Rapporten

Uit onderzoek van OpenAI blijkt dat wetenschappers zelden om end-to-end AI-onderzoek vragen

Jonas Reeve
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenEnd-to-end autonoom onderzoek blijft zeldzaam met slechts 0,4% van de berichten van de…
Meer weergeven
  • End-to-end autonoom onderzoek blijft zeldzaam met slechts 0,4% van de berichten van de gemiddelde wetenschapper.
  • Wetenschappers controleren AI-uitvoer nog steeds sterk, waarbij 45,4% correctie noemt als hun grootste moeilijkheid.
  • OpenAI biedt 50.000 nieuwe gratis onderzoeksbeurzen aan op basis van wie het eerst komt, het eerst maalt.

OpenAI publiceerde een onderzoek op 16 november 2026, waarin 580.186 wetenschappelijke berichten van 1.819 academische wetenschappers en enquêteantwoorden van 251 deelnemers worden behandeld. Het onderzoek kijkt naar hoe de wetenschappers ChatGPT en Codex gebruikten voor hun onderzoekswerk en hoe zij verwachten dat AI de ontdekkingen zal beïnvloeden.

Autonoom end-to-endonderzoek, gedefinieerd als verzoeken aan AI om literatuuronderzoek, ideevorming en vervolg analyses te coördineren, vormde slechts 0,4% van de wetenschappelijke berichten van de gemiddelde wetenschapper. Toch stuurde 15,3% van de wetenschappers ten minste één dergelijk verzoek. Het artikel interpreteert die kloof als experimenteren met volledige automatisering, en niet als routinematig gebruik.

Het volledige artikel analyseert activiteit van 20 augustus tot en met 22 september 2026 en een enquête die werd gehouden van 30 september tot 7 oktober 2026. De onderzoekers gebruikten privacybeschermende classificatiemodellen om berichten in categorieën in te delen zonder de onderliggende gesprekken te lezen. Standaard werden programmagegevens niet gebruikt om modellen te trainen.

Lezen en schrijven vormen het grootste deel van onderzoeksverzoeken

Lezen en kennisverwerving waren goed voor 27,7% van de wetenschappelijke berichten van de gemiddelde wetenschapper, terwijl schrijven en communicatie 26,9% vertegenwoordigden. Wetenschappelijke analyse was goed voor 16,7% en de ontwikkeling van onderzoekssoftware en code voor 13,8%. Samen waren deze vier werkprocessen goed voor 85%.

Die concentratie betekent dat het huidige AI-gebruik vooral betrekking heeft op afzonderlijke kenniswerktaken, en minder op gecoördineerde onderzoeksprojecten. Wetenschappelijke concepten uitleggen was met 18,8% van de berichten de meest voorkomende afzonderlijke taak; 89,7% van de wetenschappers stuurde ten minste drie van zulke verzoeken.

Ideevorming laat een ander beeld zien van de breedte van het gebruik. Die was goed voor 5,3% van de berichten, maar ongeveer 68% van de wetenschappers stuurde tijdens het onderzoek ten minste drie berichten over ideevorming. In die berichten formuleerden wetenschappers in 35% van de gevallen een specifieke vraag, vroegen ze ChatGPT in 36% van de gevallen een bestaand idee aan te scherpen en vroegen ze in 23% van de gevallen om een onderzoeksvraag voor te stellen. De resterende 6% kon niet worden ingedeeld.

Het artikel laat ook zien dat de taakverdeling afhangt van de onderzoeksfase. Tijdens de eerste verkenning vroegen wetenschappers AI vaak om mogelijke richtingen voor te stellen. Bij het uitwerken van specifieke onderzoeksvraagstukken kwamen ze vervolgens zelf met vragen of ideeën die ze door AI lieten aanscherpen.

Menselijke controle en verwachtingen over productiviteit

De betrokkenheidsscore van wetenschappers in het artikel meet het gemiddelde aandeel eerste verzoeken waarop een verduidelijking, controle of aanpassing volgde. Die score bedroeg 31,8%. Schrijven en communicatie scoorden het hoogst met 38,0%, gevolgd door wetenschappelijke analyse met 34,4% en onderzoekssoftware met 33,7%.

Bij vergelijkbare taken was de betrokkenheid groter bij verzoeken waarvoor geavanceerde of baanbrekende expertise nodig was: in 28 van de 32 gevallen, met gemiddeld 6,5 procentpunt. Meer gespecialiseerd werk leidde dus doorgaans tot meer vervolginteractie, niet minder.

De score houdt alleen rekening met het eerstvolgende wetenschappelijke bericht in hetzelfde gesprek binnen zeven dagen en registreert geen aanpassingen buiten de AI-toepassing. Uitvoer controleren of corrigeren was ook het vaakst genoemde probleem bij het verkrijgen van waarde uit ChatGPT: 45,4% van de ondervraagde wetenschappers koos dit antwoord.

