De mogelijkheden van AI-modellen gaan sneller vooruit en stellen hen in staat steeds langere taken uit te voeren, volgens verschillende evaluaties. De topmodellen van Amerikaanse laboratoria komen sneller dan ooit uit, ook al hebben overheidsinterventies tijdelijk de toegang tot twee van de krachtigste, Claude Fable en GPT-5.6, beperkt.
Verschillende organisaties meten welk deel van menselijk werk door AI kan worden uitgevoerd. Evaluaties van METR en het Britse AI Security Institute schatten de hoeveelheid werk van een menselijke programmeur die een AI kan verrichten op basis van een enkele prompt, dus een enkele instructie. De GDPval-test vergelijkt voor zijn deel menselijke experts met AI’s, met professionele beoordelaars. Volgens deze metingen verbeteren de resultaten sneller dan een exponentiële curve.
Epoch heeft vastgesteld dat Opus 4.7, alleen werkend gedurende 14 uur, een softwarepakket heeft gebouwd dat overeenkomt met 2 tot 17 weken menselijk engineeringwerk, tegen een kostprijs van 251 dollar in tokens. Een token is een kleine tekstuele eenheid die het model leest en produceert. In zijn eigen experimenten geeft de auteur aan dat Fable autonoom kon werken gedurende 9 uur aan zeer complexe softwareprojecten, die een team meer dan een week zouden hebben gekost.
De meest geavanceerde modellen worden ontwikkeld door Anthropic, OpenAI en Google, hoewel Google al een tijdje geen nieuw model heeft uitgebracht. Een tweede groep modellen, bijna op topniveau, komt daarentegen uit China. Ze lopen 6 tot 12 maanden achter en zijn open-weight, wat betekent dat iedereen ze kan gebruiken of aanpassen na hun release, in tegenstelling tot propriëtaire modellen. Hun exploitatie is dus goedkoop, ook al komen hun prestaties niet altijd overeen met de door hun testscores aangekondigde.
Agenten in plaats van chatbots
Tot voor kort bestond het dominante gebruik erin de AI een taak te vragen, het resultaat te controleren en dan naar de volgende stap te gaan. Deze samenwerkingsmodus blijft nuttig, maar maakt plaats voor agenten, systemen die acties aaneenschakelen zonder constante menselijke tussenkomst. Ze steunen op een softwareomgeving, een zogenaamd harnas, dat hen toegang geeft tot tools, en op applicaties zoals Claude Code of de Codex van OpenAI.
Een gezamenlijke studie van OpenAI en academische economen toont aan dat deze transitie binnen het bedrijf zelf versnelt. De juridische diensten en de humanresourcesafdeling hebben agenten bijna even snel geadopteerd als de technische teams. Een kwart van de werknemers van OpenAI laat elke week minstens vier agenten tegelijkertijd draaien.
Een andere studie over gebruikers van Claude Code geeft aan dat software-engineers een vergelijkbaar succespercentage hebben als andere beroepen wanneer ze de tool gebruiken voor programmeertaken. Het is niet het beroep dat het verschil maakt, volgens dit werk, maar de expertise: hoe meer iemand zijn vakgebied kent, hoe beter hij slaagt met de tool en hoe nuttiger de antwoorden zijn die hij van Claude krijgt bij elke prompt.
Een moeilijk waarneembare curve
Een AI-plan opgesteld voor de winter van 2025 beschreef een systeem dat enkele uren werk aankon, met een vrij hoog foutenpercentage. Een paar maanden later kan een enkele prompt zestien uur werk of meer op gang brengen. Deze gestage vooruitgang geeft toch de indruk van opeenvolgende sprongen, omdat de mens exponentiële curves slecht waarneemt.
De auteur schat dat deze dynamiek ook de instabiliteit verklaart die de AI omringt. Overheidsinstanties hebben hun beleid in allerijl moeten aanpassen op het gebied van cybersecurity, en de markten hebben sterke schommelingen gekend toen de AI bepaalde bedrijfsmodellen leek te bedreigen. Volgens hem vertalen deze schokken geen rijpingsproces, maar wel het verschil tussen instellingen die op menselijke snelheid vooruitgaan en een technische capaciteit die volgens een andere logica vordert.
