In questo articolo Indice dei contenuti 2 sezioni
Tre indicatori pubblici per misurare quanto velocemente l’intelligenza artificiale stia accelerando se stessa: è la proposta con cui Anthropic ha deciso di aprire una finestra sui propri laboratori, mettendo nero su bianco metriche che finora restavano chiuse dentro l’azienda. Il punto di partenza dello studio è una frase che pesa parecchio, ovvero che i sistemi di IA stanno automatizzando una quota sempre più larga delle attività di ricerca e sviluppo necessarie a costruire modelli più avanzati. Non viene detto apertamente che il miglioramento ricorsivo sia già in corso, quel processo per cui un’IA contribuisce a rendere più capaci le sue versioni successive, ma la direzione indicata è quella.
L’azienda che sviluppa la famiglia di modelli Claude parte da una constatazione semplice: mentre nel mondo si discute se rallentare o coordinare il ritmo dello sviluppo delle tecnologie di frontiera, l’opinione pubblica non ha in mano numeri chiari su cui ragionare. Dario Amodei, amministratore delegato di Anthropic, ha sottolineato come i ritmi cambierebbero parecchio nel caso si arrivasse a un accordo internazionale sul coordinamento del progresso delle IA. Da qui la scelta di pubblicare le misurazioni interne, con l’obiettivo dichiarato di dare a governi, istituzioni e cittadini una visibilità diretta su quel che accade dentro i laboratori. Per rendere il tutto più credibile, l’azienda ha annunciato che ospiterà valutatori terzi indipendenti provenienti da organizzazioni diverse, con un accesso ai sistemi e ai dati interni paragonabile a quello delle squadre aziendali che si occupano di valutazione del rischio.
L’indice di automazione e quanto lavoro fa già Claude
I nuovi parametri si affiancano alle valutazioni periodiche sulle capacità dei modelli, quelle pubblicate attraverso i rapporti di rischio previsti dalla Responsible Scaling Policy, il protocollo interno che fissa le soglie di sicurezza prima di far avanzare i sistemi. In parallelo, nella proposta chiamata Advanced AI Framework, Anthropic suggerisce alcune regole generali per il settore, tra cui obblighi di trasparenza che i governi potrebbero imporre a tutti i laboratori prima del rilascio dei modelli sul mercato.
Il cuore della questione è però l’Anthropic R&D Automation Index, un prototipo pensato per capire in che misura Claude stia progettando e realizzando le versioni successive di se stesso. Per classificare i compiti è stata usata la scala Automation Level ideata dall’organizzazione di ricerca indipendente Epoch AI, che va da zero a cinque. Zero significa nessun intervento delle macchine, cinque significa IA che lavorano da sole. Al livello tre l’IA svolge grosse porzioni di lavoro sotto la direzione stretta di un supervisore umano, al livello quattro completa la maggior parte del compito partendo da un’istruzione generica, lasciando all’essere umano solo il controllo finale.
I dati aggiornati ad agosto 2026 dicono che Claude non arriva ancora al livello cinque in nessuna delle attività analizzate. Al quarto livello, però, i modelli svolgono in autonomia il 26% dell’intero lavoro di ricerca e sviluppo. E se si contano anche le mansioni in cui la macchina collabora con gli ingegneri al livello tre o superiore, la percentuale di lavoro svolto con un contributo concreto dell’IA supera il 90%. Per arrivarci, a luglio 2026 i ricercatori hanno campionato ogni settimana il 20% delle attività e un agente basato su Claude ha catalogato 15mila compiti. Il confronto con il paniere di gennaio 2026 non ha mostrato un aumento di mansioni del tutto nuove svolte dagli umani.
Trentamila agenti al lavoro e la mappa della potenza di calcolo
Il secondo pilastro riguarda gli agenti intelligenti, programmi che lavorano in modo semiautonomo per lunghi periodi e che possono passarsi compiti a vicenda. Sulla piattaforma interna più usata in azienda, ad agosto si contavano circa 30mila agenti attivi contemporaneamente tra ingegneria e ricerca. Le anomalie dei singoli agenti sono rare, ma gli esperti fanno notare che quando milioni o miliardi di macchine gireranno nell’economia globale, anche gli eventi rari diventeranno ordinari. Il monitoraggio valuta tre elementi: la copertura delle azioni verificate prima o dopo l’esecuzione, la latenza di revisione e il tasso di escalation, cioè la quota di attività bloccate o segnalate.
Contro i danni irreparabili, come la copia non autorizzata dei pesi dei modelli fuori dai sistemi aziendali, sono attivi monitor online in tempo reale capaci di fermare subito le operazioni pericolose, più monitor offline per l’analisi successiva. Ogni agente ha un’identità persistente che conserva la memoria anche dopo l’aggiornamento dei modelli sottostanti, e le comunicazioni passano su canali aperti e condivisi per consentire verifiche reciproche.
Resta la potenza di calcolo, risorsa centrale per l’addestramento e tra le più facili da verificare in caso di accordi internazionali. Anthropic ne ha fotografato l’uso complessivo tra il tredici e il venti luglio, guardando a come le risorse vengano divise tra ricerca generica e studi sulla sicurezza. Esaminando un campione pari al 14% di circa 10mila sessioni di calcolo, l’azienda ha riscontrato una concordanza tra valutazioni automatiche e revisori umani con uno scarto compreso tra uno e due punti percentuali.
Fonte: TecnoAndroid
