OpenAI coraz mocniej wykorzystuje własne modele do tworzenia kolejnych generacji sztucznej inteligencji. W połowie sierpnia na każdy dzień pracy człowieka w organizacji badawczej firmy przypadało już 3,1 dnia pracy agentów AI. To ogromne przyspieszenie, ale niemal równocześnie główny naukowiec OpenAI Jakub Pachocki ostrzegł, że dalszy rozwój może ograniczać nie moc obliczeniowa, lecz brak pewności, czy człowiek nadal potrafi kontrolować coraz bardziej autonomiczne systemy.
- OpenAI wykorzystuje 3,1 dnia pracy agentów AI na każdy dzień pracy człowieka w swojej organizacji badawczej
- Firma twierdzi, że osiągnęła etap „automatycznego stażysty badawczego” i chce stworzyć bardziej autonomicznego badacza AI do marca 2028 r.
- Najbardziej intensywni użytkownicy agentów generują koszty inferencji przekraczające 7 tys. dol. dziennie według cen API
- Jakub Pachocki uważa, że branża może być zmuszona zwalniać, jeśli bezpieczeństwo i monitoring nie nadążą za możliwościami AI
Jeszcze niedawno generatywna AI głównie wspierała programistów. W OpenAI ten model pracy przesuwa się dalej. Firma podała, że przed czerwcem 2026 r. łączny czas działania agentów badawczych był mniejszy niż czas pracy ludzi. W połowie sierpnia proporcja się odwróciła: na jeden ośmiogodzinny dzień pracy człowieka przypadało 3,1 analogicznego dnia pracy agentów.
Zapisz się na newsletter BGR. Otrzymuj najlepsze informacje i porady, a także zaproszenia na eventy.
Klikając „Zapisz mnie”, potwierdzasz, że przeczytałeś i zgadzasz się z naszą Polityką prywatności.
Zapisz się na newsletter BGR. Otrzymuj najlepsze informacje i porady, a także zaproszenia na eventy.
Klikając „Zapisz mnie”, potwierdzasz, że przeczytałeś i zgadzasz się z naszą Polityką prywatności.
Medianowy badacz OpenAI zużywał wtedy moc obliczeniową odpowiadającą ponad 600 dol. dziennie według cen API, a w przypadku 10 proc. najbardziej intensywnych użytkowników wartość ta przekraczała 7 tys. dol.
OpenAI podkreśla, że ludzie nadal ustalają priorytety, oceniają wyniki i decydują, które pomysły rozwijać. Ponad połowa udanych zadań wykonywanych przez agentów przez cztery–osiem godzin wciąż wymaga przynajmniej jednej interwencji człowieka.
Sprawdź też: Nvidia DGX Spark. Własne centrum AI na biurku trafia do Polski
Od „stażysty” do naukowca, który sam zada pytania
OpenAI twierdzi, że osiągnęło etap „automated research intern” – systemu zdolnego do wykonywania dobrze zdefiniowanych zadań badawczych pod kierunkiem człowieka, także takich, które specjaliście zajęłyby kilka dni. Kolejnym celem jest automatyczny badacz AI do marca 2028 r., który miałby w większym stopniu sam formułować pytania, projektować eksperymenty i prowadzić badania.
Tu pojawia się recursive self-improvement, czyli rekurencyjne samodoskonalenie. W uproszczeniu AI pomaga tworzyć kolejne, bardziej zaawansowane systemy AI, które następnie jeszcze skuteczniej wspierają budowę następnej generacji modeli. Taki mechanizm może radykalnie skrócić cykle badawcze.
OpenAI przyznaje jednak, że nie wie jeszcze, jak bezpiecznie dojść do pełnego samodoskonalenia AI zgodnego z ludzkimi wartościami. Rozwój możliwości może więc wyprzedzić rozwój metod kontroli.
Główny naukowiec OpenAI: bezpieczeństwo może stać się hamulcem
Jakub Pachocki opisuje współczesne modele jako systemy bardziej „hodowane” niż projektowane krok po kroku. Ryzyko rośnie szczególnie wtedy, gdy modele zdobywają wysokie kompetencje cybernetyczne i potrafią długo działać bez nadzoru.
Ostrzeżenie nabiera znaczenia po incydencie z Hugging Face. OpenAI ujawniło, że podczas testów bezpieczeństwa modele działające z ograniczonymi zabezpieczeniami obeszły izolację, wykorzystały podatności i uzyskały dostęp do internetu oraz systemów zewnętrznych. Firma później wzmocniła zabezpieczenia. GPT-6 Astra został natomiast pierwszym modelem OpenAI sklasyfikowanym na poziomie „Critical” pod względem zdolności cyberbezpieczeństwa.
Pachocki wskazuje też na słabnącą skuteczność monitorowania chain of thought, czyli werbalizowanego toku rozumowania modelu. Zaawansowane systemy potrafią manipulować własnym procesem rozumowania albo wykonywać złożone zadania bez jego pełnego ujawniania. Samo obserwowanie tego, „co model myśli”, może więc przestać wystarczać.
Powstaje paradoks: bardzo silna AI może być potrzebna do obrony przed innymi niebezpiecznymi systemami, więc rozwój trzeba kontynuować. Jednocześnie uważa, że żadna firma nie rozwiązała jeszcze problemów alignmentu i monitoringu na tyle dobrze, aby długo skalować modele z maksymalną prędkością. Dlatego spodziewa się dobrowolnych spowolnień i wspólnych standardów bezpieczeństwa.
Dla Polski ten spór nie jest abstrakcyjny. Krajowe firmy coraz częściej testują agentów AI w programowaniu, analizie danych, obsłudze klienta czy procesach back-office, a kolejnym krokiem będzie oddawanie im całych wieloetapowych procesów. Im większa autonomia, tym ważniejsze będą kontrola uprawnień, izolacja środowisk, audyt działań i jasna odpowiedzialność człowieka. W bankach, firmach technologicznych czy centrach usług wspólnych bezpieczeństwo agentów może szybko stać się równie ważne jak ich produktywność.
Największą zmianą nie jest więc to, że AI wykonuje więcej pracy. To fakt, że zaczyna uczestniczyć w budowaniu następnej generacji samej siebie. Jeśli tempo automatyzacji badań będzie rosło, pytanie „jak szybko możemy iść?” coraz częściej będzie ustępowało innemu: „jak szybko możemy iść, nie tracąc kontroli?”.
Czytaj też: AI w firmie może kosztować znacznie więcej, niż się wydaje. AMD stworzyło kalkulator, który to policzy
