Anthropicu AI-agentide autonoomse töö aeg ilma inimese sekkumiseta kahekordistus kolme kuuga

Pikka aega mõõdeti närvivõrkude efektiivsust vastuste täpsuse või tokenite genereerimise kiirusega. Kuid üleminek vestlusrobotitelt autonoomsetele agentidele (nagu Claude Code) tõi kaasa uue probleemi: kuidas mõõta süsteemi, mis peab iseseisvalt tundide kaupa ülesandeid lahendama?

Anthropic avaldas mahuka uuringu tulemused, millega tutvustati uut hindamisstandardit: Mean Time Between Interventions (MTBI). See on põhimõtteline nihe: AI edu mõõdetakse nüüd „produktiivse vaikuse“ minutites.

Sprindist maratonini: autonoomia kahekordistamine

Uuringu peamine tehniline järeldus on järsk kasv ajas, mille jooksul agent suudab keerulise koodi kallal töötada ilma inimese sekkumiseta. Kui 18 kuud tagasi vajasid AI-assistendid korrigeerimist iga 20-25 minuti järel, siis Claude’i praegused versioonid töötavad stabiilselt 45 minutit.

See on tarkvaraarenduse jaoks kriitiline lävi. Nelikümmend viis minutit on süvatöö tsükli tüüpiline kestus. Nüüd ei suuda agent enam ainult „funktsiooni lisada“, vaid teha mooduli täismahus refaktori või juurutada uue funktsionaalsuse ajal, mil arendaja tegeleb arhitektuuri ja planeerimisega.

Kogenud kasutaja paradoks: kontroll vs usaldus

Anthropicu kõige huvitavam avastus oli käitumuslik paradoks. Teadlased leidsid, et kogenud insenerid sekkusid Claude’i sagedamini kui algajad. Esmapilgul võiks see viidata usaldamatusele, kuid andmed näitavad vastupidist.

Kogenud kasutajad rakendavad sekkumisi kui „mikrojuhtimist“, et agent ei kalduks varases etapis vales suunas. Samal ajal ulatub selliste spetsialistide automaatse heakskiidu määr 40%-ni.

Mis on paradoksi olemus?

Kogenud arendaja ei oota lõpptulemust, vaid kohandab agendi trajektoori jooksvalt.
See võimaldab agendil täita palju keerulisemaid ja mahukamaid ülesandeid, mida algaja ei julgeks süsteemile usaldada.
Kõrge automaatse heakskiidu määr kinnitab, et sekkumised on pigem suunavad kui parandavad. Inimene muutub „koodiredaktorist“ „voo halduriks“.

Oma piiride tundmine: kui vaikus pole kuldne

Anthropic rõhutab, et autonoomia kasv sai võimalikuks tänu paradoksaalsele oskusele: oskusele õigel hetkel abi küsida. Uutes mudelites kasutatakse „teadliku ebakindluse“ loogikat. Selle asemel, et hallutsineerida või jääda lõpututesse veatsüklitesse kinni, peatub Claude sagedamini ja küsib lisakonteksti või kinnitust.

See teeb agendist pigem ennustatava tööriista kui musta kasti. Tehisintellekti võime tunnistada, et ta „ei näe“ mõnd sõltuvust või pole muudatuse kõrvalmõjudes kindel, säästab tunde, mis varem kulusid peente vigade otsimisele.

Mõju tööstusele

Üleminek MTBI mõõdikule muudab arenduse ökonoomikat. Kui varem hinnati AI-d loodud koodiridade arvu järgi, siis nüüd liigub fookus vabastatud aja määrale.

Lähiajal näeme:

Uued KPI-d inseneridele: hindamine mitte koodi, vaid edukalt juhitud agentide arvu järgi.
Kõrgema taseme liidesed: tuleviku IDE-d kohandatakse 45-minutiliste autonoomsustsüklite juhtimiseks, mitte rida-realt kirjutamiseks.

Neuro.ee toimetuse arvamus

Anthropicu uuring näitab, et oleme liikunud „AI kaasautori“ varajasest faasist „AI kaastöötaja“ ajastusse. Kõige olulisem pole ainult see, et Claude suudab 45 minutit üksi töötada, vaid see, et ta suudab töötada koos inimkogemusega.

Paradoks, kus eksperdid sekkuvad sagedamini, kuid usaldavad rohkem, on hea kooseksisteerimise mudel. See leevendab peamist hirmu: AI ei asenda programmeerija mõtlemist, vaid muutub tema „eksoskeletiks“, mis vajab täpset juhtimist, kuid võtab enda kanda rutiini. Kodeerimise tulevik ei seisne tähtede kirjutamises, vaid protsesside orkestreerimises.