Claude уже руководит 26% исследований и разработок в области ИИ в Anthropic: когда ИИ начинает разрабатывать ИИ, какой шаг остаётся у человечества?

Автор: Robonaissance

Перевод: TechFlow

TechFlow: Краткое содержание: Anthropic впервые использовала собственную модель для оценки степени вовлеченности ИИ в собственные НИОКР, и результат показал, что 26% работ уже выполняется под руководством Claude. Эта цифра служит доказательством технологического прогресса и отправной точкой для переосмысления роли человека. Для специалистов вопрос заключается не в том, может ли ИИ выполнять задачи, а в том, на какой позиции остается человек.

Джек Кларк сделал ставку: ИИ создаст сам себя к 2028 году

4 мая 2026 года Джек Кларк в своем информационном бюллетене Import AI сделал ставку на день «выхода последнего человека из контура». Он назвал эту цифру с натяжением: вероятность появления к концу 2028 года мощной системы искусственного интеллекта, способной создать своего преемника без какого-либо участия людей, составляет 60% или выше. В 2027 году он назначил ставку в 30% и объяснил, почему снизил ее. Исследования в области ИИ могут требовать «творчества и еретических озарений», и пока что системы ни в одной из значимых областей не продемонстрировали подобной способности.

Пятью неделями позже, 8 июня, он вновь написал, что за прошедшие месяцы собирал доказательства в Anthropic, подтверждающие упрощенную версию той же идеи: опережающий рост собственной производительности лаборатории уже начался. После чего он задал себе вопрос: «Следует ли из этого какие-то однозначные выводы? Нет.»

15 сентября в интервью NPR Кларк заявил прямо: «У нас нет третьей стороны, которая могла бы проверить сказанное нами.»

Два спустя, 17 сентября, Anthropic опубликовала статистический показатель. Статья написана Мариной Фаваро и Фили Урайт, Кларк указан руководителем исследовательского направления. По состоянию на август 2026 года, согласно внутренним подсчетам лаборатории, Claude курирует 26% исследований и разработок ИИ в Anthropic, тогда как в феврале этот показатель составлял менее 1%. Ни одна из измеряемых научно-исследовательских работ не выполняется полностью без участия людей.

На каких ступенях все еще стоит человек

Страница в Anthropic дала название событию, о котором говорит Кларк — рекурсивное самосовершенствование: модель полностью самостоятельно создает своего преемника. Они используют эти статистические данные как основание, чтобы показать, насколько мир близок к тому моменту. Под этой цифрой скрывается более простой вопрос: кто окажется последним человеком, оставшимся в контуре? Чем они до сих пор занимаются?

Шкала Epoch AI описывает ответ через шесть ступеней, каждая из которых определяется ролью человека. Все шесть уровней приведены на рисунке 1. Четыре из них отображают рабочие модели; два остальных, неиспользуемый и вспомогательный, расположены на нижних позициях.

На уровне «Вспомогательный» ИИ помогает искать информацию и редактировать текст. На уровне «Совместная работа» ИИ выполняет крупные блоки задач, но решения принимает человек. На уровне «Руководящий» ИИ выполняет большую часть работы по высокоуровневому запросу, а человек занимается контролем, коррекцией и утверждением. На уровне «Автономный» ИИ работает полностью самостоятельно, без присутствия людей в контуре.

Другой вопрос — темпы прогресса. Эти данные представляют собой внутреннюю оценку Anthropic, проведенную среди собственных сотрудников относительно типов работы, выполнявшихся ими в июле 2026 года. Оценивается то, как такие задания обычно выполняются, а не то, на что способен Claude.

Шкала автоматизации Epoch AI из шести уровней, применяемая в Anthropic, а также роль человека на каждом уровне. Процентные показатели основаны на внутренней статистике Anthropic по состоянию на август 2026 года, взвешенных по человеко-часам ИИ НИОКР за июль. «Руководящий» уровень соответствует четвертой ступени; по состоянию на август 2026 года лаборатория сообщила об отсутствии измеренных работ на пятом уровне «Полная автономность».

