L’intelligenza artificiale non sta più cambiando soltanto il lavoro di chi scrive codice, analizza dati o produce contenuti. Sta iniziando a modificare anche la fabbrica da cui nasce la stessa AI. Anthropic ha reso pubblici nuovi indicatori sull’impiego di Claude nelle proprie attività di ricerca e sviluppo: ad agosto il modello “guidava” il 26% del lavoro di R&D sui sistemi di intelligenza artificiale, mentre partecipava, con diversi livelli di intervento, a oltre il 90% delle attività. Una fotografia che porta il tema dell’automazione avanzata fuori dal solo dibattito tecnologico e dentro quello economico: produttività, organizzazione del lavoro e vantaggio competitivo dei grandi laboratori stanno iniziando a intrecciarsi.
La ricerca accelera e cambia il costo dell’innovazione
Il dato del 26% non significa che Claude conduca autonomamente un quarto della ricerca di Anthropic. Nella scala utilizzata dall’azienda, “lead” indica la capacità di completare gran parte di un compito dall’inizio alla fine partendo da istruzioni generali, ma con supervisione umana. Anthropic precisa infatti che Claude non opera ancora in piena autonomia in nessuna delle aree analizzate. La questione economica è però evidente: se una quota crescente della R&D può essere affidata ai modelli, la produttività della ricerca potrebbe crescere e comprimere tempi e costi necessari a sviluppare la generazione successiva di prodotti.
Trentamila agenti nella macchina della R&D
La scala dell’esperimento aiuta a capire quanto rapidamente stiano cambiando i processi interni. Ad agosto Anthropic contava circa 30 mila agenti AI attivi contemporaneamente sulla piattaforma interna più utilizzata per ricerca e ingegneria. Le loro azioni passano attraverso sistemi automatici di controllo e, su oltre un miliardo di decisioni analizzate nel mese, circa una ogni 47 mila è stata bloccata dal monitor preventivo. È una nuova infrastruttura produttiva nella quale al capitale umano si affianca una crescente quantità di lavoro digitale, con implicazioni dirette sulla struttura dei costi e sull’organizzazione delle imprese tecnologiche.
Quando l’AI contribuisce a costruire l’AI
È questo il passaggio che Anthropic considera più delicato. L’aumento dell’automazione nella ricerca permette ai laboratori di sviluppare modelli più rapidamente, ma avvicina anche uno scenario nel quale i sistemi partecipano in misura crescente alla progettazione dei propri successori. La società parla di recursive self-improvement, definendolo come il punto in cui un modello sarebbe capace di costruire autonomamente il sistema successivo: una condizione che, secondo gli stessi dati di Anthropic, non è stata raggiunta. Nel materiale fornito, l’azienda lega proprio a questa evoluzione la necessità di rendere più trasparente la velocità con cui procede lo sviluppo.
Il nuovo rischio industriale: governare la velocità
Per imprese e investitori il punto non riguarda soltanto ciò che i modelli sono in grado di fare, ma la velocità con cui possono contribuire a produrre modelli migliori. Se l’AI accelera la stessa R&D che genera nuova AI, il ciclo dell’innovazione può diventare più rapido e aumentare il valore economico della scala tecnologica, del capitale computazionale e dei dati proprietari. Ma cresce parallelamente il bisogno di controlli indipendenti: Anthropic ha annunciato l’intenzione di coinvolgere valutatori esterni con accesso a processi e dati interni per verificare pratiche di sicurezza e metriche. La competizione, in altre parole, potrebbe giocarsi sempre di più non soltanto sulla potenza dei modelli, ma sulla capacità di accelerare senza perdere capacità di supervisione.
