Uno studio rivela che i modelli di Anthropic migliorano quasi due volte più velocemente grazie all'AI

Per Anthropic l’intelligenza artificiale non è più soltanto il prodotto da migliorare, ma anche uno strumento per sviluppare la generazione successiva. È la conclusione di una valutazione indipendente pubblicata il 5 novembre da METR, organizzazione non profit che studia capacità e rischi dei sistemi avanzati. Secondo i ricercatori, la velocità con cui Anthropic migliora i propri modelli è aumentata di circa 1,9 volte rispetto al periodo precedente all’ottobre 2025. Nell’ultimo anno, l’azienda avrebbe così ottenuto sui benchmark progressi paragonabili a quelli registrati nei due anni precedenti. Il risultato riapre la questione di quanto l’AI possa accelerare lo sviluppo di altra AI.

L’indagine si è svolta in undici settimane, tra agosto e ottobre 2026. METR ha esaminato dati interni di Anthropic, inclusi i risultati di modelli non ancora pubblici e informazioni sull’addestramento, e ha intervistato circa quindici dipendenti. La stima riguarda i punteggi su compiti definiti e misurabili, non tutte le capacità dei sistemi. Il rapporto indica un intervallo di confidenza del 95% tra 1,5 e 2,8 volte e sottolinea l’incertezza del risultato. I benchmark, inoltre, non descrivono necessariamente le prestazioni nel mondo reale e possono offrire un quadro parziale del progresso.

Per METR, la spiegazione più probabile è il ricorso sempre più esteso all’AI nel lavoro quotidiano dei ricercatori. L’organizzazione afferma di aver escluso che l’accelerazione dipenda da una crescita più rapida della potenza di calcolo impiegata nell’addestramento. I modelli vengono invece usati per scrivere codice, analizzare risultati, preparare esperimenti e svolgere attività tecniche in meno tempo. METR ipotizza che circa l’80% dell’accelerazione attuale possa essere attribuito all’uso dell’AI. È una valutazione soggettiva, non una misurazione precisa, e presenta un margine significativo di incertezza.

Il rapporto cita anche sondaggi interni secondo cui alcuni dipendenti avrebbero aumentato la propria velocità di lavoro fino a dodici volte grazie ai modelli più recenti. METR invita però alla cautela. Si tratta di autovalutazioni informali, provenienti da un campione non necessariamente rappresentativo. Inoltre, una persona più produttiva non significa che l’intero processo di sviluppo proceda nella stessa proporzione. Il cambiamento, per ora, non consiste nella sostituzione degli scienziati, ma nella possibilità di far avanzare più rapidamente una parte crescente del loro lavoro.

Anthropic non è ancora arrivata a una fase in cui i suoi modelli progettano e addestrano autonomamente i propri successori. Secondo METR, i sistemi attuali non forniscono contributi autonomi e decisivi nelle fasi più importanti dell’addestramento, anche se emergono segnali iniziali di progressi. La preoccupazione è che modelli più capaci possano contribuire a costruire sistemi ancora più avanzati, che a loro volta accelerino la ricerca. È il cosiddetto recursive self-improvement, o miglioramento ricorsivo. METR non ha individuato ostacoli evidenti legati a calcolo, dati o algoritmi che possano frenare questa dinamica nel breve periodo, pur riconoscendo i limiti dell’analisi.

Anche la trasparenza del rapporto presenta limiti. Anthropic ha potuto chiedere di oscurare informazioni riservate, sostenendo che la loro divulgazione avrebbe potuto avvantaggiare i concorrenti. METR spiega che alcune prove importanti non possono quindi essere esaminate dal pubblico, rendendo più difficile verificare le conclusioni. La valutazione arriva mentre l’amministratore delegato Dario Amodei ha invitato il settore a non accelerare lo sviluppo dei modelli prima che le misure di sicurezza riescano a tenere il passo.