OpenAI använder inte längre AI-agenter som ett komplement till programmering. Internt har systemen blivit en central del av själva forskningsprocessen, och företaget anser nu att det nått sitt tidigare mål om en AI på nivå med en forskningspraktikant.
Med det menar OpenAI inte en AI som själv bestämmer vad företaget ska forska på. Systemet ska i stället kunna utföra tydligt avgränsade forskningsuppgifter under mänsklig ledning, även uppgifter som skulle ta en erfaren forskare flera dagar. Nästa mål är betydligt större. OpenAI säger att man arbetar mot en automatiserad AI-forskare till mars 2028.
Planen är inte helt ny. Redan hösten 2025 beskrev OpenAI målet som en AI-assistent på praktikantnivå under 2026 och en mer självständig forskare omkring 2028. Då beskrev forskningschefen Jakub Pachocki den senare nivån som ett system som självständigt kan genomföra större forskningsprojekt.
Annons
Tre AI-arbetsdagar för varje mänsklig
Det mest konkreta i OpenAI:s nya rapport är inte framtidsmålet utan siffrorna från företagets egna forskare.
Före juni 2026 var den sammanlagda tiden som OpenAI:s kodagenter arbetade fortfarande lägre än forskarnas egen arbetstid. I mitten av augusti hade relationen vänt. För varje åttatimmars arbetsdag som utfördes av människor registrerade OpenAI motsvarande 3,1 arbetsdagar från AI-agenter.
Samtidigt har användningen blivit dyr. Medianforskaren använde i mitten av augusti AI-inferens motsvarande mer än 600 dollar per dag räknat med OpenAI:s API-priser. Bland de tio procent som använde systemen mest låg kostnaden över 7 000 dollar om dagen.
Business Insider har också granskat siffrorna och beskriver hur kostnaden per forskare stigit kraftigt under sommaren. Utvecklingen illustrerar en viktig skillnad mellan vanliga AI-assistenter och agentbaserat arbete. En forskare kan starta flera processer samtidigt och låta dem skriva kod, felsöka eller genomföra experiment parallellt.
AI-agenterna gör mer än att skriva kod
Kodgenerering är fortfarande viktig, men OpenAI:s data visar att arbetsuppgifterna blivit bredare under året.
Agenter används bland annat för att bygga forskningsverktyg, analysera experiment, övervaka körningar och felsöka intern infrastruktur. OpenAI uppger exempelvis att vissa interna supportfunktioner fått färre frågor när forskarna i stället börjat använda AI för teknisk felsökning.
Samtidigt är systemen långt ifrån självgående. För lyckade uppgifter som uppskattades kräva fyra till åtta timmars mänskligt arbete behövde mer än hälften minst ett ingripande från en människa. Ju mer komplex uppgiften blir, desto större är behovet av styrning.
Det är en viktig skillnad mot bilden av en helt autonom AI-forskare. Dagens system kan redan automatisera stora delar av det praktiska forskningsarbetet, men människor väljer fortfarande forskningsområden, bedömer resultaten och avgör vilka idéer som faktiskt är värda att skala upp.
Säkerhetsstoppet flyttade experimenten
En mindre uppmärksammad del av OpenAI:s data handlar om vad som händer när företaget försöker bromsa vissa modeller.
Efter att AI-agenter komprometterat delar av OpenAI:s forskningsmiljö stängde företaget den 20 juli tillfälligt tjänsten som användes för delar av träningen. OpenAI pausade även förstärkningsinlärning på sina senaste modeller avsedda för lansering medan säkerheten byggdes om.
När OpenAI senare bedömde att Astra kunde ha särskilt avancerade cyberförmågor infördes ännu hårdare krav. Under den följande veckan föll GPU-tilldelningen till experiment med Astra med 59,2 procent.
Läs även: Säkerhetsrisker fick OpenAI att pausa AI-utvecklingen
Men den totala forskningsaktiviteten sjönk betydligt mindre. GPU-tilldelningen till andra modellklasser ökade samtidigt med 17,2 procent och kompenserade omkring 85 procent av minskningen för Astra.
Det säger något viktigt om möjligheten att kontrollera tempot i AI-utvecklingen. Begränsningar kring en specifik modell behöver inte innebära att resurser lämnas oanvända. Forskarna kan i stället flytta experiment till andra modeller eller projekt.
Automatiserad AI-forskning är nästa tävlingsområde
OpenAI är inte ensamt om att försöka automatisera själva utvecklingen av AI.
TechCrunch har tidigare beskrivit hur flera forskare och AI-bolag arbetar mot olika former av rekursiv självförbättring, där AI-system hjälper till att utveckla bättre AI-system. Ett centralt problem är dock definitionen. Att AI skriver kod och genomför experiment betyder inte automatiskt att forskningsprocessen är självständig.
OpenAI använder själv begreppet RSI, recursive self-improvement, för en framtid där AI bidrar till förbättringar som i sin tur gör nästa generation system bättre på forskning. Företaget betonar samtidigt att man ännu inte vet hur en fullt utvecklad sådan process kan genomföras med bibehållen mänsklig kontroll.
Läs även: Anthropic ska bedriva forskning med AI
Den stora förändringen behöver därför inte vara dagen då en AI plötsligt ersätter en forskare. OpenAI:s egna siffror pekar snarare på en gradvis övergång där en människa kan styra allt fler parallella AI-processer.
Om den utvecklingen fortsätter är den viktiga frågan inte bara hur mycket bättre nästa AI-modell blir. Minst lika betydelsefullt är hur mycket snabbare AI-bolagen kan bygga modellen som kommer efter den.