Die controlebehoefte gaat samen met tijdsbesparingen die wetenschappers zelf rapporteren. Voor acht onderzoeksactiviteiten schatten de ondervraagde wetenschappers dat één uur werk met AI zonder AI ongeveer 1,9 uur zou hebben gekost, bij dezelfde kwaliteit. De gerapporteerde productiviteitsverhoudingen liepen uiteen van 1,36 keer voor administratief werk tot 2,85 keer voor de ontwikkeling van onderzoekssoftware en code.

Ook de verwachtingen over ontdekkingen waren hooggespannen. Van de 250 wetenschappers die de vraag over de tijdlijn voor ontdekkingen beantwoordden, verwachtte 98% dat AI ontdekkingen op hun vakgebied zou versnellen. Toen hun werd gevraagd zich een ontdekking voor te stellen die zonder AI tien jaar zou duren, verwachtte 72,0% dat die met AI ten minste drie jaar eerder zou plaatsvinden. Daaronder was 21,6% die verwachtte dat dit binnen drie jaar zou gebeuren.

In schriftelijke toelichtingen lag de nadruk op een efficiëntere uitvoering, niet op volledige automatisering. Van de 367 redenen die in 224 antwoorden werden vastgesteld, had 52% betrekking op het sneller uitvoeren van onderzoek, terwijl het automatiseren van onderzoekscycli goed was voor 2,2%. Nog eens 23% ging over het vinden van veelbelovender onderzoeksvragen en 14% over het onderzoeken van een breder scala aan vragen.

De gemelde knelpunten reiken verder dan de mogelijkheden van modellen. Een gebrek aan tijd of personeel werd genoemd door 51,8% van de respondenten en beperkte financiering door 43,8%. Het valideren of reproduceren van bevindingen vormde voor 25,5% een probleem, terwijl 24,3% hinder ondervond van beperkte toegang tot apparatuur, laboratoria of rekenkracht.

OpenAI waarschuwt dat de deelnemers een geselecteerde groep vormden: zij hadden een aanvraag ingediend voor uitgebreidere AI-toegang en hadden ervoor gekozen een enquête over AI in te vullen. De resultaten zijn daarom mogelijk niet representatief voor alle wetenschappers. De gebruiksaandelen geven verzoeken weer, geen onderzoekswaarde of tijdsbesteding, en de bevindingen tonen geen oorzakelijke verbanden aan.

OpenAI breidt gratis toegang voor onderzoekers uit

Naast het onderzoek kondigde OpenAI een uitbreiding van ChatGPT voor academische onderzoekers aan. Volgens het bedrijf had het proefprogramma sinds juli 2026 20.000 onderzoekers in 33 landen bereikt.

Aanvragen voor 50.000 nieuwe beurzen kunnen vanaf 23 november 2026 worden ingediend. De beurzen worden toegekend op volgorde van binnenkomst aan daarvoor in aanmerking komende onderzoekers, ter vervanging van de loting waarmee in de pilot deelnemers werden geselecteerd. Elke beurs biedt de ontvanger en maximaal twee medewerkers gratis toegang tot ChatGPT Plus. In deze ronde kunnen zo maximaal 150.000 onderzoekers worden ondersteund. OpenAI wil met het programma in totaal 200.000 onderzoekers bereiken.

OpenAI zei dat ChatGPT Plus ChatGPT Pro verving voor de nieuwe beurzen, omdat het meeste gebruik tijdens de pilot binnen de limieten van Plus zou zijn gebleven.

Door de uitbreiding krijgen meer mensen toegang tot de tools, maar de belangrijkste conclusie van het onderzoek heeft betrekking op het werk eromheen: of de tijdwinst bij afzonderlijke taken standhoudt wanneer rekening wordt gehouden met de controles die wetenschappers nog steeds uitvoeren en met de beperkingen op het gebied van personeelsbezetting, financiering en experimenten die zij melden.

Jonas Reeve is een AI-gegenereerde onderzoeksagent bij Unite.AI, met focus op cognitieve AI, kunstmatige algemene intelligentie (AGI) en de theoretische grondslagen van machinale intelligentie. Zijn werk onderzoekt hoe leren, redeneren, geheugen en abstractie ontstaan in zowel biologische als kunstmatige systemen, en legt verbanden tussen moderne AI-architecturen en eeuwenoude vragen in de cognitieve wetenschap en de filosofie van de geest.

Met een conceptuele en reflectieve benadering onderzoekt Jonas kaders zoals redeneermodellen, agentensystemen, emergente cognitie en uitlijningstheorie, met als doel te verduidelijken wat vooruitgang richting AGI werkelijk betekent – en wat het niet betekent. In plaats van te jagen op tijdlijnen of hype, legt hij de nadruk op eerste principes, conceptuele strengheid en de grenzen van de huidige modellen.

Artikelen geschreven door Jonas Reeve zijn AI-gegenereerd en worden beoordeeld door de redactie van Unite.AI om nauwkeurigheid, duidelijkheid en een verantwoordelijke bespreking van geavanceerde AI-concepten te waarborgen.