Menuju AI Swakelola dan Dampak Globalnya

Claude Anthropic dan Lompatan Produktivitas di Garis Depan AI

Claude Anthropic kini menjadi salah satu contoh paling jelas bagaimana artificial intelligence bukan hanya mengubah cara kita bekerja, tetapi juga mempercepat pengembangan AI itu sendiri. Data uji publik dan metrik internal Anthropic menunjukkan lonjakan tajam produktivitas teknis: para insinyur kini mengirimkan sekitar delapan kali lebih banyak kode per kuartal dibandingkan periode 2021–2025. Angka ini bukan sekadar statistik, melainkan sinyal bahwa sistem AI dalam beberapa tahun ke depan berpotensi jauh lebih cakap, lebih cepat, dan lebih otonom daripada generasi saat ini.

Jika suatu saat muncul sistem AI yang mampu membangun dan meningkatkan dirinya sendiri secara substansial, dampaknya akan bersifat transformatif. Sains, kedokteran, dan berbagai sektor ekonomi dapat terdorong ke era baru penemuan dan efisiensi. Namun, kemampuan peningkatan diri yang benar‑benar rekursif juga membawa risiko eksistensial: manusia bisa kehilangan kendali yang bermakna atas sistem AI tingkat lanjut. Di titik inilah isu keamanan, pemantauan, dan penyelarasan (alignment) menjadi bukan sekadar perhatian teknis, melainkan agenda tata kelola global.

Dari Chatbot ke Agen Otonom: Evolusi Claude di Anthropic

Perjalanan pengembangan berbantuan AI di Anthropic berlangsung dalam beberapa fase yang cukup jelas. Pada periode 2021–2023, ketika Anthropic membangun Claude generasi pertama, pola kerja masih menyerupai perusahaan perangkat lunak tradisional: hampir semua kode dan dokumentasi ditulis manusia, dengan sedikit atau tanpa bantuan AI. Memasuki era 2023–2025, gelombang chatbot generasi awal—termasuk Claude Anthropic—mulai membantu menulis potongan kode pendek dan menjawab pertanyaan teknis, sementara manusia tetap memegang kendali integrasi ke basis kode.

Perubahan lebih radikal terjadi pada 2025–2026, ketika agen pengodean yang lebih cakap mulai menulis dan mengedit kode secara langsung, sering kali menghasilkan satu berkas kode lengkap dengan intervensi manusia minimal. Hari ini, versi terkini Claude Anthropic telah bertransformasi menjadi agen yang mampu menjalankan kode sendiri, mengorkestrasi alur kerja, dan mendelegasikan tugas berjam‑jam kepada agen lain. Peran manusia bergeser dari “penulis kode” menjadi “pengawas dan penentu tujuan”. Di horizon masa depan, Anthropic membayangkan fase “menutup lingkaran”, ketika agen mampu membangun dan melatih model baru secara ujung ke ujung—sehingga versi berikutnya dari Claude dapat ditingkatkan oleh Claude sendiri.

Percepatan Kapabilitas: Dari Tugas Menit ke Tugas Berhari‑hari

Kapabilitas model AI di Anthropic meningkat dengan laju yang kian cepat. Panjang tugas yang dapat diselesaikan secara andal tanpa campur tangan manusia kira‑kira berlipat ganda setiap empat bulan—lebih cepat dari periode sebelumnya yang sekitar tujuh bulan. Pada Maret 2024, Claude Opus 3 mampu menyelesaikan tugas perangkat lunak setara empat menit kerja manusia. Setahun kemudian, Claude Sonnet 3.7 dapat menangani tugas yang memerlukan sekitar 90 menit upaya manusia. Setahun setelah itu, Claude Opus 4.6 sanggup mengelola tugas setara 12 jam kerja manusia. Jika tren ini berlanjut, sistem AI akan segera menangani tugas yang bagi manusia terampil memakan waktu berhari‑hari, dan pada 2027 berpotensi mengerjakan pekerjaan yang biasanya menyita waktu berminggu‑minggu.

