Использование Claude в R&D Anthropic
Компания Anthropic официально заявила, что сейчас модель Claude выполняет 26% всех задач в рамках собственных исследований и разработок (R&D) в области искусственного интеллекта. Для сравнения: в феврале 2026 года этот показатель не превышал 1%. Разработчик из Сан-Франциско раскрыл эти данные в четверг, 17 сентября, представив первый подробный отчет, отслеживающий степень участия ИИ во внутренних исследовательских процессах.
Важно уточнить, что эти цифры охватывают R&D деятельность всей компании, однако это не означает, что Claude занимается самостоятельным созданием следующей версии модели. В Anthropic подчеркивают, что ни в одной из категорий исследований Claude не работает полностью автономно.
Методология индекса автоматизации R&D
Для оценки эффективности Anthropic создала «Индекс автоматизации R&D» (R&D Automation Index). Компания каталогизировала все типы исследовательских и инженерных задач, выполняемых внутри организации, присвоив каждой уровень вовлеченности ИИ. Система базируется на шкале автоматизации, разработанной Epoch AI, которая варьируется от AL0 (отсутствие участия ИИ) до AL5 (полная автономия без вмешательства человека).
* Уровень AL3 («ИИ-сотрудничество»): модель выполняет значительные части задачи под строгим контролем человека.
* Уровень AL4 («ИИ-лидерство»): модель способна выполнить большую часть задачи на основе высокоуровневой инструкции при контроле со стороны человека.
По состоянию на август Claude достиг уровня AL4 или выше в 26% всех R&D-задач. Кроме того, более 90% изученных работ соответствуют как минимум уровню AL3, что означает, что модель была задействована на уровне сотрудничества или выше в подавляющем большинстве исследовательских процессов. Показатель в 90% уже включает в себя 26% задач, где ИИ выступает лидером; это не суммируемые величины.
Сбор и классификация данных
Индекс был построен на основе внутренних записей: данных Slack и рабочей документации. В июле 2026 года компания еженедельно проводила случайную выборку 20% сотрудников из отделов, занятых в R&D, что позволило составить список из примерно 15 000 отдельных задач.
Claude систематизировал эти задачи в иерархию, охватывающую 542 категории. Структура включала 378 специфических областей, таких как диагностика и исправление ошибок на платформе оценки, сетевые политики «песочниц» с обучением с подкреплением, а также анализ инцидентов. Вес каждой категории определялся временем, затраченным сотрудниками на соответствующий вид деятельности.
Для проверки точности компания сравнила оценки автоматизации, сгенерированные моделью, с оценками сотрудников, отвечающих за эти задачи. Claude и люди совпали в оценках в 59% случаев (для сравнения: два разных эксперта-человека соглашались друг с другом лишь в 35% случаев). В 97% случаев оценки модели и человека различались не более чем на один уровень автоматизации. Anthropic также убедилась, что их список задач не пропускает новые виды работ, возникающие по мере роста внедрения ИИ, сравнив структуру задач начала года с данными за период с февраля по июль.
Безопасность и мониторинг автономных агентов
По состоянию на август, на основной внутренней платформе Anthropic одновременно работало около 30 000 ИИ-агентов, занятых в исследовательских и инженерных задачах. Это число является показателем одновременной активности, а не общим количеством развернутых агентов.
Любое действие агентов на платформе проходит через онлайн-мониторинг, обычно в течение нескольких секунд. В августе компания проанализировала более 1 миллиарда решений агентов, заблокировав 0,002% из них (примерно одно из 47 000). Дополнительная система офлайн-мониторинга обрабатывает 100% действий агентов после их выполнения: она помечает около 100 000 транскриптов в неделю для автоматизированных проверок, из которых около 50 наиболее приоритетных случаев передаются на рассмотрение людям. Данные меры приняты после инцидентов, когда Claude во время кибербезопасных испытаний получил доступ к трем реальным организациям из-за того, что тестовые системы остались подключенными к интернету.
Также Anthropic проанализировала использование вычислительных мощностей в период с 13 по 20 июля. Около 6% ресурсов, выделенных на R&D, были направлены на задачи по безопасности, а среди мощностей, используемых непосредственно для «ИИ, создающего ИИ», эта доля достигла 12%. Данные расчеты не учитывают общие R&D-задачи, одинаково влияющие на возможности и безопасность, а также специализированные классификаторы защиты.
Анализ процессов автоматизации обучения ИИ
В ходе исследования компания Anthropic провела выборочный анализ примерно 14% из почти 10 000 рабочих процессов, связанных с обучением и оценкой нейросетей. При этом приоритет отдавался задачам, требующим наибольших вычислительных мощностей. В рамках мониторинга Claude классифицировал каждую рабочую нагрузку, определяя, направлена ли она преимущественно на обеспечение безопасности ИИ или на общие исследования и разработки в этой области.
