AI zaczyna przyspieszać rozwój samej siebie. Anthropic przedstawia możliwe scenariusze przyszłości

Anthropic opisuje zmianę, która zachodzi w sposobie tworzenia modeli AI. Dotychczas sztuczna inteligencja pełniła przede wszystkim funkcję narzędzia wspomagającego pracę programistów i naukowców. Obecnie coraz częściej samodzielnie wykonuje zadania, które wcześniej wymagały bezpośredniego zaangażowania człowieka.

W wewnętrznych danych Anthropic wyraźnie widać ewolucję procesu tworzenia oprogramowania. W ciągu zaledwie kilku lat zmienił się charakter codziennej pracy inżynierów:

• 2021–2023: ludzie samodzielnie tworzyli modele, pisali kod i przygotowywali dokumentację.
• 2023–2025: chatboty pomagały w generowaniu fragmentów kodu, które następnie wdrażali programiści.
• 2025–2026: agenci AI zaczęli samodzielnie pisać i modyfikować całe pliki, a także wykonywać bardziej złożone zadania.
• Obecnie: agenci potrafią uruchamiać kod, przeprowadzać eksperymenty i delegować wielogodzinną pracę innym agentom.

Jakie zadania AI potrafi już przejąć?

Anthropic opisuje kilka konkretnych możliwości:

• Samodzielne rozwiązywanie problemów programistycznych – Claude potrafi otrzymać ogólnie sformułowany problem, znaleźć jego przyczynę, przetestować rozwiązania i wdrożyć poprawkę.
• Przeprowadzanie eksperymentów – system może optymalizować kod, uruchamiać kolejne testy, analizować wyniki i powtarzać proces.
• Prowadzenie badań – agenci AI potrafią formułować hipotezy, projektować eksperymenty i wymieniać się wynikami.
• Współpraca wielu agentów – systemy mogą dzielić między siebie zadania i realizować projekty wymagające wielu godzin pracy.

Nie oznacza to jednak, że AI przejęła już pełną kontrolę nad procesem badawczym. Anthropic wskazuje, że modele nadal ustępują doświadczonym specjalistom w ocenie, które problemy są najważniejsze i jakie kierunki rozwoju warto obrać

Claude odpowiada za znaczną część kodu tworzonego. Według stanu na maj 2026 roku ponad 80% kodu, który był scalany z bazą, zostało napisane przez Claude’a. Zanim w lutym 2025 roku uruchomiono wersję zapoznawczą Claude Code, odsetek ten utrzymywał się na poziomie zaledwie kilku procent. Ta zmiana jest również wyraźnie widoczna w wydajności przypadającej na jednego inżyniera. Liczba scalanych linii kodu na programistę dziennie pozostawała na stałym poziomie przez pierwsze cztery lata istnienia Anthropic.

Wzrost rozpoczął się w 2025 roku, kiedy Claude zyskał zdolność samodzielnego uruchamiania kodu, zamiast jedynie sugerować fragmenty do skopiowania i wklejenia. Krzywa wystrzeliła w górę ponownie w 2026 roku, gdy modele zaczęły działać w pełni autonomicznie w znacznie dłuższych horyzontach czasowych. W drugim kwartale 2026 roku przeciętny inżynier scalał osiem razy więcej kodu dziennie niż w 2024 roku.

Anthropic zastrzega przy tym, że liczba linii kodu nie jest idealnym miernikiem produktywności, ponieważ nie uwzględnia jego jakości.

Trzy możliwe scenariusze przyszłości

• Scenariusz 1. Ograniczenia skalowania
  • Koniec skalowania architektury: Zdolność krytycznego osądu i pomysłowości naukowej może nie wynikać z prostego powiększania liczby parametrów i danych. Jeśli architektura napotka twardy sufit, postęp wyhamuje do czasu odkrycia zupełnie nowego paradygmatu.
  • Ograniczenia fizyczne: Wąskim gardłem staje się infrastruktura: limity dostępności czystej energii elektrycznej, wydajność łańcuchów dostaw półprzewodników czy przepustowość sieci przesyłowych.
  • Wpływ rynkowy: Pierwsze tygodnie Projektu Glasswing pokazały, że Claude Mythos Preview potrafił wykryć ponad 10 tys. podatności o wysokim lub krytycznym poziomie zagrożenia w najważniejszych systemach oprogramowania na świecie.
• Scenariusz 2. AI coraz bardziej usprawnia własny rozwój, ale ludzie zachowują kontrolę
  • Zespoły o gigantycznej skali działania: Organizacje liczące 100 osób zyskują potencjał wykonawczy dotychczas zarezerwowany dla korporacji zatrudniających 10 tys. lub 100 tys. pracowników. Każdy pracownik staje się koordynatorem zarządzającym wyspecjalizowanymi agentami.
  • Nowe wąskie gardła: Przyspieszenie generowania kodu i przeprowadzania eksperymentów sprawia, że ograniczeniem przestaje być samo wykonywanie zadań. W Anthropic coraz większym wyzwaniem staje się weryfikowanie i zatwierdzanie zmian przez ludzi, a także wybieranie spośród licznych pomysłów i inicjatyw generowanych przy wsparciu AI tych, które rzeczywiście warto rozwijać.
  • Wyzwania bezpieczeństwa: Narzędzia tej klasy niosą ryzyko asymetrii w skali makro — od zautomatyzowanych, spersonalizowanych operacji dezinformacyjnych po zaawansowane systemy masowego nadzoru.
• Scenariusz 3. AI osiąga pełną samodoskonalącą się autonomię
  • Tempo zależne od zasobów obliczeniowych: Rozwój kolejnych generacji modeli przestaje być uzależniony od tempa pracy ludzkich zespołów. Jego szybkość zależy przede wszystkim od dostępnej mocy obliczeniowej oraz możliwości dalszego usprawniania algorytmów treningu i wnioskowania.
  • Nierozwiązana kwestia spójności: Największym znakiem zapytania pozostaje kontrola nad systemem. Rzadkie anomalie behawioralne obecnych modeli mogłyby ulegać kumulacji i wzmocnieniu z pokolenia na pokolenie, tworząc architekturę trudną do zrozumienia i skorygowania przez człowieka.
  • Fizyczne prawo Amdahla: Nawet w pełni rekurencyjna inteligencja zderzy się z realiami świata materialnego. Superinteligencja nie skróci dekad potrzebnych do zbadania długofalowych skutków ubocznych leków w organizmie, nie przyspieszy procesów demokratycznych ani nie wyeliminuje czasu potrzebnego na budowę fabryk i infrastruktury fizycznej.

Potencjalne skutki takiego rozwoju wykraczają daleko poza samą branżę technologiczną. Z jednej strony samodoskonaląca się AI mogłaby przyspieszyć postęp w nauce, medycynie, robotyce i opracowywaniu nowych leków. Z drugiej coraz większa autonomia systemów rodzi pytania o możliwość kontrolowania ich działania oraz bezpieczeństwo kolejnych generacji modeli. Anthropic podkreśla, że nie wiadomo jeszcze, który z przedstawionych scenariuszy się zrealizuje, a pełna rekurencyjna samodoskonaląca się AI nie jest przesądzonym kierunkiem rozwoju