Percepatan ini juga tercermin dalam berbagai tolok ukur pengodean dan riset. SWE‑bench, sebuah benchmark rekayasa perangkat lunak berbasis basis kode open‑source dan laporan bug autentik, menunjukkan lompatan dari tingkat keberhasilan satu digit rendah menjadi hampir jenuh dalam dua tahun. CORE‑Bench, yang menguji kemampuan model mereproduksi riset yang sudah ada, meningkat dari sekitar 20% keberhasilan pada 2024 menjadi hampir jenuh dalam lima belas bulan. Sementara itu, METR mencatat bahwa Claude Mythos Preview mampu bekerja terus‑menerus setidaknya 16 jam, mendekati batas atas yang dapat diukur tanpa merancang tugas baru. Meski demikian, benchmark publik ini belum sepenuhnya menangkap bagaimana AI mempercepat pengembangan AI itu sendiri—di sinilah data internal laboratorium seperti Anthropic menjadi krusial.

Rekayasa dan Riset: Claude sebagai Mesin Eksekusi dan Eksperimen

Membangun model berskala frontier melibatkan dua kategori kerja besar: rekayasa dan riset. Di sisi rekayasa, pekerjaan mencakup penulisan kode, pembangunan infrastruktur, dan pengelolaan proses pelatihan. Di sisi riset, fokusnya pada pemilihan eksperimen, penafsiran hasil, dan penentuan ide yang layak dikejar. Di kedua ranah ini, pola pemanfaatan Claude Anthropic menunjukkan tren serupa. Dalam rekayasa, Claude dapat diberi masalah yang belum terdefinisi secara rinci dan mencari sendiri cara menyelesaikannya; manusia menetapkan tujuan, tetapi tidak lagi perlu merinci metode. Dalam riset, Claude sudah dapat menyamai atau melampaui peneliti terampil dalam menjalankan eksperimen yang terdefinisi dengan baik.

Namun, kesenjangan besar masih tampak pada tugas yang memerlukan penilaian bernuansa, terutama dalam memilih tujuan di rekayasa dan riset. Perbedaan utama antara sistem saat ini dan AI masa depan yang benar‑benar mampu merancang penerusnya sendiri secara ujung ke ujung terletak pada kemampuan menetapkan tujuan yang tepat secara otonom. Di Anthropic, pergeseran praktik sudah terasa: insinyur kini menerima sasaran tingkat tinggi, bukan lagi instruksi rinci langkah demi langkah. Claude merancang dan mengeksekusi pendekatan teknis untuk mencapai sasaran tersebut, bahkan pada level paling senior membantu menentukan masalah mana yang harus diprioritaskan—misalnya, apa yang sebaiknya dibangun tim pada kuartal berikutnya.

Delapan Kali Lebih Banyak Kode: Produktivitas yang Melonjak

Metrik internal Anthropic menggambarkan skala perubahan yang terjadi. Per Mei 2026, lebih dari 80% kode yang digabung ke basis kode Anthropic ditulis oleh Claude. Sebelum Claude Code memasuki riset pratinjau pada Februari 2025, porsi itu hanya berada di kisaran satu digit rendah. Output per insinyur juga berubah drastis. Jumlah baris kode yang digabung per insinyur per hari relatif datar dari 2021 hingga 2024, lalu mulai meningkat pada 2025 ketika Claude memperoleh kemampuan menjalankan kode, bukan sekadar menyarankannya. Laju peningkatan kembali bertambah cepat pada 2026 ketika model mampu bekerja secara otonom dalam rentang waktu lebih panjang. Pada kuartal kedua 2026, insinyur rata‑rata menggabungkan delapan kali lebih banyak kode per hari dibandingkan 2024.

Anthropic mengakui bahwa baris kode bukan ukuran sempurna karena menekankan volume, bukan kualitas, dan angka delapan kali kemungkinan melebihkan kenaikan produktivitas sesungguhnya. Perusahaan tidak memberi insentif staf berdasarkan jumlah baris kode; orang secara alami menghasilkan lebih banyak karena branda mengandalkan sistem AI untuk menulis sebagian besar kode. Namun, peningkatan kuantitatif ini konsisten dengan laporan internal tentang lonjakan produktivitas yang substansial. Dalam survei Maret 2026 terhadap 130 karyawan tim riset, responden median memperkirakan bahwa branda menghasilkan sekitar empat kali lebih banyak output dengan Mythos Preview dibandingkan tanpa alat AI pada jenis proyek yang sama. Anthropic memperkirakan peningkatan sebenarnya sedikit lebih rendah, tetapi tetap menilai klaim keseluruhan tersebut masuk akal.

