METR stima un’accelerazione dell’IA in Anthropic: cosa dice davvero il report
Il rapporto di METR stima che Anthropic migliori i suoi modelli più rapidamente, ma i dati non dimostrano un’IA già autonoma nella ricerca: ecco numeri, limiti e implicazioni.
Un rapporto pubblicato da METR il 5 novembre riapre una domanda importante per il settore: quanto velocemente l’intelligenza artificiale sta aiutando a costruire sistemi di IA più capaci? La valutazione riguarda Anthropic e combina dati interni, interviste e analisi indipendenti. Il risultato più citato è una stima di accelerazione, ma non equivale alla prova che i modelli stiano già progettando da soli le generazioni successive o che il progresso sia destinato a diventare incontrollabile.
Che cosa ha misurato METR
Tra agosto e ottobre 2026, un gruppo di ricercatori di METR ha esaminato come stesse cambiando la ricerca e sviluppo dell’IA in Anthropic. L’organizzazione ha ricevuto accesso a varie misure interne: punteggi dei benchmark sui modelli, indicatori di pre-addestramento e apprendimento per rinforzo, dati sul calcolo impiegato, sondaggi sull’uso dell’IA e interviste a dipendenti. Non ha invece provato i modelli interni non pubblici: il rapporto precisa che non ne ha richiesto campioni. Il lavoro è quindi una valutazione ad alto accesso ai dati, non un test indipendente diretto dei sistemi segreti.
La conclusione centrale è circoscritta: secondo la stima soggettiva del gruppo, a ottobre Anthropic stava probabilmente migliorando le capacità dei modelli su compiti ben definiti a circa il doppio del ritmo osservato tra marzo 2024 e ottobre 2025. METR indica un’incertezza ampia e considera plausibile un valore compreso fra 1,3 e 3 volte il ritmo precedente. Il dato non significa che ogni capacità sia raddoppiata, né che i modelli siano diventati due volte più intelligenti in un anno. Si riferisce a un tasso di progresso stimato in un insieme di compiti e metriche, confrontato con un periodo storico specifico.
Il benchmark e il ruolo dell’IA
Un elemento quantitativo del rapporto è l’AECI, un indice interno di Anthropic basato sui risultati dei modelli su benchmark di capacità. Considerando i punteggi dal periodo successivo a ottobre 2025, METR stima una crescita circa 1,9 volte più rapida rispetto alla tendenza precedente, con un intervallo di confidenza al 95% fra 1,5 e 2,8 volte. È una misura utile per confrontare modelli nel tempo, ma non descrive da sola quanto cambino le prestazioni nel lavoro quotidiano: i compiti verificabili su cui si basa possono rappresentare solo una parte delle capacità rilevanti, e il numero di osservazioni resta limitato.
METR ritiene che l’aumento del calcolo usato per addestrare i modelli non spieghi l’accelerazione osservata. Per attribuire il resto, però, non presenta una scomposizione certa: considera plausibile che oggi la maggioranza del progresso sia legata all’uso dell’IA nella ricerca, ma riconosce che fattori diversi hanno contribuito alla crescita iniziata nel 2025. Sondaggi e colloqui con il personale sono coerenti con un ruolo importante dell’assistenza automatizzata, ma sono testimonianze difficili da tradurre in una misura causale precisa. Il quadro descritto è soprattutto di ricercatori che usano strumenti di IA, non di sistemi autonomi che gestiscono l’intero ciclo di sviluppo.
Perché il rapporto non dà una risposta definitiva
La pubblicazione contiene parti oscurate da Anthropic. L’azienda ha potuto rimuovere informazioni non pubbliche; METR spiega che alcune delle evidenze più influenti non possono quindi essere valutate direttamente dai lettori. Il gruppo afferma inoltre che quelle informazioni ammettevano più interpretazioni e che anche i ricercatori coinvolti mantengono incertezze rilevanti. Le redazioni non annullano il lavoro, ma rendono più difficile controllare dall’esterno come si arrivi alla stima complessiva. Una lettura equilibrata deve tenere insieme il numero principale, l’intervallo d’incertezza e questa visibilità incompleta.
Il rapporto segnala che durante la valutazione non sono emersi colli di bottiglia evidenti in alcune aree, come calcolo, dati o progressi algoritmici, che a giudizio del gruppo impedissero ulteriori miglioramenti nel breve periodo. METR avverte però che la propria comprensione di questi limiti è cambiata mentre riceveva informazioni più dettagliate e non considera solida la previsione. “Non abbiamo visto” un ostacolo non significa che nessun ostacolo esista: significa che la valutazione pubblica non ne ha identificato uno decisivo con gli elementi disponibili.
Che cosa cambia per chi segue l’IA
Il valore del rapporto è soprattutto nel mostrare perché misurare l’automazione della ricerca sia diventato un tema concreto. Se i modelli aiutano a scrivere codice, analizzare risultati o condurre esperimenti, il loro impatto può accumularsi nel lavoro dei team anche senza un sistema capace di sostituire da solo i ricercatori. Per valutare il fenomeno servono però indicatori ripetibili, confronti nel tempo e una distinzione fra assistenza, automazione parziale e autonomia completa.
Per il pubblico, la conclusione più utile non è che Anthropic abbia già creato un ciclo di auto-miglioramento indipendente, ma che un valutatore esterno stima un’accelerazione significativa e attribuisce con incertezza una parte crescente all’uso dell’IA. Il rapporto offre indizi, non una previsione certa su quando i sistemi potranno condurre ricerca da soli. Le prossime misurazioni potranno chiarire se l’andamento continua, se il benchmark anticipa capacità più ampie e quanto contino gli altri fattori di sviluppo. Nel frattempo, accesso ai dati, pubblicazione delle evidenze e verifiche indipendenti restano essenziali per distinguere un cambiamento misurabile da una narrazione più forte dei risultati.
