Christina Stathopoulos, adatokkal és mesterséges intelligenciával foglalkozó evangelista, a héten önálló híradásában három fő szál köré rendezte a kulcshíreket: a fizikai hardver fejlődése, a kormányzati felügyelet kiterjedése az élvonalbeli modelleket fejlesztő vállalatokra, és a munkaerő szerkezeti átalakulása, amelynél a szerepkörök gyakran elmaradnak a valós munkafolyamatoktól.
Apró tranzisztorok és új költséghatékonysági megközelítések
A nagy nyilvánosságot kapó modellek mellett a héten talán még fontosabb volt, hogy milyen eszközökön futnak ezek a modellek. Az IBM bejelentette a világ első, 0,7 nanométeres, tehát az egy nanométer alatti chipekre vonatkozó kutatását: ez a méret nagyjából egy DNS-szál harmadának felel meg. Christina megjegyezte, hogy közeledünk a tranzisztorok összeméretezésének fizikai határaihoz, ezért az IBM vertikálisan is kezdi egymásra építeni a rétegeket. A 0,7 nm-es tranzisztorok lehetővé teszik, hogy ujjlenyomatnyi lapkára körülbelül 100 milliárd tranzisztort sűrítsenek; az IBM szerint az új generációs kutatási eredmény 50%-kal jobb teljesítményt és 70%-kal alacsonyabb fogyasztást ígér a korábbi, 2 nanométeres technológiához képest. Ezek még nem kereskedelmi termékek, de mérföldkőnek számítanak az angström-korszakban.
Más irányból az OpenAI és a Broadcom a Jalapeño nevű chipet mutatta be, amely kifejezetten nagynyelvű modellek (LLM) inferenciájára, azaz futtatására készült, nem pedig a tréningre. Christina rámutatott: míg a tréning gyakran kerül a címlapokra, az inferencia az a pont, ahol az AI ténylegesen eljut az emberekhez — minden költség- és sebességjavulás közvetlenül olcsóbb vagy gyorsabb szolgáltatást jelent a felhasználóknak.
Egy harmadik megközelítést vázolt a NVIDIA, amely bemutatott egy zárt rendszerű, teljesen folyadékhűtéses „AI factory” dizájnt, ahol a hűtőközeg akár 45°C-on is képes üzemelni. Ez csökkenti a hűtött víz iránti igényt, ami a datacenterek víz- és energiafelhasználása miatti kritikákat mérsékelheti. Ezek a fejlemények együttesen azt mutatják: a következő nagy lehetőség az infrastruktúrában és az energiahatékonyságban rejlik, nem csupán az algoritmusokban.
A kormányzati felügyelet állandósuló szerepe
Anthropic visszaadta a nyilvános hozzáférést a Claude Fable 5 és Claude Mythos 5 modellekhez miután az Egyesült Államok kivezette azokat az exportkorlátozás alól, amelyek biztonsági aggályok miatt ideiglenesen offline állapotba helyezték a modelleket. A cég beépített egy új kiberbiztonsági osztályozót, amelynek célja a már ismert jailbreak technikák blokkolása, és azt ígérik, hogy továbbra is együttműködnek a kormánnyal az AI-biztonsági kérdésekben. Ez emlékeztet arra, hogy a hozzáférés a legmodernebb modellekhez visszavonható, és a feltételek újraengedélyezése egyes ügyekben esetről esetre dől el.
Az Epoch AI adatai szerint a kritikus sebezhetőségek közzététele már az Anthropic Mythos előzetesének megjelenése után 3,5-szeresére ugrott a korábbi havi csúcsértékhez képest. Christina felhívta a figyelmet arra a kettős hatásra: az AI gyorsítja a gyenge pontok felfedezését — amit a támadók kihasználhatnak, de a védők is használhatnak a hibák előbb befoltozására.
Ugyanakkor az OpenAI a kormány kérésére korlátozott, rétegzett előnézetként elindította a GPT-5.6 családot megbízható partnerek számára; a szélesebb hozzáférés később várható. A Financial Times értesülése szerint az OpenAI azt is javasolta, hogy az Egyesült Államok kormányának 5%-os részesedést adjon a vállalatban — a javaslatot azzal indokolják, hogy így az AI gazdasági haszna részben visszafolyhatna az adófizetőkhöz, és egyben bizalomépítő lépés lehet. Bár nem világos, hogy ez a részesedés megvalósul-e, a kormányzati részvétel mára olyan tény, amelyet a vállalatoknak figyelembe kell venniük, és külön kérdéseket vet fel azok számára, akik nem az Egyesült Államokban kontrollálják a modellhozzáférés feltételeit.
