OpenAI punya “magang riset” otomatis—agen bekerja 3,1 kali lebih lama

Dalam publikasi OpenAI tertanggal 6 September 2026, perusahaan menyatakan telah mencapai tahap internal “magang riset” otomatis: sistem yang menyelesaikan tugas riset terdefinisi di bawah arahan manusia, termasuk pekerjaan yang dapat memerlukan beberapa hari bagi peneliti terampil. Ini merupakan tonggak kemampuan internal, bukan peluncuran produk publik atau bukti bahwa peneliti telah digantikan.

Ringkasan independen AI Understanding mencatat bahwa pada pertengahan Agustus organisasi riset OpenAI menggunakan 3,1 hari kerja agen, masing-masing dinormalkan menjadi delapan jam, untuk setiap hari kerja manusia; lebih dari separuh tugas sukses yang diperkirakan memerlukan empat hingga delapan jam kerja manusia juga masih menerima setidaknya satu intervensi dalam enam bulan sebelumnya. Dengan demikian, angka utama tersebut mengukur akumulasi waktu operasi, bukan hasil ilmiah yang 3,1 kali lebih besar.

Rasio itu menghitung durasi komputasi agregat

Satuan “hari kerja agen” menggabungkan waktu operasi seluruh agen dalam organisasi riset. Beberapa sesi dapat berjalan bersamaan, dan perhitungan turut mencakup subagen yang dibuat oleh agen lain. Akibatnya, jumlah hari kerja mesin dapat melebihi hari kerja manusia tanpa berarti satu sistem bekerja sendirian selama periode kalender yang sama.

Perbedaan unit ini menentukan cara membaca klaim OpenAI. Durasi operasi menunjukkan seberapa intensif kapasitas agen dipakai, tetapi tidak menerangkan berapa banyak keluaran yang diterima, berapa banyak pekerjaan yang harus diulang, atau berapa besar nilai ilmiah setiap hasil. Sesi yang lama juga tidak otomatis lebih produktif daripada sesi singkat.

Lembar fakta yang lebih lengkap perlu memisahkan waktu operasi agen, jumlah eksperimen, keluaran yang lolos evaluasi, waktu pengarahan manusia, dan biaya inferensi. Rasio utama hanya mengukur unsur pertama. Menyamakan rasio itu dengan jumlah peneliti setara akan menghapus perbedaan antara komputasi paralel dan penilaian ilmiah.

“Magang” berarti tugas terbatas di bawah arahan manusia

Istilah “magang riset” memiliki batas operasional yang jelas: agen menerima pekerjaan yang telah didefinisikan, sedangkan manusia tetap menentukan prioritas dan memilih ide yang layak diteruskan. Peneliti juga menilai hasil serta memutuskan apakah suatu sistem perlu diperbesar, dihentikan, atau diterapkan.

Pekerjaan agen telah meluas melampaui penulisan kode riset dan infrastruktur menuju bantuan teknis serta pemantauan proses. Namun, perencanaan tingkat tinggi masih menjadi bagian kecil dari keluaran agen. Pola tersebut menempatkan sistem sebagai pelaksana paralel dalam alur riset, bukan sebagai peneliti generalis yang menentukan agenda sendiri.

Intervensi manusia pada tugas yang panjang tidak selalu menandakan kegagalan, karena pengarahan memang menjadi bagian dari definisi kemampuan ini. Namun, campur tangan tersebut tetap merupakan tenaga kerja yang harus dihitung. Keberhasilan agen karena itu tidak dapat dipisahkan begitu saja dari perumusan tugas, koreksi, dan evaluasi oleh peneliti.

Lebih banyak eksperimen belum membuktikan percepatan ilmiah setara

Penggunaan agen berkorelasi dengan lebih banyak kode dan eksperimen per peneliti aktif, tetapi kapasitas komputasi yang tersedia juga meningkat. Data yang dipublikasikan belum memisahkan kontribusi agen dari tambahan komputasi, perubahan model, atau penyesuaian lain dalam organisasi. Korelasi aktivitas karena itu belum menetapkan berapa besar percepatan yang disebabkan agen.

Riset AI terdiri atas tahapan yang saling bergantung: merancang gagasan, menulis evaluasi, membangun infrastruktur, menjalankan eksperimen, menemukan bug atau perilaku tidak aman, dan mengintegrasikan hasil terpilih ke pelatihan inti. Agen dapat mempercepat implementasi dan pelaksanaan percobaan. Namun, keseluruhan siklus tidak akan melaju pada tingkat yang sama apabila evaluasi, keselamatan, komputasi, atau keputusan manusia menjadi hambatan berikutnya.

Jumlah eksperimen juga merupakan ukuran aktivitas, bukan mutu temuan. Bukti percepatan ilmiah yang lebih kuat memerlukan hubungan antara penggunaan agen dan hasil yang dapat direproduksi, perubahan model yang bertahan setelah evaluasi, tingkat kesalahan, serta pekerjaan ulang. Ukuran hasil seperti itu belum tersedia untuk pemeriksaan independen.

Lonjakan penggunaan membawa biaya inferensi

Analisis Simon Willison menyoroti lonjakan tajam nilai penggunaan inferensi per peneliti mulai akhir Juli dan memperkirakan akses internal ke model baru sebagai salah satu kemungkinan penyebab, tetapi hubungan tersebut belum dijelaskan oleh perusahaan. Dugaan itu tidak dapat diperlakukan sebagai sebab yang telah dikonfirmasi.

Nilai penggunaan dihitung memakai harga API, sehingga bukan laporan tagihan tunai yang benar-benar dibayar OpenAI untuk infrastruktur internal. Angka tersebut tetap menunjukkan bahwa penambahan tenaga komputasi agen memiliki konsekuensi ekonomi. Ia belum menunjukkan biaya per temuan yang diterima atau laba produktivitas dari setiap eksperimen.

Biaya operasional juga melampaui token. Keluaran tambahan perlu disaring, direproduksi, diperiksa keamanannya, dan kadang dikerjakan ulang. Pembahasan mengenai hubungan token, biaya, dan akurasi memberi konteks mengapa inferensi yang lebih besar tidak dengan sendirinya menjamin hasil yang lebih benar.

Sistem belum menjadi pengganti peneliti

Tonggak ini berlaku pada alur kerja internal OpenAI. Belum ada harga publik, persyaratan akses, jadwal rilis, atau bukti bahwa sistem yang sama tersedia sebagai peneliti otomatis bagi pelanggan. Bukti yang dipaparkan juga berasal dari pengukuran internal dan belum dilengkapi audit eksternal atau tolok ukur publik untuk mutu riset.

Keadaan saat ini lebih tepat digambarkan sebagai perluasan kapasitas eksekusi: agen dapat mengerjakan banyak tugas terdefinisi secara paralel, sementara manusia tetap mengarahkan, menilai, dan menanggung keputusan akhir. Untuk membuktikan percepatan ilmiah yang sebanding, pengungkapan berikutnya perlu menghubungkan durasi komputasi dengan hasil terverifikasi, biaya, tingkat kegagalan, pekerjaan ulang, dan beban pengawasan. Sampai data itu tersedia, rasio 3,1 menunjukkan intensitas operasi agen di laboratorium OpenAI, bukan jumlah peneliti yang telah digantikan.

Baca juga:

• Agen AI dapat memakai 1.000 kali lebih banyak token—biaya tinggi belum tentu akurat
• Glean membuat agen AI bekerja tanpa prompt—kontrol izin menjadi penentu
• Aslan meraih US$20,8 juta—agen AI menyusup dengan pengawasan manusia