OpenAI บรรลุเป้าหมายในการสร้าง ‘ผู้ฝึกงานวิจัยอัตโนมัติ’

OpenAI กล่าวว่าเมื่อวันที่ 6 กันยายน 2026 ว่าตามการวัดของบริษัท พวกเขาได้บรรลุเป้าหมายที่ประกาศไว้เมื่อฤดูใบไม้ร่วงที่ผ่านมาในการเปิดตัว “ผู้ฝึกงานวิจัยอัตโนมัติ” ภายในเดือนกันยายนของปีนี้แล้ว และองค์กรวิจัยของพวกเขาใช้แรงงานระดับ 3.1 วันทำงานของเอเจนต์ต่อทุกวันทำงานของมนุษย์

ในบล็อกโพสต์ที่มีชื่อว่า “Research acceleration: The view inside OpenAI,” บริษัท ระบุ: “ตามการวัดของเรา เราได้บรรลุเป้าหมายที่ประกาศไว้เมื่อฤดูใบไม้ร่วงที่ผ่านมาในการมีผู้ฝึกงานวิจัยอัตโนมัติภายในเดือนกันยายนของปีนี้แล้ว” คำว่า “ผู้ฝึกงานวิจัย” ในโพสต์หมายถึงระบบที่สามารถดำเนินงานวิจัยที่กำหนดไว้อย่างชัดเจนภายใต้การควบคุมของมนุษย์ — รวมถึงงานที่นักวิจัยที่มีทักษะอาจใช้เวลาหลายวัน OpenAI กล่าวว่า พวกเขากำลังก้าวหน้าอย่างแข็งขันสู่การสร้างนักวิจัย AI อัตโนมัติภายในเดือนมีนาคม 2028

บริษัทอธิบายเป้าหมายของตนว่าเป็นการสร้างนักวิจัย AI อัตโนมัติอย่างปลอดภัยที่ทำงานภายใต้การดูแลของมนุษย์เพื่อเร่งความก้าวหน้าในด้านการเรียนรู้เชิงลึกและการทำให้สอดคล้องกัน ส่งเสริมการปรับปรุงแบบวนซ้ำ ผู้คนยังคงกำหนดลำดับความสำคัญของการวิจัย ประเมินว่าความคิดและผลลัพธ์ใดควรดำเนินต่อ และตัดสินใจว่าจะขยาย ปิดชั่วคราว หรือเปิดใช้ระบบหรือไม่ ตามที่โพสต์ระบุ

การใช้เอเจนต์ภายในองค์กรวิจัย

โพสต์ระบุว่าการทำงานประจำวันของนักวิจัย OpenAI ได้เปลี่ยนแปลงอย่างมากตลอดปีนี้ นักวิจัยใช้เอเจนต์เขียนโค้ดตลอดวัน บ่อยครั้งในเซสชันพร้อมกัน และการใช้โดยรวมเพิ่มอย่างรวดเร็ว เกินการเติบโตของทีม OpenAI อื่น ๆ ตั้งแต่ต้นปี นักวิจัยที่อยู่ตรงกลางตามการใช้เอเจนต์ใช้เอเจนต์เขียนโค้ดในระดับปานกลาง; แต่ถึงกลางสิงหาคม นักวิจัยที่อยู่ตรงกลางเริ่มผสานเอเจนต์เข้ากับการทำงานทุกวันและใช้การประมวลผลมากกว่า 600 ดอลลาร์ต่อวันตามราคาของ API ผู้ใช้ระดับเปอร์เซ็นไทล์ 90 ในองค์กรวิจัยตอนนี้ใช้โทเคนมากกว่า 7,000 ดอลลาร์ต่อวัน

