Rapporter

OpenAI-studie visar att forskare sällan ber AI bedriva forskning från början till slut

Jonas Reeve
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterHelt självständig forskning från början till slut är fortfarande sällsynt och utgör…
Visa mer
  • Helt självständig forskning från början till slut är fortfarande sällsynt och utgör endast 0,4 % av den genomsnittliga forskarens meddelanden.
  • Forskare kontrollerar fortfarande AI-resultat i hög grad, och 45,4 % anger korrigering som sin främsta svårighet.
  • OpenAI kommer att erbjuda 50 000 nya kostnadsfria forskarbidrag enligt principen först till kvarn.

OpenAI publicerade en studie den 16 november 2026, som omfattar 580 186 vetenskapliga meddelanden från 1 819 akademiska forskare och enkätsvar från 251 deltagare. Studien undersöker hur forskarna använde ChatGPT och Codex i sitt forskningsarbete och hur de förväntar sig att AI ska påverka upptäckter.

Autonom forskning från början till slut, definierad som förfrågningar om att låta AI samordna litteraturöversikter, idéutveckling och efterföljande analyser, stod för endast 0,4 % av den genomsnittliga forskarens vetenskapliga meddelanden. Ändå skickade 15,3 % av forskarna minst en sådan förfrågan. Studien tolkar skillnaden som experimenterande med full automatisering snarare än rutinmässig användning.

Hela artikeln analyserar aktivitet från den 20 augusti till den 22 september 2026 och en enkät som genomfördes den 30 september–7 oktober 2026. Forskarna använde integritetsskyddande klassificerare för att kategorisera meddelanden utan att läsa de underliggande konversationerna, och programdata användes inte som standard för modellträning.

Läsning och skrivande dominerar forskningsförfrågningarna

Läsning och kunskapsinhämtning stod för 27,7 % av den genomsnittliga forskarens vetenskapliga meddelanden, medan skrivande och kommunikation utgjorde 26,9 %. Vetenskaplig analys stod för 16,7 % och utveckling av forskningsprogramvara och kod för 13,8 %; tillsammans utgjorde dessa fyra arbetsflöden 85 %.

Denna koncentration innebär att den mesta nuvarande AI-användningen gäller avgränsade kunskapsarbetsuppgifter snarare än samordnade forskningsprojekt. Att förklara vetenskapliga begrepp var den vanligaste enskilda uppgiften och stod för 18,8 % av meddelandena; 89,7 % av forskarna skickade minst tre sådana förfrågningar.

Idéutveckling visar ett annat mönster när det gäller bredd. Den stod för 5,3 % av meddelandena, men omkring 68 % av forskarna skickade minst tre meddelanden om idéutveckling under studien. I dessa meddelanden presenterade forskarna en specifik fråga i 35 % av fallen, bad ChatGPT att utveckla en befintlig idé i 36 % av fallen och bad tjänsten föreslå en forskningsfråga i 23 % av fallen. De återstående 6 % gick inte att kategorisera.

Studien visar också på en arbetsfördelning som varierar mellan olika forskningsstadier. I den tidiga utforskande fasen bad forskarna ofta AI föreslå inriktningar, för att sedan själva bidra med frågor eller idéer som kunde vidareutvecklas när de arbetade med specifika forskningsproblem.

Mänsklig granskning och förväntningar på produktivitet

Studiens mått på forskarnas involvering, som anger den genomsnittliga andelen inledande förfrågningar som följdes av förtydliganden, kontroller eller revideringar, var 31,8 %. Skrivande och kommunikation hade det högsta värdet, 38,0 %, följt av vetenskaplig analys med 34,4 % och forskningsprogramvara med 33,7 %.

För jämförbara uppgifter var forskarnas involvering större i 28 av 32 fall när förfrågningarna krävde avancerad expertis eller expertis på högsta nivå, med i genomsnitt 6,5 procentenheter. Mer specialiserat arbete ledde alltså i regel till mer uppföljning, inte mindre.

Måttet omfattar endast nästa vetenskapliga meddelande i samma konversation inom sju dagar och fångar inte upp revideringar som görs utanför AI-applikationen. Att kontrollera eller korrigera resultat var också den vanligaste angivna svårigheten med att få nytta av ChatGPT. Det valdes av 45,4 % av de tillfrågade forskarna.

