16 agentów Claude zbudowało kompilator C. Kosztowało to 20 tysięcy dolarów

Szesnaście agentów AI Claude współpracowało ze sobą i stworzyło działający kompilator języka C. Projekt zakończył się sukcesem – skompilowali jądro Linuksa.

Tylko że.

Cały eksperyment pochłonął 20 tysięcy dolarów. I wymagał ciągłego, głębokiego zarządzania ze strony człowieka.

Czym w ogóle jest kompilator (i dlaczego to trudne)

Kompilator to program, który tłumaczy kod napisany przez programistę na język zrozumiały dla komputera. tłumacza, który przekłada polską książkę na język maszynowy – zero błędów, pełna precyzja.

To jedno z najtrudniejszych zadań w programowaniu. Wymaga zrozumienia składni języka, optymalizacji kodu i obsługi tysięcy szczególnych przypadków.

Ludzie budują kompilatory latami. Zespoły inżynierów pracują nad nimi miesiącami.

AI miało to zrobić samo.

Jak działał zespół szesnastu agentów

Każdy z agentów Claude dostał konkretną rolę. Jeden odpowiadał za analizę składni. Drugi za generowanie kodu. Trzeci za testowanie.

Dokładnie o to chodziło.

Agenci komunikowały się między sobą, przekazywały sobie wyniki pracy, poprawiały błędy. W teorii – samoorganizujący się system, który rozwiązuje problem bez ludzkiej interwencji.

W praktyce – potrzebowały stałego nadzoru.

Człowiek musiał regularnie sprawdzać postępy, naprowadzać agenci na właściwe tory, korygować decyzje. To nie była autonomiczna praca zespołu AI. To była praca człowieka z 16 asystentami, które co chwilę schodziły z kursu.

20 tysięcy dolarów za eksperyment

Koszt? Dwadzieścia tysięcy dolarów.

To nie opłata za licencję Claude. To koszt samego użycia modelu – tokenów, zapytań, interakcji między agentami.

Token to jednostka tekstu, którą przetwarza AI. Mniej więcej trzy czwarte słowa. Im więcej agentów rozmawia ze sobą, tym więcej tokenów zużywają. Im dłużej pracują, tym wyższy rachunek.

Dla porównania: doświadczony programista stworzyłby prosty kompilator C za ułamek tej kwoty. I prawdopodobnie w krótszym czasie.

Ale – i tu pojawia się ciekawa część – nie chodziło o to, żeby zrobić to taniej. Chodziło o sprawdzenie, czy AI w ogóle potrafi.

Co to znaczy dla przyszłości pracy z AI

Eksperyment pokazał dwie rzeczy.

Po pierwsze: AI potrafi wykonywać złożone zadania inżynieryjne. Nie tylko generować tekst czy obrazki. Może pisać kod, testować go, naprawiać błędy. I współpracować z innymi agentami AI.

Po drugie: wciąż potrzebuje człowieka. Nie jako wykonawcy, ale jako kierownika projektu. Kogoś, kto ustala cele, weryfikuje postępy, podejmuje kluczowe decyzje.

To nie jest scenariusz "AI zastępuje programistów". To raczej "AI jako zespół juniorów, którzy potrzebują doświadczonego mentora".

I to mentora, który nie może odejść od biurka na dłużej niż godzinę.

Dlaczego agenci potrzebują nadzoru

Problem tkwi w tym, jak działają modele językowe. Claude – jak ChatGPT czy Gemini – to LLM (Large Language Model). System, który przewiduje kolejne słowa na podstawie wzorców w danych treningowych.

Nie "rozumie" kodu w taki sposób, jak robi to programista. Nie ma wewnętrznego modelu tego, jak działa komputer. Generuje kod, który wygląda poprawnie – ale nie zawsze nim jest.

Kiedy 16 takich agentów pracuje razem, błędy się kumulują. Jeden agent przekazuje nieprecyzyjny wynik. Drugi buduje na nim dalej. Trzeci wprowadza kolejną nieścisłość.

Efekt? System schodzi z kursu. I bez człowieka, który to wyłapie, może pracować godzinami w złym kierunku.

Dlatego projekt wymagał głębokiego zarządzania. Nie wystarczyło powiedzieć "zbudujcie kompilator" i wrócić po tygodniu.

Czy to się opłaca

20 tysięcy dolarów za kompilator, który i tak wymaga ludzkiego nadzoru – przypomina kiepski interes.

Ale to nie był projekt komercyjny. To był eksperyment badawczy. Test tego, jak daleko można posunąć współpracę między agentami AI.

I w tym kontekście – sukces.

Udowodnił, że zespoły AI mogą realizować złożone projekty inżynieryjne. Że potrafią się komunikować, dzielić zadaniami, iterować nad rozwiązaniami. Że granica możliwości przesuwa się dalej, niż myśleliśmy rok temu.

Rok temu nikt nie budował kompilatorów przy pomocy 16 agentów AI. Dziś to możliwe – choć drogie i wymagające.

Za rok? Może będzie taniej. I może będzie wymagać mniej nadzoru.

Co to zmienia dla przedsiębiorców

Jeśli prowadzisz firmę i myślisz o wdrożeniu AI – ten eksperyment daje dwie lekcje.

Pierwsza: AI potrafi więcej, niż myślisz. Nawet złożone, wieloetapowe projekty są w zasięgu. Nie musisz ograniczać się do prostych zadań typu "napisz mi e-mail" czy "wygeneruj post na LinkedIn".

Druga: AI nie zastąpi Twojego zespołu. Może go wzmocnić – jeśli ktoś doświadczony będzie nadzorował pracę agentów. To nie narzędzie typu "ustaw i zapomnij". To narzędzie typu "kieruj i kontroluj".

Firmy, które to zrozumieją, wygrają. Te, które będą czekać na w pełni autonomiczne AI – przegrają wyścig z tymi, którzy już dziś uczą się zarządzać hybrydowymi zespołami ludzi i maszyn.

Źródła

• Ars Technica AI