OpenAI je objavio da je dosegnuo svoj cilj za rujan 2026.: automatizirani sustav na razini istraživačkog pripravnika koji pod ljudskim vodstvom može izvršavati dobro definirane zadatke za koje bi stručnom istraživaču trebalo nekoliko dana. Procjena se temelji na internim mjerenjima tvrtke i zasad nije neovisno potvrđena.

Što OpenAI smatra istraživačkim pripravnikom

Naziv ne znači da AI samostalno bira istraživački smjer. OpenAI prag opisuje kao sposobnost da sustav, uz ljudske upute, odradi dobro definiran zadatak koji bi vještom istraživaču trajao nekoliko dana. Ljudi i dalje postavljaju prioritete, procjenjuju rezultate i odlučuju hoće li se neki smjer širiti, zaustaviti ili primijeniti.

Tvrtka taj korak prikazuje kao međustanicu prema automatiziranom AI istraživaču do ožujka 2028. Istodobno priznaje da još nema odgovor na pitanje kako sigurno postići potpuno usklađeno rekurzivno samopoboljšavanje, u kojem AI sudjeluje u razvoju svojih nasljednika.

Agenti troše više računalnog rada i ubrzavaju eksperimentiranje

Prema izvještaju, ukupno vrijeme rada agenata u OpenAI-jevoj istraživačkoj organizaciji prije lipnja bilo je manje od ukupnog ljudskog rada. Do sredine kolovoza omjer se preokrenuo na 3,1 agent-dan za svaki ljudski radni dan, računato prema standardnom osmosatnom danu.

Broj eksperimenata po aktivnom eksperimentatoru u kolovozu je dosegnuo najvišu razinu otkad je OpenAI počeo pratiti tu metriku u siječnju 2025. Tvrtka bilježi korelaciju s prihvaćanjem Codexa, ali navodi i da je raspoloživa računalna snaga znatno porasla, pa se učinci ne mogu jednostavno pripisati samo agentima.

Ljudsko usmjeravanje i metodološke granice ostaju presudni

Agenti postaju uspješniji na duljim zadacima, ali nisu autonomni u praktičnom smislu. U zadnjih šest mjeseci više od polovice uspješnih poslova procijenjenih na četiri do osam sati ljudskog rada zahtijevalo je barem jednu intervenciju. Visokorazinsko planiranje i dalje čini tek malen dio njihova rada.

Broj napisanih linija koda, trajanje agentskog rada i broj pokrenutih eksperimenata lakše je mjeriti nego stvarni znanstveni napredak. OpenAI zato svoje rezultate naziva preliminarnima: ubrzavanje jedne faze može samo premjestiti usko grlo na odabir ideja, provjeru rezultata, integraciju ili dostupnost računalnih resursa.

Zašto je važno

Ako se OpenAI-jeva procjena pokaže održivom, AI više nije samo pomoćnik za kodiranje nego postaje dio petlje koja razvija sljedeće AI sustave. To može ubrzati napredak, ali i povećati važnost nadzora, mjerenja kvalitete i odluka o tempu razvoja.

Što još ne znamo

  • Sve kvantitativne metrike dolaze iz OpenAI-jevih internih sustava i nisu neovisno reproducirane.
  • Omjer agent-dana i ljudskih dana ne znači da su agenti 3,1 puta produktivniji od ljudi.
  • Uspjeh na višesatnim zadacima i dalje često zahtijeva ljudsku intervenciju, a visokorazinsko planiranje ostaje marginalna kategorija rada agenata.