A Anthropic não anunciou a singularidade. Ela fez algo mais raro: transformou “IA construindo IA” em algo que se pode medir.
Em 17 de setembro, a Anthropic publicou pela primeira vez três métricas internas: desde agosto de 2026, o Claude “lidera” 26% do trabalho de pesquisa e desenvolvimento em IA da empresa — contra menos de 1% em fevereiro, um salto de 26 vezes em seis meses. Aproximadamente 30.000 agentes rodam simultaneamente em sua plataforma interna mais utilizada, e cerca de 6% do poder computacional de P&D em IA vai para pesquisa de segurança.
A maior parte da cobertura se fixou nos dois primeiros números. A verdadeira história não são os números. É o fato de que os números podem ser publicados.
Por dois anos, a discussão sobre autoaperfeiçoamento recursivo (RSI) — IA construindo seu próprio sucessor — viveu inteiramente no campo da previsão. Otimistas diziam que faltava uma década; pessimistas, meses. Este relatório fez algo que ninguém havia feito antes: instalou um termostato. Quando a participação da IA na construção da próxima geração de IA se torna um objeto medido — com metodologia, desenho amostral e taxas de erro divulgadas — reguladores, concorrentes e o público ganham pela primeira vez uma âncora rastreável.
1. Como os 26% foram produzidos importa mais do que o número
Comece pelo método. A Anthropic não pediu que executivos estimassem um valor. Ela construiu um índice protótipo chamado Anthropic R&D Automation Index.
Em cada semana de julho, ela amostrou aleatoriamente cerca de 20% dos funcionários de todos os departamentos do ciclo de P&D de modelos. Um agente de pesquisa Claude lia as mensagens do Slack e a documentação interna de cada pessoa e produzia cerca de 15.000 tarefas granulares de P&D. O Claude então as organizou em uma árvore hierárquica de 542 nós — sendo 378 folhas como “diagnóstico de defeitos na plataforma de avaliação”, “política de egress e rede do sandbox de RL” e “postmortems de incidentes de serving”. Os pesos das tarefas não foram atribuídos pela gestão; foram derivados de quanto tempo de trabalho cada categoria consumia.
A escala de classificação empresta a estrutura de seis níveis de automação da Epoch AI: AL0 é nenhuma participação da IA; AL3 significa que a IA “colabora” — executando grandes partes do trabalho sob estreita direção humana; AL4 significa que a IA “lidera” — completando a maior parte de uma tarefa de ponta a ponta a partir de um prompt de alto nível, com o humano supervisionando; AL5 é autonomia total.
Os 26% são a fração do trabalho em AL4. O exemplo da Anthropic de um pipeline de dados noturno quebrado mostra a diferença concretamente. Em AL3, o engenheiro senta com o Claude, examina os logs, oferece uma hipótese e revisa a correção linha por linha. Em AL4, o engenheiro entrega ao Claude o alerta de falha e vai embora: o Claude analisa os logs, localiza o estágio que falhou, escreve e testa a correção, lida com surpresas, roda novamente o pipeline em uma cópia dos dados e escreve o postmortem. O papel restante do humano é a decisão de deploy.
Outro número fácil de perder: mais de 90% do trabalho de P&D em IA já está em “IA colabora” ou acima. Nove em cada dez fluxos de trabalho de pesquisa na Anthropic já assumem a IA no circuito. A questão não é mais se a IA participa, mas quão fundo.
O limite importa tanto quanto: até agosto, nenhum subconjunto medido de trabalho chegou ao AL5. O Claude não consegue monitorar todas as falhas sozinho, e não pode implantar mudanças em produção sem aprovação. 26% significa “IA lidera, humanos decidem” — não “IA em loop”.
