Zdolności modeli AI rozwijają się coraz szybciej i pozwalają na wykonywanie coraz dłuższych zadań, wynika z kilku ocen. Najnowocześniejsze modele z amerykańskich laboratoriów pojawiają się szybciej niż kiedykolwiek, choć interwencje rządowe tymczasowo ograniczyły dostęp do dwóch z najpotężniejszych, Claude Fable i GPT-5.6.
Kilka instytucji mierzy, jaką część pracy ludzkiej mogą wykonać AI. Oceny METR oraz brytyjskiego AI Security Institute szacują długość pracy ludzkiego programisty, jaką AI może wykonać na podstawie jednego promptu, czyli pojedynczej instrukcji. Test GDPval z kolei porównuje ludzkich ekspertów z AI, z udziałem profesjonalnych sędziów. Według tych pomiarów, wyniki poprawiają się w tempie przekraczającym krzywą wykładniczą.
Epoch odnotował, że Opus 4.7, pracując samodzielnie przez 14 godzin, zbudował pakiet oprogramowania odpowiadający od 2 do 17 tygodni pracy ludzkich inżynierów, za koszt 251 dolarów w tokenach. Token to mała jednostka tekstu, którą model odczytuje i generuje. We własnych eksperymentach autor wskazuje, że Fable był w stanie pracować autonomicznie przez 9 godzin nad bardzo złożonymi projektami programistycznymi, które zespołowi ludzkiemu zajęłyby ponad tydzień.
Najbardziej zaawansowane modele rozwijają Anthropic, OpenAI i Google, choć Google od pewnego czasu nie publikował nowego modelu. Drugą grupę modeli, niemal dorównujących najnowszym osiągnięciom, stanowią natomiast modele chińskie. Opóźniają się one o 6 do 12 miesięcy i są otwarte (open-weight), co oznacza, że każdy może ich używać lub modyfikować po wydaniu, w przeciwieństwie do modeli własnościowych. Ich eksploatacja jest więc niedroga, choć ich wydajność nie zawsze odpowiada tej deklarowanej przez wyniki testów.
Agenci zamiast chatbotów
Do niedawna dominującym sposobem użycia było zlecanie AI zadania, sprawdzanie wyniku, a następnie przechodzenie do kolejnego etapu. Ten tryb współpracy pozostaje użyteczny, ale ustępuje miejsca agentom, czyli systemom, które wykonują ciąg akcji bez stałej interwencji człowieka. Opierają się one na środowisku programistycznym zwanym harness, które daje im dostęp do narzędzi, oraz na aplikacjach takich jak Claude Code czy Codex od OpenAI.
Wspólne badanie OpenAI i ekonomistów akademickich pokazuje, że to przejście przyspiesza nawet wewnątrz samej firmy. Działy prawne i zasobów ludzkich przyjęły agentów w tempie niemal identycznym jak zespoły techniczne. Jedna czwarta pracowników OpenAI uruchamia co tydzień co najmniej czterech agentów jednocześnie.
Inne badanie dotyczące użytkowników Claude Code wskazuje, że inżynierowie oprogramowania osiągają współczynnik sukcesu porównywalny z innymi zawodami, gdy używają tego narzędzia do zadań programistycznych. Według tej pracy nie zawód stanowi różnicę, lecz ekspertyza: im bardziej osoba zna swoją dziedzinę, tym lepiej radzi sobie z narzędziem i tym bardziej przydatne są odpowiedzi uzyskiwane od Claude na każdy prompt.
Trudna do dostrzeżenia krzywa
Plan AI sporządzony przed zimą 2025 roku opisywał system zdolny do kilku godzin pracy, z dość wysokim wskaźnikiem błędów. Kilka miesięcy później, pojedynczy prompt może uruchomić szesnaście godzin pracy lub więcej. Ten stały postęp sprawia jednak wrażenie skoków, ponieważ człowiek słabo postrzega krzywe wykładnicze.
Autor uważa, że ta dynamika tłumaczy również niestabilność otaczającą AI. Władze publiczne musiały w pośpiechu zmieniać swoje polityki w kwestiach cyberbezpieczeństwa, a rynki doświadczyły silnych wahań, gdy AI wydawała się zagrażać niektórym modelom biznesowym. Jego zdaniem te wstrząsy nie odzwierciedlają dojrzewania technologii, lecz rozziew między instytucjami poruszającymi się w ludzkim tempie a zdolnością techniczną rozwijającą się według innej logiki.