A szerepek gyorsabban változnak, mint az org chartok
A legjobb modell önmagában nem elég ahhoz, hogy egy ügyfél kéréséből valódi, működő rendszerek váljanak. Ennek az áthidalására egyre több szervezet a „forward-deployed engineer” szerepben bízik: ez a funkció egy platformmérnök, megoldásarchitekt és termékmenedzser keveréke, aki az ügyfélnél helyezkedik el és segít megvalósítani az AI-ambíciókat.
Nagyvállalati szinten Microsoft 2,5 milliárd dollárt, az Amazon Web Services (AWS) pedig 1 milliárd dollárt ígért új AI-deployment egységek létrehozására, követve az év korábbi bejelentéseit az OpenAI és a ServiceNow–Accenture partnerség részéről. Christina utalt rá, hogy ez a megközelítés korlátokkal bírhat — más szakértők júniusban már beszéltek a módszer határairól.
Boris Cherny, a Claude Code megalkotója, a munkakörök címkézése helyett az egyéni funkciókra koncentrál. Saját csapatát elemezve öt archetípust azonosított: a prototípus-készítőt (prototyper), aki sok ötletet hoz létre, de a legtöbb nem jut el a piacra; a készítőt (builder), aki gyártásra alkalmas termékké alakítja az ötletet; a tisztítót (sweeper), aki egyszerűsíti a kódot és javítja a teljesítményt; a növesztőt (grower), aki bejáratott terméket iterál a jobb piaci illeszkedésért; és a karbantartót (maintainer), aki egy érett rendszert biztonságossá és skálázhatóvá tart. Egy személy több archetípus között is mozoghat, és ezek a szerepek nem illeszkednek pontosan a hagyományos „fejlesztő” vagy „dizájner” címkékhez.
Sok cégnek újra kell építenie belső folyamatait, hogy AI-native szervezetté váljon. Christina két különböző megközelítést említett: az SAP költségcsökkentésbe fogott, hogy külső AI-talentre tudjon fordítani forrásokat, míg az IKEA a meglévő alkalmazottak átképzését választja AI-képes szerepekre. Tim O’Reilly szerint a sikeres cégek azok lesznek, amelyek szándékosan kiépítik a tudásmegosztást ösztönző képesség-infrastruktúrát.
Egy gyakorlati példa: AI az emberek védelmében
Christina a műsort egy olyan példával zárta, amely nem terméképítésről vagy finanszírozásról szólt, hanem az emberek védelméről. A Google Android szeizmikus riasztórendszere állítólag mintegy 11,4 millió embert figyelmeztetett egyes venezuelai földrengéseknél; a rendszer a telefonokba épített gyorsulásérzékelőket használva detektál földrengési hullámokat és néhány másodperces előrejelzést küld. Ugyanezt az alapelvet alkalmazza a Google AI és műholdas adatok párosításával a Google Maps és Search tüzek peremvonalának valós idejű térképezésére, illetve árvízelőrejelzésekre akár hét napos előrejelzési ablakban. Ez kedvező ellensúly a megszokott termékkiadások és biztonsági incidensek sorában.
Mi következik?
Christina Stathopoulos július folyamán tovább vezeti a This Week in AI sorozatot. A következő héten a chipverseny erősödését tárgyalja, különös tekintettel a DeepSeek, Anthropic és Samsung lépéseire, megvizsgálja az ügynökalapú zsarolóprogramok (agentic ransomware) növekedését, és azt, miért halad az AI által generált kód ellenőrzése a felülvizsgálat mögött. Ekkor várható OpenAI régóta várt GPT-5.6 kiadása és további érdekes Anthropic-kutatások ismertetése.
Azoknak, akik mélyebb technikai merülésre vágynak, Christina július 23-án rendezi az AI Superstream eseményt, amely az „AI harnesses” témájára fókuszál: a résztvevők azt vizsgálják majd, hogyan építenek és üzemeltetnek megbízható, éles üzemre kész autonóm ügynök rendszereket.
(Előadások és élő közvetítések: Christina műsorai elérhetők O’Reilly-tagok számára, a teljes epizódok pedig többek között YouTube-on, Spotifyon és Apple Podcasts-on.)
