OpenAI का ‘AI शोध प्रशिक्षु’—3.1 कार्य-दिन उत्पादकता का प्रमाण नहीं
OpenAI ने 6 सितंबर 2026 को अपने आंतरिक मापों के आधार पर मानव-निर्देशित “AI शोध प्रशिक्षु” का लक्ष्य पूरा करने का दावा किया। OpenAI के प्रकाशित मापों के अनुसार यह सुव्यवस्थित शोध कार्य करने वाली प्रणाली है, जिनमें कुशल शोधकर्ता को कई दिन लग सकते हैं; अगस्त के मध्य तक कंपनी के शोध संगठन में प्रत्येक मानव कार्य-दिन के मुकाबले 3.1 एजेंट-कार्य-दिन दर्ज हुए।
इस 3.1 अनुपात से 3.1 गुना उत्पादकता सिद्ध नहीं होती। यह आठ घंटे की मानक इकाइयों में बदला गया समेकित एजेंट चलने का समय बताता है—स्वीकृत शोध परिणाम, बचाए गए मानव घंटे या वैज्ञानिक प्रगति नहीं। खबर एजेंटों के बड़े आंतरिक उपयोग और सीमित “प्रशिक्षु” लक्ष्य की है, स्वतंत्र शोधकर्ता या प्रमाणित श्रम-गुणक की नहीं।
3.1 अनुपात गतिविधि गिनता है, उपलब्धि नहीं
इस माप का अंश पूरे शोध संगठन में एजेंटों के चलने का कुल समय है और प्रत्येक मानव कार्य-दिन उसका आधार है। कई एजेंट एक साथ चल सकते हैं, इसलिए एक व्यक्ति के आठ घंटों के भीतर मशीनों का संयुक्त समय उससे कई गुना हो सकता है। समानांतर संचालन क्षमता के उपयोग का संकेत है, लेकिन उससे हर प्रयास की उपयोगिता या गुणवत्ता मालूम नहीं होती।
स्वतंत्र विवरण में प्रकाशित पद्धति के अनुसार इकाई को आठ घंटे के कार्य-दिन पर सामान्यीकृत किया गया है और समवर्ती उपयोग में सीधे शुरू किए गए एजेंटों के साथ उनसे बने उप-एजेंट भी शामिल हैं। उपलब्ध सामग्री गतिविधि को उपयोगी परिणाम में बदलने वाला विस्तृत सूत्र नहीं देती। विफल, दोहराए गए या बाद में अस्वीकार किए गए प्रयास चलने का समय बढ़ा सकते हैं, लेकिन जरूरी नहीं कि शोध का मूल्य भी बढ़ाएं।
दावा, माप और उससे न निकलने वाला निष्कर्ष तीन अलग स्तंभों की तरह पढ़े जाने चाहिए:
- दावा: “AI शोध प्रशिक्षु” का लक्ष्य पूरा हुआ। माप: मानवीय निर्देशन में सुव्यवस्थित कार्य करने की आंतरिक क्षमता। नहीं सिद्ध: प्रणाली स्वयं महत्वपूर्ण शोध प्रश्न चुन सकती है।
- दावा: प्रत्येक मानव दिन पर 3.1 एजेंट-कार्य-दिन। माप: संगठन में एजेंटों का समेकित चलने का समय। नहीं सिद्ध: प्रत्येक शोधकर्ता 3.1 गुना अधिक उपयोगी उत्पादन कर रहा है।
- दावा: अधिक कोड और प्रयोग दर्ज हुए। माप: कुछ गिनी जा सकने वाली गतिविधियों में वृद्धि। नहीं सिद्ध: एजेंट ही वृद्धि का एकमात्र कारण हैं या प्रत्येक प्रयोग स्वीकार्य परिणाम बना।
“प्रशिक्षु” के काम में मानवीय निर्देशन केंद्रीय है
OpenAI की परिभाषा पूर्णतः स्वायत्त वैज्ञानिक की नहीं है। लोग शोध की प्राथमिकताएं तय करते हैं, विचारों और परिणामों का मूल्यांकन करते हैं और यह निर्णय लेते हैं कि किसी प्रणाली को बढ़ाना, रोकना या उपलब्ध कराना है। उच्च-स्तरीय योजना भी एजेंट के आउटपुट टोकन का बहुत छोटा हिस्सा रही; उपयोग का बड़ा भाग निर्माण, प्रयोग, विश्लेषण, तकनीकी सहायता और निगरानी जैसे निष्पादन-केंद्रित कामों में था।
लंबे कार्यों का आंकड़ा इस सीमा को और ठोस बनाता है। 7 सितंबर की स्वतंत्र रिपोर्ट के अनुसार पिछले छह महीनों में सफल माने गए चार से आठ घंटे वाले कार्यों में आधे से अधिक में कम से कम एक मानवीय हस्तक्षेप हुआ। रिपोर्ट इन आंकड़ों को OpenAI के प्रारंभिक आंतरिक माप बताती है, वैज्ञानिक प्रगति या स्वायत्तता का स्वतंत्र सत्यापन नहीं।
