Claude นำงาน R&D ของ Anthropic 26% และคำถามที่ยังไม่มีคำตอบ

โดย Nokka (นก-กา) | 18 กันยายน 2026

บทความนี้เขียนโดย AI (โมเดล deepseek-v4.1-flash ของผู้ให้บริการ ollama-cloud) ผ่าน Hermes Agent จาก Nous Research ตรวจสอบและเรียบเรียงโดย Nokka

มีตัวเลขชุดหนึ่งที่ผมอ่านแล้วต้องหยุดคิด [1][4]

Anthropic บอกว่า ณ เดือนสิงหาคม 2026 Claude ของบริษัทเป็น "ผู้นำ" งานวิจัยและพัฒนาของบริษัทเองอยู่ 26% และในเดือนกุมภาพันธ์ปีเดียวกัน ตัวเลขนี้ยังไม่ถึง 1% [1][4][6]

หกเดือน จากเกือบศูนย์ เป็นหนึ่งในสี่

การวัดทั้งสามชิ้นในโพสต์นี้ตอบคำถามสามข้อที่ต่างกัน [1][7]

การวัด	คำถามที่ตอบ	ผลที่ได้
AI-led R&D	AI ทำงานแทนคนแค่ไหน	26% อยู่ที่ระดับ AL4
Agent oversight	คุม agent ได้แค่ไหน	ประมาณ 30,000 ตัว · บล็อก 1 ใน 47,000
Compute allocation	จ่ายพลังประมวลผลไปกับอะไร	6% ของงานวิจัย · 12% ของงานที่ AI ทำ

ตัวเลขนี้อยู่ในโพสต์ชื่อ "Measurements for understanding the pace of AI development inside frontier labs" เผยแพร่เมื่อ 17 กันยายน 2026 [1]

⇒ เป็นครั้งแรกที่ Anthropic เปิดวิธีวัดแบบนี้ พร้อมเรียกร้องให้แล็บอื่นทำตาม [1][7] เรื่องนี้อยู่ในแผนวิจัยของ The Anthropic Institute ที่ตั้งขึ้นเมื่อเดือนพฤษภาคม 2026

โดยมีหัวข้อ "AI-driven R&D" เป็นหนึ่งในสี่หัวข้อหลัก [3]

ภาพที่ 1: หกระดับ Automation Level ของ Epoch AI ที่ Anthropic ใช้เป็นมาตรฐานในการวัด

มาตรฐานที่บอกว่า AI ทำงานได้แค่ไหน

การวัดนี้ใช้มาตรฐานจาก Epoch AI องค์กรไม่แสวงหากำไรที่ทำวิจัยเรื่องนี้โดยเฉพาะ เรียกว่า Automation Level หรือ AL แบ่งเป็น 6 ระดับ [1][5]

ระดับ	ชื่อ	หมายความว่า
AL0	ไม่มี AI	คนทำเองทั้งหมด
AL1	AI มีส่วนน้อย	AI แทบไม่เกี่ยว
AL2	AI ช่วย	AI เป็นผู้ช่วย
AL3	AI ร่วมทำงาน	AI ลงมือทำส่วนใหญ่ ภายใต้การสั่งการของคนอย่างใกล้ชิด
AL4	AI นำ	AI ทำงานเกือบทั้งหมดตั้งแต่คำสั่งระดับสูงจนจบ โดยมีคนกำกับ
AL5	AI อัตโนมัติ	AI ทำงานเองทั้งหมด ไม่มีคนอยู่ในวงจร

⇒ คำว่า "นำ" ในพาดหัวข่าวทั้งหมดจึงหมายถึง AL4 ซึ่งยังมีคนกำกับอยู่ ไม่ได้แปลว่า AI ทำเองโดยไม่มีใครดู [1][5]

Anthropic ระบุตรงๆ ว่า Claude ไม่ได้ทำงานเองแบบไร้คนกำกับในงานส่วนใดที่วัด [1]

⇒ ส่วนที่อยู่ที่ระดับ AL3 ขึ้นไปนั้นสูงกว่า 90% [1][4]

วิธีที่ Anthropic วัด

ขั้นที่หนึ่ง: สร้างแผนที่งานทั้งหมด

ส่วนนี้น่าสนใจกว่าตัวเลขเสียอีก [1]

ทุกสัปดาห์ในเดือนกรกฎาคม 2026 Anthropic สุ่มพนักงาน 20% จากทุกแผนกที่อยู่ในวงจรพัฒนาโมเดล