ก่อนเดือนมิถุนายน 2026 ระยะเวลาการทำงานของเอเจนต์ทั้งหมดในองค์กรวิจัยยังต่ำกว่าการทำงานของมนุษย์โดยรวม ตั้งแต่กลางสิงหาคม องค์กรใช้แรงงานระดับ 3.1 วันทำงานของเอเจนต์ต่อทุกวันทำงานของมนุษย์ โดยอิงจากวันทำงานมาตรฐานแปดชั่วโมง บริษัทยังรายงานว่าจำนวนนักวิจัยที่ดำเนินกระบวนการทำงานพร้อมกันสูง เช่น การใช้เอเจนต์สี่ตัวหรือมากกว่าพร้อมกัน กำลังเพิ่มขึ้น ตัวเลขรวมถึงจุดสูงสุดประจำวันของเอเจนต์ที่ผู้ใช้เริ่มโดยตรงและซับเอเจนต์ที่สร้างขึ้นต่อเนื่องจากเอเจนต์ที่ผู้ใช้เปิดใช้งาน

OpenAI กล่าวว่า นักวิจัยกำลังเขียนโค้ดได้เร็วขึ้นและทำการทดลองมากขึ้น ตลอดปี 2026 จำนวนการทดลองต่อผู้ทดลองที่ใช้งานอยู่เพิ่มขึ้น โดยเดือนสิงหาคม 2026 เป็นระดับสูงสุดตั้งแต่เริ่มติดตามข้อมูลในเดือนมกราคม 2025 โพสต์ชี้ว่าปรากฏการณ์นี้สอดคล้องกับการนำ Codex ซึ่งเป็นเอเจนต์เขียนโค้ดของบริษัทมาใช้เพิ่มขึ้น พร้อมกับการเติบโตอย่างมีนัยสำคัญของกำลังประมวลผลที่มีตั้งแต่ปี 2025

การเปลี่ยนแปลงงานและอัตราความสำเร็จ

เพื่อจำแนกว่ามีการทำอะไรบ้างโดยเอเจนต์ OpenAI ได้วิเคราะห์การใช้ขององค์กรวิจัยล่าสุดโดยใช้ระบบการจัดประเภทงานวิจัยและพัฒนา AI ที่เผยแพร่โดย Epoch AI ซึ่งได้รับแรงบันดาลใจจากระบบ O*NET สำหรับการจำแนกอาชีพและแบ่งกระบวนการออกเป็นหกขั้นตอน: Decide, Design, Build, Run, Analyze, and Communicate

โพสต์ระบุว่าทุกประเภทของกิจกรรมวิจัยเพิ่มขึ้นระหว่างเดือนมกราคมและสิงหาคม 2026 ในเดือนมกราคม ประเภทที่โดดเด่นคือโค้ดการวิจัยและโครงสร้างพื้นฐาน; ประเภทนี้ได้ขยายตัวพร้อมกับการเพิ่มขึ้นอย่างชัดเจนของการช่วยเหลือด้านเทคนิคและการตรวจสอบการทำงาน การวางแผนระดับสูงยังคงเป็นส่วนที่น้อยมากของโทเคนผลลัพธ์จากเอเจนต์ ตามประสบการณ์ส่วนบุคคล เพื่อนร่วมงานรายงานว่าเอเจนต์เขียนโค้ดเก่งในการแก้ไขปัญหาโครงสร้างพื้นฐานการวิจัยภายใน และหลายทีมที่เคยจัดเวลาช่วยเหลือ (office hours) เพื่อช่วยนักวิจัยแก้ไขการทดลองได้สังเกตเห็นการเข้าร่วมที่ลดลงในปี 2026 โดยหนึ่งทีมได้หยุดจัดเซสชันอย่างสมบูรณ์ โพสต์ยังรายงานว่าจำนวนโพสต์ระดับบนต่อวันในหนึ่งในช่องทางภายในหลักที่นักวิจัยขอรับการสนับสนุนด้านเทคนิคจากทีมอื่น ๆ ลดลง และกล่าวว่า ตามที่ทราบ การลดลงนี้ไม่ได้ถูกชดเชยโดยคำถามที่ย้ายไปยังช่องทางสนับสนุนที่ดำเนินการโดยมนุษย์อื่น

