When AI build Itself

La frase più importante del rapporto pubblicato da Anthropic non riguarda il numero di linee di codice prodotte da Claude, né l’aumento della produttività degli ingegneri. Riguarda un cambiamento molto più profondo: l’ipotesi che il principale collo di bottiglia nello sviluppo dell’intelligenza artificiale non sia più la capacità delle macchine, ma la velocità degli esseri umani incaricati di supervisionarle.

È una tesi che fino a pochi anni fa sarebbe sembrata fantascienza accademica. Oggi arriva invece da una delle aziende che costruiscono i modelli più avanzati al mondo e che, soprattutto, dispone di dati interni difficilmente accessibili agli osservatori esterni. Secondo Anthropic, Claude genera ormai oltre l’80% del codice che viene integrato nella propria base software. Ancora più interessante è il dato relativo alla produttività: per anni la quantità di codice prodotta per ingegnere è rimasta sostanzialmente stabile; nel 2025 la curva ha iniziato a crescere rapidamente quando Claude ha smesso di essere soltanto un assistente che suggerisce codice ed è diventato un agente capace di eseguirlo autonomamente.

Dietro questa trasformazione si nasconde un concetto che gli economisti della tecnologia osservano da tempo. L’automazione non elimina necessariamente il lavoro umano; sposta il punto di controllo. Quando un’attività passa dall’esecuzione alla supervisione, il valore si concentra sempre più nella capacità di validare risultati, definire obiettivi e correggere deviazioni. Anthropic immagina esattamente questo scenario: laboratori virtuali composti da agenti AI che producono ricerca, scrivono software, eseguono esperimenti e generano nuove iterazioni di modelli, mentre gli esseri umani svolgono prevalentemente funzioni di verifica e governance.

La questione diventa particolarmente interessante quando si arriva al concetto di Recursive Self Improvement, o RSI. L’idea non è nuova. Compare nella letteratura dell’intelligenza artificiale da decenni e rappresenta uno dei pilastri teorici della cosiddetta esplosione di intelligenza. Il principio è semplice da descrivere e straordinariamente complesso da realizzare: una macchina sufficientemente intelligente contribuisce a progettare una versione migliore di sé stessa; quella nuova versione diventa ancora più capace di migliorarsi, generando un ciclo iterativo di accelerazione.

Anthropic sottolinea correttamente che non siamo ancora arrivati a questo punto. Claude può scrivere codice, può automatizzare parti del processo di ricerca e sviluppo, ma non esistono prove che possieda ancora il giudizio scientifico necessario per identificare autonomamente i problemi più importanti da risolvere. Questa distinzione è fondamentale. La storia dell’innovazione dimostra che la produttività tecnica e la capacità di ricerca non coincidono necessariamente. Migliaia di sviluppatori possono scrivere milioni di righe di codice inutili; poche intuizioni corrette possono invece trasformare interi settori industriali.

Il dibattito assume ulteriore rilevanza perché si inserisce in una convergenza sempre più evidente tra le previsioni dei principali laboratori. Pochi giorni fa Demis Hassabis, alla guida di Google DeepMind, ha ribadito la propria convinzione che l’AGI possa emergere entro la fine del decennio. Parallelamente, i grandi attori del settore stanno trasformando i propri modelli da semplici chatbot in veri collaboratori di ricerca. La differenza semantica è enorme. Un chatbot risponde a domande. Un collaboratore contribuisce alla creazione di nuova conoscenza.

Anche OpenAI, Google e Anthropic stanno convergendo verso architetture sempre più agentiche, capaci di lavorare per ore, coordinare strumenti, eseguire verifiche e mantenere contesto operativo su compiti complessi. La recente introduzione di agenti personali come Gemini Spark segnala la stessa direzione strategica: l’obiettivo non è più generare testo, ma delegare processi.

Dal punto di vista economico emerge una domanda meno discussa ma probabilmente più urgente. Se la ricerca sull’AI verrà progressivamente automatizzata, quale sarà il fattore limitante successivo? La risposta potrebbe non essere il talento umano ma l’infrastruttura. Potenza computazionale, energia elettrica, data center e accesso ai semiconduttori avanzati stanno assumendo un ruolo sempre più centrale. In altre parole, il collo di bottiglia potrebbe semplicemente migrare dagli ingegneri ai gigawatt.

Questa dinamica sta già diventando visibile. Le principali aziende tecnologiche stanno investendo centinaia di miliardi di dollari in capacità computazionale. Il motivo è semplice: se un sistema AI può generare più ricerca, più codice e più innovazione, il vantaggio competitivo non dipende soltanto dalla qualità del modello ma dalla quantità di iterazioni che si riescono a eseguire. La velocità diventa una funzione dell’infrastruttura.

La prospettiva delineata da Anthropic contiene quindi due messaggi distinti. Il primo è pragmatico: l’AI sta già contribuendo in modo significativo alla costruzione delle future generazioni di AI. Il secondo è strategico: se questa tendenza continuerà, il ruolo umano potrebbe ridursi progressivamente dalla produzione diretta alla supervisione dei processi. Non significa che le macchine stiano diventando autonome nel senso fantascientifico del termine; significa che la struttura organizzativa della ricerca potrebbe cambiare più rapidamente di quanto governi, università e regolatori siano preparati ad accettare.

La vera notizia non è che Claude scriva l’80% del codice. La vera notizia è che una delle aziende più avanzate del settore considera plausibile un futuro in cui i laboratori di ricerca saranno popolati prevalentemente da agenti software che progettano, testano e migliorano altri agenti software. Se questa ipotesi si rivelerà corretta, la prossima rivoluzione dell’intelligenza artificiale non riguarderà soltanto ciò che le macchine sanno fare, ma la velocità con cui saranno in grado di imparare a fare qualcosa di nuovo. E la storia della tecnologia insegna che quando il tempo necessario per innovare si comprime drasticamente, cambiano contemporaneamente economia, potere e vantaggi competitivi. Non sempre nell’ordine che gli ottimisti immaginano.