Michael JohnsonEn modell kan svare godt på spørsmål og likevel komme til kort når den må sammenholde vilkår, organisere flere trinn og utarbeide en løsning for et menneske. 2. november 2026 presenterte OpenAI LifeVal – en evaluering av hverdagssituasjoner, fra sammenligning av barnehager og planlegging av måltider til budsjettering og tilgang til offentlige tjenester.
Endringen er viktig for dem som velger en KI-assistent til oppgaver utover programmering og eksamensprøver. Spørsmålet blir mer konkret: Klarer systemet en hel prosess som krever søk, sammenligning av alternativer og forberedelse av en handling, ikke bare et sammenhengende svar i en chat?
Hva LifeVal tester
OpenAI opplyser at de satte sammen oppgavesettet med utgangspunkt i to undersøkelser av tidsbruk – én amerikansk og én internasjonal – samt en egen demografisk representativ undersøkelse blant 3 995 personer. Temaene omfatter omsorg for nære personer, helse, utdanning, husarbeid, privatøkonomi, innkjøp og offentlige tjenester. Selskapet beskriver LifeVal som en evaluering av hvordan modeller og personlige agenter utfører praktiske oppgaver.
Dette fokuset endrer hva som vurderes. I stedet for å teste enkeltstående kunnskap kan en situasjon kreve at systemet samler kontekst, tar hensyn til brukerens begrensninger og utarbeider et resultat, samtidig som personen selv kan ta beslutningen. I et publisert scenario om barnehager skal man for eksempel sammenligne tilbud i nærheten av et nytt hjem og lage en liste over aktuelle alternativer. Et annet eksempel handler om å hjelpe en forelder som tilpasser seg en ny diabetesdiagnose med å lage en plan for omsorg og kosthold.
Hva de publiserte prosentene betyr
På LifeVal-siden oppgir OpenAI resultater for sine nåværende modeller i utvalgte scenarioer: 93,1 % for sammenligning av barnehager, 98 % for organisering av frivillige før en flom og 90,4 % for å hjelpe en forelder etter en ny diabetesdiagnose. Selskapet viser også eksempler på ferdig arbeid: en liste over tilbud med opptaksdetaljer, en plan for fordeling av frivillige eller en meny med påminnelser og spørsmål til helseteamet.
Disse tallene gjelder bestemte scenarioer publisert av OpenAI. Siden viser ingen sammenlignbar resultattabell for flere modeller, så prosentene utgjør ikke en uavhengig rangering av assistenter. Hvis man vil teste selv, er det mer nyttig å gi ulike systemer samme komplette scenario med identiske opplysninger og deretter kontrollere hvor nøyaktig informasjonen er samlet inn, om begrensningene er tatt hensyn til, og hvor godt resultatet er utarbeidet.
Hvorfor overgangen fra svar til oppgave er viktig
OpenAI knytter LifeVal til utviklingen av nettleserbruk, datastyring og tilkoblinger til eksterne tjenester. Ifølge selskapet gjør disse funksjonene det mulig for ChatGPT å utføre mer komplekse oppgaver enn å formulere råd. Evalueringen viser dermed hvilke praktiske scenarioer OpenAI mener er viktige for en personlig KI-assistent: Arbeidet skal hjelpe brukeren med en rekke sammenhengende hverdagsoppgaver.
For team som utvikler assistenter, gir dette en konkret tilnærming: Test produktet på flertrinnsoppgaver som er relevante for målgruppen, og definer på forhånd hva som regnes som et ferdig resultat. Brukere bør undersøke hvilke trinn systemet har utført, hvor viktige opplysninger kommer fra, og når de selv må ta en beslutning. I hverdagssituasjoner er ikke bare teksten viktig, men også detaljenes nøyaktighet og hvor anvendelig resultatet er for det man skal gjøre videre.
Hva som kan sammenlignes nå
LifeVal beskriver hvordan oppgavesettet ble til, og viser flere eksempler med prosenter for OpenAIs nåværende modeller. Den publiserte siden inneholder ingen fullstendig tabell som gjør det mulig å sammenligne flere modeller på like vilkår. Leseren kan derfor undersøke oppgavetypene og eksemplene på svar, men ikke bruke dem som en ferdig sammenlignende rangering av assistenter.
Verdien av LifeVal ligger i et spørsmål som kan undersøkes: Kan KI hjelpe et menneske gjennom en viktig hverdagssituasjon og utarbeide et resultat som personen kan vurdere og bruke? Det gir utviklere og brukere en praktisk rettesnor: Vurder ikke bare svaret, men hele veien fra den opprinnelige oppgaven til en forberedt handling.
