Doğrudan cevap: Anthropic 17 Eylül 2026'da Ar-Ge Otomasyon Endeksi'ni (R&D Automation Index) yayımladı. Bu, öncü bir model laboratuvarındaki işin ne kadarının gerçekten yapay zekâ tarafından yapıldığına dair ilk ayrıntılı kamuya açık ölçüm. Ana sonuç şu: ağustos 2026 itibarıyla Claude, şirketin model araştırma ve geliştirme işlerinin %26'sına "liderlik ediyor"; aynı yılın şubatında bu oran %1'in altındaydı. Bu işin %90'ından fazlası "iş birliği yapar" düzeyinde veya üstünde gerçekleşiyor ve ölçülen hiçbir kategori tam özerkliğe ulaşmıyor. İşletmeniz için en önemli olan rakam değil. Arkasındaki yöntem, çünkü onu zaten sahip olduğunuz araçlarla kendi operasyonunuzda yeniden üretebilirsiniz.

Anthropic gerçekte ne yayımladı

"İşimizin ne kadarı otomatik" konusundaki konuşmaların çoğu izlenimlere dayanır. Bir yönetici ekibin işinin yarısının artık otomatik olduğunu söyler; aynı ekipteki bir geliştirici ise aracın yalnızca kalıp kod yazdığını söyler. Anthropic'in yaptığı, bu soruyu bir izlenim yerine sabit bir metodolojiye sahip, tekrarlanabilir bir ölçüme dönüştürmekti.

Fikir özünde basit: model Ar-Ge bölümlerinde gerçekten yapılan her iş türünü kataloglamak, her türü modelin ne kadar dahil olduğunu yakalayan bir ölçekte puanlamak, sonra bu puanları her türün ne kadar önemli olduğunu yansıtan bir ağırlıkla birleştirmek. Şirket endeksi nihai bir ölçüm değil bir prototip olarak tanımlıyor ve onu, öncü laboratuvarların bildikleri ile kamuoyunun bu teknolojinin ne kadar hızlı ilerlediğine dair bildikleri arasındaki farkı daraltmaya yönelik daha geniş bir çabanın parçası olarak sunuyor.

Altı basamaklı bir ölçek: AL0'dan AL5'e

Ölçek Epoch AI'dan geliyor, adı Otomasyon Düzeyi (Automation Level) ve sıfırdan beşe uzanıyor:

  • AL0: hiçbir yapay zekâ katılımı yok.
  • AL1 ve AL2: asgari katılım, ardından yardım: işi insan yapar, model küçük adımları önerir ya da hızlandırır.
  • AL3, "iş birliği yapar": model, yakın ve sürekli insan yönlendirmesi altında görevin büyük bölümlerini tamamlar.
  • AL4, "liderlik eder": model, üst düzey bir talimattan yola çıkarak görevin büyük kısmını baştan sona bitirir; insan gözetimi vardır.
  • AL5: döngüde insan olmadan tam özerklik; ölçülen hiçbir kategoride ulaşılmamış bir düzey.

Anthropic "%26" dediğinde, özellikle AL4'e ulaşan kategorileri kastediyor. Operasyonel açıdan önemli olan fark AL3 ile AL4 arasındaki farktır: birincisinde insan her adımın içinde kalır; ikincisinde insanın rolü hedefi belirlemeye ve çıktıyı gözden geçirmeye kayar.

Rapordaki en önemli rakam %26 değil

Metodolojinin içine gömülü, manşetten daha fazla ilgiyi hak eden bir rakam var. Modelin otomasyon puanı, işi yapan çalışanın verdiği puanla karşılaştırıldığında ikisi vakaların %59'unda tam olarak örtüştü ve %97'sinde en fazla bir düzey farkla kaldı. Bir çalışanın puanı, aynı iş için bir meslektaşının verdiği puanla karşılaştırıldığında ise yalnızca %35 oranında örtüştüler.

Açıkça söylemek gerekirse: insanlar kendi işlerinin ne kadar otomatik olduğu konusunda birbirleriyle, modelle olduğundan daha fazla anlaşmazlığa düşüyor. Bu, şirketinizde sonuçsuz biten toplantıları açıklıyor. Aynı ekipteki iki meslektaş kendi işlerinin tanımında anlaşamıyorsa, kolektif izlenime dayanan her yapay zekâ yatırım kararı yumuşak bir zemin üzerinde duruyor demektir. Çözüm daha fazla tartışma değil. Aynı şeye belirli aralıklarla yeniden uygulanan yazılı ve sabit bir ölçüdür.

