Perkembangan AI frontier makin sulit dipahami publik ketika sistem AI tidak hanya dipakai manusia, tetapi juga membantu membangun versi AI berikutnya. Pada 17 September 2026, Anthropic mengusulkan tiga kelompok metrik agar laju perkembangan tersebut lebih dapat diamati: seberapa besar AI mengerjakan riset dan pengembangan AI, seberapa baik tindakan agen diawasi, serta bagaimana sumber daya komputasi dialokasikan.
Usulan ini bukan standar universal. Anthropic menyebutnya sebagai langkah menuju transparansi yang lebih baik. Angka dan definisi perlu dibaca sebagai snapshot dari lingkungan Anthropic, bukan gambaran seluruh industri.
Tiga hal yang ingin diukur
Seberapa banyak AI membantu membangun AI
Metrik pertama melihat porsi pekerjaan riset dan engineering AI yang dilakukan atau dibantu sistem AI. Pertanyaannya bukan sekadar berapa banyak kode yang dihasilkan, melainkan seberapa besar kontribusi AI terhadap pekerjaan yang membantu menghasilkan sistem berikutnya.
Apakah oversight mampu mengikuti agen?
Metrik kedua berfokus pada pengawasan dan intervensi terhadap tindakan agen. Anthropic menulis bahwa pada Agustus 2026, sekitar 30.000 agen mengerjakan tugas riset dan engineering pada satu platform internal yang paling banyak digunakan. Angka ini hanya mencakup platform tersebut, bukan seluruh aktivitas perusahaan.
Jumlah agen saja tidak cukup. Organisasi juga perlu tahu kapan monitor memblokir atau menandai aktivitas, apakah manusia dapat memahami tindakan agen, dan seberapa cepat intervensi bisa dilakukan.
Ke mana compute dialokasikan?
Metrik ketiga melihat sumber daya komputasi yang menggerakkan pengembangan model. Informasi ini membantu publik memahami apakah kapasitas dipakai untuk training, evaluasi, eksperimen, deployment, atau pekerjaan lain.
Kenapa transparansi metrik ini penting?
Perdebatan AI sering terjebak pada demo, benchmark, atau janji masa depan. Metrik operasional dapat memberi gambaran lebih konkret: berapa banyak pekerjaan yang dibantu AI, apa yang terjadi saat agen keliru, dan sumber daya apa yang digunakan.
Sebelum memakai agen pada workflow penting, tanyakan siapa yang meninjau output, bagaimana akses dibatasi, bagaimana aktivitas dicatat, dan apa jalur penghentian jika perilaku sistem menyimpang.
Pelajaran praktis untuk bisnis kecil dan developer
Bisnis tidak harus memiliki ribuan agen untuk menerapkan prinsip ini. Mulailah dengan mencatat tugas apa yang dikerjakan AI, keputusan apa yang tetap disetujui manusia, dan bukti apa yang disimpan setelah tugas selesai.
- Definisikan batas: agen hanya mendapat akses yang diperlukan.
- Simpan jejak: catat tindakan, hasil, error, dan keputusan operator.
- Uji jalur gagal: siapkan fallback ketika model salah atau provider tidak tersedia.
- Evaluasi berkala: ukur kualitas, waktu, biaya, dan insiden.
Untuk developer yang menjual software self-hosted, kontrol akses dan audit juga penting. Source Code License Manager CI4 dapat menjadi referensi untuk mempelajari domain binding, signed token, audit log, dan pengelolaan instalasi terpusat. Periksa detail fitur dan kebutuhan server sebelum menentukan kecocokan.
Yang masih perlu diperhatikan
Metrik akan berguna jika definisinya dipahami, diaudit, dan dibandingkan dari waktu ke waktu. Ada risiko angka terlihat presisi tetapi mengukur hal berbeda antarorganisasi. Karena itu, konteks, cakupan, periode pengukuran, dan metode pengumpulan data harus disertakan.
Kesimpulan
Usulan Anthropic menggeser pertanyaan dari seberapa pintar model terbaru menjadi seberapa cepat AI membantu membangun AI, seberapa baik tindakannya diawasi, dan sumber daya apa yang dipakai. Kerangka ini belum menjadi standar industri, tetapi menawarkan bahasa lebih konkret untuk membahas perkembangan AI frontier.
Sumber dan kredit visual
Sumber primer: Anthropic — Measurements for understanding the pace of AI development inside frontier labs, diperiksa 20 September 2026.
Featured image: visual original Kuskuskuy, dibuat khusus untuk artikel ini pada 20 September 2026.