A medição em si é imperfeita, e a Anthropic o admite. O juiz que avalia os níveis de automação é o Claude — um modelo corrigindo o próprio dever de casa. Dados de validação: o juiz Claude concordou exatamente com avaliadores humanos 59% das vezes, enquanto dois humanos concordaram exatamente entre si apenas 35% das vezes. Com tolerância de um nível, a concordância sobe para 97%. Portanto, os 26% devem ser lidos como uma ordem de grandeza, não como um número auditado. A fronteira entre “colabora” e “lidera” ainda deixa espaço real de interpretação.
2. 30.000 agentes: o verdadeiro problema não é IA descontrolada, é legibilidade
A segunda métrica convida ao headline errado. Cerca de 30.000 agentes tomando mais de um bilhão de decisões em agosto soa como a véspera de uma catástrofe.
A taxa de interceptação divulgada foi de 0,002% — cerca de uma em cada 47.000 decisões bloqueada pelo monitor em tempo real. Monitores offline sinalizam cerca de 100.000 transcrições por semana; após filtragem por classificadores em múltiplas camadas, apenas cerca de 50 sinalizações de maior prioridade chegam à revisão humana por semana.
Lidos corretamente, esses números dizem algo mais frio do que tanto “a IA é perigosa” quanto “a IA é segura”: quando a população de agentes escala de 30.000 para 300 milhões ou 30 bilhões, até mesmo um evento raro de 0,002% acontece diariamente. O valor de um regime de monitoramento não está em quanto ele bloqueia hoje. Está em se a arquitetura escala com a população de agentes.
Duas escolhas de design revelam onde a Anthropic acha que o risco vive. Primeira: cada agente recebe uma identidade individual — dados, mensagens e ações se vinculam a ela, e a identidade sobrevive às atualizações do modelo. Qualquer ação, em qualquer momento, pode ser auditada por agente ao longo do tempo. Segunda: os agentes se comunicam por meio de um sistema de mensageria compartilhado e aberto. Sem canais privados. O que um agente recebe de outro é uma “afirmação a verificar”, não um fato em que confiar — e os agentes podem corrigir os erros uns dos outros.
Em termos de engenharia: a Anthropic não está tentando impedir que a IA desenvolva um self. Ela está tentando impedir que 30.000 sistemas distribuídos desenvolvam um jogo de telefone. Isso é um problema de design organizacional, não um problema de filosofia.
3. O verdadeiro headline: a alocação de computação rouba a narrativa dos comunicados de imprensa
A terceira métrica é a menos chamativa e a mais consequente. Na semana de 13 a 20 de julho, a Anthropic classificou toda a sua computação: cerca de 6% do poder computacional de P&D em IA foi para trabalho de segurança; dentro do P&D de IA conduzido por IA, cerca de 12%.
Isso parece embaraçoso para um laboratório cuja marca é segurança. A Anthropic antecipou a crítica com a contabilidade conservadora: qualquer token que avance capacidades tanto quanto segurança é contado como P&D de IA, não como segurança. A computação de classificadores de segurança — um valor separado e comparável — está excluída. E a pesquisa de segurança é naturalmente intensiva em cérebros humanos: pesquisadores desenhando experimentos, não queimando clusters de GPUs. Seis por cento é uma estimativa baixa honesta, não evidência de descaso.
O significado estrutural é maior do que o número: computação é o insumo mais difícil de falsificar e mais verificável no P&D de IA. Capacidades podem ser selecionadas em demonstrações; benchmarks podem ser escolhidos a posteriori; medidores de eletricidade e logs de utilização de chips não negociam. Uma vez que a “fração da computação alocada à segurança” se torna uma métrica publicável, comparável e regulável, a disputa da indústria por credibilidade muda da narrativa para dados verificáveis.
Não é difícil ver a quem isso se dirige. A OpenAI publicou seis relatórios de comportamento preocupante de modelos na mesma semana, comprometendo-se com relatórios regulares de transparência — coincidência ou não, a corrida armamentista de transparência começou. Dario Amodei pediu publicamente o ritmo controlado da fronteira, e este relatório é efetivamente o primeiro manual de operação para essa conversa: você não pode gerenciar a velocidade daquilo que não consegue medir. A Anthropic também anunciou que incorporará avaliadores terceiros independentes com acesso comparável ao de suas equipes internas de risco — transformando a transparência de uma postura em um mecanismo.