Endeksin kendi versiyonunuzu bir haftada nasıl kurarsınız

Anthropic'in tarif ettiği metodoloji orta ölçekli bir şirkete göre küçültülebilir. Adımlar kısaca şöyle:

  • İş tanımını değil, gerçek işi kataloglayın: Anthropic, temmuz 2026 boyunca ilgili bölümlerdeki personelin rastgele %20'sini örnekledi ve iç yazışmalar ile dokümantasyondan yola çıkarak gerçek işlerini inceledi; sonuçta yaklaşık 15.000 ayrıntılı görev ortaya çıktı. Sizin için çok daha küçük bir örnek, yani bir ya da iki ekibin gerçek bir çalışma haftası yeterlidir.
  • Görevleri bir ağaç yapısına yerleştirin: bu 15.000 görev, 542 düğümlü bir ağaçta gruplandı; bunların 378'i yaprak kategoriydi. Orta ölçekli bir şirket otuz ile elli yaprak kategoriyle işe yarar bir tabloya ulaşır.
  • Hisse göre değil, zamana göre ağırlıklandırın: her göreve ayrılan kişi-zamanı, o görevin öneminin göstergesi olarak kullandılar. Bu, gösterişli ama etkisi düşük görevlerin tabloya hâkim olmasını engeller.
  • Her kategoriyi AL0–AL5 ölçeğinde puanlayın: ve puanın gerekçesini tek satırla yazın ki daha sonra gözden geçirilebilsin.
  • Sepeti dondurun ve yeniden ölçün: asıl önemli nokta, kategori listesinin bir kez kurulduktan sonra dondurulmasıdır; böylece her yeni ölçüm yeni bir listeye değil aynı şeye göre yapılır. Dondurmazsanız otomasyondaki ilerlemeyi değil, listenizdeki değişiklikleri ölçersiniz.

Bu çalışmanın çıktısı övünülecek bir rakam değil. Yapay zekânın operasyonunuzda gerçekte nerede durduğunu gösteren bir harita: hangi kategoriler "iş birliği yapar" düzeyine ulaştı ve daha derin otomasyonu hak ediyor, hangileri çok saat tüketmesine rağmen hâlâ sıfırda; işte bunlar size en yakın fırsatlardır.

"Liderlik eder" düzeyi pratikte ne anlama geliyor

Şirketinizdeki bir iş kategorisi AL4'e ulaştığında yalnızca ekibin büyüklüğü değil, yönetimin biçimi de değişir. Yönlendirme üst düzeye çıkar ve gözden geçirme nihai çıktıya kayar; bu da çıktı kalitesinin iki şeye dayandığı anlamına gelir: yazılı talimatların açıklığı ve geri döndürülemez herhangi bir etkiden önceki bir gözden geçirme noktası. Bu etki bir müşteriye gönderilen bir şey, gerçek verilerde bir değişiklik ya da finansal bir taahhüt olabilir.

Müşteriler için kurduğumuz projelerde bu, güvenebileceğiniz otomasyon ile sizi endişelendiren otomasyon arasındaki farktır. Bir model tüm bir göreve liderlik edebilir, ancak onu çevreleyen sistem model yanıldığında ne olacağını belirler: hata gözden geçirilebilir bir kayıtta görünüp bir onay kapısında duruyor mu, yoksa doğrudan müşteriye mi gidiyor? AL3'ten AL4'e geçmek, modele duyulan güven meselesinden önce bir sistem tasarımı kararıdır.

Anthropic'in kendisinin belirttiği çekinceler

Adalet, şirketin kendi ölçümüne koyduğu sınırları belirtmeyi gerektirir: bağımsız hiçbir dış taraf onu doğrulamadı ve büyük ölçüde Claude'un kendisi kullanılarak hazırlandı; yani ölçülen model ölçüme katıldı ve bu, onun hatalarını değerlendirmeye taşıyabilir. Anthropic ileride üçüncü taraf değerlendiricileri dahil etmeyi planladığını söylüyor. Görev sepetinin temmuz 2026 başlangıç noktasında dondurulması, sonradan ortaya çıkan iş kategorilerinin hesaba girmediği anlamına da geliyor.

Bu yüzden rakamı olduğu gibi okuyun: öncü bir laboratuvarın içinden gelen güçlü bir yön sinyali, iş piyasası hakkında kesinleşmiş bir gerçek değil. Altı ayda %1'in altından %26'ya sıçrama, ondalıkların kesinliğinden bağımsız olarak dikkati hak ediyor.

Nereden başlamalı

Bir ekip ve bir haftayla başlayın. Ekibin gerçekte ne yaptığını kaydedin, otuz kategoriye ayırın, her birini ölçekte puanlayın, listeyi dondurun ve üç ay sonra yeniden ölçün. Sonunda çoğu şirketin bugün sahip olmadığı bir şeye sahip olacaksınız: tartışmak yerine karşılaştırabileceğiniz yazılı bir başlangıç noktası. Sıfır çıkan kategorileri çalışan sistemlere dönüştürmek isterseniz, Origami'de inşa ettiğimiz şey tam olarak budur.

Kaynaklar

  • Anthropic — öncü laboratuvarlarda yapay zekâ gelişiminin hızını ölçmek: anthropic.com
  • Epoch AI — endekste kullanılan otomasyon düzeyi ölçeği: epoch.ai