Claude bygger redan sina egna efterföljare – men verklig autopilot är fortfarande långt borta

Innan man låter tankarna skena i väg mot science fiction finns det dock skäl att reda ut begreppen. Claude sitter inte i ett digitalt laboratorium och bestämmer på egen hand vilken modell som ska byggas härnäst och vara smartare än Claude själv.

Anthropic använder en skala för automatisering från AL0 till AL5. AL4, eller ”leder”, innebär att AI får en övergripande uppgift av en människa och själv kan genomföra merparten av den från början till slut. En människa övervakar arbetet men behöver inte längre ange varje steg i förväg. AL5 skulle innebära fullständig autonomi utan mänsklig medverkan, och i det utvecklingsarbete som Anthropic har mätt har Claude ännu inte nått den nivån inom något område.

Ökningen från 1 till 26 procent är viktigare än den slagkraftiga rubriken

Det mest anmärkningsvärda är inte ens den nuvarande nivån på 26 procent, utan förändringstakten. Så sent som i februari låg andelen arbete som leddes av Claude under 1 procent.

Det skapar en tämligen intressant återkopplingsloop inom AI-utvecklingen. En bättre modell hjälper forskare och ingenjörer att bygga nästa modell, som i sin tur bör kunna ta sig an en ännu större del av arbetet med att utveckla nästa generation.

Ett aktuellt exempel från Anthropic visar vad en sådan arbetsfördelning innebär i praktiken. På mindre än fyra veckor optimerade Claude fler än 30 modeller med öppen källkod för biomolekylär modellering, vilket gjorde dem omkring fyra gånger snabbare i genomsnitt.

Det handlar alltså inte längre bara om att en chattbot skriver några rader Python-kod åt en ingenjör. Agenter kan tilldelas allt större, kompletta arbetspaket.

Omkring 30 000 AI-agenter arbetar samtidigt i Anthropics laboratorium

Omfattningen gör saken ännu mer intressant. På Anthropics mest använda interna plattform arbetar omkring 30 000 agenter samtidigt med forsknings- och ingenjörsuppgifter. Företaget kontrollerar agenternas verksamhet med hjälp av automatiserade säkerhetssystem.

Det här är ett ganska bra exempel på hur ”AI i arbetslivet” börjar se ut i praktiken. Ett enskilt chattfönster med Claude är inte särskilt uppseendeväckande. Tiotusentals agenter som löser uppgifter parallellt är det.

Anthropic betonar vikten av tillsyn eftersom besluten som agenterna fattar under arbetets gång blir viktigare ju större uppgifter de får. Vid någon punkt är frågan inte längre om modellen skrev rätt kodrad, utan vilken forskningsinriktning den över huvud taget valde.

Siffran bör fortfarande tas med en nypa salt

Uppgiften om 26 procent bygger inte på en oberoende granskning eller en allmänt vedertagen branschstandard. Måttet har utvecklats av Anthropic, och företaget medger självt att det använder sina egna modeller för att bedöma systemen. Det kan skapa en situation där modellen som gör bedömningen begår samma fel som modellen som utvärderas. AI-laboratorierna saknar dessutom i dag en gemensam metod som skulle göra det möjligt att jämföra siffror från Anthropic, OpenAI och Google DeepMind på ett rättvisande sätt.

Det vore därför för tidigt att slå fast att Claude redan utför en fjärdedel av Anthropics forskares arbete eller utvecklar sig självt autonomt.

En betydligt mer träffsäker – och faktiskt mer intressant – slutsats är denna: inom en allt större del av den mest avancerade AI-utvecklingen går människor från att själva utföra arbetet till att formulera uppgifter och övervaka genomförandet.

Om Claude enligt Anthropics mått kunde leda mindre än 1 procent av utvecklingsarbetet i februari och redan 26 procent i augusti, är det framför allt den kurvan som blir viktig att följa i kommande rapporter. AI som hjälper till att bygga nästa AI är inte längre en teoretisk idé. Än så länge behöver den helt enkelt fortfarande en människa vid sin sida.