OpenAI sa den 6 september 2026 att man har nått det mål man tillkännagav i höstas: att ställa in en "automatiserad forskarpraktikant" i september i år. I ett nytt blogginlägg med titeln "Research acceleration: The view inside OpenAI" avslöjade företaget också för första gången hur djupt AI-agenter har vävts in i sin egen forskningsorganisation - i mitten av augusti använde organisationen 3.1 agent-arbetsdagar av ansträngning för varje enskild mänsklig arbetsdag.

Milstolpen, som först rapporterades av Engadget och Unite.AI, är den tydligaste kvantitativa bilden hittills av vad OpenAI menar när den talar om AI som accelererar AI-forskning. För läsare som följer den bredare historien passar detta in i vår fortsatta AI-forskningstäckning om hur frontier labs omstrukturerar arbetet kring agenter.

Vad "Automated Research Intern" egentligen betyder

Blogginlägget definierar målet exakt: ett system som kan utföra väldefinierade forskningsuppgifter under mänsklig ledning, inklusive uppgifter som skulle ta en skicklig forskare några dagar att slutföra. Enligt OpenAI:s egna mätningar är den ribban nu uppfylld, ungefär på det schema företaget satte upp när man offentliggjorde målet i höstas.

Nästa mål är betydligt mer ambitiöst. OpenAI säger att de gör "starka framsteg" mot en automatiserad AI-forskare i mars 2028 – ett system som arbetar under mänsklig övervakning för att driva framåt djupgående inlärnings- och anpassningsforskning, vilket möjliggör iterativ självförbättring. Företaget är noga med att notera att människor fortfarande sätter forskningsprioriteringar, bedömer vilka idéer och resultat som är värda att eftersträva och beslutar om de ska skala, pausa eller distribuera ett visst system.

Siffrorna bakom påståendet

De mest slående siffrorna i inlägget beskriver hur radikalt det dagliga arbetet för OpenAI:s forskare har förändrats under loppet av 2026:

  • 3,1 agentarbetsdagar per mänsklig arbetsdag. Före juni 2026 var den totala agentkörningen i forskningsorganisationen fortfarande under den totala mänskliga arbetskraften. I mitten av augusti bidrog agenterna mer än tre gånger så mycket som de människor som styrde dem, mätt mot en standarddag på åtta timmar.
  • $600+ per dag för medianforskaren. I början av året experimenterade medianforskaren rankad efter agentanvändning bara med kodningsagenter. I mitten av augusti körde medianforskaren agenter dagligen och konsumerade mer än $600 per dag av slutledning till API-priser.
  • $7 000+ per dag vid 90:e percentilen. De tyngsta användarna i forskningsorganisationen bränner nu igenom mer än $7 000 tokens per dag och kör mycket samtidiga arbetsflöden med fyra eller flera agenter som arbetar samtidigt.
  • Record experiment volym. Antalet experiment per aktiv experimentator nådde den högsta någonsin i augusti 2026, sedan spårningen började i januari 2025.

OpenAI tillskriver produktivitetshoppet i första hand antagandet av Codex, dess kodningsagent, samtidigt som det erkänner att tillgänglig datoranvändning också har vuxit avsevärt sedan 2025 - så vinsterna är en kombination av fler agenter, bättre agenter och mer hårdvara att köra dem på.

Vad agenterna faktiskt gör

För att klassificera agentaktivitet använde OpenAI en analys-taxonomi publicerad av Epoch AI, inspirerad av O*NET-yrkesklassificeringssystemet. Den delar upp AI-forskning och -utveckling i sex faser: Besluta, designa, bygga, köra, analysera och kommunicera.

Alla sex kategorier av agentaktivitet ökade mellan januari och augusti 2026. I januari var den dominerande användningen forskning och infrastrukturkod; den kategorin har fortsatt att växa, med anmärkningsvärd tillväxt i teknisk hjälp och övervakning av experimentkörningar. Planering på hög nivå förblir däremot en minimal bråkdel av agentutdata - de strategiska besluten ligger fortfarande hos människor.

Anekdotiskt, rapporterar inlägget, har OpenAI:s forskare funnit att kodningsagenter utmärker sig vid felsökning av intern forskningsinfrastruktur, och flera team som tidigare haft kontorstid för infrastrukturfrågor behöver inte längre göra det.

Varför Milestone Matters Beyond OpenAI

Tillkännagivandet landar i ett känsligt ögonblick. Lagstiftare, säkerhetsforskare och konkurrenter letar alla efter bevis för att AI-system på ett meningsfullt sätt kan accelerera AI-forskningen själv – den mekanism som mest sannolikt kommer att komprimera tidslinjer mot mer kapabla system. OpenAI:s egen chefsforskare publicerade en medföljande uppsats samma dag som varnade för att inget labb ännu har löst anpassningen tillräckligt bra för att fortsätta skalningen i full hastighet, en slående sammanställning med produktivitetssiffrorna.

De ekonomiska konsekvenserna är lika anmärkningsvärda. Om en enskild forskningsorganisation konsumerar tusentals dollar per forskare och dag i slutsatser – och behandlar det som ett fynd – signalerar det vart företagens AI-utgifter är på väg. Agent-arbetsdagar blir en köpbar insats, som att beräkna själv.

Skeptiker kommer att påpeka att OpenAI betygsatte sin egen hemläxa: standarden för "automatiserad forskarpraktikant" definieras och mäts internt, och förhållandet 3,1:1 räknas både direkt lanserade agenter och nedströms subagenter. Företagets siffror blandar också kodnings-, övervaknings- och analysarbete av mycket olika svårighetsnivåer.

Ändå är riktningen entydig. För åtta månader sedan släpade agenttiden efter mänsklig tid i ett av världens bäst finansierade AI-labb. Idag överväger det tre till ett – och labbets ledarskap är redan igång med nästa milstolpe, den automatiserade AI-forskaren i mars 2028, som en fråga om "när", inte "om."

---

Stay ahead of AI

Få de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.

Läs mer AI-nyheter →