Ing. Calogero Bono
Anthropic telah merilis pengukuran pertamanya tentang seberapa banyak riset AI-nya sudah dikerjakan oleh Claude. Pada saat yang sama, dalam versi revisi S-1/A yang diajukan ke SEC pada 2 November 2026, perusahaan menulis bahwa mereka mungkin segera memenuhi definisinya tentang kemajuan yang dipercepat oleh AI. Ini penting karena sebuah perusahaan besar menyatakan angka tentang proses internalnya sendiri dan mengakui bahwa di masa lalu mereka tidak menyadari percepatan besar saat hal itu sedang terjadi.
Beberapa istilah sebelum masuk ke fakta. RSI (recursive self-improvement) adalah peningkatan rekursif, model yang ikut menciptakan penerusnya sendiri. AI R&D adalah riset dan pengembangan AI. AL adalah skala otomatisasi dari Epoch AI, dari AL0 (tanpa intervensi AI) hingga AL5 (otonomi penuh). S-1 adalah dokumen yang diajukan ke SEC sebelum perusahaan go public di bursa saham. Compute adalah daya komputasi yang dipakai untuk melatih dan menjalankan model.
Apa yang diukur Anthropic tentang AI yang mengembangkan AI?
Dalam postingan resmi, perusahaan mengusulkan tiga alat ukur. Yang pertama mengukur seberapa banyak AI membangun versi berikutnya dari dirinya dibandingkan manusia. Yang kedua mengukur kemampuan mengawasi dan menghentikan tindakan agen AI pada sistem internal. Yang ketiga mengukur sumber daya yang mendukung pengembangan model yang lebih cakap.
Anthropic telah membangun prototipe bernama Anthropic R&D Automation Index. Indeks ini mengkatalogkan setiap jenis pekerjaan riset yang dilakukan di perusahaan, menilai seberapa otomatis setiap jenis pekerjaan itu, lalu menggabungkan skornya.
Seberapa banyak riset yang sudah dikerjakan Claude?
Menurut Anthropic, pada Agustus 2026 Claude tidak beroperasi secara otonom penuh pada subset mana pun dari pekerjaan riset yang diukur. Model ini "memimpin" 26% pekerjaan tersebut, artinya menyelesaikan sebagian besar tugas dari instruksi tingkat tinggi sementara manusia mengawasi. Porsi pekerjaan yang setidaknya berada pada tingkat "AI berkolaborasi" melampaui 90%.
Ini adalah data yang dinyatakan oleh perusahaan, belum diverifikasi pihak ketiga. Anthropic sendiri menunjukkan dua hambatan untuk perbandingan antarlaboratorium. Belum ada metodologi bersama, dan yang menilai adalah model milik sendiri, yang bisa saja membuat kesalahan seperti model yang diawasinya.
Bagaimana agen AI diawasi?
Pada Agustus 2026 terdapat sekitar 30.000 agen yang bekerja bersamaan pada riset dan rekayasa, di platform internal yang paling banyak dipakai. Pengukuran hanya mencakup platform tersebut. Anthropic mengusulkan tiga indikator.
- Cakupan, yaitu porsi tindakan yang melewati monitor sebelum atau sesudah dieksekusi.
- Latensi tinjauan, yaitu waktu antara tindakan dan pemeriksaan, mula-mula otomatis lalu oleh manusia.
- Tingkat eskalasi, yaitu porsi aktivitas yang diblokir, dialihkan, atau dilaporkan.
Perusahaan menyatakan bahwa agen individual jarang membuat kesalahan, tetapi dengan jutaan agen bahkan peristiwa langka menjadi sering terjadi. Bagi yang memakai agen dalam alur kerjanya, topik ini berdekatan dengan jailbreak dan prompt injection.
Apa kata S-1 tentang risiko RSI?
Seperti dilaporkan TechCrunch, dan dikutip oleh HDblog, dalam faktor risikonya Anthropic menulis bahwa di masa lalu mereka tidak mengidentifikasi akselerasi kuat hingga setelah itu terjadi. Mereka menambahkan bahwa estimasi internal mungkin membuat mereka "segera" memenuhi definisi kemajuan yang dipercepat secara dramatis oleh AI dalam Responsible Scaling Policy mereka.
