Anthropic і OpenAI протягом 2026 року неодноразово заявляли, що автономні AI-дослідники — системи, здатні самостійно проводити повний цикл наукової роботи в галузі штучного інтелекту без участі людини, — з'являться вже найближчим часом. Очільник Anthropic Даріо Амодей публічно окреслював горизонт у кілька років, а в OpenAI говорили про «автоматизованого AI-дослідника» як про реалістичну ціль найближчих релізних циклів.

Нове дослідження, на яке посилається The Decoder, ставить ці прогнози під сумнів. За даними The Decoder, автори роботи перевірили, чи здатні сучасні мовні моделі самостійно провести дослідницький процес — від формулювання гіпотези до перевірки результату — і дійшли висновку, що розрив між заявленими темпами прогресу та реальними можливостями моделей значно більший, ніж стверджують провідні лабораторії.

Для команд, які будують продукти на базі AI, це не просто суперечка двох таборів дослідників. Це сигнал: горизонт планування варто рахувати не за прес-релізами, а за незалежними вимірюваннями.

У чому саме розходяться позиції лабораторій і дослідників?

Автономний AI-дослідник — це гіпотетична система, здатна без участі людини формулювати наукові гіпотези, ставити експерименти й на основі результатів вдосконалювати власну архітектуру або наступні моделі. Саме досягнення цього рівня Anthropic і OpenAI публічно називали одним з найближчих орієнтирів індустрії.

Розбіжність стосується не того, чи прогресують AI-моделі — з цим не сперечається ніхто, — а того, наскільки близько вони підійшли до самостійного виконання дослідницької роботи без нагляду людини. Anthropic і OpenAI формулювали свої прогнози як публічні орієнтири для індустрії: автономний AI-дослідник як точка, після якої темпи розробки нових моделей самі почнуть прискорюватися завдяки AI, що вдосконалює AI.

Автори нового дослідження, навпаки, наголошують на розриві між окремими вражаючими демонстраціями та стабільним, відтворюваним виконанням дослідницьких задач end-to-end. Один вдалий експеримент чи одна автоматизована ітерація — це не те саме, що здатність вести дослідницький проєкт тижнями без втручання людини.

Чому оптимістичні прогнози лабораторій можуть вводити в оману?

Компанії, що продають AI-продукти й залучають інвестиції під обіцянку прискореного прогресу, зацікавлені формулювати найамбітніші можливі терміни. Це не означає навмисного обману — радше йдеться про природний оптимізм людей, які щодня бачать найкращі результати своїх моделей і екстраполюють їх на весь спектр дослідницьких задач.

Незалежні дослідники дивляться на іншу вибірку даних: не на успішні демо, а на середню й гіршу частину розподілу результатів — випадки, коли модель застрягає, генерує правдоподібні, але помилкові висновки, або не вміє коректно оцінити власну невпевненість. Саме ці випадки і визначають, чи можна довірити системі автономну роботу без постійного контролю.

Це не перша ситуація, коли галузеві прогнози випереджають підтверджені результати: подібна дистанція вже виникала навколо тверджень про AI-агентів, «майже готових» до широкого розгортання, чи про здатність моделей самостійно писати production-код без рев'ю. Автономні дослідницькі цикли — наступний пункт у тому ж списку амбітних, але поки не підтверджених обіцянок.

Що це означає для тих, хто будує продукти на базі AI?

Практичний висновок простий: закладати в дорожню карту продукту повну автономність дослідницьких чи інженерних циклів AI на горизонті кількох місяців — ризиковано. Розумніше проєктувати системи з людиною в контурі там, де ціна помилки висока, і поступово розширювати автономію моделі там, де результат легко верифікувати автоматично.

Ймовірно, розрив між публічною риторикою й реальними можливостями буде звужуватися нерівномірно — окремі вузькі задачі автоматизуються швидше за дослідницьку роботу в цілому.

Висновок AiiN

Найцінніше в цьому дослідженні — не спростування конкретних дат, а нагадування: заяви лабораторій про власні майбутні продукти — це маркетинг і залучення капіталу так само, як і наукова оцінка. Для AI-білдерів це означає, що незалежні бенчмарки й власне тестування важать більше, ніж таймлайни з презентацій. Хто закладає в архітектуру продукту повну автономію AI-агента вже сьогодні, той бере на себе ризик, який поки не підтверджений даними.

Чи означає це, що прогрес AI сповільнюється?

Ні. Дослідження не заперечує прогрес моделей загалом — воно ставить під сумнів конкретне твердження про близькість повністю автономного AI-дослідника, а не швидкість покращення бенчмарків у цілому.

Коли автономні AI-дослідники можуть стати реальністю?

Точної дати немає ні в заявах лабораторій, ні в новому дослідженні — і це, за нашою оцінкою, головний практичний висновок: орієнтуватися варто на вимірювані можливості моделі на конкретній задачі, а не на індустрійні прогнози.