Agen OpenAI bekerja 3,1 hari per hari manusia—itu bukan lonjakan produktivitas

Dalam laporan operasional OpenAI tertanggal 6 September 2026, perusahaan menyatakan bahwa pada pertengahan Agustus organisasi risetnya mengakumulasi 3,1 hari kerja agen untuk setiap satu hari kerja manusia, dengan keduanya dinormalisasi sebagai hari berdurasi delapan jam. Pengukuran tersebut mencakup agen yang dijalankan langsung oleh peneliti serta subagen yang dibuat dalam proses berikutnya.

Angka itu menunjukkan besarnya waktu eksekusi agen di lingkungan internal OpenAI, bukan bahwa setiap peneliti menghasilkan penelitian sebanyak 3,1 kali lipat. Data yang dipublikasikan belum menghubungkan runtime secara langsung dengan mutu temuan, waktu manusia yang benar-benar dihemat, ataupun pengembalian investasi.

Apa yang sebenarnya dihitung oleh agent-workday

Agent-workday merupakan ukuran pemakaian kapasitas, bukan ukuran hasil. Runtime sejumlah agen dapat terakumulasi secara bersamaan ketika seorang peneliti menjalankan beberapa sesi paralel atau ketika sesi utama membentuk subagen. Karena itu, total waktu mesin dapat melampaui jam kerja manusia tanpa memperpanjang hari kalender.

Rasio tersebut dapat naik karena jumlah agen bertambah, tugas berjalan lebih lama, atau lebih banyak pekerjaan dilakukan secara paralel. Runtime tidak membedakan keluaran yang langsung diterima dari pekerjaan yang perlu diperbaiki, dijalankan ulang, atau dibuang. Kapasitas eksekusi memang meningkat, tetapi besarnya peningkatan hasil penelitian tidak otomatis sama.

Pemisahan ini penting karena penelitian tidak selesai ketika agen berhenti bekerja. Kode dan hasil eksperimen masih harus dinilai, dibandingkan dengan alternatif, diperiksa keamanannya, dan diputuskan apakah layak masuk ke tahapan pengembangan berikutnya.

Tugas yang berhasil pun masih memerlukan manusia

Batas otonomi terlihat pada pekerjaan berdurasi panjang. analisis ExplainX atas data tersebut mencatat bahwa selama enam bulan terakhir, lebih dari separuh tugas sukses dalam kelompok pekerjaan empat hingga delapan jam melibatkan setidaknya satu intervensi manusia; nilai inferensi harian juga melampaui US$600 bagi peneliti median dan US$7.000 pada persentil ke-90 bila dihitung memakai harga API.

Dalam konteks ini, “sukses” tidak sama dengan otonom. Manusia masih dapat memberi konteks tambahan, mengubah arah pengerjaan, mengatasi kegagalan alat, atau menilai apakah keluaran dapat digunakan. Dengan kata lain, runtime agen dan beban pengawasan manusia dapat tumbuh pada saat yang sama.

Cakupan pengukuran keberhasilan juga terbatas pada pekerjaan yang mempunyai hasil dasar untuk dinilai. Klasifikasi dengan hasil tidak pasti dan kelompok data yang terlalu kecil dikeluarkan. Tingkat keberhasilan tersebut karena itu tidak mewakili seluruh pekerjaan riset yang pernah diserahkan kepada agen.

Eksperimen bertambah, tetapi penyebabnya belum terisolasi

Aktivitas eksperimen memang meningkat. ringkasan independen AI Understanding mencatat bahwa eksperimen per pelaku eksperimen aktif mencapai titik tertinggi pada Agustus sejak pelacakan dimulai pada Januari 2025, tetapi kapasitas komputasi juga bertambah sehingga pengaruh adopsi Codex tidak dapat dipisahkan sebagai penyebab tunggal.

Jumlah eksperimen merupakan keluaran antara, bukan hasil akhir penelitian. Bertambahnya percobaan dapat memperbesar peluang menemukan hasil berguna, tetapi juga menambah kegagalan, hasil meragukan, dan pekerjaan evaluasi yang harus disaring oleh manusia.

Karena penggunaan agen dan ketersediaan komputasi berubah dalam periode yang sama, data itu menunjukkan hubungan, bukan kontribusi kausal yang terukur secara terpisah. Belum ada pembanding publik yang memperlihatkan berapa banyak eksperimen bermutu yang akan tercapai apabila sumber daya manusia dan komputasi tetap konstan.

Biaya inferensi belum dapat dibaca sebagai ROI

Nilai inferensi berdasarkan harga API menggambarkan intensitas penggunaan agen, tetapi bukan tagihan eksternal yang pasti dibayar OpenAI. Harga daftar API juga tidak memperlihatkan biaya marginal perusahaan untuk menjalankan model pada infrastrukturnya sendiri.

Perhitungan ROI memerlukan nilai keluaran serta seluruh biaya untuk menghasilkannya. Data yang tersedia belum memasangkan runtime dengan nilai temuan, penghematan jam kerja, biaya komputasi aktual, kegagalan, pengerjaan ulang, dan waktu pengawasan. Tanpa pasangan tersebut, besarnya pemakaian tidak menjawab apakah investasi agen menghasilkan manfaat ekonomi bersih.

Menghubungkan runtime, biaya, dan intervensi dengan biaya setiap tugas berhasil akan memberikan ukuran efisiensi yang lebih berguna. Namun, produktivitas penelitian tetap membutuhkan penilaian terhadap mutu, keterulangan, dan kegunaan hasil akhirnya.

Keputusan penelitian tetap menjadi pekerjaan manusia

Data yang tersedia memperlihatkan bahwa agen semakin banyak menangani eksekusi, termasuk menulis kode riset dan infrastruktur, membantu pekerjaan teknis, menjalankan eksperimen, serta memantau proses. Perencanaan tingkat tinggi masih menjadi bagian kecil dari keluaran agen, sedangkan manusia menetapkan prioritas, memilih hasil yang layak diteruskan, dan memutuskan apakah suatu sistem perlu ditingkatkan, dihentikan, atau diterapkan.

Posisi yang dapat dipertahankan saat ini terbatas: OpenAI telah mengoperasikan agen secara paralel dalam skala besar di organisasi risetnya, dan sebagian tugas panjang masih bergantung pada intervensi manusia. Klaim kenaikan produktivitas memerlukan data lanjutan yang menghubungkan runtime dengan hasil tervalidasi, biaya total, waktu koreksi manusia, serta kemajuan yang dapat dibandingkan antarperiode. Belum ada audit independen atau tolok ukur publik yang membuktikan bahwa rasio waktu eksekusi tersebut setara dengan peningkatan produktivitas dalam besaran yang sama.

Baca juga:

• Evaluasi agen AI jangan berhenti di akurasi—hitung biaya tiap tugas berhasil
• Agen OpenAI lolos dari sandbox dan membobol Hugging Face
• Glean membuat agen AI bekerja tanpa prompt—kontrol izin menjadi penentu