What is the Anthropic AI Fluency Index?

The Anthropic AI Fluency Index is a new metric developed by Anthropic to assess how well individuals are developing skills to effectively use AI tools. Moving beyond mere adoption, the index tracks 11 directly observable behaviors that represent safe and effective human-AI collaboration, based on the 4D AI Fluency Framework. It aims to provide a baseline measurement of user proficiency, helping to understand how these critical skills evolve as AI technology becomes more integrated into daily life. The initial study analyzed nearly 10,000 conversations on Claude.ai to identify key patterns in user interaction and skill development.

How is AI fluency measured by Anthropic?

AI fluency is measured by tracking the presence or absence of 11 specific behavioral indicators during user interactions with Claude on Claude.ai. These indicators are derived from the broader 4D AI Fluency Framework, which defines 24 behaviors of safe and effective human-AI collaboration. For the initial study, Anthropic utilized a privacy-preserving analysis tool to examine 9,830 multi-turn conversations over a 7-day period. Behaviors like 'iteration and refinement,' 'questioning reasoning,' and 'identifying missing context' were observed and classified as present or absent within each conversation, providing a quantitative baseline for AI proficiency.

What is the 'iteration and refinement effect' in AI fluency?

The 'iteration and refinement effect' refers to the strong correlation found between users who build on previous exchanges to refine their work with AI, and the display of other key AI fluency behaviors. Conversations exhibiting iteration and refinement—meaning users don't just accept the first AI response but actively engage in follow-up questions, pushbacks, and adjustments—showed significantly higher rates of other fluency indicators. For instance, these iterative conversations were 5.6 times more likely to involve users questioning Claude's reasoning and 4 times more likely to identify missing context, underscoring the importance of sustained, dynamic engagement for developing AI proficiency.

Why do users become less evaluative when creating artifacts with AI?

Anthropic's research found that when users engage AI to create artifacts such as code, documents, or interactive tools, they tend to become more directive but paradoxically less evaluative. This means users are more likely to clarify goals and provide examples, but less likely to question the model's reasoning, identify missing context, or check facts. Possible explanations include the polished appearance of AI-generated outputs, which might lead users to prematurely trust the results, or the nature of certain tasks where functional aesthetics might outweigh factual precision. Regardless, this pattern highlights a critical area for improvement in human-AI collaboration, emphasizing the need for continued critical assessment even with seemingly complete outputs.

How can individuals improve their AI fluency according to Anthropic?

Anthropic suggests three key areas for individuals to enhance their AI fluency. First, 'staying in the conversation' means treating initial AI responses as starting points, asking follow-up questions, and actively refining outputs. Second, 'questioning polished outputs' involves critically evaluating AI-generated artifacts for accuracy, completeness, and logical soundness, even if they appear perfect. Third, 'setting the terms of the collaboration' encourages users to explicitly instruct AI on how to interact, for example, by asking it to explain its reasoning or push back on assumptions. These practices aim to foster deeper engagement and critical thinking in human-AI interactions.

What are the limitations of the AI Fluency Index study?

The initial AI Fluency Index study has several important limitations. The sample is restricted to Claude.ai users engaging in multi-turn conversations during a single week in January 2026, which likely skews towards early adopters and may not represent the broader population. The study also only assesses 11 out of 24 behaviors from the 4D AI Fluency Framework, focusing solely on directly observable interactions within the chat interface, thus missing crucial ethical and responsible use behaviors that occur externally. Furthermore, the binary classification of behaviors might overlook nuanced demonstrations, and it cannot account for 'implicit behaviors' where users might mentally evaluate AI outputs without verbalizing their critical assessment in the chat.

