Claude Lidera 26% da P&D da Anthropic e Participa de 90%: Análise

O caderno de laboratório está olhando para trás, para o próprio laboratório. A Anthropic diz que Claude agora está ajudando a criar a próxima versão do Claude, o que é ou o ciclo de produtividade mais elegante do software ou o ponto em que o quadro branco começa a enviar pull requests. A parte importante não é a cobertura de ficção científica. É que o desenvolvimento de IA assistido por IA saiu da teoria meio vaga e entrou na prática operacional mensurável. Sim, um colunista de IA está escrevendo sobre uma IA ajudando a criar IAs melhores. O goblin da recursão comeu o organograma. Mas os números importam, e são mais interessantes do que o meme.

O número que importa não é um único número

A ABC News, com reportagem da Associated Press por Kaitlyn Huamani, informou que a Anthropic diz que Claude está liderando 26% da pesquisa e desenvolvimento de modelos da empresa. A Anthropic define isso como Claude concluindo a maior parte de uma determinada tarefa “de ponta a ponta a partir de um prompt de alto nível”, ainda sob supervisão humana, segundo a reportagem. A mesma reportagem diz que Claude não está trabalhando de forma completamente autônoma, que é a frase que sustenta muito peso aqui, como uma cadeira dobrável em um churrasco de data center.

A ABC News também informou que cerca de 90% da pesquisa e desenvolvimento da Anthropic é feita em “colaboração” com Claude. A Anthropic descreve essa colaboração como Claude fazendo “grandes partes do trabalho sob orientação humana próxima”, segundo a mesma reportagem da AP. Essa distinção importa: 26% é liderança de tarefas, cerca de 90% é participação em algum ponto do fluxo de trabalho.

Essa é a conclusão prática para equipes técnicas. A pergunta útil não é se Claude virou seu próprio estudante de pós-graduação solitário, sobrevivendo de embeddings e biscoitos de máquina de venda automática. É onde um modelo consegue receber uma instrução de alto nível, produzir um artefato substancial e devolvê-lo para um ciclo de revisão com rastreabilidade suficiente para que humanos ainda possam assumir a responsabilidade pelo resultado.

A automelhoria ganhou um organograma

O próprio Instituto da Anthropic apresenta isso como progresso rumo à automelhoria recursiva, ao mesmo tempo em que diz explicitamente que o destino ainda não chegou. Em seu post, “Quando a IA constrói a si mesma”, a Anthropic diz que sistemas de IA estão acelerando internamente o desenvolvimento de IA, mas também afirma: “Ainda não chegamos lá, e a automelhoria recursiva não é inevitável.” Tradução: a cobra está beliscando a própria cauda, ainda não comandando uma startup de ouroboros financiada por venture capital.

O Instituto da Anthropic também diz que os engenheiros da empresa agora entregam, em média, 8 vezes mais código por trimestre do que entregavam de 2021 a 2025. Isso não prova que qualidade de código, bom senso de pesquisa ou rigor de avaliação escalem magicamente pelo mesmo fator. Mostra por que os laboratórios se importam: se o desenvolvimento assistido por modelos encurta ciclos de iteração, então avaliação, gestão de experimentos, curadoria de dados e ferramentas de revisão viram os gargalos, em vez da velocidade bruta de digitação.

Para equipes de ML fora dos laboratórios de fronteira, essa é a parte que vale copiar, de forma ética e com convenções de nomes melhores. Agentes podem rascunhar código de experimentos, resumir execuções que falharam, escrever estruturas de avaliação, inspecionar logs e propor ablações. O truque é evitar confundir velocidade com validação, porque entregar oito vezes mais código sem avaliações mais fortes é só aumentar o palheiro e chamar isso de busca.

O salto a partir do zero é o sinal

O Washington Post informou que a participação de Claude na liderança de P&D da Anthropic saltou de zero em apenas alguns meses, com base na divulgação da empresa. Essa é a tendência operacional escondida dentro da manchete: os laboratórios não estão apenas usando chatbots como autocomplete com postura melhor. Eles estão inserindo modelos no ciclo de pesquisa como colaboradores que podem assumir tarefas delimitadas sob supervisão.

Isso importa porque P&D de IA tem muitas tarefas semiestruturadas para as quais os modelos são estranhamente adequados. Grande parte do trabalho é reconhecimento de padrões entre artigos, código, falhas de benchmarks, prompts, rastros de avaliação e decisões de treinamento. Um modelo capaz nesse ciclo é como dar a cada pesquisador um estagiário incansável que leu a documentação, exceto que o estagiário ocasionalmente inventa um nome de função vindo de um universo paralelo e precisa de testes como todo mundo.

A parte difícil é a responsabilidade. Se um modelo sugere uma mudança em uma suíte de avaliação, alguém verificou se ele não tornou o teste silenciosamente mais fácil? Se ele propõe um ajuste de treinamento, a equipe consegue rastrear o raciocínio, as entradas e o resultado? P&D assistido por IA funciona melhor quando o modelo é tratado como um colaborador poderoso dentro de um sistema de revisão, não como um oráculo com uma conta no Slack.

A governança precisa entrar no repositório

A ABC News observou que o anúncio da Anthropic ocorre enquanto alguns líderes de IA, incluindo o CEO da Anthropic, Dario Amodei, têm pedido a desaceleração do desenvolvimento por preocupações de segurança. Essa tensão não é hipocrisia por padrão. É o problema central: as mesmas ferramentas que podem acelerar pesquisas úteis também podem comprimir prazos para ganhos de capacidade, o que significa que a governança não pode viver em um PDF que ninguém abre depois do onboarding.

A própria forma como a Anthropic enquadra o tema aponta para preparação, não pânico. Seu Instituto diz que a automelhoria recursiva pode chegar antes de muitas instituições estarem prontas, ao mesmo tempo em que afirma que ela não é inevitável. O movimento construtivo para os leitores é entediante no melhor sentido: medir o envolvimento do modelo, definir pontos de aprovação, registrar ações de agentes, fortalecer avaliações e decidir quais tarefas nunca são delegadas sem revisão humana explícita.

Se você constrói sistemas de IA, observe como os laboratórios descrevem esses fluxos de trabalho nos próximos ciclos de modelos. A manchete é Claude ajudando a construir Claude, mas a história real é design de processos: quem escreve os prompts, quem revisa, o que é registrado e quais métricas decidem se mais rápido é de fato melhor. Recursão não é magia. É um procedimento operacional vestindo uma fantasia de cobra.