Fato verificado
Em 17 de setembro de 2026, o Anthropic Institute publicou o texto ‘Measurements for understanding the pace of AI development inside frontier labs’, assinado por Marina Favaro e Phillie Wright, apresentando um índice próprio de automação de pesquisa e desenvolvimento, com escala de AL0, sem participação de IA, a AL5, totalmente autônomo. Segundo o documento, em agosto de 2026 o modelo Claude estava no nível ‘lidera’, AL4, em 26% do trabalho de pesquisa e desenvolvimento medido na empresa, ante menos de 1% em fevereiro de 2026. Mais de 90% do trabalho medido alcançava ao menos o nível ‘colabora’, e nenhum trabalho foi classificado como totalmente autônomo. A empresa relata cerca de 30 mil agentes executando tarefas de pesquisa e engenharia em sua plataforma interna. A própria publicação registra como limitação o uso de uma cesta congelada de tarefas, que pode deixar de captar tipos de trabalho novos.
Por que importa
É uma das poucas tentativas de medir, com escala explícita, o quanto a IA já executa de um trabalho altamente qualificado, em vez de afirmar genericamente que ‘a IA substitui pessoas’.
Leitura estratégica
O ponto estratégico está na escala, não no número: ela separa ‘colabora’ de ‘lidera’ de ‘autônomo’, e o próprio dado mostra que nada foi classificado como autônomo. Para quem administra uma empresa, isso descreve mudança na divisão de tarefas dentro de funções, não desaparecimento de cargos.
Risco real
O dado é autorrelatado pela empresa que vende o produto, refere-se a um ambiente atípico, um laboratório de IA, e não passou por validação independente; generalizá-lo para outros setores seria um erro.
Possibilidade prática
Um exercício replicável em qualquer empresa é listar as tarefas de uma função, classificar cada uma entre ‘sem IA’, ‘com apoio de IA’ e ‘conduzida por IA com revisão humana’, e medir de novo em três meses. Quem aprender a aplicar IA em problemas reais pode ampliar produtividade e possibilidades, mas isso depende de estudo, prática e conhecimento do próprio processo.