4. Um framework: os três painéis do P&D em IA
Abstraído, o relatório oferece uma lente reutilizável. Para julgar quão perto qualquer laboratório de IA está do P&D automatizado — e quão reais são seus controles de risco — leia três painéis:
Painel um: taxa de automação. Quanto do P&D a IA lidera? O número único importa menos do que sua inclinação. A Anthropic foi de 1% a 26% em seis meses. Uma curva íngreme a partir de uma base baixa diz mais do que uma linha plana em um valor alto.
Painel dois: cobertura de supervisão e escalonamento. Que fração das ações dos agentes passa por monitores antes da execução? O que é bloqueado ou sinalizado, e com que rapidez os humanos revisam? Cobertura de 100% com latência humana de uma semana e cobertura de 90% com latência de segundos são duas estruturas de risco muito diferentes.
Painel três: fração de computação de segurança. O mais difícil de falsificar. O que uma empresa diz sobre segurança é marketing; onde as GPUs rodam não é.
O framework viaja. Avalie qualquer empresa que usa IA para escrever código da mesma maneira: a fração de código liderado por IA (e sua inclinação), a cobertura da revisão automatizada de código e a razão de investimento em infraestrutura de verificação. A própria crise de CI da Anthropic — 80% do código escrito pelo Claude, volume de tarefas de CI 25x maior em seis meses — é a prova de que o painel três é o que todos esquecem: a capacidade de programação cresceu 8x por engenheiro, a infraestrutura de verificação não, e o sistema inteiro ficou mais frágil.
Três painéis girando juntos é o que a automação responsável parece. Relatar o primeiro enquanto se mantém silêncio sobre os outros dois é storytelling.
5. O que cada papel deve fazer
Laboratórios de IA e fornecedores de modelos: a transparência está se tornando um ativo competitivo, não um gesto de relações públicas. Construa sua própria medição de automação agora e publique uma linha de base antes que reguladores definam as métricas por você. Quem define o padrão de medida é dono da comparação.
Empresas que compram IA: adicionem “quanto do seu próprio P&D a IA lidera?” à due diligence de fornecedores — e peçam a inclinação, não a foto instantânea. Um fornecedor que não consegue quantificar sua própria automação não tem como prometer confiabilidade de nível empresarial.
Investidores: a inclinação do painel um é o sinal mais direto da velocidade com que o fosso competitivo de uma empresa de IA está se reestruturando. Cada degrau na automação de P&D muda a estrutura de custos e o cadência de iteração — muito mais crível do que um dia de demonstrações.
Pesquisadores de políticas públicas: a fração de computação pode ser a única alavancagem verificável, comparável e difícil de maquiar disponível hoje. Padronizar a definição de computação de segurança em toda a indústria vale a pena antes que os frameworks regulatórios nacionais se cristalizem.
Praticantes e desenvolvedores: a lição mais prática é que “IA lidera, humanos decidem” já é a norma na fronteira. Seu valor não está em competir com o Claude em velocidade de digitação. Está em se tornar a pessoa que lê o postmortem e toma a decisão de deploy. Autoridade de deploy é a última permissão que esta curva de automação vai tirar.
A autoaperfeiçoamento recursivo não chegou. Mas sua forma inicial saiu da ficção científica e se tornou um sistema de engenharia com números, metodologia e terceiros a caminho. Só se pode gerenciar aquilo que se pode medir — essa é a verdadeira ambição deste relatório.
Fontes: Anthropic Institute, “Measurements for understanding the pace of AI development inside frontier labs” (17 de setembro de 2026); Reuters; conferido com cobertura em língua chinesa.
