L'orizzonte temporale è una misura di benchmark che collega il successo di un modello al tempo umano necessario per completare un compito di difficoltà simile. Invece di chiedere quanto tempo impiega il modello a rispondere, chiede: a quale livello di sforzo umano è comparabile il compito quando il modello ha successo a un tasso utile?
Nel campo della sicurezza informatica, questo è importante perché orizzonti temporali più lunghi implicano un lavoro più complesso e articolato in più fasi: pianificazione, uso di strumenti, nuovi tentativi e giudizio. Un orizzonte temporale più elevato può indicare che un agente di IA potrebbe essere in grado di gestire attività come il triage dei log, la ricerca di vulnerabilità o l'automazione controllata, ma aumenta anche la posta in gioco per autorizzazioni, revisione e contenimento. I difensori usano questo tipo di benchmark per stimare se un agente sia sufficientemente affidabile per flussi di lavoro reali, mentre gli attaccanti possono cercare sistemi con orizzonti temporali più elevati per automatizzare la ricognizione o altri abusi. Il punto chiave è che il successo in un benchmark non equivale a un'implementazione sicura; i team di sicurezza hanno comunque bisogno di accesso con privilegi minimi, approvazione umana per le azioni sensibili e un monitoraggio rigoroso.