Pekerjaan yang Sebelumnya Tak Tersentuh dan Kualitas Kode yang Meningkat

Claude Anthropic juga membuka ruang bagi pekerjaan yang kemungkinan besar tidak akan dilakukan tanpa AI. Contohnya, pembuatan tooling eksploratif dan pembersihan teknis yang lama tertunda. Pada April 2026, Claude mengirimkan lebih dari 800 perbaikan yang mengurangi satu kelas kesalahan API tertentu hingga seribu kali lipat. Seorang insinyur pengawas memperkirakan manusia akan membutuhkan sekitar empat tahun untuk menyelesaikan pekerjaan ini, mengingat proses debugging kode yang tidak familiar sangat lambat dan menuntut, sementara manusia kesulitan mengelola konteks dalam volume besar.

Kualitas kode yang dihasilkan Claude dinilai tinggi dan terus membaik. “Kode yang baik” di sini berarti kode yang berfungsi dan cukup jelas sehingga insinyur lain dapat memahaminya dan mengembangkannya. Pada kriteria pertama—apakah kode berfungsi dengan benar—buktinya kuat: laju intervensi staf Anthropic untuk mengoreksi atau mengambil alih tugas dari Claude di tengah jalan terus menurun selama setahun terakhir, bahkan pada tugas paling kompleks dan terbuka, di mana tidak ada spesifikasi presisi dan insinyur sendiri mungkin belum mengetahui bentuk solusi akhir. Pada tugas tersulit ini, tingkat keberhasilan Claude mencapai 76% pada Mei 2026, naik 50 poin persentase dalam enam bulan.

Debugging Kilat dan Kode yang Kian Setara Manusia

Salah satu ilustrasi mencolok adalah insiden peningkatan rutin yang menyebabkan puluhan ribu job pelatihan mengalami crash. Seorang insinyur memberikan panduan minimal kepada Claude—hanya deskripsi singkat dan akses ke kluster komputasi—lalu memintanya menyelidiki. Claude memeriksa job yang berjalan, menguji pengaturan lingkungan secara sistematis, mengisolasi satu flag debugging yang samar yang menyebabkan crash, mereproduksi masalah secara andal, dan mengonfirmasi perbaikan. Semua ini diselesaikan dalam sekitar dua jam, padahal biasanya insinyur manusia memerlukan dua hingga tiga hari.

Pada kriteria kedua—menulis kode yang mudah dipahami dan dikembangkan orang lain—masih terdapat kesenjangan antara kode AI dan manusia, tetapi kesenjangan itu cepat menyempit. Banyak staf Anthropic meyakini bahwa kualitas kode Claude masih berada di bawah insinyur rata‑rata pada akhir 2025. Kini, kualitasnya dinilai kira‑kira sudah setara. Ekspektasinya, dalam sekitar satu tahun, kualitas kode Claude akan melampaui rata‑rata insinyur manusia. Perubahan ini memaksa perusahaan menata ulang praktik pengembangan: semua usulan perubahan pada basis kode kini terlebih dahulu ditinjau oleh sistem peninjau otomatis berbasis Claude yang memeriksa bug, isu keamanan, dan cacat lain sebelum kode dapat digabung.

Peninjau Otomatis, Penangkap Bug, dan Optimasi Superhuman

Analisis retrospektif menunjukkan bahwa tinjauan otomatis berbasis Claude dapat secara andal menangkap masalah yang mungkin lolos dari peninjau manusia, sehingga meningkatkan ketangguhan dan keamanan kode yang dihasilkan bersama oleh Claude dan insinyur. Studi internal menyiratkan bahwa peninjauan otomatis atas setiap perubahan di basis kode Anthropic akan menangkap sekitar sepertiga bug di balik insiden masa lalu di claude.ai sebelum mencapai produksi—padahal kode asli ditulis oleh insinyur sangat terampil. Dengan kata lain, Claude kini menangkap kesalahan yang bahkan luput dari pakar terbaik.