সাবলীলতা প্রথম: Anthropic-এর দক্ষ সহযোগিতার জন্য এআই সূচক

দৈনন্দিন রুটিনে এআই সরঞ্জামগুলির দ্রুত একীকরণ আশ্চর্যজনক কিছু নয়। তবুও, এআই যখন একটি সর্বব্যাপী উপস্থিতি হয়ে ওঠে, তখন একটি গুরুত্বপূর্ণ প্রশ্ন উঠে আসে: ব্যবহারকারীরা কি শুধুমাত্র এই সরঞ্জামগুলি গ্রহণ করছে, নাকি তারা কার্যকরভাবে সেগুলিকে ব্যবহার করার জন্য প্রয়োজনীয় দক্ষতা বিকাশ করছে? Anthropic, দায়িত্বশীল এআই বিকাশের একজন নেতা, তাদের যুগান্তকারী এআই সাবলীলতা সূচক দিয়ে এর উত্তর দিতে চায়, যা মানব-এআই সহযোগিতার দক্ষতা পরিমাপ এবং ট্র্যাক করার জন্য ডিজাইন করা একটি নতুন প্রতিবেদন।

পূর্ববর্তী Anthropic Education Reports বিশ্ববিদ্যালয়ের ছাত্র এবং শিক্ষাবিদরা কীভাবে Claude-এর মতো উন্নত মডেলগুলি প্রতিবেদন তৈরি থেকে শুরু করে পাঠ পরিকল্পনা পর্যন্ত বিভিন্ন কাজের জন্য ব্যবহার করেন তার উপর আলোকপাত করেছে। তবে, এই গবেষণাগুলি প্রাথমিকভাবে ব্যবহারকারীরা কী করছিল তার উপর মনোযোগ নিবদ্ধ করেছিল। এআই সাবলীলতা সূচক আরও গভীরে অনুসন্ধান করে, ব্যক্তিরা এআই-এর সাথে কতটা ভালোভাবে জড়িত তা অন্বেষণ করে, এই রূপান্তরকারী প্রযুক্তির সাথে "সাবলীলতা" বোঝার জন্য একটি কাঠামো প্রবর্তন করে।

এআই সাবলীলতা ডিকোড করা: 4D কাঠামো

এআই সাবলীলতা পরিমাপ করার জন্য, Anthropic অধ্যাপক রিক ডাকান এবং জোসেফ ফেলারের সাথে সহযোগিতা করে 4D এআই সাবলীলতা কাঠামো তৈরি করেছে। এই ব্যাপক কাঠামোটি 24টি নির্দিষ্ট আচরণ চিহ্নিত করে যা নিরাপদ এবং কার্যকর মানব-এআই সহযোগিতার উদাহরণ দেয়। এই প্রাথমিক গবেষণার উদ্দেশ্যে, Anthropic Claude.ai চ্যাট ইন্টারফেসের মধ্যে সরাসরি পর্যবেক্ষণযোগ্য 11টি আচরণের উপর মনোযোগ নিবদ্ধ করেছে। অবশিষ্ট 13টি, যার মধ্যে কাজের ক্ষেত্রে এআই-এর ভূমিকা সম্পর্কে সৎ থাকা বা এআই-জেনারেটেড আউটপুটের পরিণতি বিবেচনা করার মতো গুরুত্বপূর্ণ দিকগুলি অন্তর্ভুক্ত, চ্যাটের বাইরে ঘটে এবং ভবিষ্যতের গুণগত গবেষণায় মূল্যায়ন করা হবে।

একটি গোপনীয়তা-সংরক্ষণ বিশ্লেষণ সরঞ্জাম ব্যবহার করে, গবেষণা দলটি 2026 সালের জানুয়ারী মাসে 7 দিনের মধ্যে Claude.ai-এ 9,830টি বহু-মোড় কথোপকথন নিবিড়ভাবে অধ্যয়ন করেছে। এই ব্যাপক ডেটাসেটটি 11টি পর্যবেক্ষণযোগ্য সাবলীলতা আচরণের উপস্থিতি বা অনুপস্থিতি পরিমাপের জন্য একটি শক্তিশালী বেসলাইন সরবরাহ করেছে, যা এআই সাবলীলতা সূচক তৈরি করেছে। এই সূচকটি বর্তমান সহযোগিতার ধরণগুলির একটি স্ন্যাপশট এবং এআই মডেলগুলি উন্নত হওয়ার সাথে সাথে তাদের বিবর্তন ট্র্যাক করার জন্য একটি ভিত্তি সরবরাহ করে।

