Cosa dice l'articolo di Anthropic "When AI builds itself"
Il 4 giugno 2026 Anthropic, l'azienda che sviluppa i modelli Claude, ha pubblicato un saggio intitolato "When AI builds itself" ("Quando l'AI costruisce se stessa"). La tesi centrale è una sola: una quota crescente dello sviluppo dei modelli AI viene oggi delegata agli stessi sistemi AI, e questo sta accelerando il ritmo del progresso in modo misurabile.
Non è un articolo di marketing e non è fantascienza. È un documento in cui un laboratorio leader mostra dati interni sul proprio lavoro e descrive tre possibili scenari di futuro, arrivando a una proposta che ha sorpreso il settore: dotarsi della capacità di rallentare o sospendere lo sviluppo.
Per un imprenditore o un professionista italiano la domanda giusta non è "tra dieci anni dominerà l'AI?", ma "cosa di tutto questo è già operativo oggi e mi riguarda?". Qui proviamo a rispondere con i numeri reali.
I numeri che contano: quanto sta accelerando l'AI
La parte più concreta dell'articolo sono i dati che Anthropic ha raccolto internamente. Sono tre i numeri che vale la pena memorizzare.
La durata dei compiti raddoppia ogni 4 mesi
Anthropic misura la durata massima di un compito software che un modello riesce a portare a termine in autonomia in modo affidabile. Questo valore raddoppia oggi circa ogni 4 mesi, contro i 7 mesi del periodo precedente. Tradotto in modelli reali:
| Modello | Data | Durata del compito gestito |
|---|---|---|
| Claude Opus 3 | Marzo 2024 | circa 4 minuti |
| Claude Sonnet 3.7 | Marzo 2025 | circa 1 ora e mezza |
| Claude Opus 4.6 | Marzo 2026 | circa 12 ore |
| Proiezione | 2027 | compiti da settimane-uomo |
In due anni si è passati da quattro minuti a dodici ore. Non è una previsione: è il dato osservato.
Oltre l'80% del codice di Anthropic lo scrive Claude
A maggio 2026, più dell'80% del codice integrato nella base di codice di Anthropic è scritto da Claude. Nel secondo trimestre 2026 un ingegnere tipo integrava 8 volte più codice al giorno rispetto al 2024. Un sondaggio interno su circa 130 dipendenti stima un aumento di produttività di circa 4 volte.
Il numero di righe non misura la qualità, e Anthropic lo dichiara. Ma c'è un dato sulla qualità: nei compiti più aperti (problemi senza soluzione nota) il tasso di successo dei modelli ha raggiunto il 76% a maggio 2026, con un aumento di 50 punti percentuali in 6 mesi.
Il test di accelerazione: da 3x a 52x in un anno
Anthropic esegue un test ricorrente: dà al modello del codice che addestra una piccola AI e gli chiede di renderlo più veloce, mantenendo gli stessi controlli di correttezza. Il modello riscrive, esegue, cronometra e ripete.
A maggio 2025 Claude Opus 4 otteneva un'accelerazione media di circa 3 volte. Ad aprile 2026 un modello di frontiera interno (nome in codice Mythos Preview) ha raggiunto 52 volte. Un ricercatore umano esperto impiega dalle 4 alle 8 ore per arrivare a 4 volte.
In un esperimento separato, agenti Claude hanno recuperato il 97% del divario rispetto al risultato ottimale (gli umani ne recuperavano il 23%), usando circa 18.000 dollari di potenza di calcolo su 800 ore cumulative.
Cos'è l'auto-miglioramento ricorsivo (e perché fa discutere)
L'auto-miglioramento ricorsivo è la situazione in cui un sistema AI diventa capace di progettare, addestrare e migliorare i propri successori senza intervento umano significativo. È il "chiudere il cerchio": l'AI smette di essere solo lo strumento e diventa anche il costruttore.
Anthropic descrive una progressione storica: dai primi chatbot, agli agenti di coding, agli agenti autonomi che coordinano altri agenti, fino all'ipotesi in cui il modello migliora se stesso in autonomia. Oggi non siamo a quel punto: il vantaggio comparativo dell'essere umano resta la capacità di giudizio, cioè scegliere quali problemi affrontare e di quali risultati fidarsi. Ma anche su questo i numeri si muovono: la capacità del modello di indicare il prossimo passo di ricerca migliore di un umano è passata dal 51% (Opus 4.5, novembre 2025) al 64% (aprile 2026).
I tre scenari di futuro secondo Anthropic
L'articolo non fa una previsione secca. Mette sul tavolo tre scenari, con probabilità diverse.
Scenario 1, la crescita si ferma (limiti fisici)
La crescita rallenta non per limiti di intelligenza, ma per la catena di approvvigionamento: chip, energia, banda. Anthropic lo considera lo scenario meno probabile, perché finora nessuna curva di capacità si è piegata. Sarebbe però lo scenario che lascia più tempo a governi e società per adattarsi.
