Авторы AI 2027 сдвинули прогноз: ИИ опережает их сценарий на пять месяцев

Когда ИИ пишет код быстрее, следующая задача команды — проверить, быстрее ли выходит работающий продукт. С разработкой самих моделей возникает дополнительный эффект: улучшенная модель может помочь создать следующую. Именно этот круг заставил авторов AI 2027 пересмотреть сроки своего прогноза. Для разработчиков и основателей здесь практический вопрос: какие процессы стоит перестраивать уже сейчас, если инструменты начнут улучшаться быстрее ожидаемого?

Что изменилось в прогнозе

10 ноября AI Futures Project опубликовал обновление: теперь все участники команды считают вероятным появление сверхчеловеческого ИИ-исследователя, SAR, в 2027 году при отсутствии существенного намеренного замедления разработки. Ранее Даниэль Кокотайло давал 50% вероятности появления SAR до 2029 года.

Под SAR авторы понимают систему, способную полностью автоматизировать программирование внутри ИИ-проекта и выбирать направления исследований на уровне лучшего человека-исследователя. Это существенно более высокая планка, чем агент, который самостоятельно закрывает отдельные задачи в репозитории.

Команда также оценивает вероятность появления ИИ, превосходящего лучших экспертов практически во всех задачах, в 35–65% до начала 2028 года. В исходном пересказе фигурирует «в 2028 году», но первоисточник указывает более раннюю границу. Авторы выступают за паузу или существенное ограничение темпа передовых разработок. Это их предложение по управлению риском. Обновление AI Futures Project.

Что увидел METR

Поводом стал отчёт METR от 5 ноября об исследованиях внутри Anthropic. Его авторы считают, что способности моделей на задачах с чёткими условиями сейчас улучшаются примерно вдвое быстрее исторического темпа. Неопределённость велика: исследователей не удивило бы ускорение как в 1,3 раза, так и в три раза.

Большую часть текущего ускорения METR предположительно связывает с применением ИИ. При этом Anthropic закрыла большую часть свидетельств, которые оценщики сочли наиболее информативными. Внешний читатель поэтому не может самостоятельно проверить существенную часть аргументации. METR отдельно предупреждает: внутренние метрики могут неполно отражать работу с более размытыми условиями. Отчёт METR.

На основе этих оценок AI Futures Project получил ускорение прогресса за счёт ИИ примерно в 1,7 раза. Именно по этой величине команда насчитала около пяти месяцев опережения своего сценария. Переносить такую поправку на каждое предсказанное событие было бы ошибкой: сравнивается конкретный показатель, а сроки следующих этапов зависят от дополнительных допущений.

Как применить это к своей команде

Представим лабораторию, где агент готовит код эксперимента за час вместо рабочего дня. Дальше эксперимент ждёт свободный GPU, обучение занимает несколько суток, а исследователь ещё должен понять результат. Сокращение первого этапа полезно, но итоговый цикл ускорится настолько, насколько позволяют остальные этапы. Если агент поможет выбирать более удачные эксперименты, эффект может оказаться заметно сильнее.

В продуктовой разработке логика похожая. Можно выпускать больше кода и при этом ждать релиза столько же из-за проверки требований, ревью или приёмки. Поэтому разумный следующий шаг — взять повторяющийся класс задач и измерить время от постановки до принятого результата. Отдельно учитывать исправления, стоимость запуска и часы человеческой проверки. Это позволит увидеть, где автоматизация действительно освобождает ресурсы.

Основателю такой замер помогает принимать решения о найме и бюджете. Если узкое место осталось в проверке результата, дополнительная генерация кода сама по себе его не устранит. Продакту полезно проверить, умеет ли команда достаточно быстро формулировать задачи и принимать изменения: иначе улучшение моделей будет проходить мимо продукта.

Обновлённый прогноз даёт повод чаще пересматривать эти процессы. Сам по себе он ещё не доказывает, что автономная исследовательская команда появится в названный год. Практическое решение сегодня — накопить собственные данные об эффективности агентов и сохранить возможность менять инструменты по мере появления проверяемых результатов.