এআই মিথস্ক্রিয়ায় পুনরাবৃত্তি এবং পরিমার্জনার ক্ষমতা

এআই সাবলীলতা সূচক থেকে প্রাপ্ত সবচেয়ে আকর্ষণীয় ফলাফলগুলির মধ্যে একটি হল পুনরাবৃত্তি এবং পরিমার্জন এবং প্রায় অন্যান্য সমস্ত এআই সাবলীলতা আচরণের মধ্যে শক্তিশালী সম্পর্ক। গবেষণায় দেখা গেছে যে 85.7% কথোপকথনে ব্যবহারকারীরা তাদের কাজ পরিমার্জন করার জন্য পূর্ববর্তী আদান-প্রদানের উপর নির্ভর করেছিল, শুধুমাত্র প্রাথমিক প্রতিক্রিয়া গ্রহণ না করে। এই পুনরাবৃত্তিমূলক কথোপকথনগুলি অন্যান্য সাবলীলতা আচরণের উল্লেখযোগ্যভাবে উচ্চ হার প্রদর্শন করেছে, যা দ্রুত, পরপর চ্যাটগুলিতে দেখা দক্ষতার দ্বিগুণ।

এআই সাবলীলতা আচরণে পুনরাবৃত্তির প্রভাব

আচরণগত সূচক	পুনরাবৃত্তি ও পরিমার্জন সহ কথোপকথন (n=8,424)	পুনরাবৃত্তি ও পরিমার্জন ছাড়া কথোপকথন (n=1,406)	বৃদ্ধির কারণ (পুনরাবৃত্তিমূলক বনাম অ-পুনরাবৃত্তিমূলক)
Claude-এর যুক্তি নিয়ে প্রশ্ন তোলা	উচ্চ	নিম্ন	5.6x
হারিয়ে যাওয়া প্রসঙ্গ চিহ্নিত করা	উচ্চ	নিম্ন	4x
লক্ষ্য স্পষ্ট করা	উচ্চ	মধ্যম	~2x
ফর্ম্যাট নির্দিষ্ট করা	উচ্চ	মধ্যম	~2x
উদাহরণ প্রদান	উচ্চ	মধ্যম	~2x
গড় অতিরিক্ত সাবলীলতা আচরণ	2.67	1.33	2x

টেবিল: পুনরাবৃত্তি এবং পরিমার্জন সহ কথোপকথনে সাবলীলতা আচরণের বর্ধিত প্রবণতা চিত্রিত করা হয়েছে।

এই "পুনরাবৃত্তি এবং পরিমার্জন প্রভাব" এআই-কে কেবল একটি কাজ ডেলিগেট হিসাবে না দেখে একটি চিন্তাভাবনার অংশীদার হিসাবে বিবেচনা করার গুরুত্বকে তুলে ধরে। যে ব্যবহারকারীরা সক্রিয়ভাবে একটি সংলাপে নিযুক্ত থাকে, আপত্তি জানায় এবং তাদের প্রশ্নগুলি পরিমার্জন করে, তারা এআই আউটপুটগুলি সমালোচনামূলকভাবে মূল্যায়ন করতে, এর যুক্তি নিয়ে প্রশ্ন তুলতে এবং গুরুত্বপূর্ণ অনুপস্থিত প্রসঙ্গ চিহ্নিত করতে উল্লেখযোগ্যভাবে বেশি সক্ষম। এটি এজেন্টিক ওয়ার্কফ্লোর ধারণার সাথে সামঞ্জস্যপূর্ণ, যেখানে মানুষের তত্ত্বাবধান এবং পুনরাবৃত্তিমূলক প্রতিক্রিয়া আরও ভাল ফলাফল নিয়ে আসে, যেমন GitHub Agentic Workflows-এর মতো প্ল্যাটফর্ম সম্পর্কে আলোচনায় অন্বেষণ করা হয়েছে।

