# OpenAI-forskere gir agenter flere oppgaver – men suksessen avhenger av oppgavetypen

https://jsonscraper.com/no/blog/openai-forskere-delegerer-oppgaver-agent-suksess

Author: Michael Johnson

Published: 2026-11-19T07:41:01+00:00

Updated: 2026-11-19T07:41:01+00:00

En rapport fra 18. november viser at graden av autonom fullføring varierer mye mellom oppgaver. Det gjør det lettere å se hvor en agent kan få ansvar, og hvor resultatet trenger ekstra grundig kontroll.

Kan man gi en kodeagent forskningsarbeid og regne med et ferdig resultat? Svaret avhenger av den konkrete oppgaven: I OpenAIs data fra 1. august til 18. oktober 2026 var agentene uten menneskelig inngripen best til å overvåke treningskjøringer, og betydelig dårligere til å skrive inferens- og modellserveringskode.

 

I [rapporten fra 18. november](https://openai.com/index/research-acceleration-jagged-frontier/) sammenlignet selskapet oppgavene forskerne ga agentene, og beskrev hvordan bruken av slike verktøy endret seg internt i OpenAI. Den viktigste praktiske lærdommen er å behandle «agentarbeid» som en samling ulike oppgaver med ulike godkjenningskriterier. Et gjennomsnittstall for timebruk eller inntrykket av at en modell «skriver kode godt», erstatter ikke kontroll av det konkrete resultatet.

 

## Hva som er endret i vurderingen

 

OpenAIs forrige rapport om forskningsakselerasjon kom i september. Den nye versjonen gir et bredere bilde: Selskapet la til data om agentbruk, medarbeiderundersøkelser, arbeidsflyter og hvordan suksessen fordeler seg mellom oppgavetyper. Resultatene gjelder imidlertid OpenAIs interne forskningsorganisasjon, og er ikke en universell vurdering av alle modeller eller selskaper.

 

Et av de tydeligste sammenligningsgrunnlagene er andelen oppgaver agenten fullførte uten menneskelig inngripen. For oppgaver som ble vurdert til å ta et menneske to til fire timer, steg andelen fra 23 prosent i mars til 46 prosent i oktober. For kategorien på fire til åtte timer økte den fra 13 til 35 prosent. Kategoriene viser evnen til å fullføre enkeltoppdrag uten inngripen, ikke andelen av alt forskningsarbeid som kan overlates til en modell.

 

Det er også en viktig metodisk detalj: Oppgavene agentene fikk, endret seg samtidig som evnene deres utviklet seg. OpenAI påpeker uttrykkelig at økt suksess innenfor tidskategoriene kan skyldes både bedre modeller og en endring i hvilke oppgaver som ble delegert. Tidsbaserte sammenligninger er derfor nyttige som intern utvikling over tid, men de skiller ikke i seg selv modellens bidrag fra forskernes valg av oppgaver.

 

## Hvorfor oppgavens navn betyr mer enn varigheten

 

I rapportens oversikt over konkrete arbeidstyper oppgir OpenAI en suksessrate uten menneskelig inngripen på 79 prosent for overvåking av treningskjøringer, 35 prosent for å starte slike treningskjøringer og 25 prosent for å skrive inferens- og serveringskode. Selv to nærliggende operasjoner rundt modelltrening ga svært ulike resultater.



![Artikkel: OpenAI-forskere gir agenter flere oppgaver – men suksessen avhenger av oppgavetypen
Sammendrag: OpenAI har vurdert kodeagenters arbeid i sin egen forskningsorganisasjon: Agentene fullfører mange oppgaver innen overvåking og analyse, men gjør det betydelig dårligere med å starte trening og skrive inferenskode. Den praktiske lærdommen er å velge oppgaver ut fra om resultatet kan kontrolleres, ikke ut fra en generell yrkesbetegnelse.
Bilderolle: støtteillustrasjon 2 – en annen spesifikk side
Seksjon: Hvorfor oppgavens navn betyr mer enn varigheten](https://jsonscraper.com/assets/uploads/journal/2026/11/337740e5161a3da7a225d537ed1341d3.png.hero.webp)

Andelen oppgaver som agentene fullførte uten menneskelig inngripen, fordelt på tre arbeidstyper i OpenAIs data fra august–oktober 2026.© jsonscraper · AI-generert illustrasjon



![Artikkel: OpenAI-forskere gir agenter flere oppgaver – men suksessen avhenger av oppgavetypen
Sammendrag: OpenAI har vurdert kodeagenters arbeid i sin egen forskningsorganisasjon: Agentene fullfører mange oppgaver innen overvåking og analyse, men gjør det betydelig dårligere med å starte trening og skrive inferenskode. Den praktiske lærdommen er å velge oppgaver ut fra om resultatet kan kontrolleres, ikke ut fra en generell yrkesbetegnelse.
Bilderolle: forside – hovedideen
Seksjon: Hvorfor oppgavens navn betyr mer enn varigheten](https://jsonscraper.com/assets/uploads/journal/2026/11/1f09dcf8fd66631a53ec4e915205b6da.png.hero.webp)

Andelen oppgaver som agentene fullførte uten menneskelig inngripen, fordelt på tre arbeidstyper i OpenAIs data fra august–oktober 2026.© jsonscraper · laget med KI

 

Dette forklarer hvorfor en generell kategori som «hjelpe til med forskning» fungerer dårlig som grunnlag for planlegging. Å følge med på en treningskjøring for å oppdage problemer er en oppgave innen observasjon og varsling. Å starte trening innebærer å klargjøre handlinger og kjøreforhold på riktig måte. Inferens- og serveringskode hører hjemme i et annet teknisk område. Slås disse oppgavene sammen til én måling, forsvinner forskjellene som er viktige i en reell arbeidsflyt.

