Πάνω από το 80% του κώδικα στην OpenAI δημιουργείται πλέον από τεχνητή νοημοσύνη

Ο πρόεδρος της OpenAI, Greg Brockman, δήλωσε στο συνέδριο AI Ascent 2026 της Sequoia ότι η τεχνητή νοημοσύνη γράφει πλέον περίπου το 80% του κώδικα της εταιρείας, υποστηρίζοντας ένα νέο όριο παραγωγικότητας.

Υπογράμμισε ακόμα πως τα εργαλεία κώδικα έχουν περάσει σε νέα φάση απόδοσης και ότι η έλλειψη υπολογιστικών πόρων αποτελεί σήμερα τον βασικό περιορισμό.

Ο αριθμός εντυπωσιάζει, ωστόσο αφήνει περιθώρια για διαφορετικές ερμηνείες. Μια από αυτές είναι ότι τα εργαλεία AI παράγουν το 80% του κώδικα που γίνεται commit, άρα πρόκειται για άμεση αύξηση παραγωγικότητας. Μια δεύτερη ερμηνεία είναι ότι η AI εμπλέκεται με κάποιον τρόπο στο 80% της δουλειάς, από αυτόματη συμπλήρωση μέχρι προτάσεις αναδιάρθρωσης και παραγωγή που αναθεωρείται από ανθρώπους. Η διατύπωση του Brockman κλίνει προς αυτή τη δεύτερη εκδοχή.

Παρόμοιοι ισχυρισμοί εμφανίζονται και αλλού. Ο διευθύνων σύμβουλος της Anthropic, Dario Amodei είπε πέρυσι ότι η AI έγραφε το 90% του κώδικα στην εταιρεία, με στόχο να φτάσει το 100% μέσα σε λίγους μήνες και ότι το ίδιο θα συνέβαινε σε ολόκληρη την αγορά. Η Cursor έφτασε τα 2 δισ. δολάρια ετησιοποιημένων εσόδων σε τρία χρόνια με ροές εργασίας που βασίζονται στην AI. Το GitHub Copilot μετρά 4,7 εκατομμύρια συνδρομητές και 90% υιοθέτηση στις εταιρείες του Fortune 100. Η Anthropic αναφέρει ρυθμό εσόδων 30 δισ. δολαρίων, κυρίως από κώδικα, εταιρική αναζήτηση και γενική παραγωγικότητα.

Ο Brockman περιγράφει μια καμπή τον Δεκέμβριο του 2025, όταν, κατά την άποψή του, τα μοντέλα πέρασαν από το να λύνουν περίπου το 20% των τυπικών εργασιών μηχανικών στο να καλύπτουν περίπου το 80%, απαιτώντας εκ βάθρων ανασχεδιασμό των διαδικασιών εργασίας. Ανέφερε παράδειγμα μηχανικού που, ενώ παλαιότερα δεν μπορούσε να αναθέσει συστημικό χαμηλού επιπέδου κώδικα στην AI, πλέον δίνει ένα έγγραφο σχεδιασμού και βλέπει το μοντέλο να υλοποιεί, να μετρά και να βελτιστοποιεί το σύστημα σε ποιότητα παραγωγής.

Ωστόσο, υπάρχουν ευρήματα που αμφισβητούν τη γενικευμένη άνοδο παραγωγικότητας. Έρευνα του National Bureau of Economic Research τον Φεβρουάριο του 2026 κατέγραψε ότι το 80% των εταιρειών που χρησιμοποιούν ενεργά AI δεν είδαν μετρήσιμη βελτίωση. Μελέτη του MIT το 2025 κατέληξε ότι το 95% των εταιρικών πιλοτικών έργων γενετικής AI δεν απέδωσε επενδυτικά οφέλη. Ο μηχανικός μηχανικής μάθησης, Han-Chung Lee, υποστηρίζει ότι τα εσωτερικά νούμερα παραγωγικότητας χρειάζονται αναθεώρηση, καθώς συχνά παράγονται για στόχους υιοθέτησης και δεν ελέγχονται ανεξάρτητα.

Η ακαδημαϊκή κριτική είναι έντονη. Ο γνωστικός επιστήμονας Gary Marcus έχει χαρακτηρίσει τους ευρύτερους ισχυρισμούς για AGI ως αυταπάτη τεράστιας κλίμακας και προειδοποιεί ότι βασίζονται σε υπερβολική πίστη σε μοντέλα που μιμούνται. Ειδικά για τον κώδικα, επισημαίνει ότι η παραγωγή που απλώς μεταγλωττίζεται και περνά δοκιμές δεν ισοδυναμεί με σωστό, ασφαλή, συντηρήσιμο και καλοσχεδιασμένο λογισμικό, κάτι που απαιτεί κρίση. Ο Brockman αναγνωρίζει το χάσμα, λέγοντας ότι η τεχνολογία είναι άνιση, υπεράνθρωπη σε πολλά καθήκοντα, ικανή να γράφει κώδικα, αλλά με αδυναμίες σε απλά ζητήματα.

Το διακύβευμα είναι μεγάλο. Η OpenAI συγκέντρωσε 122 δισ. δολάρια το 2026 και στοχεύει σε δημόσια προσφορά που μπορεί να αγγίξει το 1 τρισ. δολάρια. Ο Brockman έχει δηλώσει ότι το κεντρικό ζήτημα δεν είναι οι δυνατότητες των μοντέλων αλλά η σπανιότητα υπολογιστικής ισχύος, η οποία αντιμετωπίζεται ως πεδίο εσόδων, με ουσιαστικά όλο το διαθέσιμο κεφάλαιο να κατευθύνεται εκεί. Οι ισχυρισμοί για παραγωγικότητα στον κώδικα στηρίζουν αυτή τη στρατηγική.

Παράλληλα, η αγορά εργασίας βρίσκεται σε αναταραχή, με απολύσεις μηχανικών και αιτιολόγηση τις αποδόσεις της AI. Αν η AI πράγματι κάνει το 80% της κωδικοποίησης σε εταιρείες όπως η OpenAI και η Anthropic, οι επιπτώσεις στην απασχόληση είναι μεγάλες. Αν αντίθετα ο αριθμός αντανακλά κυρίως εμπλοκή της AI σε στάδια εργασίας χωρίς αντίστοιχη αντικατάσταση ανθρώπινης προσπάθειας, οι απολύσεις ενδέχεται να προηγούνται των πραγματικών κερδών.

Ένα ακόμη στοιχείο είναι ότι ο ίδιος ο Brockman, σύμφωνα με τη δική του περιγραφή, αφιερώνει περίπου το 80% του χρόνου του στον κώδικα, δουλεύοντας 60 έως 100 ώρες την εβδομάδα και θεωρείται ο πιο παραγωγικός -ανθρώπινος- προγραμματιστής της εταιρείας. Το πώς αυτό επηρεάζει την αξιοπιστία της εικόνας που παρουσιάζει, εξαρτάται από την ερμηνεία του επίμαχου 80%.