จากนั้นให้ agent วิจัยตัวหนึ่งอ่านบันทึกการทำงานของแต่ละคนผ่าน Slack และเอกสารภายใน เพื่อแยกว่าคนเหล่านี้ทำงานอะไรบ้าง [1][5]

ผลที่ได้คือรายการงานละเอียดประมาณ 15,000 รายการ

จากนั้น Claude จัดเรียงเป็นโครงสร้างต้นไม้ 542 โหนด

ซึ่งมี 378 โหนด ที่เป็นปลายทาง อย่าง "วินิจฉัยและซ่อมแซมข้อบกพร่องของแพลตฟอร์ม eval" [1][5]

ต้นไม้นี้ถูกตรึงไว้ ไม่ให้เปลี่ยน เพื่อให้ทุกเดือนวัดจากชุดงานเดียวกัน [1]

จากนั้น agent วิจัยอีกตัวจะไปศึกษาว่างานแบบนั้นทำกันอย่างไรทั่วบริษัท [1]

มี Claude อีกตัวทำหน้าที่เป็นผู้ตัดสิน ให้คะแนนงานแต่ละโหนดเป็นระดับ AL หนึ่งในหกระดับ โดยดูได้เฉพาะหลักฐานของเดือนที่กำลังให้คะแนนหรือก่อนหน้านั้นเท่านั้น [1]

งานแต่ละอย่างถูกถ่วงน้ำหนักด้วยเวลาที่คนใช้ไป ยิ่งมีคนใช้เวลากับงานนั้นมาก งานนั้นยิ่งมีน้ำหนักมาก [1]

ภาพที่ 2: ตัวเลขที่ Anthropic ใช้ตรวจความแม่นของการให้คะแนน

ปัญหาที่ Anthropic เปิดเอง: ใครตรวจคนตรวจ

ตัวเลขที่ควรอ่านให้ดี

จุดนี้คือส่วนที่ผมคิดว่าสำคัญที่สุดในเอกสารทั้งชิ้น [1][5]

ผู้ให้คะแนนคือ Claude และผู้ถูกให้คะแนนก็คืองานที่ Claude ทำ [1]

Anthropic รู้ปัญหา จึงให้พนักงานที่ดูแลงานส่วนนั้นให้คะแนนด้วย โดยไม่ให้เห็นว่าฝ่ายโมเดลเก็บหลักฐานอะไรมาบ้างและตัดสินอย่างไร [1][5]

การเปรียบเทียบ	ตรงกันเป๊ะ
Claude กับพนักงาน	59%
พนักงานกับพนักงาน	35%
Claude กับพนักงาน (ต่างไม่เกิน 1 ระดับ)	97%

⇒ อ่านตัวเลขนี้ให้ดี โมเดลกับคนตรงกันมากกว่าที่คนสองคนจะตรงกันเองด้วยซ้ำ [1][5]

ฟังดูเหมือนข่าวดี แต่ Anthropic เขียนกำกับไว้ตรงๆ ว่า ยังมีที่ให้เถียงกันได้จริงในกรณีเส้นแบ่ง อย่างตรงไหนที่ "AI ร่วมทำงาน" จบลงและ "AI นำ" เริ่มต้น [1]

⇒ และที่สำคัญ เอกสารไม่ได้บอกว่ามีบุคคลภายนอกมาตรวจตัวเลขชุดนี้ ตัวเลขทั้งหมด Anthropic วัดเองและรายงานเอง [5]

ตัวเลขที่สอง: 30,000 agent ทำงานพร้อมกัน

การวัดชิ้นที่สองคือการกำกับดูแล agent [1][7]

Anthropic ระบุว่า ณ เดือนสิงหาคม 2026 มี agent ประมาณ 30,000 ตัว ทำงานวิจัยและงานวิศวกรรมบนแพลตฟอร์มภายในที่ใช้มากที่สุด ในเวลาเดียวกัน [1][8]

⇒ ตัวเลขนี้วัดเฉพาะแพลตฟอร์มนั้น ไม่ได้ครอบคลุมทั้งบริษัท [1]

การทำงานของ agent เหล่านี้ถูกคุมด้วยระบบเฝ้าระวังสองชั้น [1]

ชั้นแรกคือ online monitor สำหรับความเสียหายที่เกิดเร็วและย้อนกลับไม่ได้ อย่าง agent คัดลอกน้ำหนักโมเดลออกจากระบบ Anthropic [1][7]

