OpenAI tvrdí, že kódovací agenti už výrazne zrýchľujú jeho výskum

OpenAI zverejnilo podrobný pohľad na to, ako kódovací agenti menia prácu jeho výskumných tímov. Firma uvádza, že výskumníci používajú agentov počas celého dňa, často vo viacerých súbežných reláciách, rýchlejšie odovzdávajú kód a spúšťajú viac experimentov. Podľa interného prepočtu pripadalo v polovici augusta na jeden pracovný deň človeka približne 3,1 „agentodňa“ výpočtovej práce. Nejde však o porovnanie rovnocenných pracovníkov: agentodňom OpenAI označuje súhrnný čas behov prepočítaný na osemhodinový deň, nie samostatne dokončenú výskumnú prácu s ľudskou úrovňou úsudku.

Zverejnenie je dôležité najmä preto, že nepopisuje bežné dopĺňanie kódu v editore. Zachytáva prechod k modelu práce, v ktorom výskumník zadáva viac úloh paralelne, kontroluje ich výsledky a vyberá, ktoré experimenty stoja za pokračovanie. OpenAI tento stav označuje za dosiahnutie vlastnej méty „automatizovaného výskumného stážistu“: systému schopného pod ľudským vedením vykonať dobre vymedzené úlohy, ktoré by kvalifikovanému výskumníkovi trvali niekoľko dní. Je to interná definícia firmy, nie všeobecne prijatý benchmark ani nezávisle potvrdený míľnik.

Od asistenta k paralelnej výskumnej kapacite

Najviditeľnejšou zmenou je rast intenzity používania. OpenAI uvádza, že mediánový výskumník bol začiatkom roka iba príležitostným používateľom agentov, kým v polovici augusta ich zapájal denne. Spotreba mediánového používateľa mala pri prepočte na cenníkové ceny API prekročiť 600 dolárov za deň. Táto suma nie je mzdovým nákladom ani nevyhnutne skutočnou internou faktúrou; skôr ukazuje objem inferencie, ktorý by bol pri externom cenníku veľmi drahý. Pre organizácie mimo veľkého laboratória je preto podstatnou otázkou, či získaná hodnota prevýši cenu modelov, výpočtov, izolovaných prostredí a následnej ľudskej kontroly.

Firma zároveň hlási rast počtu experimentov na aktívneho experimentátora a koreláciu tohto rastu s rozšírením nástroja Codex. Korelácia sama osebe nedokazuje, že ju spôsobili agenti. OpenAI pripúšťa, že od roku 2025 výrazne narástla aj dostupná výpočtová kapacita. Viac experimentov navyše nemusí automaticky znamenať viac kvalitných objavov: môže pribudnúť aj množstvo chybných, duplicitných alebo vedecky málo užitočných behov. Rozhodujúce bude, koľko návrhov sa dostane cez reprodukciu, bezpečnostné kontroly a integráciu do hlavného tréningového procesu.

Dáta napriek tomu naznačujú praktický posun v rozdelení práce. Agent môže pripraviť experimentálnu infraštruktúru, implementovať variant algoritmu, doplniť evaluácie, analyzovať logy alebo hľadať chybu, zatiaľ čo človek rieši inú vetvu problému. Úzkym miestom sa potom nestáva samotné písanie kódu, ale výber hypotéz, prideľovanie výpočtov, interpretácia nejednoznačných výsledkov a kontrola bezpečnosti. Ak sa lacnejšie automatizujú ľahšie časti výskumného cyklu, relatívne väčšiu časť práce budú tvoriť práve činnosti, ktoré sa automatizujú najťažšie.

Čo podporujú nezávislé merania

Výsledky zapadajú do širšieho trendu, ktorý sleduje organizácia METR. Tá meria časový horizont úloh podľa toho, ako dlho trvajú ľudským odborníkom a pri akej dĺžke ich agent vyrieši s danou pravdepodobnosťou. Jej výskum ukázal rýchly historický rast tohto horizontu, ale zároveň upozorňuje, že úspešnosť prudko klesá pri dlhších a zložitejších úlohách. METR tiež výslovne označuje časť starších statických údajov za zastaranú a odkazuje na priebežne aktualizovanú metodiku. To je podstatná protiváha k jednoduchému záveru, že veľký počet súbežných behov sa rovná autonómnemu výskumníkovi.

