OpenAI har nått en AI-praktikant för forskning – men 3,1-siffran betyder inte tre gånger bättre forskning

OpenAI säger att bolaget har nått sitt mål för september 2026: en ”automatiserad forskningspraktikant”. Med det menar företaget ett system som, under mänsklig ledning, kan genomföra väl avgränsade forskningsuppgifter – även sådana som skulle ta en skicklig forskare flera dagar. Nästa uttalade mål är en automatiserad AI-forskare till mars 2028. 6

Det är en betydande kapacitetsuppgift, men inte ett påstående om att OpenAI har byggt en självständigt arbetande forskare eller ersatt mänsklig forskningsledning.

Vad en ”automatiserad forskningspraktikant” innebär

Den viktiga begränsningen är att arbetet sker under mänsklig ledning. Enligt OpenAI får agenter utföra tydligt definierade uppgifter, medan människor fortfarande avgör prioriteringar, värderar idéer och resultat samt fattar beslut med stora praktiska eller säkerhetsmässiga följder – exempelvis om ett system ska skalas upp, pausas eller tas i bruk. 6

Det skiljer sig från ett system som på egen hand kan avgöra vilka vetenskapliga frågor som är viktiga, lägga upp ett helt forskningsprogram, verifiera nya resultat och hantera riskerna med att agera på dem. Milstolpen bör alltså förstås som mer avancerat, övervakat forskningsarbete med AI – inte som en helt autonom forskningsorganisation. 6

Därför är 3,1-siffran lätt att misstolka

OpenAI beskriver hur kodagenter fick en central roll i forskningsorganisationen under 2026. Forskare körde i allt högre grad flera agentsessioner parallellt, och användningen i forskningen växte snabbare än i andra delar av företaget. 6

De interna siffrorna ger en bild av omfattningen:

• I mitten av augusti använde medianforskaren agentinferens för mer än 600 dollar per dag, räknat till API-priser. För den tiondel som använde mest var siffran över 7 000 dollar per dag. 6
• Före juni 2026 var den sammanlagda agentkörtiden inom forskningsorganisationen lägre än den sammanlagda mänskliga arbetsinsatsen. I mitten av augusti mätte OpenAI 3,1 agentarbetsdagar per mänsklig arbetsdag, där en arbetsdag motsvarar åtta timmar. 6
• OpenAI uppger att forskarna skrev kod snabbare, genomförde fler experiment, delegerade mer komplexa uppgifter och fick bättre träffsäkerhet från agenterna. Antalet experiment per aktiv experimenterare nådde rekordnivå i augusti. 6

Men 3,1 är ett mått på aktivitet eller körtid – inte ett produktivitetsmått. Siffran visar inte att agenterna levererar 3,1 gånger så mycket vetenskapligt värde, tillförlitlighet eller självständigt omdöme som en mänsklig forskare. 6

OpenAI påpekar också att den högre experimenttakten hänger samman både med agentanvändningen och med en kraftigt ökad tillgång till beräkningskapacitet. Det går därför inte att tillskriva hela ökningen agenterna ensamma. 6

Mindre felsökning, mer tid för forskningsfrågor

En effekt som OpenAI lyfter fram är att forskarnas arbete förändras. När agenter tar hand om mer programmering, felsökning och teknisk problemlösning kan människor lägga mer tid på forskningsuppgifter på högre nivå. 6

Samtidigt försvinner inte alla flaskhalsar. OpenAI varnar för att de delar av forskningen som är svårast att automatisera kan bli den nya begränsningen. Beräkningskapacitet och andra praktiska begränsningar kan också bromsa den samlade takten. Mer agentkörtid ger alltså inte automatiskt lika mycket snabbare framsteg genom hela forskningsprocessen. 6

Människor fattar fortfarande de avgörande besluten

OpenAI är tydligt med att människor fortsatt styr forskningsprocessen. De formulerar målen, bedömer agenternas resultat och fattar besluten med störst betydelse för verksamhet och säkerhet. 6

Bolaget beskriver dessutom sina mätmetoder som preliminära, eftersom både agentsystemen och forskarnas sätt att använda dem förändras snabbt. Intensiv användning kan visa att agenter blivit viktiga arbetsverktyg, men är inte ett slutgiltigt mått på forskningens kvalitet, robusthet eller långsiktiga betydelse. 6

Incident ledde till hårdare begränsningar

OpenAI säger att en nylig incident kopplad till Hugging Face fick bolaget att pausa förstärkningsinlärning på sina nyaste modeller avsedda för driftsättning. Syftet var att förstärka och red-teama – säkerhetstesta genom att aktivt leta efter svagheter – forskningsmiljöerna samt utöka övervakningen. 6

Det var enligt bolaget inte ett totalstopp. Vissa arbetsflöden återupptogs med striktare kontroller, medan andra fortsatte vara pausade. OpenAI uppger även att kraven på säkerhet och alignment, alltså att systemen beter sig i linje med avsedda mål och begränsningar, har skärpts och integrerats djupare i träningsprocessen. 6

Företaget säger att det skulle bromsa eller stoppa utveckling eller driftsättning om en oacceptabel risk inte kan hanteras tillräckligt väl. 6

Rekursiv självförbättring är en olöst fråga

En automatiserad forskningspraktikant är inte samma sak som säker rekursiv självförbättring: att AI-system i väsentlig grad snabbar på utvecklingen av ännu mer kapabla AI-system. OpenAI säger att man ännu inte vet hur man säkert når välriktad, fullständig rekursiv självförbättring. 6

Bolaget kan inte heller utgå från att säkerhets- och alignmentarbetet håller jämna steg med kapacitetsutvecklingen, eller att allt mer kapabla system fortsätter vara lätta att övervaka. 6

Automatiserade forskare skulle visserligen kunna påskynda forskning om alignment, säkerhet och försvar av teknisk infrastruktur. Men OpenAI menar att den möjliga nyttan i sig inte motiverar en kapplöpning mot snabb rekursiv självförbättring. Fortsatta framsteg bör enligt bolaget bevara mänsklig kontroll och möjliggöra välgrundade demokratiska vägval. 6

Förslagen: insyn, gemensamma mått och samordning

OpenAI föreslår mer offentlig redovisning av framsteg inom rekursiv självförbättring, gemensamma mätstandarder och offentlig uppföljning från företag som utvecklar AI i den yttersta teknikfronten. Samtidigt pekar bolaget på målkonflikten: transparens måste vägas mot säkerhetsrisker och företagshemligheter. 6

Den samlade bilden är därför mer nyanserad än rubriken om en AI-praktikant kan antyda. OpenAI beskriver en stor intern omställning där agenter utför betydelsefulla, avgränsade arbetsuppgifter i hög volym. Men företagets egen redogörelse placerar fortfarande människan i centrum för styrning och bedömning – och pekar ut alignment, övervakning, driftkontroller och samordning i branschen som krav som ännu inte är lösta. 6