Belum ada model saat ini yang disebut telah melewati ambang itu. Perusahaan menyatakan tidak berencana menggunakan Claude sepenuhnya otonom tanpa pengawasan manusia yang berarti, dan sedang mempertimbangkan perubahan kebijakan untuk menjaga kontrol manusia.
Batasan yang perlu diketahui
Angka otomatisasi berasal dari indeks prototipe, dihitung dengan model milik perusahaan dan tanpa verifikasi eksternal. Pengukuran agen hanya mencakup satu platform. Analisis penggunaan compute mencakup satu minggu, 13 hingga 20 Juli, dan sumber resmi yang kami miliki terputus sebelum menampilkan hasilnya, jadi kami tidak melaporkannya. Pengamat pihak ketiga yang ingin dilibatkan Anthropic masih harus dilihat hasilnya.
Apa dampaknya bagi pekerja digital
Bagi perusahaan atau pengembang, sinyalnya adalah AI sudah menulis sebagian besar kode dan analisis dari para pembuatnya sendiri. Sebaiknya jangan memperlakukan asisten sebagai alat yang tidak pernah salah dan selalu siapkan tinjauan manusia. Bagi yang mengintegrasikan model lewat API, bersiaplah menghadapi pembaruan cepat dan perilaku yang berubah antarversi. Regulasi Eropa, yang dijelaskan dalam panduan EU AI Act, juga bertumpu pada transparansi tentang model.
Pendapat kami
Mempublikasikan metrik tentang proses sendiri adalah langkah yang berguna, dan jarang dilakukan. Namun ini tetap penilaian diri sendiri, dan S-1 juga merupakan dokumen pemasaran, seperti yang diingatkan TechCrunch. Nilainya akan bergantung pada verifikasi independen, bukan pada persentasenya. Yang mengejutkan adalah pengakuan tentang kegagalan mendeteksi percepatan di masa lalu. Jika benar, masalahnya bukan hanya kecepatan, tetapi juga kemampuan untuk menyadarinya tepat waktu.
Pertanyaan yang sering diajukan
Apa itu RSI?
Itu adalah peningkatan rekursif otonom. Sebuah model ikut menciptakan versi yang lebih kuat dari dirinya sendiri, yang kemudian mempercepat generasi berikutnya. Menurut definisi Anthropic, kasus ekstremnya adalah model yang membangun penerusnya sepenuhnya secara otonom.
Apakah AI Anthropic sudah membangun dirinya sendiri?
Belum sepenuhnya. Anthropic menyatakan bahwa Claude tidak beroperasi secara otonom penuh pada subset mana pun yang diukur. Namun Claude memimpin 26% dari pekerjaan tersebut dan berkolaborasi pada lebih dari 90% pekerjaan riset.
Apakah Anthropic menyatakan RSI sudah dekat?
Anthropic menyatakan bahwa mereka mungkin segera memenuhi definisi kemajuan yang dipercepat oleh AI dalam kebijakan mereka sendiri. Belum ada model saat ini yang disebut telah melewati ambang itu, dan perusahaan masih mengevaluasi datanya.
Siapa yang memeriksa angka-angka ini?
Sejauh ini belum ada pihak eksternal. Anthropic berencana melibatkan evaluator independen dari beberapa organisasi, dengan akses ke proses dan data internal. Sebelumnya METR telah menguji pemantauan offline mereka.
Mengapa ada yang skeptis?
Karena S-1 berfungsi untuk sekaligus menginformasikan dan mempromosikan perusahaan. Menyatakan dekat dengan model yang membangun dirinya sendiri juga bisa berfungsi sebagai citra, seperti yang dicatat TechCrunch.
Verifikasi eksternal dan aturan kontrol manusia, sinyal yang perlu diikuti
Beberapa bulan ke depan akan menunjukkan apakah angka-angka ini menjadi standar atau tetap menjadi inisiatif tersendiri. Yang penting adalah verifikasi pihak ketiga dan perubahan kebijakan yang mungkin terjadi.
- Pantau apakah pengamat independen yang dijanjikan benar-benar datang dan data apa saja yang bisa mereka lihat.
- Ikuti pembaruan Responsible Scaling Policy tentang menjaga kontrol manusia.
- Periksa apakah laboratorium lain mempublikasikan pengukuran yang bisa dibandingkan dengan metrik yang sama.