 

Selskapet oppgir også høyere tall for kategoriene «kommunikasjon» (69 prosent) og «analyse» (58 prosent) enn for «utvikling» (43 prosent). Men også disse brede kategoriene skjuler forskjeller mellom oppgavene. Når man velger et passende oppdrag, er det nyttigere å formulere et resultat som kan kontrolleres – for eksempel å oppdage en forhåndsdefinert feil i en kjøringslogg – og samtidig fastsette hva et menneske skal bekrefte.

 

## Hyppig bruk betyr ikke samme nytte for alle

 

Rapporten viser at agenter har blitt en tydelig del av OpenAIs interne arbeidsflyter. Ifølge selskapets beregning basert på API-priser brukte medianforskeren agentverktøy tilsvarende rundt 2 400 dollar per dag i oktober; tallet for 90-persentilen var rundt 23 000 dollar. I begge tilfeller er dette en verdi beregnet med publiserte API-priser, ikke faktiske kostnader eller dokumentasjon på hvor mye budsjett som ble spart.

 

Et annet mål er «agentdager»: Hver åtte timers bruk av en agent regnes som én arbeidsdag. I gjennomsnitt økte tallet fra 0,5 til 5,7 agentdager per forsker per dag. I team for forhånds- og ettertrening utgjorde agentenes samlede arbeid i snitt omtrent åtte slike dager per forsker per kalenderdag. Flere agenter kan arbeide parallelt, så målet beskriver den samlede tiden deres, ikke lengden på én medarbeiders arbeidsdag. OpenAI påpeker også at målet i hovedsak dekker interaktiv bruk og kan undervurdere automatisering.

 

Økt bruk viser at medarbeiderne aktivt tar agentene inn i arbeidsprosessen. Det er ikke nok til å vurdere nytten for et annet team: Budsjett, valgte modeller, lengden på agentøktene og oppgavenes art kan variere. OpenAIs data er særlig nyttige som et eksempel på hvilke arbeidsmål man kan følge, ikke som en ferdig standard for enhver forskningsavdeling.

 

## Hvor menneskelig arbeid fortsatt trengs

 

I intervjuer med ti forskere beskrev OpenAI den praktiske siden ved delegering: Agentene hjalp til med å skrive og feilsøke kode, analysere eksperimenter og gjennomgå store datasett. Samtidig fortalte medarbeiderne om artefakter av lav kvalitet, feilaktige antakelser i analyser og ineffektive forsøk på å starte eksperimenter. Selskapet påpeker særskilt at ideene medarbeiderne oppga for GPT‑6 Astra-utgivelser, ble tilskrevet mennesker, mens modellene hjalp til med gjennomføringen.

 

En av arbeidsmåtene en forsker beskrev, er særlig enkel å overføre til et team: Be agenten lage ett eksempel, kontroller og rett det, og gi den deretter en tilsvarende serie oppgaver. Denne framgangsmåten avdekker raskt feil i oppgavebeskrivelsen eller dataformatet, før feilen sprer seg til hele datasettet. Når kontrollen er kostbar, er dette ofte nyttigere enn å øke omfanget av oppdraget med en gang.

 

## Slik kan teamet ditt bruke lærdommen

 

Begynn med én gjentakende oppgave som har et observerbart resultat og et tydelig godkjenningskriterium. Registrer hvor ofte det var nødvendig å gripe inn, hvilke feil som oppsto, og hvor lang tid kontrollen tok. Disse opplysningene gjør det mulig å skille mellom oppgaver agenten faktisk overtar, og oppgaver der den bare gjør det innledende arbeidet raskere.

 

For operasjoner med store konsekvenser bør du sette en egen grense for hva agenten får gjøre. Agenten kan for eksempel oppdage et avvik eller klargjøre en kommando for å starte en kjøring, mens ansvarlig ingeniør står for godkjenning og gjennomføring. Dette er ikke en universell sikkerhetsmodell, men en måte å knytte graden av autonomi til den konkrete risikoen og kriteriene som er tilgjengelige for kontroll.

 

OpenAIs rapport peker på et nyttig skille: Det er konkrete oppdrag med kontrollerbare resultater man bør delegere, ikke «forskning» eller «utvikling» generelt. I selskapets data så overvåking av treningskjøringer ut til å egne seg bedre for selvstendig utførelse enn oppstart av trening eller arbeid med inferenskode. Neste steg for team som vil prøve dette, er å måle de samme forskjellene i egne oppgaver og utvide delegeringen der resultatene holder mål ved kontroll.
