L’ingegnere di Google Haydn Belfield afferma che l’IA capace di migliorarsi da sola — cioè di progettare sistemi di IA migliori senza l’aiuto umano — è ancora lontana dalla realtà. I dati interni di DeepMind mostrano che oggi l’IA scrive oltre il 75 % del codice usato in produzione, ma circa l’88 % delle modifiche richiede ancora una verifica umana prima di essere inviata.
L’automazione funziona per compiti circoscritti, non per la ricerca
La quota di modifiche al codice affidate interamente all’IA è passata dal 7.5 % all’11.9 %, secondo le misurazioni interne più recenti. Quando i compiti diventano più complessi, la percentuale di successo dell’IA senza intervento umano cala nettamente. In 1,389 esecuzioni degli agenti Argon di DeepMind, l’apporto umano è rimasto essenziale per la ricerca creativa, la progettazione degli esperimenti, la diagnosi di problemi sottili nell’addestramento e la pianificazione a lungo termine. Anche un piccolo sondaggio condotto su dodici ricercatori senior di DeepMind ha confermato questa tendenza: l’automazione è elevata per le attività ben definite e verificabili, ma bassa per l’ideazione scientifica aperta.
I benchmark mostrano progressi costanti, non un’accelerazione
Nel RE‑Bench di DeepMind — una raccolta di 74 attività realistiche di ingegneria del machine learning — Argon risolve circa la metà dei problemi, contro il 27 % ottenuto da Gemini 3.7 Flash. Il General Capability Index (GCI), che monitora 123 modelli su 92 benchmark, mostra che i modelli Gemini migliorano di circa 0.1 punti GCI al mese, senza alcun segnale statisticamente significativo di un’accelerazione. Secondo Belfield, il modesto miglioramento di Gemini 4 Argon è dovuto a maggiori risorse di calcolo e a un maggiore impegno organizzativo, non a un’accelerazione guidata dall’IA.
Perché conta
Per gli sviluppatori di Google e delle altre aziende, l’IA può occuparsi delle attività di programmazione più routinarie, ma richiede ancora una verifica umana: i posti di lavoro non spariranno dall’oggi al domani. Per la comunità dell’IA nel suo complesso, l’assenza di una ricerca che accelera da sola significa che le previsioni di una rapida «esplosione dell’intelligenza» restano speculative e che i rischi per la sicurezza possono essere monitorati su un orizzonte temporale più ampio.
