Ha úgy tűnik, az AI gyorsul, az jó eséllyel igaz. Az amerikai élvonalbeli laborokból származó modellek gyakoribb és gyorsabb kiadásokkal jelennek meg, bár a kormányzati beavatkozások miatt két, a legnagyobb teljesítményű modellhez — Claude Fable és GPT-5.6 — már korlátozott a hozzáférés. De nem csupán az ütem a lényeges: a rendelkezésre álló bizonyítékok szerint a képességek is gyorsuló ütemben javulnak, noha az élvonal még mindig egyenetlen, és számos területen az AI gyenge.
Mérések és valós munkavégzés tesztek
Több független kísérlet próbálja számszerűsíteni, mekkora emberi munkaórát tud helyettesíteni egyetlen prompttal az AI. Közismert mérések közé tartozik METR és az Egyesült Királyság kormányához köthető AI Security Institute becslései, amelyek azt mérik, hány emberi programozói órának felel meg egy-egy AI-válasz. A GDPval szakterületi bírák segítségével hasonlít emberi szakértőket az AI-teljesítményhez. Ezek a mutatók mind jobb, mint exponenciális ütemben növekednek.
Az Epoch nevű szervezet legutóbbi kísérletében az Opus 4.7 modell önállóan, 14 órás futás után olyan szoftvercsomagot hozott létre, amely emberi mérnöki munkában 2–17 hétig tartott volna; ez a futás tokenköltségeként 251 dollárt említettek. Bár az AI-k nem teljesítenek minden teszten és nem mindig olcsó üzemeltetni őket, a teljesítményük gyors javulást mutat. A saját kísérletek során például Fable 9 óra önálló munkavégzéssel képes volt összetett szoftverprojektek végrehajtására, amelyek emberi csapatnak jóval több mint egy hetet vettek volna igénybe.
Kétféle modell-ösvény: zárt élvonal és nyílt súlyok
Az eddigi fókusz az úgynevezett frontier (élvonalbeli) modelleken volt — elsősorban három amerikai vállalatnál: Anthropic, OpenAI és Google (bár a Google-tól már régóta nem jelent meg új modell). Ugyanakkor létezik egy második csoport: általában 6–12 hónappal lemaradó, kínai forrásból származó open weights modellek. Mivel ezek nyílt súlyúak, bárki használhatja vagy módosíthatja őket a kiadás után, ami olcsóbb működtetést tesz lehetővé. Ezek a modellek is exponenciális javulási görbén mozognak, de az amerikai zárt modellek mögött.
Ezt szemlélteti az AA-Briefcase nevű teszt eredménygrafikonja is, amely egy komplex, többhetes tanácsadói feladatot szimulál, ahol az AI-nak sokféle elemzést kell elvégeznie. Azonban a grafikonok elrejthetik a frontier tagoltságát és azt, hogy a nyílt súlyokú modellek nem mindig teljesítenek a benchmarkok által sugallt szinten.
Mi számít a gyakorlatban? — használati esetek és megítélés
Ahhoz, hogy valós betekintést kapjunk, érdemes különböző használati esetekben kipróbálni az AI-t és szisztematikusan értékelni a releváns területeken. Példaként a szerző interaktív kikötőszimulációt készített tesztként, hogy bemutassa, mennyire eltérhetnek a modellek tervezési, stilisztikai és ítélőképességi megközelítései. Hosszabb feladatok esetén ezek a nehezen mérhető különbségek egyre fontosabbá válnak.
Az AI használatának átalakulása: chatbottól az ügynökig
Amint a modellek egyre hosszabb feladatokat képesek ellátni, megváltozik a velük való munkavégzés módja is. Korábban az AI-t mint kointelligenciát használták: a felhasználó lépésenként adott utasításokat, ellenőrizte az eredményt, majd folytatta a következő lépéssel. Ez a módszer továbbra is elterjedt és hasznos, de egyre inkább háttérbe szorul a hosszú ideig futó, önjavító rendszerek mellett.
Az ügynökök (agents) olyan rendszerek, amelyekhez eszközhozzáférés és cselekvési környezet tartozik — például Claude Code vagy az OpenAI Codex által támogatott alkalmazások. Egy jól kialakított harness vagy app tovább növeli a modellek amúgy is növekvő képességét. Ennek eredményeként a munka sok helyen már nem annyira a chatbottal közös együttműködésről szól, hanem a feladatok kiosztásáról az ügynököknek.
Ezt a változást tükrözi egy közös tanulmány, amelyet az OpenAI és akadémiai közgazdászok készítettek: gyorsan terjed az ügynökhasználat a szervezetben, és nem csak a programozók körében. Jogászati, HR és más nem technikai területeken is közel azonos ütemben fogadták el az ügynököket. Az OpenAI belső adatai szerint az alkalmazottak negyede heti rendszerességgel legalább négy ügynököt futtat egyszerre.
A szakértelem fontosabb, mint a címke
Egy külön tanulmány a Claude Code felhasználókról azt találta, hogy a szoftvermérnökök és más szakmák hasonló sikerességi arányt értek el kódolási feladatoknál. Ami igazán számított, az a felhasználó szakmai tapasztalata volt: minél több domain-specifikus tapasztalattal rendelkezett valaki, annál sikeresebb volt abban, hogy hasznos outputot kapjon Claude-tól egy-egy promptból.
Ez arra utal, hogy a világ átalakul: a nem szakértők által használt chatbottól elmozdulunk egy olyan modell felé, ahol a szakértők ügynököket alkalmaznak munkavégzésre. A leghatékonyabb megközelítés pedig az, ha a felhasználó menedzserként gondolkodik: az ügynököket irányítja és ellenőrzi ahelyett, hogy minden lépést maga végezne.
Pillanatkép az exponenciál belsejéből
Az exponenciális növekedés azt jelenti, hogy egy rögzített időablakon belüli változás minden egymást követő periódusban nagyobb lesz. Ha egy szervezet 2025 telénél korábban írta meg AI-tervét, az valószínűleg olyan rendszert vázolt, amely néhány óra munkát tud elvégezni viszonylag magas hibaaránnyal. Néhány hónappal később egyetlen prompt már tizenhat vagy annál több órányi munkát adhat.
Ez magyarázza, miért érezzük gyakran ugrásszerűnek az AI fejlődését: bár a fejlődés egy folytonos görbe, a duplázódások sorozata sokszor sokkokként érezhető. Ezzel összefüggésben a kapkodó politikai és piaci reakciók is érthetőbbek: az AI egyik pillanatban nem jelent kiberbiztonsági fenyegetést, a következőben hirtelen mégis, és ugyanígy a vállalati üzleti modelleket sem értékelik a piacok addig, amíg nem látják, hogy valóban fenyegetést jelenthetnek.
Nem valószínű, hogy a technológiai fejlődés hamarosan leáll vagy stabilizálódik; inkább az történik, hogy intézmények, amelyek emberek vagy bizottságok sebességével működnek, nehezen követik azt a görbét, amely nem emberi ritmusú. Amíg valamiféle exponenciális folyamatban vagyunk, a különbségek csak szélesedni fognak.
