OpenAIs egne forskere køber agent-dage - de sparer ikke menneskedage
OpenAI offentliggjorde den 6. september 2026 en selvrapport med titlen Research acceleration: the view inside OpenAI, som beskriver et system, virksomheden kalder en automatiseret forskningspraktikant, der nåede et mål, selskabet selv havde sat. Ifølge OpenAIs egen definition er en forskningspraktikant et system, der kan påtage sig en veldefineret forskningsopgave under menneskelig ledelse, herunder arbejde der ville optage en dygtig menneskelig forsker i nogle dage, køre det på tværs af kode og eksperimenter, og aflevere resultatet tilbage, så et menneske kan vurdere det.
Hovedtallet er et forhold, ikke et beløb. Fra midten af august 2026 registrerede OpenAIs forskningsorganisation 3,1 agent-arbejdsdage, målt mod en standard otte-timers dag, for hver eneste arbejdsdag, dets menneskelige forskere lagde. Før juni 2026 var den samlede agent-driftstid forblevet under den samlede menneskelige arbejdskraft; ved midten af august havde den passeret tre gange dette. OpenAI fremstiller skiftet som bevis på, at agentiske værktøjer accelererer virksomhedens egen forskning på en meningsfuld måde.
Det reelle tal er, hvad en forsker betaler for det
Gemt i den samme rapport er det tal, der reelt sætter en pris på accelerationen: OpenAIs median-forsker bruger nu mere end $600 om dagen på inferensomkostninger til API-priser for at køre denne agent-arbejdsbyrde. Det tal hører hjemme ved siden af 3,1x-multiplikatoren, ikke under den, fordi multiplikatoren beskriver registrerede timer, mens beløbet beskriver, hvad OpenAI selv bruger internt for at registrere dem.
Et forhold mellem agent-arbejdsdage og menneskelige arbejdsdage siger intet om omkostninger, medmindre det læses sammen med, hvad disse agent-arbejdsdage faktisk koster at generere. Enhver organisation, der planlægger et budget omkring agentiske kodnings- eller forskningsværktøjer, bør betragte tallet på $600 om dagen, ikke 3,1x-tallet, som det, der reelt vil dukke op på en faktura.
OpenAIs egne data siger, at timerne ikke svarer til arbejdet
OpenAIs rapport indeholder sin egen advarsel mod at læse tallene for bogstaveligt. På opgaver, der tager fire til otte timer, krævede mere end halvdelen af de kørsler, OpenAI talte som succesfulde, stadig mindst ét menneskeligt indgreb undervejs. OpenAI fastslår også klart, at agent-driftstid kan være parallel, redundant, mislykket eller stærkt styret, og at forskningsfremskridt ikke nødvendigvis vil skalere med det rå aktivitetsmål.
| Metrik | Tal |
|---|---|
| Agent-arbejdsdage per menneskelig arbejdsdag, før juni 2026 | Under 1,0 |
| Agent-arbejdsdage per menneskelig arbejdsdag, midt i august 2026 | 3,1 |
| Median-forskerens inferensomkostning | Mere end 600 USD om dagen, til API-priser |
| Succesfulde agent-kørsler på 4-8 timer, der krævede menneskeligt indgreb | Mere end halvdelen |
| Erklæret mål for en fuldt automatiseret AI-forsker | Marts 2028 |
OpenAI bemærker også, at selskabets egen tilgængelige regnekraft voksede betydeligt i samme periode, hvilket ifølge selskabet gør kausal tilskrivning vanskelig: en del af accelerationen kunne skyldes mere hardware, ikke en klogere agent. Det forbehold, som gælder OpenAIs egne tal, er det samme forbehold, det er værd at anvende på enhver leverandørs påstand om, at agenter har mangedoblet dens output med et pænt, rundt tal.
Hvad du bør modellere, før du tror på din egen multiplikator
OpenAI beskriver superviseret, afgrænset opgaveautomatisering rettet mod et yderligere mål, en fuldt automatiseret AI-forsker, som selskabet ikke forventer at nå før marts 2028. Det er et frontier-laboratorium med usædvanligt dybe lommer og sikkerhedsværktøjer, der rapporterer om sit eget hårdeste mulige testcase, agentisk AI-forskning - ikke en skabelon for, hvad nogen anden ingeniørorganisation bør forvente at bruge eller spare.
Den praktiske oversættelse for en ejer, der skal skalere agentiske værktøjer, er at bygge budgettet bagfra ud fra token-omkostningen per person under reel, tung brug, sådan som OpenAIs median på $600 om dagen antyder, snarere end fremad fra en arbejdsdags-multiplikator, der beskriver registrerede timer frem for løste problemer. Spørg, hvor stor en andel af dine egne langvarige agentopgaver der stadig ville kræve et menneske midt i forløbet, for OpenAIs eget svar, på dets egne forskningsmedarbejdere, var mere end halvdelen.
Servola Journal
Vi gør dette for alle, der prøver at holde trit med, hvad teknologien gør ved vores liv. De mennesker, der bygger det, og de mennesker, det sker for. Servola Journal findes, så det, vi lærer, tilhører dem alle.
Ingen betaler os for dette. Ingen annoncer, ingen betalingsmur, gratis for alle. Vi tror simpelthen, at det at forstå, hvad der sker for os alle, ikke bør afhænge af, hvem der har råd til at betale for det.
Hvis dette gav dig noget i dag, så sig til, at vi skal blive ved. Følg os, giv et like, eller skriv en positiv kommentar. Vi læser hver eneste en, og de er det, der holder os i gang.
Læs videre: Din næste AI-agent kan ræsonnere, hvor ingen kan tjekke det | Meta lærte sin agent at spørge, før den handler
