Anthropic mat agentautonomie — en pleitte tegen verplichte goedkeuringen

Op 18 februari 2026 publiceerde het Societal Impacts-team van Anthropic "Het meten van de autonomie van AI-agenten in de praktijk", een analyse van 998.481 tool-aanroepen via de publieke API en 500.000 interactieve Claude Code-sessies, en besloot met een aanbeveling gericht aan wetgevers: toezichtsregels zouden geen specifieke interactiepatronen moeten voorschrijven, waaronder de vereiste dat een mens elke actie van een agent goedkeurt. Het bericht is een onderzoeksrapport, geen formele indiening, maar het is in het incidentenarchief geregistreerd als beleidsregistratie — ernstinformatie, betrouwbaarheid A, geen geregistreerde schade, niet betwist — omdat een modelleverancier zijn eigen first-party telemetrie gebruikte om te betogen dat een veelvoorkomend regelgevingsontwerp 'frictie zal creëren zonder noodzakelijkerwijs veiligheidsvoordelen op te leveren.' De volledige registratie, met de primaire bron en classificatie, staat in het Orca AI Incident Archive, samen met de andere governance-vermeldingen in de reeks.

Het rapport telt twintig met naam genoemde bijdragers, onder wie Miles McCain, Thomas Millar, Saffron Huang, Alex Tamkin, Jack Clark en Deep Ganguli. Het baseert zich op Clio, Anthropics privacybeschermende analysetool, waaraan de post toeschrijft dat het bedrijf echt klantverkeer kon bestuderen zonder de onderliggende gesprekken te lezen. Die methodologie is de kern van het stuk: elk cijfer hieronder is een meting van wat mensen met agents deden, niet van wat een benchmark zegt dat agents kunnen.

Wat Anthropic heeft gemeten, en hoe

Anthropic definieert een agent als "een AI-systeem dat is uitgerust met tools waarmee het acties kan ondernemen" — code uitvoeren, externe API's aanroepen, berichten naar andere agents sturen. De definitie bepaalt de analyse-eenheid. In plaats van te proberen de agentarchitectuur van elke klant te reconstrueren, die het bedrijf naar eigen zeggen niet kan zien, telde het afzonderlijke tool-aanroepen en de context eromheen.

De twee databronnen wisselen breedte in voor diepte. Openbaar API-verkeer geeft Anthropic zicht op duizenden klanten, maar alleen op het niveau van geïsoleerde tool-aanroepen; het bedrijf zegt dat het "geen betrouwbare manier heeft om onafhankelijke verzoeken aan onze API te koppelen aan 'sessies' van agentische activiteit." Claude Code levert volledige sessies — wat een stop veroorzaakte, hoe lang Claude werkte, wanneer een mens ingreep — maar het is één enkel product dat overwegend voor software-engineering wordt gebruikt. Bevindingen over autonomie komen vooral uit Claude Code; bevindingen over risico en domein komen uit de API-steekproef.

Turnduur, de verstreken tijd tussen het moment waarop Claude begint te werken en stopt, is de proxy voor autonomie in het artikel. Anthropic is er expliciet over dat die proxy onvolmaakt is: snellere modellen en parallelle subagenten verkorten turns, ambitieuzere taken verlengen ze, en het gebruikersbestand verdubbelde ruwweg tussen januari en medio februari 2026, waardoor veranderde wie er in de steekproef zit.

De cijfers die het rapport officieel vastlegt

Dit zijn de cijfers die Anthropic publiceert, weergegeven zoals het rapport ze vermeldt.

• De 99,9e-percentiel Claude Code-beurt is bijna verdubbeld, van minder dan 25 minuten eind september 2025 tot meer dan 45 minuten begin januari 2026.

• De mediane beurt bleef rond 45 seconden, schommelend tussen 40 en 55 seconden, en bijna elk percentiel onder het 99e was stabiel.

• Binnen Anthropic verdubbelde het slagingspercentage van Claude Code bij de moeilijkste taken van interne gebruikers tussen augustus en december 2025, terwijl het gemiddelde aantal menselijke ingrepen per sessie daalde van 5,4 naar 3,3.

• Nieuwe gebruikers met minder dan 50 sessies gebruikten volledige automatische goedkeuring in ongeveer 20% van de sessies; bij 750 sessies was dat gestegen tot meer dan 40%.

• Onderbrekingen gingen de andere kant op: gebruikers met ongeveer 10 sessies onderbraken Claude in 5% van de beurten, ervaren gebruikers in ongeveer 9%.