Цифры, посчитанные самим Claude: неделю за неделей

Кто проводил подсчеты? Claude.

Работа по подсчету, стоящая за этими цифрами, выполнена Claude, а не людьми. Еженедельно в июле 2026 года в каждом подразделении, входящем в контур исследования моделей, случайным образом отбиралась пятая часть сотрудников, после чего агент Claude анализировал их рабочий процесс за неделю. Он читал сообщения в Slack и внутренние документы, фиксируя, над какими задачами работал каждый человек.

Примем одного человека и одну неделю. За этим человеком закрепляется единица веса, которая равномерно распределяется между всеми его задачами. При четырех задачах — по четверти единицы на каждую. При десяти задачах — по одной десятой. По описанию самой страницы, это грубое приближение, но в среднем оно демонстрирует разумные результаты, поскольку категории задач, которые выполняют многие сотрудники, накапливают наибольший вес.

Теперь объединим всех участников. Каждый отобранный сотрудник за каждую неделю июля проходит тот же анализ, и результаты сводятся в плоский список примерно из 15 000 детализированных задач.

Затем эти задачи помещаются в дерево. Оно содержит 542 узла различной глубины, из которых 378 являются листовыми — то есть представляют самую высокую степень детализации. Это дерево заморожено, поэтому ежемесячная оценка проводится по одному и тому же набору рабочих категорий. Листья звучат как типичная неделя в исследовательской лаборатории: диагностика и исправление дефектов платформы. Экспорт песочницы обучения с подкреплением и сетевые стратегии. Разбор инцидентов обслуживания.

Каждому узлу присваивается рейтинг. Агент Claude изучает, как подобные работы выполняются по всей компании, кто их выполняет, какие инструменты используются и какую долю выполняет ИИ; независимый судья Claude анализирует доказательства и выбирает один из шести уровней. За любой конкретный месяц агенту доступны доказательства за этот или предыдущие месяцы.

На странице уровень «Руководящий» представлен как то, на что способен Claude, однако рейтинги следуют правилам авторов шкалы Epoch: они описывают, как задания «обычно выполняются» в передовых лабораториях, а не каков максимально возможный предел.

Гипотетический пример со страницы лаборатории делает эти ступени более наглядными. Ночью выходит из строя конвейер обработки данных, который необходимо отремонтировать до запуска на следующий день. На уровне «Совместная работа» инженер передает логи в Claude, возможно, уже имея предположение о проблеме; при возникновении новых сложностей Claude останавливается, и инженер решает, обойти их или устранить полностью. После успешного тестирования инженер может прочитать изменения построчно, заново запустить конвейер и выполнить развертывание. На уровне «Руководящий» инженер лишь передает алерт об ошибке в Claude, а всё остальное делает Claude. Он находит проблемный этап и его причину, пишет и тестирует исправление, повторно запускает конвейер на копии данных, сравнивает вывод с последней успешной версией и записывает описание проблемы. Claude не выполняет развертывание. Он помечает инженера, тот читает отчет, изучает изменения, возможно, задает несколько вопросов, а затем решает, выпускать обновление сегодня ночью или подождать. На следующем, еще не достигнутом уровне, можно довериться Claude для мониторинга, исправления и развертывания, а люди вовлекаются только тогда, когда сами этого захотят.

Насколько надежны такие рейтинги? Руководители каждой рабочей области оценивают свои области самостоятельно, не видя того, что увидел судья. Вероятность совпадения уровня, выбранного судьей, и уровня, выбранного человеком, составляет 59%; вероятность совпадения двух разных людей — 35%. Вероятность расхождения между судьей и человеком не более чем на один уровень — 97%. Выборка не описана, слабые места ясно указаны самими исследователями: «действительно существует пространство для разногласий на перекрывающихся границах», например, где заканчивается «совместная работа» и начинается «руководящая». Рейтинг, измененный с «совместной работы» на «руководящую», мог бы изменить этот показатель 26%.

