Rapporter

OpenAI-undersøgelse viser, at forskere sjældent beder AI om at udføre forskning fra start til slut

Jonas Reeve
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterEnd-to-end autonom forskning er stadig sjælden og udgør kun 0,4 % af den gennemsnitlige…
Vis mere
  • End-to-end autonom forskning er stadig sjælden og udgør kun 0,4 % af den gennemsnitlige forskers beskeder.
  • Forskere kontrollerer stadig AI-output i høj grad, og 45,4 % angiver korrektion som deres største vanskelighed.
  • OpenAI vil tilbyde 50.000 nye gratis forskerstipendier efter først-til-mølle-princippet.

OpenAI offentliggjorde en undersøgelse den 16. november 2026, som omfattede 580.186 videnskabelige beskeder fra 1.819 akademiske forskere og svar på en undersøgelse fra 251 deltagere. Den undersøger, hvordan forskerne brugte ChatGPT og Codex i deres forskningsarbejde, og hvordan de forventer, at AI vil påvirke videnskabelige opdagelser.

Autonom forskning fra start til slut, defineret som anmodninger om, at AI koordinerer litteraturgennemgang, idéudvikling og efterfølgende analyse, udgjorde kun 0,4 % af den gennemsnitlige forskers videnskabelige beskeder. Alligevel sendte 15,3 % af forskerne mindst én sådan anmodning – en forskel, som artiklen fortolker som eksperimentering med fuld automatisering snarere end rutinemæssig brug.

Den fulde artikel analyserer aktivitet fra 20. august til og med 22. september 2026 samt en undersøgelse, der blev gennemført fra 30. september til 7. oktober 2026. Forskerne brugte klassifikatorer, der beskytter privatlivet, til at kategorisere beskeder uden at læse de underliggende samtaler, og programdata blev som standard ikke brugt til træning af modeller.

Læsning og skrivning dominerer forskningsanmodninger

Læsning og indhentning af viden udgjorde 27,7 % af den gennemsnitlige forskers videnskabelige beskeder, mens skrivning og kommunikation stod for 26,9 %. Videnskabelig analyse udgjorde 16,7 % og udvikling af forskningssoftware og kode 13,8 %; tilsammen stod disse fire arbejdsgange for 85 %.

Denne koncentration betyder, at størstedelen af den nuværende brug af AI foregår til afgrænsede vidensarbejdsopgaver snarere end koordinerede forskningsprojekter. Forklaring af videnskabelige begreber var den hyppigste enkeltstående opgave med 18,8 % af beskederne, og 89,7 % af forskerne sendte mindst tre sådanne anmodninger.

Idéudvikling tegner et andet billede af bredden. Den udgjorde 5,3 % af beskederne, men omkring 68 % af forskerne sendte mindst tre beskeder om idéudvikling i løbet af undersøgelsen. I disse beskeder stillede forskerne et specifikt spørgsmål i 35 % af tilfældene, bad ChatGPT om at videreudvikle en eksisterende idé i 36 % af tilfældene og bad den foreslå et forskningsspørgsmål i 23 % af tilfældene. De resterende 6 % kunne ikke kategoriseres.

Artiklen beskriver også en arbejdsdeling, der afhænger af forskningens fase. Forskerne bad ofte AI om at foreslå retninger i den tidlige udforskning og fremlagde derefter deres egne spørgsmål eller idéer, som AI kunne videreudvikle, når de arbejdede med konkrete forskningsproblemer.

Menneskelig gennemgang og forventninger til produktivitet

Artiklens mål for forskerinvolvering, som måler den gennemsnitlige andel af indledende anmodninger, der blev fulgt op med en præcisering, kontrol eller revision, var 31,8 %. Skrivning og kommunikation havde den højeste score med 38,0 %, efterfulgt af videnskabelig analyse med 34,4 % og forskningssoftware med 33,7 %.

Ved sammenlignelige opgaver var involveringen større i 28 af 32 tilfælde, når anmodningerne krævede avanceret ekspertise eller ekspertise på højeste niveau; forskellen var i gennemsnit 6,5 procentpoint. Mere specialiseret arbejde medførte altså generelt flere opfølgninger, ikke færre.