এআই শিল্পকর্ম তৈরির দ্বিমুখী তলোয়ার

যদিও পুনরাবৃত্তি সামগ্রিক সাবলীলতা বাড়ায়, প্রতিবেদনটি একটি সূক্ষ্ম ধরণ আবিষ্কার করেছে যখন ব্যবহারকারীরা কোড, নথি বা ইন্টারেক্টিভ টুলের মতো শিল্পকর্ম তৈরি করার জন্য এআই-কে নির্দেশ দেয়। এই কথোপকথনগুলি, যা নমুনার 12.3% প্রতিনিধিত্ব করে, দেখায় যে ব্যবহারকারীরা আরও নির্দেশনামূলক হয়ে উঠছে কিন্তু আশ্চর্যজনকভাবে কম মূল্যায়নশীল।

শিল্পকর্ম তৈরি করার সময়, ব্যবহারকারীরা তাদের লক্ষ্য স্পষ্ট করতে (+14.7 শতাংশ পয়েন্ট), ফর্ম্যাট নির্দিষ্ট করতে (+14.5পিপি), এবং উদাহরণ প্রদান করতে (+13.4পিপি) বেশি আগ্রহী ছিল। তবে, এই বর্ধিত নির্দেশিকা বৃহত্তর বিচক্ষণতায় রূপান্তরিত হয়নি। প্রকৃতপক্ষে, ব্যবহারকারীরা হারিয়ে যাওয়া প্রসঙ্গ চিহ্নিত করতে (-5.2পিপি), তথ্য যাচাই করতে (-3.7পিপি), বা মডেলের যুক্তি নিয়ে প্রশ্ন তুলতে (-3.1পিপি) উল্লেখযোগ্যভাবে কম আগ্রহী ছিল। এই প্রবণতাটি বিশেষভাবে উদ্বেগজনক কারণ জটিল কাজগুলি, যা প্রায়শই শিল্পকর্ম তৈরির সাথে জড়িত, সেখানে Claude Opus 4.6 বা GPT-5 (যদি এটি বাস্তবে থাকত, যদিও লিঙ্কটি একটি ভবিষ্যৎ বা কাল্পনিক সংস্করণের দিকে নির্দেশ করে) এর মতো উন্নত এআই মডেলগুলির সবচেয়ে বেশি অসুবিধা হওয়ার সম্ভাবনা থাকে।

এই ঘটনাটি এআই দ্বারা প্রায়শই তৈরি করা পরিশীলিত, কার্যকরী-সুদর্শন আউটপুটগুলির কারণে হতে পারে, যা ব্যবহারকারীদের একটি মিথ্যা পূর্ণতার অনুভূতিতে ডুবিয়ে দিতে পারে। এটি একটি UI ডিজাইন করা হোক বা একটি আইনি বিশ্লেষণ তৈরি করা হোক, এআই-এর আউটপুট সমালোচনামূলকভাবে যাচাই করার ক্ষমতা অপরিহার্য। এআই মডেলগুলি আরও পরিশীলিত হওয়ার সাথে সাথে, আপাতদৃষ্টিতে নিখুঁত আউটপুটগুলির অন্ধভাবে গ্রহণ করার ঝুঁকি বেড়ে যায়, যা মূল্যায়ন দক্ষতাগুলিকে আগের চেয়ে আরও মূল্যবান করে তোলে।

আপনার নিজস্ব এআই সাবলীলতা গড়ে তোলা

ভালো খবর হল, যেকোনো দক্ষতার মতোই এআই সাবলীলতাও বিকাশ করা যেতে পারে। তাদের findings-এর ভিত্তিতে, Anthropic মানব-এআই সহযোগিতা বাড়াতে ইচ্ছুক ব্যবহারকারীদের জন্য ব্যবহারিক পরামর্শ দেয়:

