Anthropic: Claude "lidera" 26% de seu P&D em IA com 30.000 agentes em execução paralela

A Anthropic publicou um R&D Automation Index em 17 de setembro de 2026 — uma medida protótipo de quanto da própria pesquisa e desenvolvimento de IA da empresa o Claude realiza — e relatou que, até agosto, o modelo "liderou" 26% desse trabalho, acima de menos de 1% em fevereiro. Mais de 90% do trabalho medido situava-se em "IA colabora" ou acima, e aproximadamente 30.000 agentes executavam tarefas de pesquisa e engenharia a qualquer momento na plataforma interna mais usada da Anthropic. Nada foi comprometido e nenhum terceiro foi prejudicado: esta é uma divulgação sobre uma tendência de capacidade dentro de um laboratório, e a Anthropic declara que o Claude opera de forma totalmente autônoma — seu nível máximo, AL5 — em nenhum subconjunto medido do trabalho. O registro completo da divulgação no arquivo, com sua classificação e fontes citadas, está em o arquivo de incidentes de IA junto com as demais entradas de governança desta série.

O que o índice realmente conta

O índice toma emprestada a escala de seis níveis da Epoch AI. AL0 é "nenhum envolvimento de IA", AL1 "envolvimento mínimo de IA" e AL2 "IA auxilia". AL3 é o nível que a Anthropic chama de "colabora": o modelo "consegue realizar grandes blocos de trabalho sob direção humana próxima". AL4 é "lidera": ele "consegue concluir a maior parte da tarefa de ponta a ponta a partir de um prompt de alto nível, enquanto o humano supervisiona". AL5 — "a IA opera de forma totalmente autônoma, sem nenhum humano no circuito" — é, em última análise, o que a discussão sobre autoaperfeiçoamento recursivo aborda, e a página da Anthropic o chama de "um nível que ainda não alcançamos".

A medição foi construída em julho de 2026. A Anthropic fez uma amostragem de 20% da equipe dos departamentos relevantes a cada semana, pediu que um agente de pesquisa Claude revisasse seus registros de trabalho e produziu uma lista de cerca de 15.000 tarefas, que a empresa organizou em uma árvore congelada de 542 nós com 378 tarefas folha. As categorias foram ponderadas pela quantidade de tempo-pessoa humano que absorvem. O relato da InfoQ sobre a publicação acrescenta um detalhe que importa para qualquer pessoa cujo trabalho foi amostrado: o agente Claude estava lendo mensagens do Slack e documentos internos para reconstruir o que as pessoas faziam.

Duas ressalvas decorrem desse método, e ambas são fáceis de se perder sob a manchete. Os 26% não correspondem a 26% de cada tarefa registrada pela Anthropic; como o heise noticiou em 18 de setembro, trata-se da parcela do cesto ponderado de trabalho que a Anthropic avalia como atingindo o AL4. E isso não significa que um quarto do P&D da empresa opere sem humanos — o InfoQ é explícito ao afirmar que o número não significa que 26% do P&D da Anthropic esteja totalmente automatizado, nem que 26% dos pesquisadores da empresa tenham sido substituídos; significa que cerca de um quarto do trabalho agora se encontra no estágio em que um humano define o objetivo e supervisiona enquanto o Claude faz a maior parte.

A comparação de fevereiro vem da legenda do gráfico na página da Anthropic: "O Claude agora lidera 26% das tarefas de P&D de modelos da Anthropic, ante menos de 1% em fevereiro de 2026." Nada na página fornece uma série mês a mês, portanto, a tendência divulgada são dois pontos, não uma curva.

O juiz é o modelo que está sendo julgado.