Claude juga unggul dalam menjalankan eksperimen untuk mengoptimalkan kode di bawah tujuan dan metrik yang tetap. Anthropic secara rutin menguji model dengan memberikan Claude kode yang melatih model AI kecil dan memintanya membuat proses pelatihan secepat mungkin sambil menjaga kebenaran hasil. Claude menulis ulang, menjalankan, mengukur waktu, dan mengiterasi kode dalam siklus eksperimen yang rapat. Pada Mei 2025, Claude Opus 4 mencapai percepatan sekitar tiga kali dibandingkan kode dasar. Pada April 2026, Claude Mythos Preview mencapai percepatan sekitar 52 kali. Sebagai perbandingan, peneliti manusia terampil biasanya memerlukan empat hingga delapan jam untuk mencapai percepatan empat kali. Dalam konteks optimasi terbatasi ini, Claude beralih dari sangat membantu menjadi jelas‑jelas supermanusia dalam waktu kurang dari setahun.

Agen Riset Ujung ke Ujung dan Eksperimen Keselamatan AI

Di luar optimasi dalam pengaturan tetap, Claude Anthropic kian mahir mengusulkan eksperimen sendiri. Pada April 2026, Anthropic mendemonstrasikan agen berbasis Claude yang menjalankan proyek riset terbuka ujung ke ujung pada sebuah pertanyaan keselamatan AI: apakah model yang lebih lemah dapat secara andal mengawasi model yang lebih kuat. Agen‑agen ini mengusulkan hipotesis, merancang dan menjalankan eksperimen, membagikan hasil, dan beriterasi.

Tugas ini memiliki lantai kinerja yang jelas—pengawas lemah saja—dan plafon berupa model kuat yang dilatih dengan jawaban benar. Dua peneliti manusia yang bekerja sekitar satu minggu berhasil menutup kira‑kira 23% kesenjangan kinerja antara lantai dan plafon. Agen berbasis Claude menutup sekitar 97% kesenjangan itu selama 800 jam kumulatif, dengan biaya komputasi sekitar 18.000 dolar AS. Hasil ini tidak berpindah secara mulus ke model berskala produksi, dan manusia tetap memilih pertanyaan riset serta merancang rubrik penilaian. Namun, dalam batasan tersebut, agen secara independen merancang dan mengeksekusi semua eksperimen, sementara keterlibatan manusia sebagian besar terbatas pada arahan tingkat tinggi.

Menilai “Langkah Berikutnya”: Menuju Penilaian Riset yang Lebih Tajam

Claude juga kian baik dalam mengarahkan riset ke jalur yang produktif. Anthropic menganalisis sesi Claude Code nyata dari Januari hingga Maret 2026, ketika peneliti menggunakan Claude untuk menyelidiki masalah terbuka seperti debugging run pelatihan yang gagal atau mendiagnosis kinerja benchmark yang buruk. Dalam setiap sesi, branda mengidentifikasi momen ketika peneliti manusia mengambil jalan memutar yang tidak produktif sebelum akhirnya kembali ke jalur yang lebih menjanjikan.

Para peneliti kemudian menunjukkan kepada berbagai model Claude hanya pekerjaan yang dilakukan sebelum jalan memutar itu dan menanyakan apa langkah berikutnya yang akan diambil model. Model Claude lain, dengan akses ke seluruh sesi termasuk hasil akhirnya, menilai apakah langkah yang disarankan AI atau pilihan awal manusia lebih baik. Karena 129 titik keputusan ini sengaja dipilih di mana pilihan manusia suboptimal, ini bukan perbandingan langsung kinerja keseluruhan manusia versus model, melainkan serangkaian momen keputusan realistis dan menantang. Dalam ukuran ini, model terbaik Anthropic pada November 2025, Opus 4.5, mengungguli pilihan manusia 51% dari waktu; pada April 2026, Claude Mythos Preview melakukannya 64% dari waktu.