На рисунке 2 показаны ежемесячные показатели лаборатории: от менее 1% в феврале до 26% в августе, при этом каждая оценка проводилась по одному и тому же набору заданий за июль. Лаборатория также сообщает, что доля работ на уровне «Совместная работа» и выше составляет более 90%.

Это внутренняя оценка Anthropic, выполненная судьями Claude по шестиуровневой шкале автоматизации Epoch AI. Каждому месяцу присваивается балл за один и тот же набор задач по разработке моделей за июль 2026 года, взвешенный по человеко-часам. Значение февраля отражает собственное описание диаграммы (менее 1%); значения с марта по август взяты с меток на графике. Диаграмма Anthropic также показывает 90%-й интервал измерения и другие уровни автоматизации; здесь она не воспроизведена. Leads (Руководящий) — четвертый уровень шкалы, предполагающий наличие человеческого надзора; по состоянию на август 2026 года лаборатория заявила об отсутствии измеренных категорий работ, достигших пятого уровня.

Таким образом, основа этих данных: неделя, дерево, один оценщик и одна граница. Результат представляет собой общую сумму по всей лаборатории без разбивки по типам работ, поэтому невозможно определить, какие именно задачи входят в эти 26%.

Epoch присваивает низкие баллы за принятие решений и высокие — за написание кода

В мае Кларк провел черту между двумя типами задач. Он отметил, что ИИ сегодня может автоматизировать большинство задач в AI-инженерии, возможно, все их, но остается неизвестным, сколько именно исследований в области ИИ может быть автоматизировано.

Авторы Epoch также классифицируют работу лаборатории, выделяя первый тип — принятие решений: что делать, что продолжить, куда направить вычислительные ресурсы. Примерная оценка Epoch (которую они называют отправной точкой наилучшего предположения) ставит 1 балл за «выпуск конкретной версии продукта» и «определение вектора развития команды» (минимальная помощь), а за «написание исследовательского кода» — 4 балла, так называемый уровень leads. То, как именно распределяются эти 26% между двумя крайностями, является вопросом, на который данная сумма не дает ответа.

Дни, описываемые внутри лаборатории, также указывают в том же направлении. Согласно статье, соавтором которой является Кларк, в апреле Claude предоставил более 800 исправлений, сократив количество определенного типа ошибок API в тысячу раз. Инженер, осуществлявший надзор, оценил, что выполнение этого объема работы заняло бы у людей четыре года, в то время как один из сотрудников около пяти месяцев не писал код. Другой сотрудник написал, что когда всё работает стабильно, его вклад кажется незаметным; когда же система ломается, «я уже просто не понимаю, чем конкретно занимался всё это время».

Отчет о рисках за август приводит одно слово в качестве причины сохранения ручных этапов: доверие. Исследователи могли бы задействовать огромные объемы ИИ-ресурсов в критически важных задачах, но выбирают ограниченное количество, поскольку ряд шагов они не доверяют доверять моделям. Из этого же факта делается второй вывод. У лаборатории было полное право заменить людей моделями, но она не поступила так. Это интерпретируется как сигнал недостаточной способности моделей заменять целую исследовательскую группу. Также подчеркивается, что данный вывод проверен лишь частично: лаборатория никогда не выделяла в пять раз больше средств, чем стоит работа исследователя, для проверки гипотезы о возможности финансовых затрат сократить пробел в компетенциях.

Ситуация в OpenAI аналогична. По состоянию на середину августа исследовательская структура компании запускала 3,1 рабочего дня агентов на каждый человеческий рабочий день, а расходы пользователей из 90-го процентиля на токены превышали 7000 долларов в сутки. Сотрудники там по-прежнему устанавливают приоритеты исследований, оценивают, какие идеи и результаты заслуживают дальнейшего развития, и решают, масштабировать, приостановить или развернуть проект.

Инженерия — та область, которую Кларк уже передал машинам. Наука остается открытым для него вопросом.

