Az agent dolgozik tovább, te vezetsz

A másik oldalon az OpenAI hete is erős volt. Matt Shumer megmutatta, mit tud a GPT-5.6, ha időt kap: egyetlen feladatból kiindulva közel egy héten át futott magától, és felépítette Manhattant voxelekből, épületről épületre, hibajavítással, megállás nélkül. A múlt héten a Fable gondolkodási szintjeit mértük egy 3D-s Manhattanen; most a másik labor modellje ugyanazt a várost választotta. A mérce közben megváltozott: már az számít, mennyi ideig tud egy modell értelmesen, felügyelet nélkül dolgozni, a benchmark-pontszám másodlagos.

És jön a következő lépcső: az OpenAI munkatársa szerint a Sol változat a gép- és böngészőhasználatban világelső, és most kerül be a Codexbe. A két élcsapat fej fej mellett halad, és ez neked jó hír: a folytonosan, napokig dolgozó agent nem egyetlen gyártó kiváltsága, ez lesz az alapfelszerelés.

Ha egy modell napokig dolgozik egyedül, egyre fontosabb kérdés, mi jár közben a fejében. Az Anthropic friss kutatása erre ad egy meglepő választ. Az idegtudomány régi elmélete szerint az agyban zajló rengeteg folyamatból az válik tudatossá, ami egy kiemelt „munkatérbe" kerül, és onnan sugárzik szét. Ugyanilyen szerkezetet találtak a Claude-ban: egy kis belső mintázat-készletet, ami azt mutatja, milyen fogalmak járnak a modell fejében, akkor is, ha egyiket sem írja le. A neve J-space, és példa is van: ha a pók lábairól kérdezed, a modell magában „pókra" gondol, kimondás nélkül.

Vezetőként ezt a safety-kutatás feléd fordított oldalaként érdemes olvasni. A modell eddig fekete doboz volt: láttad, mit mond, és nem láttad, miért. Ha leolvasható, mire gondol a modell, hamarabb kiderül az is, ha mást csinál, mint amit mond, és pont ez a fajta betekintés kell ahhoz, hogy egyre nagyobb feladatokat merj rábízni.

"my friends are all feeling extremely productive and also extremely drained with the latest coding models. this makes me feel like something is wrong, and also that there might be a big opportunity."

David Holz, a Midjourney alapítója tette fel a hét legőszintébb kérdését. A környezetében mindenki többet szállít, mint valaha, és mindenki kimerült. A magyarázat nagyrészt az előző pickben van: ha a könnyű feladatokat elviszi a gép, a napod csupa nehéz döntésből áll, és a döntés fáraszt. A rutinmunka eddig észrevétlenül a pihenés is volt a döntések között.

A Notion 6118 döntéshozót és felhasználót kérdezett meg arról, hol tart náluk az AI, és az eredmény a legjobb ellenszer a heti hype ellen. A cégek 57 százalékánál az AI gondolkodótárs, 31 százalékánál asszisztens, 10 százalékánál csapattag, és mindössze 2 százalékánál működik rendszerként. A hangos történetek, az „agentek viszik az egész céget" típusúak, ebből a 2 százalékból jönnek. A Notion saját megfogalmazásában: a zaj a szélekről szól, a valódi munka a mérsékelt középen zajlik.

És hogy milyen a következő fok, azt ugyanez a cég mutatta meg a héten: a Ship OS-ben a termékfejlesztés a Notionon belül fut, az agentek triázsolnak, rendszereznek és összegeznek, az ember pedig ott ül, ahol a legtöbbet ér: a döntési pontokon.

Tavaly az AI 2027 forgatókönyv járta be a világot: a szerzők szerint a jelenlegi pályán az AI vagy kicsúszik a kezünkből, vagy visszafordíthatatlanul kevesek kezébe koncentrálja a hatalmat. Most megírták a másik felét. Az AI 2040: Plan A az a jövő, amiben szerintük ez jól sülhet el: az emberiség 2040-ig elhalasztja a szuperintelligencia megépítését, az AI-kutatás nyilvánossá válik, és tucatnyi cég zárkózhat fel az élvonalhoz.