Claude Code vroeg meer dan twee keer zo vaak om verduidelijking bij de meest complexe taken als bij taken met minimale complexiteit, en bij die moeilijkste taken stopte het meer dan twee keer zo vaak om te vragen als mensen het onderbraken.

• In het API-voorbeeld kwam 80% van de tool-aanroepen van agents die ten minste één waarborg leken te hebben, 73% leek een mens in het proces te hebben, en 0,8% leek onomkeerbaar, zoals het sturen van een e-mail naar een klant.

• Software-engineering was goed voor bijna 50% van de API-toolaanroepen; geen enkel ander domein kwam boven de paar procent uit.

De bevinding die Anthropic een implementatie-overhang noemt

De stijging in de staart is geleidelijk over modelreleases heen. "Als autonomie puur een functie van modelcapaciteit zou zijn, zouden we bij elke nieuwe lancering scherpe sprongen verwachten," betoogt het bericht, dus de gelijkmatigheid wijst erop dat vertrouwen met ervaring toeneemt, dat er moeilijkere taken worden geprobeerd en dat het product verbetert. De conclusie is dat bestaande modellen "tot meer autonomie in staat zijn dan ze in de praktijk benutten" — de kloof die het rapport een deployment overhang noemt.

Anthropic zet dat tegenover extern bekwaamheidstesten, onder verwijzing naar METR's schatting dat Claude Opus 4.5 met een slagingspercentage van 50% taken kan voltooien die een mens bijna vijf uur zouden kosten, terwijl zijn eigen 99,9e-percentiel Claude Code-beurt ongeveer 42 minuten is. Vervolgens trekt het de vergelijking in: METR meet taakmoeilijkheid in een geïdealiseerde setting zonder mens in de lus, terwijl beurtduur de verstreken tijd meet in een deployment waarin Claude pauzeert en gebruikers onderbreken. Een voetnoot is bot: "we proberen niet over deze metrieken heen te redeneren." De juxtapositie is illustratief, geen gemeten vermenigvuldiger, en moet niet als zodanig worden geciteerd.

De toezichtparadox in het hart van het betoog

Ervaren gebruikers keuren minder goed en onderbreken vaker. Anthropic interpreteert dat paar als een verandering in toezichtstrategie in plaats van het afstand doen daarvan: nieuwkomers keuren elke stap goed en hoeven Claude daarom zelden midden in een run te stoppen, terwijl ervaren gebruikers Claude laten werken en ingrijpen wanneer er iets misgaat. De API-gegevens wijzen dezelfde kant op — 87% van de tool-aanroepen bij taken met minimale complexiteit kende een vorm van menselijke betrokkenheid, tegenover 67% bij taken met hoge complexiteit.

Het rapport is openhartig dat andere verklaringen overeind blijven. In zijn eigen voetnoot staat dat ervaren gebruikers misschien eenvoudigweg moeilijkere taken proberen, dat de standaardinstellingen van Claude Code nieuwe gebruikers richting op goedkeuring gebaseerde supervisie sturen, en dat software ongewoon ontvankelijk is voor supervisie omdat de output kan worden getest en beoordeeld; in domeinen waar het controleren van het werk van een agent dezelfde expertise vereist als het produceren ervan, kan de verschuiving "langzamer verlopen of een andere vorm aannemen."

Het beleidsargument, en wat het vraagt

De aanbevelingen van Anthropic vallen uiteen in drie groepen. Model- en productontwikkelaars zouden moeten investeren in monitoring na uitrol, omdat evaluaties vóór uitrol niet kunnen zien hoe mensen daadwerkelijk met agents omgaan. Modelontwikkelaars zouden modellen moeten trainen om hun eigen onzekerheid te herkennen en zichtbaar te maken, een eigenschap die volgens het rapport "aanvullend is op externe waarborgen zoals menselijke goedkeuringsstromen en toegangsbeperkingen." Productontwikkelaars zouden moeten ontwerpen voor toezicht — zichtbaarheid in wat de agent doet plus eenvoudige manieren om hem bij te sturen.

Het gedeelte dat aan beleidsmakers is gericht, is wat dit tot een governance-document maakt. Onder de kop "Het is te vroeg om specifieke interactiepatronen verplicht te stellen" schrijft Anthropic dat "toezichtseisen die specifieke interactiepatronen voorschrijven, zoals het vereisen dat mensen elke actie goedkeuren, frictie zullen veroorzaken zonder noodzakelijkerwijs veiligheidsvoordelen op te leveren", en dat de focus zou moeten liggen "op de vraag of mensen in staat zijn om effectief toezicht te houden en in te grijpen, in plaats van op het vereisen van bepaalde vormen van betrokkenheid."