Внутренние правила лаборатории фокусируются на скорости, а не на доле

Заявление от июня относилось к скорости. Указание на опережающий рост производительности лаборатории констатирует динамику прогресса, тогда как эта цифра отражает иной параметр — долю передаваемых задач.

30 сентября президент независимого центра по оценке ИИ и угрозам METR (Model Evaluation and Threat Research) Крис Пейнтер включил эти 26% в протокол Сената в качестве письменных показаний по делу слушания «Rogue AI: Securing the Homeland Against AI Agent Attacks». Далее он отмечает, что когда предприятия автоматизируют исследование ИИ с помощью ИИ, петля обратной связи «может привести к самоподдерживающемуся ускорению возможностей».

Согласно собственным правилам Anthropic, триггером данной угрозы служит скорость роста, а не процентная доля: «резкое ускорение» определяется как удвоение темпа прогресса, когда достижения за год сопоставимы с базовым показателем за два года. В правиле указано, что это не равно двукратному росту производительности исследователей, поскольку удвоение инвестиций не гарантирует автоматического удвоения темпов научного прогресса.

Согласно интерпретации августовского отчета о рисках, в период до 15 июля темп исследований лаборатории значительно превзошел показатели без помощи ИИ, однако двукратного скачка не наблюдалось. Лаборатория признает неопределенность в данном вопросе и трудности проведения измерений. Первые признаки ускорения уже заметны, и лаборатория допускает возможность преодоления порога в течение следующего года. Спустя пять дней после публикации данных 17 сентября системные журналы Claude Opus 5.5 подтвердили: внутренние измерения не выявили устойчивого двукратного ускорения, которое можно было бы однозначно отнести за счет ИИ.

METR также опубликовал 22 сентября краткий обзор предсерийной оценки Claude Opus 5.5. В нем приводится оценка другой команды METR, обладающей расширенным доступом, чем авторы резюме: общий прирост возможностей благодаря ИИ составил порядка 1,5x, вероятность выхода на уровень 2x оценивается примерно в 30%. Данная команда не смогла поделиться своими доказательствами с авторами краткого отчета, а срок рассмотрения оценки не указан.

Показатель от 17 сентября отражает степень передачи задач. Отчет за август и системные логи дают оценку темпам. Ни один из трех источников не проводит одновременно оба вида измерений для одних и тех же работ в рамках одного временного периода.

Интерпретация 26%

Согласно внутренним данным лаборатории, по состоянию на август 2026 года Claude курирует 26% исследований в сфере ИИ в Anthropic, причем этот показатель не снижается в течение шести последних месяцев на выборке заданий за июль. Данная цифра отражает переданные процессы согласно официальной методологии лаборатории, собранные Claude и сверенные с оценками ответственных за задания сотрудников.

Это все еще нельзя трактовать как близость замыкания цикла. Правила лаборатории делают акцент на скорости, а внутренние расчеты лаборатории ниже установленного порога. Под вопросом остается состав этих 26%. Если в них преобладает инженерия, то они отражают ту часть, которую Кларк в мае уже считал близкой. Если же они затрагивают принятие решений и фундаментальные исследования, то речь идет о том, что он оставил открытым.

Эти 26% указывают на инженерные задачи. Рейтинги занижают значение принятия решений, примеры лаборатории оставляют окончательное решение за людьми, а исследователи сохраняют недоверие к полному контролю моделей. Это интерпретация, а не измерение, подтвердить которую может только детализированный по типу задач отчет. Низкие баллы за решения и высокий балл за исследовательский код подтвердят данную точку зрения. Если решения начнут оцениваться на уровне leads, показатель 26% сместится в сторону научных исследований.

В описании высшего уровня на странице говорится: вмешательство человека абсолютно не требуется, если оно не инициировано им самим. На ступень ниже, согласно примерам лаборатории, последний остающийся в контуре человек — это инженер с отчетом в руках, решающий, выпускать ли продукт сегодня ночью.

ЧИТАЙТЕ РАЗДЕЛ FRONTIER. Детальный анализ публикаций передовых лабораторий в рамках структурных фреймворков, раскрывающих их значимость.