Nu utför AI komplexa arbetsuppgifter med minimal mänsklig övervakning

Från verktyg till kollega

När jag började som systemutvecklare var AI främst statistiska modeller som kunde klassificera data eller förutsäga trender. Nu ser vi något fundamentalt annorlunda: AI-system som kan planera, utföra och utvärdera komplexa arbetsuppgifter helt självständigt.

Den senaste forskningen visar att vi passerat en kritisk tröskel. Forskare har utvecklat SciFi, ett ramverk som enligt arXiv-publikationer kan utföra vetenskapligt arbete från början till slut med minimal mänsklig övervakning. Systemet kombinerar en isolerad körningsmiljö med en trelagersagentslinga och självutvärderande mekanismer – teknisk arkitektur som påminner om hur erfarna utvecklare strukturerar komplexa system.

Vad som imponerar mest är inte bara tekniken utan tillämpningarnas bredd. Parallellt har forskare utvecklat WebXSkill, som dramatiskt förbättrar AI-agenters förmåga att navigera webben. Genom att kombinera körbar kod med steg-för-steg-förklaringar på naturligt språk lyckades systemet förbättra framgångsgraden med upp till 12,9 procentenheter i tester.

Verkliga utmaningar kräver specialiserade lösningar

Men det är när vi tittar på RiskWebWorld som komplexiteten blir tydlig. Detta nya ramverk testar AI-agenter inom e-handelsriskhantering – ett område där fel kan kosta miljoner. Resultaten är både uppmuntrande och nedslående: de bästa modellerna når endast 49 procent framgång, medan specialiserade öppen källkods-modeller nästan helt misslyckas.

Som utvecklare känner jag igen mönstret. Modellstorlek slår fortfarande specialisering när det gäller komplexa yrkesuppgifter. Det är som skillnaden mellan en generalisten som kan lite om allt och experten som behärskar sitt område – men här vinner generalistens råa beräkningskraft.

Annu mer fascinerande är TREX, ett system som automatiserar träningen av språkmodeller själva. Genom att modellera experimentprocessen som ett sökträd kan systemet självständigt formulera träningsstrategier, förbereda datauppsättningar och utvärdera resultat. Vi närmar oss alltså en punkt där AI-system kan förbättra och utveckla sig själva.

När AI fastnar i tankefel

Dock är utvecklingen inte problemfri. Forskare rapporterar att upp till 30 procent av komplexa uppgifter misslyckas eftersom AI-system fastnar i upprepningar eller helt avviker från uppgiften. Lösningen kallas "Cognitive Companion" – en övervakningsarkitektur som fungerar som en intern kvalitetskontroll.

Denna parallella övervakning reducerar upprepningar med 52-62 procent, vilket påminner om hur vi i utvecklingsteam använder kodgranskning för att fånga fel som den ursprungliga programmeraren missat. Skillnaden är att här övervakar AI sig själv.

Praktiska konsekvenser för arbetslivet

Vad betyder detta konkret? AI-agenter börjar hantera arbetsuppgifter som tidigare krävde års utbildning. Ett vetenskapligt forskningsprojekt som tidigare tog månader kan nu automatiseras till veckor. Riskanalys inom e-handel kan köras kontinuerligt istället för i batchar.

Men som systemutvecklare ser jag också utmaningarna. Dessa system kräver robust felhantering, säkerhetsmekanismer och tydliga gränser. När en AI-agent kan träna andra AI-system eller hantera finansiella risker självständigt, blir frågorna om ansvar och kontroll akuta.

Utvecklingen påminner om övergången från enkla skript till komplexa mikrotjänstarkitekturer – kraftfullare, men också mer svårkontrollerad. Skillnaden är att denna gång handlar det inte bara om kod, utan om system som kan tänka och agera i den verkliga världen.