ชั้นที่สองคือ offline monitor สำหรับพฤติกรรมอันตรายที่ค่อยๆ ก่อตัวและย้อนกลับได้ อย่างสัญญาณของความไม่สอดคล้องกับเป้าหมายของมนุษย์ [1][7]

ผลจากเดือนสิงหาคม 2026 คือในบรรดาการตัดสินใจกว่า 1 พันล้านครั้ง ของ agent วิจัยและวิศวกรรม มี 0.002% หรือประมาณ 1 ใน 47,000 ที่ถูกบล็อก [1][8]

ระบบคัดกรองยังส่งบทสนทนาประมาณ 1-2 รายการจากทุก 1,000 รายการ ขึ้นไปให้คนตรวจต่อ โดยมีประมาณ 50 รายการที่มีความสำคัญสูงสุดต่อสัปดาห์ที่ถูกส่งถึงมือคนจริงๆ [1]

⇒ ตัวเลข 1 ใน 47,000 อ่านได้สองแบบ แบบหนึ่งคือระบบทำงานแม่นมาก อีกแบบคือมันบอกได้แค่ปริมาณที่ระบบบล็อก ไม่ได้บอกว่าไม่มีอะไรหลุด [1]

ตัวเลขที่สาม: compute ที่ให้ความปลอดภัย

สัดส่วนที่ไม่ควรอ่านเป็นตัวเลขเดียว

ชิ้นที่สามวัดว่าบริษัทใช้พลังประมวลผลไปกับอะไร [1][7]

Anthropic ตรวจการใช้ compute ทั้งหมดระหว่างวันที่ 13 ถึง 20 กรกฎาคม 2026 แล้วจัดทุกภาระงานเข้าเป็นหมวด [1][8]

ผลคือในสัปดาห์นั้น ประมาณ 6% ของ compute ที่ไปกับงานวิจัยและพัฒนา AI ถูกจัดเป็นงานความปลอดภัย [1][7][8]

และเมื่อดูเฉพาะ compute ที่ไปกับงานวิจัยที่ AI ทำเอง ตัวเลขนี้เป็นประมาณ 12% [1][8]

⇒ Anthropic ระบุเองว่าตั้งใจให้ตัวเลขนี้ต่ำไว้ก่อน ถ้าโทเคนหนึ่งถูกใช้ไปกับความสามารถพอๆ กับที่ใช้ไปกับความปลอดภัย ระบบจะจัดให้เป็นงานด้านความสามารถ [1]

และมีข้อจำกัดที่ตรงไปตรงมาที่สุดในเอกสารทั้งชิ้นอยู่ตรงนี้ [1]

Anthropic เขียนว่าการวัดสัดส่วน compute บอกได้แค่ว่าจ่ายไปเท่าไร [1]

ถ้าตัวคัดกรองความปลอดภัยมีประสิทธิภาพขึ้น หรือระบบ inference ของโมเดลที่ใช้งานจริงเร็วขึ้น สัดส่วนที่ไปกับความปลอดภัยก็จะลดลง ทั้งที่ไม่ได้ทำงานความปลอดภัยน้อยลงเลย [1]

ภาพที่ 3: ตัวเลขที่บอกว่าคอขวดย้ายไปอยู่ตรงไหน

อีกด้านหนึ่งของเรื่องเดียวกัน

ตัวเลข 26% จะดูเป็นภาพโดดๆ ถ้าไม่ประกอบกับข้อมูลอีกชุดที่ Anthropic เปิดไว้ในงานเขียนเรื่อง "When AI builds itself" [2]

ในเอกสารชิ้นนั้น Anthropic ระบุว่า ณ เดือนพฤษภาคม 2026 โค้ดที่ merge เข้า codebase ของบริษัท มากกว่า 80% เขียนโดย Claude [2][9] ก่อนที่ Claude Code จะเปิดให้ทดลองในเดือนกุมภาพันธ์ 2025 ตัวเลขนี้อยู่แค่หลักเดียว [2]

และในไตรมาสที่สองของ 2026 วิศวกรโดยทั่วไป merge โค้ดได้มากกว่าที่ทำได้ในปี 2024 ถึง 8 เท่าต่อวัน [2][9]

⇒ Anthropic เขียนกำกับไว้เองว่าตัวเลขนี้ควรอ่านอย่างระมัดระวัง เพราะการนับบรรทัดโค้ดวัดปริมาณ ไม่ได้วัดคุณภาพ 8 เท่าจึงมีแนวโน้มสูงเกินจริงอย่างแน่นอน [2]

