baharu. Tanpa pembekuan, anda mengukur perubahan pada senarai anda, bukan kemajuan automasi.

Hasil latihan ini bukan angka untuk dibanggakan. Ia ialah peta yang memberitahu anda di mana sebenarnya kedudukan AI dalam operasi anda: kategori mana yang telah mencapai "bekerjasama" dan wajar diautomasikan dengan lebih mendalam, dan mana yang masih sifar walaupun menggunakan banyak jam — dan itulah peluang terdekat anda.

Maksud tahap "menerajui" dalam amalan

Apabila sesuatu kategori kerja di syarikat anda mencapai AL4, bentuk pengurusan berubah, bukan sekadar saiz pasukan. Arahan menjadi peringkat tinggi dan semakan beralih kepada hasil akhir, yang bermakna kualiti hasil bergantung pada dua perkara: kejelasan arahan bertulis, dan titik semakan sebelum sebarang kesan yang tidak boleh diundur — sesuatu yang dihantar kepada pelanggan, perubahan pada data sebenar, atau komitmen kewangan.

Dalam projek yang kami bina untuk pelanggan, inilah perbezaan antara automasi yang boleh anda harapkan dan automasi yang membimbangkan anda. Model boleh menerajui keseluruhan tugas, tetapi sistem di sekelilingnya menentukan apa yang berlaku apabila ia tersilap: adakah ralat muncul dalam log yang boleh disemak dan berhenti di pintu kelulusan, atau terus sampai kepada pelanggan? Beralih daripada AL3 kepada AL4 ialah keputusan reka bentuk sistem sebelum ia menjadi soal kepercayaan terhadap model.

Kaveat yang dinyatakan sendiri oleh Anthropic

Keadilan menuntut kita menyebut had yang diletakkan oleh syarikat itu pada pengukurannya sendiri: tiada pihak luar yang bebas telah mengesahkannya, dan sebahagian besarnya dihasilkan menggunakan Claude sendiri, bermakna model yang diukur turut serta dalam pengukuran — yang boleh membawa ralatnya ke dalam penilaian. Anthropic berkata ia berhasrat membawa masuk penilai pihak ketiga kemudian. Membekukan bakul tugas pada garis dasar Julai 2026 juga bermakna kategori kerja yang muncul selepas itu tidak dimasukkan dalam pengiraan.

Oleh itu, bacalah angka itu sebagaimana adanya: isyarat hala tuju yang kuat dari dalam makmal terkehadapan, bukan fakta muktamad tentang pasaran buruh. Lonjakan daripada kurang 1% kepada 26% dalam enam bulan wajar diberi perhatian, tanpa mengira ketepatan titik perpuluhannya.

Di mana hendak bermula

Mulakan dengan satu pasukan dan satu minggu. Rekodkan apa yang sebenarnya dilakukan oleh pasukan, susun ke dalam tiga puluh kategori, nilaikan setiap satu pada skala, bekukan senarai, dan ukur semula dalam tempoh tiga bulan. Akhirnya anda akan memiliki sesuatu yang tidak dimiliki kebanyakan syarikat hari ini: garis dasar bertulis untuk dibandingkan, bukannya dipertikaikan. Dan jika anda mahu menukar kategori yang mendapat sifar kepada sistem yang berjalan, itulah tepatnya yang kami bina di Origami.

Sumber

  • Anthropic — mengukur kadar pembangunan AI di dalam makmal terkehadapan: anthropic.com
  • Epoch AI — skala tahap automasi yang digunakan dalam indeks: epoch.ai