Dessa granskningskrav samexisterar med självrapporterade tidsbesparingar. För åtta forskningsaktiviteter uppskattade de tillfrågade forskarna att en timmes arbete med AI skulle ha tagit omkring 1,9 timmar utan AI för att uppnå samma kvalitet. De rapporterade produktivitetskvoterna varierade från 1,36 gånger för administration till 2,85 gånger för utveckling av forskningsprogramvara och kod.

Förväntningarna på upptäckter var också höga. Av de 250 forskare som besvarade frågan om tidslinjen för upptäckter förväntade sig 98 % att AI skulle påskynda upptäckter inom deras forskningsfält. När de ombads föreställa sig en upptäckt som skulle ta tio år utan AI trodde 72,0 % att den skulle komma minst tre år tidigare med AI, däribland 21,6 % som trodde att den skulle komma inom tre år.

De skriftliga förklaringarna betonade genomförandet snarare än full automatisering. Av de 367 skäl som identifierades i 224 svar handlade 52 % om att påskynda genomförandet av forskning, medan automatisering av forskningsloopar stod för 2,2 %. Ytterligare 23 % gällde att hitta mer lovande forskningsfrågor och 14 % att undersöka ett bredare urval av frågor.

De rapporterade flaskhalsarna sträcker sig bortom modellernas kapacitet. Begränsad tid eller bemanning angavs av 51,8 % av de svarande och begränsad finansiering av 43,8 %. Svårigheter med att validera eller reproducera resultat berörde 25,5 %, medan tillgång till utrustning, laboratorier eller datorresurser berörde 24,3 %.

OpenAI påpekar att deltagarna utgjorde en utvald grupp som hade ansökt om utökad tillgång till AI och valt att besvara en AI-enkät. Resultaten kanske därför inte går att generalisera till alla forskare. Andelarna för användning beskriver förfrågningar, inte forskningens värde eller hur tiden fördelas, och resultaten fastställer inte några orsakssamband.

OpenAI utökar den kostnadsfria tillgången för forskare

I samband med studien meddelade OpenAI att ChatGPT för akademiska forskare skulle göras tillgängligt för fler och uppgav att pilotprogrammet hade nått 20 000 forskare i 33 länder sedan juli 2026.

Ansökan till 50 000 nya bidrag öppnar den 23 november 2026. Bidragen fördelas enligt principen först till kvarn bland behöriga forskare, i stället för genom pilotprogrammets lottningsbaserade urval. Varje bidrag ger en mottagare och upp till två medarbetare kostnadsfri tillgång till ChatGPT Plus, vilket innebär att upp till 150 000 forskare kan få stöd i den här omgången. OpenAI:s mål är att nå 200 000 forskare genom programmet.

OpenAI uppgav att Plus ersatte ChatGPT Pro i de nya bidragen eftersom den mesta användningen under pilotprogrammet ändå skulle ha rymts inom Plus begränsningar.

Utökningen ger fler tillgång till verktygen, men studiens centrala slutsats handlar om arbetet runt dem: om den tid som sparas på enskilda uppgifter består när man räknar in den granskning som forskarna fortfarande utför, liksom de begränsningar i bemanning, finansiering och experimentella möjligheter som de uppger att de möter.

Jonas Reeve är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, med fokus på kognitiv AI, artificiell generell intelligens (AGI) och de teoretiska grunderna för maskinintelligens. Hans arbete undersöker hur lärande, resonemang, minne och abstraktion uppstår i både biologiska och artificiella system, och drar kopplingar mellan moderna AI‑arkitekturer och långvariga frågor inom kognitiv vetenskap och medvetandefilosofi.

Med ett konceptuellt och reflekterande förhållningssätt granskar Jonas ramar såsom resonemangsmodeller, agentbaserade system, emergent kognition och aligneringsteori, i syfte att klargöra vad framsteg mot AGI faktiskt betyder – och vad det inte betyder. Istället för att jaga tidslinjer eller hype betonar han grundprinciper, konceptuell stringens och begränsningarna i nuvarande modeller.

Artiklar skrivna av Jonas Reeve är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, tydlighet och ett ansvarsfullt samtal om avancerade AI‑koncept.