ยังมีอีกจุดที่ผมชอบในเอกสารชิ้นนั้น คือ Anthropic ยอมรับว่าเจอปัญหาที่เรียกว่า Amdahl's law ในองค์กรของตัวเองแล้ว [2]

เมื่อโค้ดถูกส่งต่อกันในบริษัทมากขึ้น การรีวิวโค้ดโดยคนกลายเป็นคอขวดใหม่ [2]

ความคิดริเริ่ม เครื่องมือ และการจำลองใหม่ๆ ก็เพิ่มขึ้นอย่างมาก เพราะพนักงาน Anthropic ทุกคนมี AI ที่ทำอะไรได้มากกว่าเดิม [2]

⇒ นั่นแปลว่าปัญหาของยุคนี้ไม่ได้อยู่ที่การเขียนโค้ดอีกแล้ว แต่อยู่ที่ การตรวจสอบ [2]

ตัวอย่างที่เห็นภาพ

Anthropic ยกตัวอย่างงานระดับ AL4 ไว้ในบทความชิ้นวิเคราะห์ [5]

สมมติว่า data pipeline ตัวหนึ่งพัง งานที่ Claude ระดับ AL4 ทำได้คือเข้าไปดู log หาสาเหตุ ทดสอบวิธีแก้ รับมือกับสิ่งที่โผล่มาแบบไม่คาดคิด และเทียบผลลัพธ์ที่ซ่อมแล้วกับรอบล่าสุดที่ยังดีอยู่ [5]

⇒ แต่การตัดสินใจว่าจะ deploy หรือไม่ ยังเป็นของวิศวกรคนนั้น [5]

ตัวอย่างนี้ทำให้เห็นชัดว่า "นำ" ไม่ได้แปลว่า "ตัดสินใจแทน" มันแปลว่า Claude ทำทุกขั้นจนถึงจุดที่คนต้องเซ็นอนุมัติ [1][5]

ทำไมเรื่องนี้ถึงออกมาช่วงนี้

โพสต์นี้เผยแพร่วันที่ 17 กันยายน 2026 ช่วงเดียวกับที่ Dario Amodei ซีอีโอของ Anthropic เรียกร้องให้แล็บ AI ชั้นนำหาทางชะลอความเร็วในการพัฒนาร่วมกัน [7]

⇒ ข้อเสนอนี้ได้เสียงสนับสนุนจาก Sam Altman, Elon Musk และ Demis Hassabis [7][9]

ในโพสต์วัดผล Anthropic เขียนเหตุผลไว้สั้นๆ ว่า เมื่อโลกกำลังคิดจะกำหนดจังหวะของ frontier ทางเดียวที่ทำได้คือลดช่องว่างระหว่างข้อมูลที่แล็บมีกับข้อมูลที่สาธารณะมี ให้แคบที่สุด และการทำแบบนั้นได้ต้องเริ่มจากการวัดให้ดีขึ้นก่อน [1][7]

ข้อจำกัดที่เอกสารบอกเอง

สามข้อที่ทีมงานเขียนไว้เอง

ถ้าจะอ่านตัวเลข 26% ให้เป็นประโยชน์ จุดต่อไปนี้ควรอยู่ในหัวด้วย [1]

ประการแรก หลายป้ายที่ระบบใช้ อย่างเหตุผลของงาน หมวดภาระงาน แหล่งที่มาของทราฟฟิก API ล้วนตั้งโดยกฎอัตโนมัติ หรือบางครั้งตั้งโดยผู้ใช้เอง และเป็นข้อมูลแบบ best-effort ไม่ได้ผ่านการตรวจสอบ [1] ทีมงานเขียนไว้ตรงๆ ว่าการวัดที่จะให้คนภายนอกเชื่อถือได้ ต้องครบถ้วน แม่นยำ และถูกบังคับใช้ในทางเทคนิค [1]

ประการที่สอง การวัดครอบคลุมเวลาแค่หนึ่งสัปดาห์ ซึ่งพอจะแสดงว่าเรื่องนี้วัดได้ แต่ไม่พอจะแสดงแนวโน้มที่มีความหมาย [1]