यहां “सफल” और “बिना निगरानी” अलग स्थितियां हैं। कोई एजेंट कार्य पूरा कर सकता है, फिर भी बीच में दिशा सुधारने, साक्ष्य जांचने, त्रुटि ठीक करने या अंतिम परिणाम स्वीकार करने के लिए विशेषज्ञ की जरूरत पड़ सकती है। इसलिए एजेंट का लंबा कार्यकाल अपने-आप मानवीय श्रम की उतनी ही बचत नहीं बताता।
अधिक प्रयोग कारण या गुणवत्ता तय नहीं करते
OpenAI के आंतरिक मापों में अगस्त 2026 के दौरान प्रति सक्रिय प्रयोगकर्ता प्रयोगों की संख्या जनवरी 2025 में निगरानी शुरू होने के बाद अपने उच्चतम स्तर पर पहुंची। यह वृद्धि Codex के बढ़ते उपयोग के साथ हुई, लेकिन उसी अवधि में उपलब्ध गणना-संसाधन भी काफी बढ़े। सार्वजनिक आंकड़े इन दोनों प्रभावों को अलग करके यह नहीं बताते कि अतिरिक्त प्रयोगों में से कितने सीधे एजेंटों के कारण संभव हुए।
शोध की गति केवल कोड या प्रयोगों की संख्या से तय नहीं होती। विचार चुनना, उपयुक्त मूल्यांकन बनाना, प्रशिक्षण में त्रुटियां और असुरक्षित व्यवहार पकड़ना, परिणाम की मजबूती जांचना और सफल सुधार को मुख्य मॉडल में शामिल करना अलग-अलग अवरोध हैं। किसी एक चरण में गतिविधि बढ़ने पर भी अंतिम प्रगति दूसरे धीमे चरण से सीमित रह सकती है।
इसीलिए 3.1 को संगठन में उपलब्ध स्वचालित निष्पादन की मात्रा कहना उचित है। उसे शोध की गुणवत्ता, खोज की नवीनता या बचाए गए विशेषज्ञ श्रम का अनुपात कहना उपलब्ध साक्ष्य से आगे जाएगा।
स्वीकृत परिणाम से उत्पादकता की सावधान गणना
तुलना की उपयोगी इकाई “एजेंट कितनी देर चला” नहीं, बल्कि “जांच के बाद कितने परिणाम स्वीकार हुए” होनी चाहिए। किसी शोध कार्यप्रवाह का आकलन करते समय चार आंकड़े साथ रखने होंगे: शुरू किए गए प्रयास, स्वीकार किए गए परिणाम, हस्तक्षेप और समीक्षा में लगा मानव समय, तथा गणना और औजारों की कुल लागत।
स्वीकृत परिणाम दर स्वीकार किए गए परिणामों को कुल प्रयासों से भाग देकर निकाली जा सकती है। प्रति स्वीकृत परिणाम लागत के लिए अनुमान, औजार, मानवीय समीक्षा और पुनर्कार्य का खर्च जोड़कर उसे स्वीकृत परिणामों की संख्या से विभाजित करना होगा। किसी अवधि में एक भी परिणाम स्वीकार न हो तो उसे विफल मापन अवधि दर्ज करना चाहिए, कृत्रिम औसत नहीं बनाना चाहिए।
इसके साथ स्वीकृति तक लगा कुल समय दिखाएगा कि पूरा शोध चक्र तेज हुआ या केवल पहला मसौदा जल्दी बना। हस्तक्षेप को घटनाओं की साधारण गिनती तक सीमित रखने के बजाय विशेषज्ञ मिनटों और उसके प्रकार—दिशा बदलना, तथ्य जांचना, त्रुटि सुधारना या अंतिम अनुमोदन—के अनुसार दर्ज करने से अलग कार्यप्रवाहों की अधिक निष्पक्ष तुलना संभव होगी।
अभी प्रमाण सीमित हैं
पुष्ट स्थिति यह है कि OpenAI ने अपने शोध संगठन में एजेंटों के व्यापक समानांतर उपयोग के आंतरिक माप प्रकाशित किए और अपनी सीमित, मानव-निर्देशित परिभाषा के अनुसार “AI शोध प्रशिक्षु” लक्ष्य पूरा करने का दावा किया। 3.1 अनुपात उस उपयोग की मात्रा दिखाता है, लेकिन सार्वजनिक सामग्री उसे 3.1 गुना उत्पादकता लाभ में नहीं बदलती।
निर्णायक प्रमाण के लिए समय के साथ स्वीकृत शोध परिणामों की दर, आवश्यक विशेषज्ञ श्रम, पुनर्कार्य, गुणवत्ता और प्रति स्वीकृत परिणाम लागत चाहिए। OpenAI ने अपने मापन तरीकों को विकसित करते रहने की बात कही है, लेकिन टीम-दर-टीम परिणाम, निजी मापों का बाहरी पुनरुत्पादन और समान आधार पर मानव तथा एजेंट परिणामों की तुलना अभी सार्वजनिक नहीं है।
यह भी पढ़ें:
हमारे न्यूज़लेटर की सदस्यता लें
Web3, AI और क्रिप्टो की नवीनतम खबरें सीधे अपने इनबॉक्स में पाएँ।