As avaliações não foram produzidas por um painel independente. O relatório da Anthropic admite o problema central: o modelo juiz “poderia cometer os mesmos tipos de erros que o modelo que está verificando”. Na concordância exata, o modelo e um humano coincidiram em 59% dos casos; dois humanos concordaram entre si em 35% dos casos; e as avaliações do modelo e do humano ficaram dentro de um nível de diferença entre si em 97% dos casos. O número de 35% de concordância entre humanos é o que a Anthropic usa para argumentar que a tarefa de avaliação é genuinamente difícil; ele não é apresentado como uma validação do juiz.

Mais dois limites são declarados na página, em vez de descobertos pelos críticos. Casos limítrofes entre “colabora” e “lidera” continuam disputados, e é precisamente aí que estão os 26%. E uma cesta de tarefas congelada pode deixar passar trabalho que não existia quando a cesta foi congelada, embora a Anthropic diga que uma comparação de janeiro de 2026 não encontrou aumento em tarefas inéditas.

À luz do escrutínio externo, a página descreve um plano, e não uma auditoria concluída. "Planejamos incorporar avaliadores independentes de terceiros de várias organizações na Anthropic", diz a página — um arranjo no tempo futuro, não uma auditoria atual. A única verificação externa concluída que ela cita é que a METR realizou um red team independente em sua plataforma de monitoramento offline. No relatório da heise de 18 de setembro, as ressalvas são da própria Anthropic; o veículo alemão não cita nenhum especialista externo que questione o índice. Veículos independentes reproduziram os números, não os verificaram, e essa distinção é o mais importante a levar da cobertura.

Trinta mil agentes, e o livro-razão que os acompanha

Juntamente com o índice de automação, a Anthropic divulgou a escala da população de agentes por trás dele: “aproximadamente 30.000 agentes realizando trabalho de pesquisa e engenharia na Anthropic a qualquer momento” em sua plataforma interna mais utilizada. Interpretado literalmente, trata-se de uma contagem de simultaneidade, e não de um total de agentes distintos ao longo de um período, e o heise o apresenta de forma mais cautelosa como agentes “ativos simultaneamente em determinados momentos de agosto”.

Os controles que a Anthropic descreve foram projetados para tornar essa população auditável, em vez de anônima. Cada agente tem "uma identidade individual", e todos os dados que ele cria estão vinculados a essa identidade; a identidade "não está vinculada a um modelo, ela persiste por meio de atualizações do modelo", de modo que "cada ação pode ser auditada por agente ao longo do tempo" e "cada registro de dados pode ser vinculado de volta a um agente específico". Os agentes "se comunicam por meio de um sistema de mensagens compartilhado e aberto, em vez de privadamente"; cada mensagem está vinculada à identidade do agente que a publicou, pode se conectar a outros conteúdos para que as referências originais sejam preservadas, e é correlacionada com as transcrições dos agentes para que o monitoramento possa "percorrer a comunicação entre agentes".

Os números de supervisão são a parte que soa como um registro de incidente, embora o registro classifique esta divulgação como informativa. Toda ação passa pelo monitor online antes da execução, geralmente em segundos; toda ação é processada offline depois de realizada; ações bloqueadas são revisadas por uma pessoa em até uma semana. De mais de um bilhão de decisões em agosto, 0,002% — "cerca de 1 em 47.000" — foram bloqueadas. A sinalização offline ocorre a cerca de uma a duas transcrições por mil, cerca de 100.000 transcrições por semana, com aproximadamente 50 casos de alta prioridade escalados para humanos.

Uma taxa de bloqueio não é uma taxa de segurança. Ela mede com que frequência o monitor interrompe uma ação, não quantas ações estavam erradas, e a Anthropic a informa ao lado do número de cobertura — 100% das ações online verificadas antes da execução —, que descreve o alcance do monitor. A mesma assimetria se aplica à alocação de computação: para a semana de 13 a 20 de julho, "cerca de 6% da computação destinada a P&D de IA foi alocada para segurança", passando a "cerca de 12% da computação destinada a P&D de IA conduzido por IA". A Anthropic chama essas de "estimativas deliberadamente conservadoras", extraídas de uma amostra de cerca de 14% de quase 10.000 execuções de treinamento e avaliação de pesquisa, com peso maior para execuções que usam mais computação, e observa que uma parcela de computação mede gasto, não esforço.

