Per decenni lo sviluppo dell’intelligenza artificiale è stato un’attività squisitamente umana: ricercatori e ingegneri scrivevano codice, progettavano esperimenti, interpretavano risultati. Oggi qualcosa sta cambiando in modo profondo. Anthropic ha descritto come una porzione crescente del lavoro di sviluppo dei suoi modelli sia ormai delegata ai modelli stessi. Il dato che salta agli occhi: a maggio 2026, oltre l’80% del codice immesso in produzione nella codebase di Anthropic è stato scritto da Claude, non da esseri umani.
Il fenomeno ha un nome tecnico preciso, auto-miglioramento ricorsivo. Si tratta della prospettiva in cui un sistema di IA diventa capace di progettare, addestrare e perfezionare il proprio successore in modo autonomo. Anthropic precisa che uno scenario simile non è ancora realtà, ma sostiene che i segnali di accelerazione siano già misurabili. Gli ingegneri dell’azienda producono oggi otto volte più codice a trimestre rispetto al periodo 2021-2024, e il tasso di successo di Claude su compiti ingegneristici aperti e complessi è passato dal 26% al 76% in soli sei mesi.
Nel campo della ricerca, i numeri sono altrettanto rilevanti. In un test ricorrente di ottimizzazione di codice per l’addestramento di modelli, Claude Opus 4 produceva nel maggio 2025 un’accelerazione media di circa 3 volte. Un anno dopo, Mythos Preview ha raggiunto un fattore 52. In situazioni in cui un ricercatore umano si è trovato in difficoltà nello scegliere il passo successivo di un’indagine, il modello ha suggerito una direzione migliore nel 64% dei casi. Resta però un divario importante, perché la capacità di scegliere quali problemi affrontare e quali risultati siano davvero rilevanti rimane un terreno in cui l’essere umano conserva un vantaggio.
Vale la pena soffermarsi su una sfumatura. Le righe di codice sono una metrica imperfetta, e la stessa Anthropic lo ammette, dato che contano la quantità e non la qualità. L’azienda stima però che la qualità del codice generato dai modelli sia oggi alla pari con quella umana e che possa superarla entro un anno. Un dato curioso conferma l’impatto sistemico: GitHub, che nel 2025 ha registrato circa un miliardo di commit, a metà 2026 ne riceve 275 milioni a settimana.
La domanda inevitabile è cosa accadrà quando il ciclo si chiuderà davvero. Anthropic stessa apre alla possibilità di un rallentamento coordinato dello sviluppo, a patto che esistano meccanismi di verifica credibili fra laboratori e governi. È un’ammissione politicamente rilevante da parte di chi quella tecnologia la costruisce. La traiettoria delineata suggerisce due esiti possibili, ovvero organizzazioni di cento persone capaci di operare come fossero centomila, oppure laboratori in cui gli esseri umani diventano principalmente supervisori di un lavoro che procede alla velocità del calcolo. In entrambi i casi, i tempi per costruire regole, strumenti di controllo e cultura istituzionale adeguati si stanno comprimendo. E forse la domanda più scomoda non riguarda più cosa l’IA sarà in grado di fare, ma chi avrà davvero gli strumenti per capirlo, verificarlo e, se necessario, fermarlo. Il collo di bottiglia, oggi, non sembra più tecnologico, ma di governance.