Peran Manusia Menyempit: Dari Eksekutor ke Penentu Arah

Riset pada dasarnya adalah rangkaian keputusan “langkah berikutnya” semacam ini. Karena itu, metrik di atas relevan untuk menilai kemampuan model pada akhirnya menjalankan penyelidikan secara otonom. Secara keseluruhan, hasil‑hasil ini menunjukkan bahwa peran manusia menyempit di banyak tahap dalam rantai pengembangan AI. Ketika kualitas kode yang dihasilkan AI mendekati paritas dengan kode manusia, manusia kemungkinan akan berhenti menulis sebagian besar kode sendiri dan beralih fokus pada peninjauan dan pengarahan. Namun, jika manusia tidak dapat meninjau kode secepat Claude dapat menghasilkannya, peninjauan manusia justru menjadi hambatan utama.

Demikian pula, setelah Claude Anthropic dapat menjalankan eksperimen secara otonom, pertanyaan sentral bergeser dari “Bisakah kita menjalankan eksperimen ini?” menjadi “Eksperimen mana yang layak dijalankan?”. Dalam lingkungan baru ini, keunggulan komparatif manusia terletak pada selera dan penilaian riset: memilih masalah yang penting, memutuskan hasil mana yang dapat dipercaya, dan mengenali kapan suatu jalur kerja buntu. Keberatan yang wajar adalah bahwa bagian yang masih dikendalikan manusia ini justru merupakan bagian terpenting dari riset. Tanpa itu, Claude adalah asisten yang sangat kuat tetapi bukan sistem yang dapat mendorong kemajuan AI secara mandiri.

Iterasi, Bukan Eureka: Cara Claude Mendorong Kemajuan AI

Masih belum jelas apakah metode pelatihan dan arsitektur saat ini dapat sepenuhnya membuka kemampuan pengarahan riset tingkat tinggi yang otonom. Namun, kemajuan AI belakangan ini tidak terutama bergantung pada terobosan “eureka” mendadak. Sebagian besar kemajuan datang dari peningkatan berkelanjutan dan iteratif—jenis proses di mana Claude Anthropic sudah menunjukkan kinerja supermanusia di domain yang terdefinisi dengan baik. Ide‑ide yang mengubah paradigma, seperti arsitektur Transformer atau model mixture‑of‑experts, hanya muncul sesekali; di antara momen tersebut, kemajuan biasanya bersifat inkremental.

Dalam praktiknya, para peneliti memperbesar skala sistem, mengamati apa yang gagal, memperbaiki masalah tersebut, lalu mengulang. Claude kini unggul dalam mendukung alur kerja iteratif semacam ini. Sebagian besar “keringat” dalam riset—menjalankan banyak eksperimen, memproses hasil, dan menyempurnakan pendekatan—kini mulai terotomatisasi. Kemajuan berskala besar semakin bergantung pada alat dan sumber daya: seberapa cepat eksperimen dapat dijalankan, berapa banyak yang dapat dijalankan secara paralel, dan seberapa cepat hasil dapat ditafsirkan. Bahkan jika Claude tidak pernah mengembangkan “selera riset” yang kuat, bukti menunjukkan bahwa ia tetap dapat mendorong percepatan majemuk dengan menangani sebagian besar pekerjaan eksekusi, sementara manusia fokus pada pengarahan tingkat tinggi.

Dilema Global: Memperlambat Frontier AI atau Terus Melaju?

Di Anthropic, realitas ini sudah terasa: insinyur dan peneliti dapat mengarahkan jauh lebih banyak pekerjaan daripada sebelumnya, bergerak lebih cepat, dan menjelajahi ruang ide yang lebih luas. Tanda‑tanda awal juga menunjukkan bahwa penilaian riset Claude membaik. Keterampilan yang dulu dianggap terlalu kualitatif untuk AI—seperti menjelaskan lelucon, menunjukkan teori pikiran, atau memecahkan teka‑teki linguistik—telah meningkat pesat. Selera riset mungkin mengikuti lintasan serupa: sulit untuk beberapa waktu, lalu tiba‑tiba menjadi terjangkau.

