Компания Anthropic провела интересный внутренний эксперимент, проверив, способна ли её ИИ-модель Claude действительно ускорять работу инженеров в реальных задачах робототехники. Проект получил название Project Fetch — участникам предстояло научить четвероногого робопса по команде приносить мячик. На первый взгляд задание кажется простым, но под поверхностью скрыт целый набор технических препятствий.
Идея эксперимента заключалась в том, чтобы сравнить производительность двух команд инженеров в одинаковых условиях. Одна группа работала «по-старому», без каких-либо ИИ-подсказок. Вторая — могла пользоваться Claude на протяжении всего дня. Сравнение задач — от подключения робота и получения данных с датчиков до настройки ручного управления — позволило точно измерить влияние ИИ на скорость и качество работы.
Что показал эксперимент
За один день обе команды прошли цепочку из восьми шагов, постепенно усложнявшихся. Результат оказался показательным: команда с ИИ завершила семь заданий, тогда как «аналоговые» участники справились лишь с шестью.
Наибольший разрыв проявился в аппаратных задачах. Подключение к роботу, чтение противоречивой документации, поиск рабочих каналов связи — всё это требовало аккуратного анализа и множества попыток. Claude помогал быстрее находить правильный путь и отсеивать ошибочные варианты.
У команды без ИИ всё вышло сложнее: они преждевременно отказались от наиболее очевидного способа подключения, неверно его поняв, и застряли, пока организаторы не дали подсказку.
Аналогичная история повторилась при работе с данными лидара. «Команда Claude» шаг за шагом продвигалась вперёд, а группа без ИИ билась почти весь день и лишь к вечеру смогла решить задачу.
Влияние на креативность и концентрацию
Интересный вывод Anthropic касается того, как ИИ меняет стиль работы. Инженеры с доступом к Claude написали почти в девять раз больше кода. Это позволило им параллельно пробовать разные идеи, быстро проверять гипотезы и не бояться ошибаться.
Но есть и обратная сторона: из-за высокого темпа команда иногда увлекалась неверными направлениями. Парадоксально, но в некоторых узких задачах — например, при создании видеопотока, ручного контроллера и системы локализации — группа без ИИ временно оказалась быстрее.
Тем не менее итоговое решение команды с Claude получилось удобнее и эффективнее: их система обеспечивала непрерывное видео, тогда как у конкурентов изображение обновлялось рывками.
Anthropic также изучила эмоциональный фон обеих групп. По транскриптам переговоров видно, что инженеры без ИИ сильнее проявляли усталость, раздражение и сомнение.
К обеду они так и не смогли установить стабильное подключение к роботу — это чувствительно ударило по настроению. А когда робот соперников случайно подъехал к их столу, команда и вовсе заметно вздрогнула.
Почему это важно
Project Fetch — это небольшой, но показательный взгляд в будущее. Anthropic рассматривает эксперимент как ранний сигнал того, как мощные ИИ-системы могут участвовать в физической работе — от диагностики оборудования до управления роботами.
Проект связан с корпоративной политикой Responsible Scaling и помогает ответить на вопрос: когда ИИ начнёт вносить ощутимый практический вклад в научные и инженерные процессы? Пока что выводы осторожные, но тенденция очевидна — ИИ становится инструментом, который не просто подсказывает, а помогает по-настоящему ускорять выполнение сложных задач.
Хотя Project Fetch длился всего один день, он показал: даже на раннем этапе ИИ способен заметно менять динамику инженерной работы. Он повышает производительность, снижает количество ошибок, улучшает настрой и даёт возможность решать проблемы, которые иначе заняли бы куда больше времени.
Возможно, уже через несколько лет робототехника станет областью, где человек и ИИ действуют как полноценные партнёры, а подобные эксперименты — лишь первые штрихи этой новой реальности.