Scenario 2, efficienza esponenziale sotto controllo umano
Lo sviluppo si automatizza quasi del tutto, ma gli esseri umani continuano a definire le direzioni e a validare i risultati. Le organizzazioni diventano molto più efficienti: secondo l'articolo, aziende da 100 persone potrebbero svolgere il lavoro di organizzazioni da 10.000 o 100.000 persone. Anthropic indica questo come lo scenario verso cui i dati puntano oggi.
Scenario 3, auto-miglioramento ricorsivo completo
I sistemi AI diventano capaci di costruire i propri successori. Il ritmo dipende quasi solo dalla potenza di calcolo. È lo scenario che preoccupa di più, per un motivo preciso che vediamo nel paragrafo sull'allineamento.
| Scenario | Ruolo umano | Probabilità (per Anthropic) |
|---|---|---|
| 1. Crescita si ferma | Centrale, limiti fisici | Bassa |
| 2. Efficienza sotto controllo | Direzione e validazione | Alta (scenario indicato dai dati) |
| 3. Ricorsione completa | Ridotto, solo supervisione | Incerta, ma la più rischiosa |
Il collo di bottiglia umano e la legge di Amdahl
C'è un principio informatico che Anthropic richiama: la legge di Amdahl. Accelerare una parte di un processo sposta semplicemente il collo di bottiglia altrove, e la velocità complessiva è limitata dalle parti che non hai accelerato.
Anthropic lo ha già sperimentato: con così tanto codice generato dai modelli, la revisione umana del codice è diventata il nuovo collo di bottiglia. Se le persone non riescono a revisionare alla stessa velocità con cui l'AI produce, è la revisione a frenare tutto. È un punto rassicurante e inquietante insieme: per ora ci sono freni naturali, ma sono fragili.
La proposta che ha sorpreso tutti: rallentare o fermarsi
Qui arriva la parte inattesa. Uno dei laboratori più avanzati al mondo scrive che sarebbe positivo poter rallentare o sospendere temporaneamente lo sviluppo dei modelli di frontiera, per dare tempo alla ricerca sulla sicurezza e all'allineamento di tenere il passo.
Il problema, ammesso dallo stesso articolo, è il coordinamento. Un rallentamento ha senso solo se lo fanno tutti i laboratori in modo verificabile, in più Paesi. Altrimenti chi si ferma cede semplicemente il primato a chi continua. E verificare è difficile: come scrive Anthropic, le sessioni di addestramento sono molto più facili da nascondere dei silos missilistici. Una pausa unilaterale di un singolo laboratorio è invece immediata, ma cambia poco.
Il nodo dell'allineamento è il vero motivo della cautela: i rari casi di disallineamento presenti nei modelli odierni potrebbero accumularsi man mano che i modelli costruiscono i propri successori, diventando più frequenti e meno compresi, fino alla perdita di controllo.
Cosa significa per le PMI italiane (oggi, non nel 2030)
Mentre i grandi laboratori discutono di scenari globali, la parte che ti riguarda è un'altra: la diffusione di questi modelli nell'economia reale è appena iniziata. L'articolo stesso lo dice in modo netto: anche se le capacità si congelassero al livello attuale, un'azienda di 100 persone può fare sempre più il lavoro di un'azienda molto più grande, perché ogni dipendente si trova al vertice di una piramide di agenti.
Per una PMI italiana la lezione pratica è triplice:
- Il vantaggio è già disponibile: non serve aspettare l'AGI. Gli strumenti di oggi automatizzano già processi reali (qualificazione lead, customer service, reportistica).
- Il collo di bottiglia sarai tu: come per Anthropic con la revisione del codice, il limite non sarà l'AI ma la tua capacità di indirizzarla e controllarne i risultati. Serve metodo, non entusiasmo.
- Il giudizio umano resta il fattore decisivo: scegliere quali problemi automatizzare e validare gli output è esattamente il vantaggio comparativo che l'articolo attribuisce agli umani. Vale per Anthropic e vale per la tua azienda.
Se vuoi capire da dove partono concretamente le aziende, abbiamo spiegato il funzionamento operativo nella nostra guida agli agenti AI per le PMI.
Come Ogaia aiuta le PMI a usare l'AI con criterio
In Ogaia | Soluzioni AI e Lead generation per Aziende Italiane non vendiamo hype sul futuro dell'AI: costruiamo sistemi che funzionano oggi, su misura per PMI e professionisti italiani. Il punto dell'articolo di Anthropic è anche il nostro metodo: l'AI esegue, l'essere umano dirige e valida. Per questo partiamo sempre dai tuoi processi reali, non dallo strumento di moda.
Mappiamo dove perdi tempo e dove un errore ha un costo misurabile, poi costruiamo l'automazione più semplice che risolve il problema in modo affidabile, con te che mantieni il controllo sui risultati. Se vuoi capire quali processi della tua azienda sono pronti per essere automatizzati adesso, prenota una call gratuita di 45 minuti: uscirai con una mappa chiara delle opportunità concrete, indipendentemente da quello che decidi di fare dopo.