🧠 AI починає будувати AI. Anthropic опублікували велику статтю про recursive self-improvement - сценарій, у якому AI-система стає достатньо сильною, щоб самостійно проектувати, тренувати й покращувати власних наступників.Звучить як класична зав’язка для фільму, де десь на 47-й хвилині люди розуміють, що “ми трохи перестарались”. Але найцікавіше в статті не футурологія. Найцікавіше - що частина цього процесу вже відбувається.За даними Anthropic, станом на травень 2026 року понад 80% коду, який мерджиться в їхній codebase, був написаний Claude. Не “підказаний у чаті”, не “згенерований шматочками”, а саме authored by Claude. Інженер дедалі частіше не пише код руками, а ставить задачу, направляє агента, рев’ювить результат і приймає рішення.І це дуже важливий зсув.Бо довгий час AI в розробці був просто дуже розумним автокомплітом. Потім - помічником, який може написати функцію. Потім - coding agent, який сам редагує файли, запускає тести й виправляє помилки. А тепер ми повільно підходимо до наступного етапу: AI не просто пише код продукту, а допомагає будувати саму інфраструктуру для створення нових AI-систем.Тобто AI вже стає частиною власного виробничого циклу.Anthropic прямо пише: сьогодні Claude ще не здатен повністю самостійно створити свого наступника. Люди все ще задають напрям, формулюють цілі, вирішують, які експерименти мають сенс, і що взагалі варто досліджувати. Але межа зсувається.Раніше людина робила майже все:- вигадувала ідею- писала код- запускала експерименти- аналізувала результати- вирішувала, що робити даліТепер AI поступово забирає собі “виконавчу” частину:- пише код- запускає тести- оптимізує експерименти- шукає баги- пропонує наступні кроки- іноді самостійно веде дослідницький процесІ головне питання стає не “чи може AI щось зробити?”, а “чи може людина ще встигати перевіряти те, що AI генерує?”Ось тут і починається справжня магія.Бо якщо AI пише код швидше, ніж люди його рев’ювлять, bottleneck переноситься на людину. Якщо AI може запускати сотні експериментів, bottleneck - не виконання, а вибір: які експерименти взагалі мають сенс. Якщо AI може сам пропонувати дослідницькі гіпотези, bottleneck - уже не продуктивність, а judgment: смак, стратегія, здатність відрізнити перспективну ідею від гарно оформленої маячні.І це, здається, останній великий бастіон людини в AI R&D: не “робити”, а “вирішувати, що варто робити”.Але Anthropic обережно натякає: навіть цей бастіон може бути тимчасовим.У статті є дуже сильна думка: можливо, “research taste” - це не якась містична людська суперсила, а просто ще одна capability, яку моделі спочатку роблять погано, потім терпимо, потім краще за більшість людей. Як було з кодом, математикою, поясненням жартів і купою інших речей, де ми вже встигли сказати “ну це точно тільки людина може”, а потім ніяково відвести очі.Мені здається, головна думка статті не в тому, що “AGI завтра”. І не в тому, що “все пропало, купуйте бункер і гречку”.Головна думка в іншому:AI-прогрес уже починає прискорювати сам себе.Навіть якщо повного recursive self-improvement не буде, ми вже бачимо ефект другого порядку: сильніші моделі допомагають швидше створювати ще сильніші моделі. Це не сингулярність. Це просто R&D-процес, де дедалі більше ручної праці замінюється агентами.І це може бути найважливіший технологічний зсув нашого часу.Не тому, що AI “ожив”.А тому, що цикл “ідея → експеримент → результат → нова ідея” починає стискатися.Раніше цей цикл вимірювався тижнями або місяцями людської роботи. Тепер - годинами агентів. Завтра, можливо, хвилинами compute.І якщо ми не встигнемо побудувати нормальні механізми контролю, верифікації, governance і міжнародної координації, то проблема буде не в тому, що AI стане злим.Проблема буде в тому, що він стане занадто ефективним у системі, де люди все ще сперечаються, хто має доступ до Google Sheet.