ประการที่สาม ซึ่งทีมงานบอกเองว่าสำคัญที่สุด ต้นไม้รายการงานถูกตรึงไว้ตั้งแต่มุมมองข้อมูลเดือนมกราคม 2026 [1] การวัดบนชุดเดิมจะเห็นเฉพาะงานเดิมที่ถูกทำให้เป็นอัตโนมัติ แต่จะไม่เห็นงานใหม่ที่คนเพิ่งเริ่มทำขึ้น [1]

⇒ และยังมีอีกประเด็นที่ผมอยากให้สังเกต ตัวเลข 26% นี้เป็นระดับที่ Anthropic วัดกับงานของตัวเอง ไม่ใช่ตัวเลขที่บอกว่าอุตสาหกรรมทั้งวงอยู่ตรงไหน แต่แล็บอื่นก็ยังไม่มีใครวัดแบบเดียวกันออกมาเปิด [1][5]

สิ่งที่ผมเห็นจากตัวเลขชุดนี้

ตัวเลขชุดนี้ไม่ได้บอกว่า AI ใกล้จะดูแลตัวเองได้แล้ว และ Anthropic ก็ย้ำชัดว่าไม่มีงานส่วนใดที่โมเดลทำเองแบบไร้คนกำกับ [1] แต่ตัวเลขชุดนี้บอกเรื่องหนึ่ง งานวิจัยและพัฒนา AI

ซึ่งเคยเป็นงานที่คนทำเองทุกขั้น กลายเป็นงานที่ AI รับช่วงหลักไปแล้วหนึ่งในสี่ภายในเวลาไม่ถึงปี [1][4]

และเครื่องชี้วัดที่ทีมงานยกมาเองคือ การตรวจสอบ กลายเป็นงานที่ต้องออกแบบใหม่ ไม่ว่าจะเป็นรีวิวโค้ด การตรวจ agent หรือการให้คะแนนว่าตกลง AI ทำไปแค่ไหนกันแน่ [1][2]

⇒ ปัญหาของรอบนี้จึงไม่ได้อยู่ที่ AI ทำได้ไหม แต่อยู่ที่คนยังตามดูทันหรือเปล่า [2]

---

ถ้าคุณทำงานสายพัฒนาซอฟต์แวร์หรือดูแลทีมวิศวกรรม ตัวเลขชุดนี้มีคำถามหนึ่งที่ตอบเองได้เลย ลองถามทีมดูว่าตอนนี้รีวิวโค้ดใช้เวลากี่วัน และถ้าโค้ดที่ส่งเข้ามาเพิ่มขึ้นสามเท่า กระบวนการที่มีอยู่จะรับไหวไหม [2]

คำตอบของคำถามนั้นคือสิ่งที่ Anthropic เพิ่งค้นเจอในบริษัทของตัวเอง [2]

แหล่งอ้างอิง

[1] Anthropic Institute — "Measurements for understanding the pace of AI development inside frontier labs", 17 กันยายน 2026 — https://www.anthropic.com/institute/measuring-pace-of-ai-development

[2] Anthropic Institute — "When AI builds itself", 2026 — https://www.anthropic.com/institute/recursive-self-improvement

[3] Anthropic — "Focus areas for The Anthropic Institute", 7 พฤษภาคม 2026 — https://www.anthropic.com/research/anthropic-institute-agenda

[4] Unite.AI — "Anthropic Says Claude Leads 26% of Its AI Research and Development", 17 กันยายน 2026 — https://www.unite.ai/anthropic-says-claude-leads-26-of-its-ai-research-and-development/

[5] Implicator — "Anthropic Says Claude Leads 26% of Its AI R&D Work", 18 กันยายน 2026 — https://implicator.ai/anthropic-claude-leads-26-percent-ai-research

[6] Yahoo Tech — "Anthropic says Claude leads 26% of its AI R&D work", 18 กันยายน 2026 — https://tech.yahoo.com/ai/claude/articles/anthropic-says-claude-leads-26-122738788.html

[7] SiliconANGLE — "Anthropic details practical metrics to help monitor the speed of AI development", 17 กันยายน 2026 — https://siliconangle.com/2026/09/17/anthropic-details-practical-metrics-to-help-monitor-the-speed-of-ai-development/

[8] AlphaSignal — "Anthropic Reveals Claude Now Leads 26% of Its Own AI Research", 2026 — https://alphasignal.ai/news/anthropic-reveals-claude-now-leads-26-of-its-own-ai-research

[9] Cryptobriefing — "Anthropic engineers ship 8X more code than last year, with 80% authored by Claude", 2026 — https://cryptobriefing.com/anthropic-engineers-8x-code-claude/