Koniec człowieka-programisty? Anthropic ujawnia kulisy autonomicznej ewolucji AI
W czerwcu 2026 roku Jack Clark z Anthropic oznajmił bez ogr3dek: około 80% prac programistycznych w firmie wykonuje juŴ Claude. To nie jest odległa wizja, lecz codziennoœć laboratorium, w kt3rym sztuczna inteligencja przestała być pomocnikiem, a stała się gł3wnym architektem własnej struktury. Granica między tw3rcą a tworzywem zaciera się w tempie, kt3rego nie przewidzieli najwięksi optymiœci.
Dlaczego to ważne teraz?
Temat nabrał tempa po publikacji manifestu – When AI builds itself. Anthropic publicznie przyznaje, Ŵe duŴa częœć jego inŴynierii działa juŴ w pętli automatycznej, co rodzi fundamentalne pytania o bezpieczeństwo. Nie dyskutujemy juŴ o prostych chatbotach, ale o tempie autonomizacji badań i ryzyku, Ŵe systemy zaczną ulepszać własnych następc3w bez jakiegokolwiek nadzoru inŴynier3w.
Od pomocnik3w do autonomicznych architekt3w
Ewolucja roli AI w procesach inŴynierskich jest uderzająca. Jeszcze niedawno inŴynierowie ręcznie kopiowali fragmenty kodu z okna czatu. Dzisiaj inŴynierowie firmy wypuszczają œrednio osiem razy więcej kodu na kwartał niŴ w latach 2021–2025. Ludzie stają się dyrektorami kreatywnymi i recenzentami, podczas gdy maszyna wykonuje czarną robotę. „The evidence suggests that the human role is narrowing at each step in the AI development process” – ostrzega Anthropic Institute.
Sztuczna inteligencja nie tylko produkuje kod masowo, ale robi to coraz lepiej. Modele osiągnęły parytet z najlepszymi programistami, a automatyczni recenzenci Claude wyłapują juŴ ok. 1/3 błęd3w, kt3re wczeœniej umykały ludziom. Jeœli ten trend się utrzyma, programowanie stanie się czynnoœcią czysto nadzorczą.
Nauka na sterydach algorytmicznych
Największa zmiana zachodzi w obszarze badań naukowych. Czas zadań, kt3re agenty AI wykonują samodzielnie, podwaja się mniej więcej co cztery miesiące. To ogromny skok wobec wczeœniejszego cyklu siedmiomiesięcznego. Nowoczesne modele, jak Sonnet 3.7, potrafią realizował złoŴone projekty badawcze trwające nawet 12 godzin bez przerwy i bez ingerencji człowieka.
W testach optymalizacji treningu, AI przeszła od skromnego przyspieszenia do 52-krotnego wzrostu wydajnoœci kodu. Agenty potrafią stawiał hipotezy, weryfikował je i iterował rozwiązania, zbliŴając się do teoretycznego maksimum efektywnoœci badawczej.
Pułapka wąskich gardeł
Mimo technicznego sukcesu, Anthropic zachowuje chłodny dystans. Proces ten podlega prawu Amdahla: przyspieszenie jednego elementu sprawia, Ŵe wąskie gardło przenosi się w inne miejsce. Obecnie są nim ludzie. „If they can’t review code as quickly as Claude can generate it, human review will become the bottleneck to AI development” – czytamy w raporcie. AI generuje pomysły z prędkoœcią, kt3rej ludzki m3zg nie moŴe przetworzyĂ, co prowadzi do decyzyjnego paraliŴu organizacyjnego.
Scenariusze przyszłoœci: Kontrola czy chaos?
Jack Clark wprost m3wi o ryzyku: „wkr3tce agentowe systemy AI mogą same tworzyĂ i trenował modele”. To otwiera drogę do pełnego rekurencyjnego samodoskonalenia. Jeœli algorytmy zaczną autonomicznie projektował swoje kolejne wersje, błędy w dostrojeniu (alignment) mogą kumulowaĂ się z generacji na generację. W efekcie moŴemy otrzymaĂ systemy o zachowaniach, kt3rych Ŵaden człowiek nie będzie juŴ w stanie zrozumieĂ ani skorygowaĂ. Czas na ręczny hamulec bezpieczeństwa, o kt3ry apeluje firma w wywiadach prasowych, dramatycznie się kurczy.
