Un'accelerazione misurata dall'interno

L'intelligenza artificiale non è più soltanto il risultato della ricerca tecnologica: sta diventando uno degli strumenti che permettono di sviluppare la generazione successiva di sistemi. Un'indagine indipendente pubblicata il 5 novembre 2026 suggerisce che questo meccanismo sia già visibile nei laboratori di Anthropic, l'azienda che sviluppa Claude. La notizia non riguarda una nuova funzione da provare sul telefono, ma la velocità con cui potrebbero arrivare capacità ancora oggi difficili da prevedere.

Il gruppo di ricerca METR ha esaminato per undici settimane dati interni e testimonianze dei ricercatori di Anthropic. La sua valutazione è che, nell'ottobre 2026, le capacità dei modelli su compiti ben definiti stessero migliorando a un ritmo approssimativamente doppio rispetto al periodo compreso tra marzo 2024 e ottobre 2025. È una stima importante, ma non una legge matematica sul futuro dell'intelligenza artificiale.

Che cosa significa davvero «due volte più veloce»

Il risultato più concreto riguarda AECI, un indice interno che riunisce diversi benchmark delle prestazioni dei modelli. Secondo METR, dall'ottobre 2025 la crescita dei punteggi è stata circa 1,9 volte più rapida rispetto al periodo precedente. L'intervallo di confidenza statistica al 95% va da 1,5 a 2,8 volte: un'indicazione della notevole incertezza che accompagna il numero.

Non significa che Claude risponda oggi al doppio della velocità, che sia due volte più intelligente in ogni attività o che ogni prodotto AI raddoppierà automaticamente le prestazioni ogni anno. Il confronto riguarda la velocità di avanzamento su prove selezionate, spesso con risultati facilmente verificabili. È un indicatore della ricerca, non una misura universale dell'intelligenza.

Il ruolo dell'AI nella ricerca sull'AI

La parte più sorprendente dell'indagine riguarda le cause. METR ritiene probabile che una quota maggioritaria dell'accelerazione osservata nell'ottobre 2026, forse intorno all'80%, sia legata all'impiego dell'AI nelle attività di ricerca e sviluppo. Gli stessi autori sottolineano che l'attribuzione è molto incerta e che altri fattori hanno contribuito, soprattutto nella fase iniziale del cambiamento.

In pratica i ricercatori possono utilizzare i modelli per scrivere codice, analizzare risultati, preparare esperimenti e affrontare problemi tecnici. Se alcune attività richiedono meno tempo, il laboratorio può esplorare più ipotesi. Quando un modello migliore aiuta a costruirne un altro, si crea un circuito di miglioramento potenzialmente cumulativo, ma il suo funzionamento resta legato a persone, risorse e verifiche.

Non sono macchine che si progettano da sole

La distinzione è fondamentale. Il rapporto non dimostra che Claude stia autonomamente inventando e addestrando i propri successori. METR riferisce che l'accelerazione attuale dipende soprattutto dall'assistenza fornita ai ricercatori umani, mentre i contributi completamente autonomi alle fasi più importanti dell'addestramento non sono ancora determinanti.

Alcuni segnali osservati durante l'indagine suggeriscono che l'automazione potrebbe aumentare, ma non consentono di stabilire una data precisa. Parlare di intelligenza artificiale che si auto-migliora senza limiti sarebbe quindi prematuro. La questione concreta è quanto velocemente l'assistenza di oggi possa trasformarsi in autonomia domani, e quali controlli debbano accompagnare quel passaggio.

Undici settimane di accesso, ma molte informazioni oscurate

L'indagine si è svolta dal 12 agosto al 29 ottobre 2026. METR ha avuto accesso a misure interne relative all'addestramento, ai benchmark, alla potenza di calcolo e a interviste con il personale. È un livello di osservazione raro per un laboratorio che sviluppa sistemi di frontiera e rappresenta un elemento di forza rispetto alle sole dichiarazioni commerciali.

Esiste però una limitazione decisiva: Anthropic ha oscurato gran parte delle prove che METR considerava più informative per le proprie conclusioni. L'azienda ha motivato la scelta con la necessità di non divulgare informazioni riservate utili ai concorrenti. Il pubblico può quindi leggere le valutazioni degli osservatori, ma non ricostruire indipendentemente tutti i passaggi che le sostengono.