De vakpers nam precies die framing over. Het rapport van Inside AI Policy van 20 februari 2026 had als kop dat Anthropic aandrong op voorzichtigheid bij toezichtmandaten; Inside Cybersecurity volgde op 24 februari met dezelfde invalshoek. Geen van beide kon volledig worden gelezen zonder abonnement, en geen van beide onderzocht de onderliggende data.

Wat wordt bevestigd, en wat niet

De publicatie en de kerncijfers worden bevestigd. GIGAZINE berichtte op 19 februari 2026 over het onderzoek, de dag na publicatie, en herhaalde de staart van 25 tot 45 minuten, de verschuiving van 20% naar 40% bij automatische goedkeuring, de daling van interventies van 5,4 naar 3,3 en het aandeel onomkeerbare gevallen van 0,8%. Digital Watch Observatory vatte het op 20 februari 2026 samen, net als Inside AI Policy. De bevestiging betreft wat Anthropic zei, niet of het waar is: geen enkele buitenstaander heeft de 998.481 geclassificeerde tool calls geaudit, en Anthropic maakt de dataset niet openbaar.

Die asymmetrie is het benoemen waard zonder haar te overdrijven. Een leverancier die zijn eigen product meet en concludeert dat de compliance-last bij monitoring moet liggen in plaats van bij goedkeuring per actie, is tot een conclusie gekomen die goed uitkomt voor het product dat hij verkoopt. Anthropic noemt de meeste structurele beperkingen zelf, in een sectie over beperkingen die ongewoon direct is. Maar reproduceerbaarheid behoort niet tot de dingen die het kan oplossen zolang de ruwe data privé blijven, en geen enkele onafhankelijke instantie heeft de classificaties gecontroleerd.

De limieten die Anthropic zelf aangeeft

• De analyse heeft betrekking op één modelprovider. Agents die op andere modellen zijn gebouwd, kunnen andere adoptiepatronen en risicoprofielen vertonen.

• De classificaties op het gebied van risico, autonomie en menselijke betrokkenheid zijn gegenereerd door Claude. Anthropic zegt dat privacybeperkingen een handmatige inspectie van de onderliggende gegevens verhinderden, en dat de schatting van de menselijke betrokkenheid als een bovengrens moet worden gelezen.

• Bemonstering op het niveau van individuele tool-aanroepen oververtegenwoordigt implementaties met veel sequentiële aanroepen, zoals software-engineeringworkflows met herhaalde bestandsbewerkingen.

• De classificaties kunnen productieacties niet onderscheiden van evaluaties of red-teaming. Verschillende van de clusters met het hoogste risico "lijken veiligheidsevaluaties te zijn", aldus het rapport, dat meent dat veel van de ogenschijnlijke data-exfiltraties tests zijn.

• Menselijke beoordeling stroomafwaarts van de API is onzichtbaar, dus een agent die op het niveau van tool-calls autonoom lijkt, kan iemand hebben die de output controleert.

• Het venster loopt van eind 2025 tot begin 2026, en de sterkste bevindingen komen van Claude Code, dat overweldigend een software-engineeringproduct is.

Wat is er daarna veranderd?

Het archief vermeldt geen schade, geen oplossing en geen geschil, en dat is de accurate beschrijving: dit is een meting en een argument, niet een incident met een herstelmaatregel. Anthropic zegt dat het de analyse in de loop van de tijd zal uitbreiden en roept op tot brancheoverschrijdend werk om API-verzoeken op een privacybeschermende manier aan sessies te koppelen. De post merkt ook op dat producten zoals Cowork agents toegankelijker maken, wat volgens de post de grenzen van risico en autonomie verder zal opschuiven. In de voor dit artikel beoordeelde berichtgeving had geen enkele toezichthouder de aanbeveling tegen goedkeuring per actie overgenomen, verworpen of er formeel op gereageerd.

Het blijvende punt is beperkter dan de kopcijfers. De zaak van Anthropic tegen het verplicht stellen van stapsgewijze goedkeuring berust op een meting die, naar eigen zeggen, momenteel alleen een modelprovider met first-party sessiedata kan uitvoeren — en zelfs Anthropic zegt dat het third-party API-verkeer niet aan sessies kan koppelen. Totdat die infrastructuur bestaat, berust het beleidsadvies op het instrument van één bedrijf, toegepast op de klanten van één bedrijf, gedurende één winter. Dat maakt de bevinding niet onjuist. Het maakt er een meting van een leverancier van, en als zodanig moet die worden aangehaald.