Apa yang terjadi selanjutnya bergantung pada apakah tren ini berlanjut dan bagaimana masyarakat memilih untuk merespons. Para penulis di Anthropic menguraikan setidaknya tiga skenario masa depan, termasuk satu skenario di mana pengembangan AI frontier diperlambat atau dijeda. Jika perlambatan yang efektif dapat dilakukan, hal itu mungkin bermanfaat: memberi institusi lebih banyak waktu untuk beradaptasi dan memungkinkan riset alignment serta keselamatan mengejar ketertinggalan. Namun, perlambatan yang hanya membatasi aktor berhati‑hati sementara aktor yang kurang berhati‑hati terus melaju tanpa kendali justru dapat membuat dunia kurang aman.

Kebutuhan Tata Kelola dan Verifikasi Lintas Negara

Tanpa koordinasi global yang kuat, perusahaan dan pemerintah akan menghadapi pilihan sulit di bawah tekanan kompetitif dan geopolitik. Para penulis berargumen bahwa akan sangat berharga bagi dunia untuk memiliki opsi memperlambat atau menjeda sementara pengembangan AI frontier dengan cara yang kredibel dan dapat ditegakkan. Anthropic Institute bermaksud melakukan riset dan mengambil langkah praktis, bersama pihak lain, untuk membantu membangun sistem yang dibutuhkan bagi perlambatan atau jeda semacam itu.

Sistem seperti itu harus memungkinkan pengembang AI frontier memverifikasi bahwa pihak lain benar‑benar memperlambat atau berhenti, sekaligus memastikan bahwa aktor jahat tidak memanfaatkan jeda terkoordinasi untuk diam‑diam melaju lebih cepat. Perlambatan yang bermakna memerlukan beberapa laboratorium berdaya besar di atau dekat frontier, di berbagai negara, yang sepakat untuk berhenti di bawah kondisi bersama dan mampu memverifikasi kepatuhan satu sama lain. Tantangannya, proses pelatihan model AI jauh lebih mudah disembunyikan daripada sistem senjata fisik, inputnya serbaguna, dan insentif untuk membelot secara diam‑diam sangat besar.

Belajar dari Rezim Pengendalian Senjata, dengan Waktu yang Lebih Sempit

Jeda yang kredibel juga memerlukan aturan jelas: apa yang memicunya, kondisi apa yang mengakhirinya, dan siapa yang mengadili sengketa. Sejarah rezim pengendalian senjata—seperti Perjanjian Intermediate‑Range Nuclear Forces—menunjukkan bahwa sistem verifikasi untuk teknologi kompleks dapat dibangun. Namun, sistem tersebut memerlukan puluhan tahun infrastruktur dan pembangunan kepercayaan. Para penulis berpendapat bahwa dunia tidak memiliki kemewahan waktu sebanyak itu untuk AI.

Jeda sepihak oleh satu laboratorium memang segera mungkin, tetapi jauh kurang berdampak. Langkah semacam itu hanya mengubah siapa yang memimpin perlombaan tanpa menciptakan struktur tata kelola dan deliberasi yang lebih luas yang saat ini masih kurang. Dalam jangka pendek, para penulis berencana mengadakan diskusi di antara pembuat kebijakan, peneliti, masyarakat sipil, dan perusahaan AI lain untuk mengeksplorasi pertanyaan‑pertanyaan ini—mulai dari prospek dan risiko peningkatan diri rekursif penuh hingga cara menciptakan opsi yang lebih baik untuk koordinasi dan deliberasi global. Hasil diskusi ini akan dipublikasikan.

Jendela yang Sedang Terbuka: Siapa yang Mengarahkan Masa Depan AI?

Branda menekankan bahwa jendela untuk menelaah isu‑isu ini secara kolektif sedang terbuka sekarang. Orang di luar perusahaan AI harus berperan dalam membentuk bagaimana AI frontier dikembangkan dan diatur. Pandangan dalam artikel ini mencerminkan perspektif individu dari diskusi internal Anthropic per Mei 2026, bukan posisi resmi perusahaan. Namun, satu hal tampak jelas: Claude Anthropic telah menggeser batas kemampuan teknis dan ritme inovasi, dan dunia kini harus memutuskan bagaimana menyeimbangkan percepatan tersebut dengan tata kelola yang memadai agar manfaatnya dapat dinikmati tanpa mengorbankan keselamatan kolektif.