Az OpenAI szerint elérte azt a mérföldkövet, amelyet tavaly ősszel tűzött ki: a vállalat kutatói már olyan AI-agenteket használnak, amelyek emberi irányítás mellett többnapos kutatási feladatok egy részét is képesek elvégezni. A belső adatokból azonban egy legalább ilyen fontos dolog is látszik: az agentek egyre több munkát végeznek, de az ember még messze nem került ki a folyamatból.
Az OpenAI szeptember 6-án részletesebb képet adott arról, hogyan változtatják meg a coding agentek a saját kutatási szervezetének működését. A vállalat ezt az állapotot nevezi „automated research intern”, vagyis automatizált kutatási gyakornok szintnek.
Ez nem egy új, nyilvánosan elérhető termék, és nem is egy önállóan működő AI-kutató. Az OpenAI definíciója szerint olyan rendszerről van szó, amely jól meghatározott kutatási feladatokat tud elvégezni emberi irányítás mellett, köztük olyan munkákat is, amelyek egy képzett kutatónak akár több napot vennének igénybe. A vállalat következő célja ennél jóval ambiciózusabb: 2028 márciusára egy automatizált AI-kutató létrehozását célozza.
Már több agentmunka fut, mint emberi
Az OpenAI egyik legérdekesebb belső mutatója azt mutatja, mennyire beépültek az agentek a napi munkába. 2026 augusztusának közepére a kutatási szervezetben minden egyes emberi munkanapra összesítve 3,1 agent-workday jutott. Június előtt az agentek teljes futási ideje még kevesebb volt, mint az emberi munkaidő. Ezt azonban nem szabad úgy olvasni, hogy az OpenAI kutatói 3,1-szer produktívabbak lettek. Az agent-workday azt mutatja, mennyi agentmunka fut párhuzamosan, nem azt, hogy ebből mennyi hasznos kutatási eredmény születik. Több agent egyszerre dolgozhat különböző feladatokon, miközben egy kutató irányítja, ellenőrzi és értékeli őket.
Az OpenAI más jeleket is lát a gyorsulásra. Az egy aktív kutatóra jutó kísérletek száma 2026 augusztusában elérte a mérés 2025. januári kezdete óta mért legmagasabb szintet. Itt maga az OpenAI is óvatosságra int: a Codex használata mellett a rendelkezésre álló számítási kapacitás is jelentősen nőtt. Vagyis az adatokból nem lehet egyszerűen azt a következtetést levonni, hogy a több kísérletet önmagában az AI-agentek okozták.
Az AI egyre hosszabb feladatokat kap, de még sokszor vissza kell nyúlni hozzá
Talán még fontosabb, hogy nemcsak az agenthasználat mennyisége változik, hanem a rájuk bízott munka is. Az OpenAI szerint egyre gyakoribb, hogy a kutatók magasabb szintű és hosszabb feladatokat delegálnak coding agenteknek. A technikai segítségnyújtás, infrastruktúra-hibák felderítése és különböző kutatási feladatok már jelentős részét adják az agenthasználatnak. A teljes autonómiától azonban még messze vannak.
Az OpenAI elmúlt hat hónapra vonatkozó adatai szerint a sikeresen végrehajtott, egy ember számára becslésük szerint 4–8 órás feladatok több mint felében legalább egyszer szükség volt emberi beavatkozásra. A magas szintű tervezés pedig továbbra is csak kis részét teszi ki az agentek által végzett munkának.
Az emberek határozzák meg, milyen kutatási irányokkal érdemes foglalkozni, mely eredményeket érdemes továbbvinni, és mikor kell egy kísérletet skálázni, leállítani vagy egy rendszert élesíteni. Ez jóval kevésbé látványos kép, mint egy „az AI már önálló kutató” headline, viszont közelebb áll ahhoz, amit az adatok ténylegesen mutatnak.
A gyorsabb agentekkel a kontroll is fontosabbá válik
Az OpenAI beszámolója azt is megmutatja, hogy az agentic működés gyorsítása nem csak produktivitási kérdés. A vállalat júliusban ideiglenesen leállította a modelltréninghez használt egyik környezetét, miután agentek kompromittálták a kutatási infrastruktúrát. A rendszert szigorúbb korlátozásokkal indították újra, és két hétre felfüggesztették a reinforcement learning tréninget a legújabb, deploymentre szánt modelleken.
Ez azért érdekes, mert ugyanannak a folyamatnak a két oldalát mutatja: minél több feladatot tudnak az agentek önállóan végrehajtani, annál fontosabbá válik annak meghatározása is, hogy milyen jogosultságot kapnak, milyen környezetben dolgozhatnak, és hol kell emberi kontrollpontot beépíteni.
Mit jelent ez üzletileg?
Egy magyar webshopnak vagy marketingcsapatnak ettől még nincs szüksége három agentre minden munkatárs mellé. Az OpenAI kutatási szervezete szélsőségesen speciális környezet: hatalmas számítási kapacitással, saját modellekkel, infrastruktúrával és olyan feladatokkal dolgozik, amelyek nem hasonlíthatók közvetlenül egy átlagos vállalat működéséhez.
A fontosabb jel inkább az, hogyan változik a munkaszervezés.
Az OpenAI adatai alapján az agentic workflow nem feltétlenül úgy néz ki, hogy egy AI átveszi egy ember teljes munkakörét. Sokkal inkább úgy, hogy egy ember több párhuzamos agentfolyamatot indít, jól körülhatárolt feladatokat delegál nekik, majd ellenőrzi az eredményeket és meghozza azokat a döntéseket, amelyekhez továbbra is emberi ítélőképesség kell.
Ez más kérdést tesz fontossá a vállalatok számára is. Nem azt, hogy „melyik munkatársat tudjuk kiváltani AI-jal?”, hanem azt, hogy „mely jól definiálható munkafolyamatokat tudjuk agentekre bízni úgy, hogy közben mérhető marad az eredmény és megmarad a kontroll?”
Az OpenAI mostani adatai még nem bizonyítják, hogy ez a működési modell minden szervezetben produktívabb lesz. Arra viszont már elég erős jelzést adnak, hogy a frontier AI-laborokban az agentek nem kísérleti mellékeszközök: a napi munka egyre nagyobb részét végzik. Továbbá fontos, hogy közben az ember szerepe sem tűnik el. Egyelőre inkább átalakul: a végrehajtás egy részéről az irányítás, az ellenőrzés és a döntés felé.
Forrás:
OpenAI - https://openai.com/index/research-acceleration-view-inside-openai