Anthropic เผยผลทดลอง Project Fetch เฟส 2 ต่อยอดจากการทดลองเดือนสิงหาคม 2025 ที่ให้พนักงาน (ซึ่งไม่ใช่ผู้เชี่ยวชาญหุ่นยนต์) ลองสั่งงาน "หุ่นหมา" (robodog) สี่ขาแบบสำเร็จรูป
เกิดอะไรขึ้น
รอบก่อน ทีมที่มี Claude ช่วยทำงานได้เร็วกว่าทีมที่ไม่มี แต่ตัวโมเดลเองยัง "เชื่อมต่อกับหุ่นไม่เป็น" ด้วยซ้ำ คราวนี้ทีมงานเอา Claude Opus 4.7 มาลองสั่งงาน เองโดยไม่มีคนช่วย ผ่าน Claude Code โดยมนุษย์มีหน้าที่แค่เสียบโน้ตบุ๊กเข้ากับหุ่น พิมพ์โจทย์ตั้งต้น แล้วกดอนุมัติคำสั่ง
ผลที่ได้คือ Opus 4.7 ทำทุกงานที่ทีมมนุษย์เคยทำได้เมื่อปีก่อน เร็วกว่าทีมที่เร็วที่สุดราว 20 เท่า เฉพาะ 4 งานที่ทั้งสองทีมมนุษย์ทำสำเร็จ โมเดลทำเฉลี่ยเร็วกว่าทีมที่ไม่มี Claude กว่า 37 เท่า และเร็วกว่าทีมที่มี Claude กว่า 18 เท่า — จาก 361 นาที และ 181 นาที เหลือเพียง 9 นาที 35 วินาที แถมเขียนโค้ดน้อยกว่าเกือบ 10 เท่า (1,045 บรรทัด เทียบกับ 10,309 บรรทัด)
งานที่ทำได้รวมถึง การเชื่อมต่อกล้องและเซ็นเซอร์ lidar ของหุ่น เขียนโปรแกรมคุมการเดิน และตรวจจับลูกบอลชายหาด
แปลว่าอะไร
Anthropic ย้ำเองว่า นี่ไม่ได้แปลว่า AI "แก้โจทย์หุ่นยนต์" ได้แล้ว — Opus 4.7 ยังทำส่วน "fetch" จริง ๆ คือค่อย ๆ ดันลูกบอลกลับจุดเริ่มต้นไม่สำเร็จ เพราะเป็นงานควบคุมแบบวงปิดที่ต้องปรับแก้ตามผลทันที ซึ่งมนุษย์ยังทำได้ดีกว่า
แต่แนวโน้มที่น่าสนใจคือรูปแบบเดิมเกิดซ้ำอีกครั้ง: โมเดลช่วยมนุษย์ → มนุษย์ช่วยโมเดล → โมเดลทำเองได้ เหมือนที่เคยเห็นมาแล้วในงานเขียนโค้ดและงานไซเบอร์ซิเคียวริตี้ Anthropic เรียกช่วงนี้ว่าจุดเริ่มต้นของ "AI เชิงกายภาพ" (physical agentic AI) ที่โมเดลเริ่มหยิบเครื่องมือจริงในโลกมาใช้ได้คล่องขึ้น
AI เก่งขึ้นเร็วมากในงาน "เขียนโค้ดคุมหุ่น" จนทำเองได้เร็วกว่าทีมคนหลายสิบเท่า — แต่ "งานมือ" ที่ต้องปรับจูนเรียลไทม์อย่างการคาบลูกบอลกลับบ้าน คนยังเหนือกว่าอยู่