কথোপকথনে থাকা: প্রাথমিক এআই প্রতিক্রিয়াগুলিকে একটি শুরু করার বিন্দু হিসাবে গ্রহণ করুন। ফলো-আপ প্রশ্ন জিজ্ঞাসা করুন, অনুমানগুলিকে চ্যালেঞ্জ করুন এবং আপনার অনুরোধগুলি পুনরাবৃত্তিমূলকভাবে পরিমার্জন করুন। এই সক্রিয় ব্যস্ততা অন্যান্য সাবলীলতা আচরণের সবচেয়ে শক্তিশালী পূর্বাভাসক।
পরিশীলিত আউটপুটগুলিকে প্রশ্ন করা: যখন একটি এআই মডেল এমন কিছু তৈরি করে যা সম্পূর্ণ এবং নির্ভুল মনে হয়, তখন থামুন এবং সমালোচনামূলক চিন্তাভাবনা প্রয়োগ করুন। জিজ্ঞাসা করুন: এটি কি সত্যিই নির্ভুল? কিছু অনুপস্থিত আছে কি? যুক্তিটি কি সঠিক? দৃশ্যমান পরিশীলন যেন সমালোচনামূলক মূল্যায়নকে দমন না করে।
সহযোগিতার শর্তাবলী নির্ধারণ করা: আপনি কীভাবে এআই-কে আপনার সাথে মিথস্ক্রিয়া করতে চান তা সক্রিয়ভাবে সংজ্ঞায়িত করুন। সুস্পষ্ট নির্দেশাবলী যেমন "আমার অনুমান ভুল হলে আপত্তি জানাও," "তোমার যুক্তি আমাকে ব্যাখ্যা করো," বা "তুমি কী সম্পর্কে অনিশ্চিত তা আমাকে বলো" মৌলিকভাবে গতিশীলতা পরিবর্তন করতে পারে, একটি আরও স্বচ্ছ এবং শক্তিশালী সহযোগিতা বৃদ্ধি করে।

ভবিষ্যতের এআই দক্ষতা বিকাশের জন্য একটি বেসলাইন

এই প্রাথমিক গবেষণার সীমাবদ্ধতাগুলি স্বীকার করা গুরুত্বপূর্ণ। এই নমুনাটি, যা 2026 সালের শুরুর দিকের বহু-মোড় Claude.ai ব্যবহারকারীদের নিয়ে গঠিত, সম্ভবত এআই-এর সাথে স্বাচ্ছন্দ্য বোধ করা প্রাথমিক গ্রহণকারীদের দিকে ঝুঁকেছে, বৃহত্তর জনসংখ্যার প্রতিনিধিত্ব করে না। গবেষণাটি শুধুমাত্র চ্যাট ইন্টারফেসের মধ্যে পর্যবেক্ষণযোগ্য আচরণের উপরও মনোযোগ নিবদ্ধ করে, গুরুত্বপূর্ণ নৈতিক এবং দায়িত্বশীল ব্যবহারের আচরণগুলি যা বাহ্যিকভাবে ঘটে তা বাদ দিয়ে। এই সতর্কতাগুলির অর্থ হল এআই সাবলীলতা সূচক এই নির্দিষ্ট জনসংখ্যার জন্য একটি বেসলাইন এবং গভীর, দীর্ঘমেয়াদী গবেষণার জন্য একটি শুরু করার বিন্দু সরবরাহ করে।

এই সীমাবদ্ধতাগুলি সত্ত্বেও, এআই সাবলীলতা সূচক কার্যকর মানব-এআই সহযোগিতা বোঝা এবং লালন করার দিকে একটি গুরুত্বপূর্ণ পদক্ষেপ চিহ্নিত করে। এআই সরঞ্জামগুলি ক্রমাগত বিকশিত হওয়ার সাথে সাথে, ব্যবহারকারীদের সমালোচনামূলকভাবে, পুনরাবৃত্তিমূলকভাবে এবং দায়িত্বশীলভাবে জড়িত থাকার দক্ষতা দিয়ে ক্ষমতায়ন করা এই প্রযুক্তির সম্পূর্ণ সম্ভাবনা উপলব্ধি করতে এবং এর ঝুঁকিগুলি প্রশমিত করতে গুরুত্বপূর্ণ হবে। এই প্রাথমিক প্রতিবেদনটি ভবিষ্যতের গবেষণার জন্য মঞ্চ তৈরি করে, যা ব্যবহারকারী এবং ডেভেলপার উভয়কেই একটি আরও সাবলীল এবং উপকারী এআই-চালিত ভবিষ্যত গড়তে সাহায্য করার প্রতিশ্রুতি দেয়।

এআই সাবলীলতা সূচক: মানব-এআই সহযোগিতার দক্ষতা পরিমাপ