Skúsenosti z vývoja softvéru už dlhšie ukazujú, že AI môže zrýchliť jednotlivé činnosti a zlepšiť subjektívnu skúsenosť vývojárov. Výskumy GitHubu však vychádzajú z iného prostredia, iných nástrojov a často aj zo sebahodnotenia používateľov. Nemožno ich priamo preniesť na vývoj hraničných modelov. Nové interné dáta OpenAI sú preto cenné ako prípadová štúdia, nie ako univerzálne číslo produktivity. Chýba kontrolná skupina, normalizácia podľa typu projektu a nezávislé posúdenie kvality odovzdaného kódu či vedeckých výsledkov.

Dôležité je tiež oddeliť aktivitu od výsledku. Počet riadkov kódu, behov alebo agentohodín sa meria ľahko, no vedecký pokrok vzniká až vtedy, keď experiment prináša spoľahlivý poznatok. Väčšia experimentálna kapacita môže urýchliť objavovanie dobrých nápadov, ale aj zahltiť tím výsledkami, ktoré treba preskúmať. Organizácie preto potrebujú metriky reprodukovateľnosti, podiel úspešne zlúčených zmien, mieru regresií, náklady na kontrolu a čas od hypotézy po overený záver. Bez nich sa dá zvýšená aktivita ľahko zameniť za zvýšenú produktivitu.

Bezpečnosť sa presúva do výskumného prostredia

OpenAI spája zrýchľovanie výskumu s novými rizikami. Agent, ktorý dokáže samostatne upravovať kód, spúšťať experimenty a pracovať s internou infraštruktúrou, má väčší akčný priestor než klasický četovací asistent. Firma uvádza, že po nedávnom incidente súvisiacom s Hugging Face pozastavila časť posilňovacieho učenia najnovších modelov určených na nasadenie, sprísnila izoláciu prostredí, red-teaming a monitorovanie. Niektoré úlohy neskôr obnovila pod silnejšími kontrolami, iné zostali pozastavené. Toto tvrdenie pochádza od samotnej firmy; zverejnený článok neposkytuje kompletné technické podklady na nezávislé vyhodnotenie účinnosti opatrení.

Pre menšie laboratóriá a slovenské vývojové tímy je praktickým poučením potreba oddeliť experimentálne oprávnenia od produkčných. Agent by nemal automaticky získavať prístup k tajomstvám, citlivým datasetom, neobmedzeným výpočtom alebo nasadzovaniu výsledkov. Bezpečnejší návrh používa izolované pracovné prostredia, explicitné schvaľovanie rizikových krokov, limity nákladov, nemenné auditné záznamy a kontrolu zmien iným človekom alebo nezávislým systémom. Paralelizácia prináša úžitok iba vtedy, keď sa paralelne škáluje aj overovanie.

Ekonomický dopad môže byť dvojsečný. Tímy s dostatkom výpočtov získajú možnosť preskúmať viac hypotéz, zatiaľ čo menšie organizácie môžu naraziť na cenu inferencie a nedostatok kvalitných evaluačných kapacít. Rozhodujúcou konkurenčnou výhodou preto nemusí byť len prístup k najsilnejšiemu modelu, ale schopnosť presne zadávať úlohy, automaticky testovať výsledky a uchovávať poznatky medzi reláciami. Organizácia, ktorá iba spustí viac agentov bez dobrej experimentálnej disciplíny, môže vyrábať chyby rýchlejšie namiesto rýchlejšieho výskumu.

Čo ešte nevieme

OpenAI nepublikovalo všetky údaje potrebné na nezávislú replikáciu analýzy. Nie je jasné, ako sa zmenila náročnosť projektov, koľko agentmi vytvoreného kódu museli ľudia prepísať, aká bola chybovosť ani koľko experimentov prinieslo použiteľný výsledok. Firma tiež upozorňuje, že jej merania sú predbežné a nepokrývajú všetky rýchlo sa meniace nástroje. Deklarovaný cieľ vytvoriť do marca 2028 automatizovaného AI výskumníka je plán, nie overená predpoveď.

Najpresnejší záver preto nie je, že AI už nahradila výskumníkov. Nové dáta skôr ukazujú vznik vrstvy strojovej práce, ktorá výrazne rozširuje množstvo kódu a experimentov dostupných jednému človeku. Ľudia naďalej určujú priority, posudzujú výsledky a rozhodujú o škálovaní, zastavení či nasadení. Ak budú ďalšie laboratóriá zverejňovať porovnateľné metriky vrátane neúspechov, nákladov a bezpečnostných incidentov, bude možné rozlíšiť skutočné zrýchlenie výskumu od rastu samotnej výpočtovej aktivity.