Più chip non spiegano da soli il fenomeno

Una delle conclusioni che METR considera solide è che il cambiamento di ritmo non dipende semplicemente da una crescita più veloce della potenza di calcolo destinata all'addestramento. Il dettaglio delle prove utilizzate per questa conclusione, tuttavia, rientra tra le informazioni oscurate. Non sarebbe corretto interpretarla come una dimostrazione che hardware ed energia abbiano smesso di contare.

La distinzione è rilevante anche per l'economia dell'AI. Se il miglioramento dei metodi di lavoro e degli algoritmi incide maggiormente, la competizione non dipenderà soltanto da chi possiede più server. Organizzazione dei laboratori, competenze, qualità dei dati e capacità di valutare gli esperimenti potrebbero diventare fattori altrettanto importanti.

Perché la scoperta riguarda anche chi non usa Claude

Per studenti, lavoratori e famiglie, il dato non annuncia un cambiamento immediato delle applicazioni disponibili. Suggerisce però che le previsioni costruite sui ritmi passati potrebbero diventare meno affidabili. Scuole e università potrebbero dover aggiornare più spesso strumenti e regole; le aziende potrebbero vedere cambiare rapidamente il confine tra compiti automatizzabili e attività da affidare alle persone.

Il rischio è scambiare una previsione tecnologica per una promessa commerciale. Un miglioramento su benchmark di programmazione o ricerca non garantisce affidabilità in medicina, diritto, selezione del personale o decisioni economiche. In questi ambiti contano errori, responsabilità, qualità delle fonti e possibilità di contestare una risposta, non soltanto il punteggio ottenuto in laboratorio.

La sicurezza deve correre alla stessa velocità

Se i sistemi aiutano a produrre sistemi migliori, anche le procedure di controllo devono poter seguire il ritmo. Verificare comportamenti pericolosi, capacità di aggirare protezioni e affidabilità degli agenti richiede tempo, dati e valutatori indipendenti. Un ciclo di sviluppo più rapido può restringere lo spazio disponibile tra la scoperta di una capacità e la sua distribuzione.

METR non ha identificato ostacoli evidenti che impediscano ulteriori progressi nel prossimo anno, ma precisa di non essere sicura di aver individuato tutti i possibili limiti. Non è una previsione di crescita infinita. È piuttosto un invito a monitorare il fenomeno con misure ripetibili e accesso sufficiente alle informazioni, prima che i cambiamenti diventino difficili da governare.

Il problema della trasparenza

L'accesso degli osservatori esterni è utile soltanto se permette anche di comunicare risultati controllabili. Nel caso Anthropic, METR dichiara che le restrizioni hanno impedito una vera trasparenza sulle prove. Inoltre, una verifica prevista sulla ripartizione della potenza di calcolo tra sviluppo delle capacità e sicurezza è stata cancellata durante il progetto, senza che i valutatori arrivassero a conclusioni sostanziali.

È una tensione destinata a ripresentarsi: le aziende vogliono proteggere segreti industriali e informazioni sensibili, mentre cittadini e istituzioni hanno bisogno di capire quali rischi emergano. Una soluzione credibile richiederà forme di audit capaci di tutelare i dati riservati senza trasformare ogni valutazione indipendente in un semplice atto di fiducia.

Quali segnali osservare nei prossimi mesi

Il prossimo passo non sarà cercare un unico numero spettacolare, ma confrontare indicatori diversi: progressi su compiti reali, autonomia degli agenti, qualità delle verifiche e disponibilità di dati per ricercatori esterni. Sarà importante distinguere gli aumenti di produttività dichiarati dai singoli dipendenti dai miglioramenti effettivi dell'intero processo di ricerca.

Per capire come gli strumenti AI passano dalla semplice risposta all'esecuzione di attività, può essere utile anche approfondire come funzionano gli agenti AI. Il rapporto METR non dimostra che un'esplosione incontrollabile sia imminente: mostra che una parte della ricerca sull'intelligenza artificiale sta già accelerando grazie all'intelligenza artificiale stessa. È una differenza che merita attenzione, senza allarmismi e senza minimizzazioni.

Fonte: METR, Independent Assessment of AI R&D Acceleration at Anthropic in October 2026 (5 novembre 2026). | Nota editoriale: contenuto informativo originale elaborato da fonti pubbliche, anche con il supporto di strumenti AI; eventuali inesattezze possono essere segnalate tramite la pagina Contatti.