Nelle misurazioni interne di agosto 2026, Claude guida il 26% delle attività di ricerca e sviluppo considerate, sotto supervisione umana. Anthropic propone indicatori su automazione, controllo degli agenti e risorse di calcolo.
L’intelligenza artificiale partecipa al lavoro necessario per costruire i modelli che verranno dopo di lei. Nei laboratori di Anthropic questa partecipazione comprende attività nelle quali Claude collabora strettamente con i ricercatori e altre che gestisce a partire da un obiettivo generale, mantenendo la supervisione umana. Per descrivere quanto sia avanzato questo processo, l’azienda ha presentato tre gruppi di indicatori: automazione della ricerca, controllo degli agenti e distribuzione delle risorse di calcolo.
La prima fotografia interna, riferita ad agosto 2026, attribuisce a Claude un ruolo di guida nel 26% del lavoro di ricerca e sviluppo misurato. Oltre il 90% raggiunge almeno il livello di collaborazione sostanziale tra persone e AI. Nessun sottoinsieme delle attività considerate risulta svolto in piena autonomia. Sono dati prodotti dalla stessa Anthropic attraverso una metodologia sperimentale: aiutano a descrivere l’organizzazione del laboratorio, con limiti importanti per chi volesse confrontarli con altre aziende.
Questi indicatori aggiungono una prospettiva alle valutazioni delle capacità dei modelli. Un benchmark misura quanto bene un sistema risolve determinati problemi. L’osservazione del processo produttivo permette invece di capire come quel sistema viene impiegato per preparare esperimenti, sviluppare strumenti e contribuire alla generazione successiva. È una distinzione utile per interpretare il ritmo di evoluzione dell’AI attraverso il lavoro effettivamente svolto.
Per il suo Anthropic R&D Automation Index, l’azienda ha adottato una scala proposta da Epoch AI, articolata dal livello AL0, senza coinvolgimento dell’intelligenza artificiale, ad AL5, con attività completamente autonome. Tra questi estremi ci sono diversi gradi di assistenza e delega. Le soglie più rilevanti per leggere i risultati sono AL3, in cui l’AI collabora sotto una direzione umana ravvicinata, e AL4, in cui conduce gran parte del compito ricevendo indicazioni di alto livello.
La differenza si comprende pensando alla riparazione di una procedura informatica che si interrompe durante la notte. Nel livello collaborativo, un tecnico può fornire i registri dell’errore, orientare l’indagine e intervenire quando emergono problemi imprevisti. Quando l’AI guida il compito, può esaminare il guasto, preparare una correzione e verificarla, lasciando alla persona la valutazione conclusiva e la decisione di metterla in produzione.
Quest’ultimo scenario mantiene quindi un passaggio umano decisivo. L’autonomia completa richiederebbe anche la capacità e l’autorizzazione di rilevare il problema, organizzare l’intervento e distribuirne la soluzione senza un coinvolgimento necessario della persona. Anthropic dichiara di non aver rilevato questo livello in alcuna delle categorie di ricerca e sviluppo misurate.
Anche le percentuali richiedono attenzione. Il 26% riguarda il lavoro classificato al livello in cui Claude guida l’attività; è compreso nella quota superiore al 90% che raggiunge almeno la collaborazione. Queste cifre non descrivono direttamente ore risparmiate, riduzioni del personale o aumenti equivalenti della produttività. L’indice sintetizza il grado di automazione di un insieme di attività attraverso una classificazione e un sistema di pesi.
Per costruire quell’insieme, Anthropic ha analizzato campioni del lavoro dei dipendenti nelle settimane di luglio 2026, usando documentazione interna e conversazioni su Slack. Il procedimento ha prodotto circa 15.000 attività dettagliate, successivamente organizzate da Claude in una struttura gerarchica. La struttura viene mantenuta fissa per consentire misurazioni successive sullo stesso insieme di categorie.
Claude interviene anche nella valutazione: un agente raccoglie le evidenze su come viene svolto ciascun tipo di lavoro e un’altra istanza assegna il livello di automazione. Questa scelta rende possibile esaminare un’organizzazione complessa, introducendo però un limite metodologico: sistemi della stessa famiglia possono condividere errori di interpretazione. Per confrontare laboratori diversi servirebbero criteri comuni e controlli esterni sulle classificazioni.
Il secondo gruppo di indicatori riguarda ciò che accade quando la delega viene esercitata attraverso agenti, cioè sistemi capaci di eseguire sequenze di operazioni usando strumenti software. Anthropic riferisce che, ad agosto 2026, sulla sua piattaforma interna più utilizzata erano attivi in ogni momento circa 30.000 agenti impegnati nella ricerca e nell’ingegneria. Le misurazioni pubblicate si riferiscono a quella piattaforma.