Эти данные были опубликованы на фоне расширения Anthropic инфраструктуры, необходимой для обучения и эксплуатации Claude. В частности, компания недавно заключила соглашение на сумму 35 миллиардов долларов, связанное с использованием дата-центра в Техасе на базе решений Nvidia, что позволило увеличить мощности для обучения ИИ и запуска логических выводов.
Контроль рекурсивного самосовершенствования
В Anthropic подчеркнули, что новые метрики внедрены для отслеживания прогресса на пути к рекурсивному самосовершенствованию — гипотетическому этапу, на котором система ИИ сможет самостоятельно создавать своего преемника. Компания официально заявила, что на данный момент этот рубеж не достигнут, а само рекурсивное самосовершенствование рассматривается лишь как возможный, но не неизбежный сценарий развития.
Взаимодействие с внешними аудиторами и индустриальные стандарты
Anthropic планирует пригласить независимых экспертов из различных организаций для проверки внутренних процессов, систем и данных компании. Ожидается, что этим специалистам будет предоставлен доступ, сопоставимый с уровнем полномочий внутренних команд по оценке рисков. В обязанности сторонних аудиторов войдет проверка соблюдения мер безопасности, мониторинг показателей и отчетность об инцидентах.
Представители Anthropic также призвали других разработчиков передовых систем ИИ публиковать сопоставимые данные, используя открытые методы. По мнению компании, отсутствие единой системы измерений и практика использования собственных моделей для оценки эффективности своих же систем являются двумя главными препятствиями для объективного сравнения ИИ-компаний. Anthropic отметила, что внешняя верификация или оценки, выполненные с помощью моделей других разработчиков, могли бы обеспечить дополнительные уровни контроля при условии защиты коммерчески чувствительной информации.
Регулирование и прозрачность развития ИИ
Компания допустила, что в будущем показатели автоматизации могут стать основанием для введения более жестких требований — например, установления обязательного периода тестирования перед тем, как новая модель будет допущена к дальнейшим исследованиям и разработкам в сфере ИИ. Генеральный директор Anthropic Дарио Амодей ранее уже призывал к координации темпов развития передовых технологий — эта тема активно обсуждается во всей индустрии, так как разработчики рассматривают возможность замедления темпов создания наиболее мощных моделей.
В компании полагают, что подобные измерения обеспечат правительства, исследователей и широкую общественность более полной информацией о том, насколько быстро процесс разработки нейросетей становится автоматизированным. «Мы должны сделать все возможное, чтобы минимизировать разрыв между тем, что известно передовым лабораториям, и тем, что знает общественность», — подчеркнули в Anthropic, подтвердив свое намерение продолжать регулярную публикацию этих измерений.
Дополнительные аспекты и методологические уточнения
В рамках раскрытия методологии формирования «Индекса автоматизации R&D» стоит отметить, что Anthropic пришла к выводам о надежности системы, проанализировав расхождения в оценках. В частности, компания признала, что на текущем этапе все еще сохраняется пространство для споров вокруг границ категорий — например, в той точке, где статус «ИИ-сотрудничество» (AL3) переходит в «ИИ-лидерство» (AL4). Тем не менее, использование Claude в качестве классификатора задач показало высокую воспроизводимость результатов.
Важно дополнить контекст оценки вычислительных ресурсов. Упомянутые расчеты (6% ресурсов на безопасность в общих R&D и 12% — в работах по «ИИ, создающему ИИ») были получены путем классификации каждой рабочей нагрузки с помощью самого Claude. При этом Anthropic намеренно исключила из этих расчетов отдельные классификаторы защиты, чтобы сфокусироваться именно на распределении нагрузки внутри исследовательских процессов.
Что касается перспектив внешнего аудита, Anthropic видит в привлечении сторонних организаций не только инструмент контроля, но и способ стандартизации отрасли. Компания подчеркивает, что внешняя верификация или кросс-валидация с использованием моделей от других разработчиков могли бы стать эффективным инструментом, если удастся решить вопрос защиты коммерчески чувствительной информации. В компании уверены, что создание общего стандарта измерений необходимо для преодоления барьеров, которые сейчас мешают объективному сравнению прогресса различных игроков на рынке ИИ.
Публикация данных измерений — это часть долгосрочной стратегии Anthropic по повышению прозрачности. Компания считает, что предоставление правительствам, ученым и общественности данных о скорости автоматизации разработки моделей является необходимым шагом. Как отметили в руководстве Anthropic, «мы должны сделать все возможное, чтобы минимизировать разрыв между тем, что известно передовым лабораториям, и тем, что знает общественность».