Målet omfatter kun den næste videnskabelige besked i den samme samtale inden for syv dage og indfanger ikke ændringer foretaget uden for AI-applikationen. Kontrol eller rettelse af svar var også den udfordring, som flest valgte, når de blev spurgt om, hvad der gjorde det svært at få værdi ud af ChatGPT. Det gjaldt 45,4 % af de adspurgte forskere.

Disse krav til gennemgang eksisterer side om side med de tidsbesparelser, forskerne selv rapporterer. På tværs af otte forskningsaktiviteter vurderede de adspurgte forskere, at én times arbejde med AI ville have taget omkring 1,9 timer uden AI, hvis kvaliteten skulle være den samme. De rapporterede produktivitetsforhold spændte fra 1,36 gange for administration til 2,85 gange for udvikling af forskningssoftware og kode.

Forventningerne til videnskabelige opdagelser var også høje. Blandt de 250 forskere, der besvarede spørgsmålet om tidsrammen for opdagelser, forventede 98 %, at AI ville fremskynde opdagelser inden for deres felt. Da de blev bedt om at forestille sig en opdagelse, der ville tage ti år uden AI, forventede 72,0 %, at den ville ske mindst tre år tidligere med AI. Heraf forventede 21,6 %, at den ville ske inden for tre år.

De skriftlige forklaringer lagde vægt på at udføre forskning hurtigere frem for fuld automatisering. Blandt 367 begrundelser identificeret i 224 svar handlede 52 % om hurtigere gennemførelse af forskning, mens automatisering af forskningsforløb udgjorde 2,2 %. Yderligere 23 % handlede om at finde mere lovende forskningsspørgsmål, og 14 % om at undersøge en bredere vifte af spørgsmål.

De rapporterede flaskehalse rækker ud over modellernes evner. Begrænset tid eller bemanding blev valgt af 51,8 % af respondenterne, og begrænset finansiering af 43,8 %. Validering eller reproduktion af resultater var en udfordring for 25,5 %, mens adgang til udstyr, laboratorier eller computerressourcer var en udfordring for 24,3 %.

OpenAI gør opmærksom på, at deltagerne var en udvalgt gruppe, som havde ansøgt om udvidet adgang til AI og selv valgt at besvare en AI-undersøgelse. Resultaterne kan derfor muligvis ikke generaliseres til alle forskere. Andelene af brug beskriver anmodninger, ikke forskningens værdi eller tidsforbrug, og resultaterne fastslår ikke årsagssammenhænge.

OpenAI udvider den gratis adgang for forskere

Samtidig med undersøgelsen annoncerede OpenAI en udvidelse af ChatGPT for akademiske forskere og oplyste, at pilotprogrammet siden juli 2026 havde nået 20.000 forskere i 33 lande.

Ansøgninger om 50.000 nye bevillinger åbner den 23. november 2026. Bevillingerne tildeles kvalificerede forskere efter først til mølle-princippet og erstatter pilotprogrammets lodtrækningsbaserede udvælgelse. Hver bevilling giver modtageren og op til to samarbejdspartnere gratis adgang til ChatGPT Plus, så op til 150.000 forskere kan få gavn af ordningen i denne runde. OpenAI har som mål at nå 200.000 forskere på tværs af programmet.

OpenAI oplyste, at ChatGPT Plus erstattede ChatGPT Pro i de nye bevillinger, fordi størstedelen af brugen i pilotprogrammet ville have ligget inden for Plus’ begrænsninger.

Udvidelsen giver flere adgang til værktøjerne, men undersøgelsens centrale pointe handler om arbejdet omkring dem: Om den tid, der spares på enkelte opgaver, fortsat er sparet, når forskerne udfører den kontrol, de stadig foretager, og tager højde for de begrænsninger i bemanding, finansiering og eksperimenter, som de rapporterer om.

Jonas Reeve er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde undersøger, hvordan læring, ræsonnement, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og trækker forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål inden for kognitiv videnskab og sindets filosofi.

Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som ræsonneringsmodeller, agentbaserede systemer, emergent kognition og justeringsteori, med det formål at tydeliggøre, hvad fremskridt mod AGI faktisk betyder – og hvad det ikke gør. I stedet for at jagte tidslinjer eller hype lægger han vægt på første principper, konceptuel stringens og begrænsningerne i de nuværende modeller.

Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.