O que "autoaperfeiçoamento recursivo" significa aqui

A Anthropic vincula o índice ao autoaperfeiçoamento recursivo, que seu ensaio complementar define como “um modelo construindo seu sucessor de forma totalmente autônoma”. A posição do ensaio é inequívoca: “Ainda não chegamos lá, e o autoaperfeiçoamento recursivo não é inevitável.” Ele situa um ciclo totalmente fechado em uma etapa hipotética rotulada “Fechando o ciclo” e datada de “20XX?”, na qual agentes constroem e treinam modelos, e futuros sistemas Claude aprimoram o próprio Claude. Hoje, segundo o texto, os humanos ainda fornecem o objetivo; o que mudou é que “eles não precisam mais fornecer o método”.

O ensaio também explica por que o índice deve ser lido como uma medida de distância, e não como um marco. O trabalho de AL4 — Claude concluindo a maior parte de uma tarefa a partir de um prompt de alto nível enquanto um humano supervisiona — é o nível a que os 26% se referem. AL5, autonomia total sem um humano no circuito, é o nível que a Anthropic diz não ter alcançado. A diferença entre os dois é o tema.

O que está estabelecido e o que é inferido

Confirmado. A Anthropic publicou estas medições em 17 de setembro de 2026, a data que o registro traz com precisão de dia. A página do índice ao vivo não exibe nenhuma data de publicação visível própria, e o ensaio complementar traz um selo "Update 9/18/2026". Os números — 26%, menos de 1% em fevereiro, acima de 90% no AL3 ou superior, cerca de 30.000 agentes, 0,002% das decisões bloqueadas, 6% e 12% da capacidade computacional — são da própria Anthropic, declarados em suas páginas e reproduzidos pelo heise e pelo InfoQ em até um dia.

Estabelecido. Nenhum subconjunto medido do trabalho de P&D em IA atingiu o AL5, não se reporta qualquer dano a terceiros e o campo de danos reais do registro está vazio. O registro tem grau de confiança A quanto à documentação, não está sinalizado como disputado e tem severidade "info", o que reflete a ausência de danos registrados, e não qualquer indicação sobre a qualidade das fontes do documento.

Não comprovado. Que o Claude "lidera" 26% de P&D da Anthropic em qualquer sentido independente da própria avaliação da Anthropic. A medição é conduzida pela empresa, o juiz era um modelo Claude, e os avaliadores externos descritos na página estão planejados, e não implementados. Os 59% de concordância exata entre juiz e humano é o número a ser colocado ao lado da manchete.

Não está estabelecido. Que a tendência continue, ou que ela aponte para o autoaperfeiçoamento recursivo. A Anthropic se recusa a afirmar qualquer uma das duas coisas, e uma comparação de dois pontos entre fevereiro e agosto não é uma previsão. Nem a taxa de bloqueio estabelece que a população de agentes está sob controle; ela estabelece que um monitor viu cada ação online e interrompeu cerca de uma em 47.000.

Julgamento, não medição. Que uma subida de menos de 1% para 26% em seis meses é um ritmo rápido. Nada na divulgação fixa um limiar a partir do qual o ritmo se torna um problema, e o enquadramento da Anthropic deixa esse julgamento para os terceiros que diz que vai incorporar.

A Anthropic defende a publicação regular de números comparáveis e a verificação independente, {{1}}informa o heise{{/1}} — o que também é a declaração mais clara do que o índice ainda não é. Enquanto avaliadores externos não estiverem dentro do circuito, os 26% são um laboratório medindo a si mesmo com seu próprio instrumento: mais específico que um comunicado à imprensa e, ainda assim, não uma auditoria.