Il controllo viene descritto attraverso tre domande concrete: quale quota delle azioni viene monitorata, quanto tempo passa prima della revisione e quante attività vengono bloccate o inviate a ulteriori verifiche. Queste dimensioni permettono di distinguere la semplice presenza di un sistema di sorveglianza dal suo funzionamento operativo.
Nella piattaforma osservata, Anthropic dichiara che il 100% delle azioni passa attraverso un monitor automatico prima dell’esecuzione e viene acquisito anche da un sistema di controllo successivo. Il primo può bloccare o reindirizzare un’azione; il secondo esamina le attività già avvenute e seleziona quelle da approfondire. La copertura totale indica dunque il passaggio attraverso i controlli, senza dimostrare che ogni possibile problema venga riconosciuto.
Su oltre un miliardo di decisioni analizzate nell’agosto 2026, il monitor preventivo ha bloccato circa lo 0,002%. Il monitor successivo segnala per ulteriori verifiche circa una o due trascrizioni ogni mille. Si tratta di unità diverse, decisioni e trascrizioni, che non consentono un confronto diretto tra le due percentuali.
Anche la revisione umana segue tempi e priorità specifici. Per le azioni bloccate preventivamente, l’azienda indica un controllo umano entro una settimana. Nel monitoraggio successivo, una selezione automatizzata filtra le segnalazioni e porta all’esame delle persone quelle di maggiore priorità, circa 50 alla settimana. La distinzione chiarisce quanto sia diversa una verifica automatica prima dell’azione da un’indagine umana successiva.
Una frequenza contenuta di blocchi, presa isolatamente, dice poco sull’efficacia complessiva del controllo. Per valutarla occorre sapere anche quanti comportamenti problematici noti il monitor riesca a intercettare. Anthropic propone verifiche indipendenti e annuncia l’intenzione di inserire valutatori esterni di più organizzazioni nei propri processi, con accesso a sistemi e dati paragonabile a quello dei gruppi interni di valutazione.
Il terzo ambito riguarda il compute, ossia le risorse di calcolo utilizzate per addestrare ed eseguire i modelli. La loro distribuzione offre informazioni sulle priorità operative di un laboratorio: sviluppo delle capacità, servizio ai clienti e attività dedicate alla sicurezza richiedono impieghi differenti della stessa infrastruttura.
Nella finestra osservata dal 13 al 20 luglio, Anthropic attribuisce alla sicurezza circa il 6% del calcolo destinato alla ricerca e sviluppo sull’AI. Considerando il sottoinsieme della ricerca e sviluppo svolta attraverso l’AI, la quota sale a circa il 12%. Le percentuali hanno denominatori diversi e vanno lette separatamente.
La stessa azienda precisa che il consumo di calcolo è un indicatore parziale dell’impegno nella sicurezza. La progettazione di un esperimento può richiedere molto lavoro umano e risorse informatiche relativamente contenute. Inoltre, il conteggio esclude i classificatori impiegati nelle protezioni dei modelli e adotta criteri conservativi per le attività che contribuiscono contemporaneamente a capacità e sicurezza. La fotografia riguarda una settimana di allocazione dinamica, senza descrivere una ripartizione permanente.
Il valore pratico della proposta sta soprattutto nella possibilità di seguire gli stessi fenomeni nel tempo. Con definizioni condivise, una serie di rilevazioni potrebbe mostrare come cambiano la delega agli agenti, i tempi di verifica e l’impiego dell’infrastruttura. Per ora gli indicatori restano prototipi aziendali, privi di una comparabilità automatica con quelli di altri laboratori.
Per chi adotta l’AI nel lavoro quotidiano, la lezione riguarda il modo di descrivere l’automazione. Una redazione potrebbe distinguere tra uno strumento che prepara una bozza sotto indicazioni continue e un agente che organizza una scheda documentale lasciando al redattore la verifica finale. Sono livelli diversi di delega, con esigenze differenti di tracciabilità e approvazione. Le percentuali di Anthropic non sono trasferibili a quel contesto; le domande organizzative possono esserlo.
Misurare quali compiti vengono affidati ai sistemi, dove resta necessaria una decisione umana e quanto rapidamente si controllano le operazioni rende più leggibile l’adozione dell’AI. Nei laboratori che costruiscono nuovi modelli, questa osservazione aiuta anche a capire quanto gli strumenti attuali partecipino allo sviluppo dei loro successori. La proposta di Anthropic offre una prima base quantitativa, il cui valore crescerà con la continuità delle rilevazioni e la possibilità di verificarle dall’esterno.
Fonti