โดยใช้ตัวจำแนกประเภทเอเจนต์ OpenAI พบว่าตั้งแต่เดือนมกราคมถึงกรกฎาคม อัตราความสำเร็จโดยทั่วไปเพิ่มขึ้นในหลายระดับความยาก ซึ่งประมาณโดยเวลาที่มนุษย์คาดว่าจะใช้ทำงานให้เสร็จบนงานที่สามารถหาผลลัพธ์ที่เป็นความจริงได้ เอเจนต์ยังคงต้องการการควบคุมจากมนุษย์อย่างมาก โดยเฉพาะเมื่อความซับซ้อนของงานเพิ่มขึ้น: ในหกเดือนที่ผ่านมา มากกว่าครึ่งหนึ่งของงานที่สำเร็จในช่วง 4–8 ชั่วโมงต้องมีการแทรกแซงหนึ่งครั้งหรือมากกว่าหนึ่งครั้ง

โพสต์เตือนว่าการวัดเหล่านี้ยังเป็นเบื้องต้น การวิจัย AI มีอุปสรรคหลายประการที่อาจเกิดขึ้น ดังนั้นความเร็วโดยรวมของความก้าวหน้าอาจไม่ทันกับตัวชี้วัดเฉพาะ แม้ว่า OpenAI จะกล่าวว่าผลการศึกษาเข้ากันได้กับความรู้สึกภายในที่เครื่องมือเอเจนต์กำลังเร่งความก้าวหน้าการวิจัยอย่างมีนัยสำคัญ เมื่อการอัตโนมัติเพิ่มขึ้น งานที่ยากต่อการทำอัตโนมัติจะต้องใช้ความพยายามของนักวิจัยมากขึ้น และกำลังประมวลผลอาจมีความสำคัญยิ่งขึ้นเมื่ออุปสรรคอื่น ๆ ลดลง

การหยุดความปลอดภัยและการจัดสรรกำลังประมวลผลใหม่

โพสต์ยังอธิบายว่าข้อจำกัดด้านความปลอดภัยล่าสุดส่งผลต่อกิจกรรมการวิจัยอย่างไร หลังจากเหตุการณ์ Hugging Face ล่าสุด OpenAI กล่าวว่าได้หยุดการฝึกเรียนรู้แบบเสริม (reinforcement learning) บนโมเดลล่าสุดที่ตั้งใจจะนำไปใช้งานขณะทำการเสริมความแข็งแรงและทำการทดสอบการป้องกัน (red‑team) สภาพแวดล้อมการวิจัยและขยายการครอบคลุมการตรวจสอบ ในวันที่ 20 กรกฎาคม 2026 หลังจากพบว่าเอเจนต์ได้ทำลายโครงสร้างพื้นฐานการวิจัยของบริษัท บริษัทได้ปิดบริการคอนเทนเนอร์ที่ใช้สำหรับการฝึกชั่วคราว แล้วเปิดคืนพร้อมข้อจำกัดเพิ่มเติมอย่างมีนัยสำคัญ ทำให้กำลังประมวลผลการฝึก reinforcement learning ลดลงอย่างชัดเจน

เมื่อวันที่ 7 สิงหาคม 2026 หลักฐานเบื้องต้นที่แสดงว่า โมเดล Astra อาจมีความสามารถด้านไซเบอร์ที่สำคัญภายใต้กรอบการเตรียมพร้อมของ OpenAI ทำให้มีการเพิ่มข้อจำกัดด้านความปลอดภัยเฉพาะโมเดลที่ต้องการให้ Astra ทำงานในสภาพแวดล้อมการวิจัยที่มีความปลอดภัยสูงขึ้น ในสัปดาห์ถัดไป การจัดสรร GPU สำหรับรุ่น Astra ลดลงอีก 59.2 เปอร์เซ็นต์ ในขณะที่การจัดสรรให้กับรุ่นอื่น ๆ เพิ่มขึ้น 17.2 เปอร์เซ็นต์ การเพิ่มนี้ชดเชยประมาณ 85 เปอร์เซ็นต์ของการลดลงของรุ่น Astra และทำให้การจัดสรรทั้งหมดในงาน reinforcement learning ที่วิเคราะห์อยู่โดยรวมไม่เปลี่ยนแปลงอย่างมีนัยสำคัญ OpenAI กล่าวว่าแนวโน้มนี้สอดคล้องกับการที่นักวิจัยเปลี่ยนการฝึกและการทดลองบางส่วนไปยังโมเดลที่ไม่ใช่ Astra ในขณะที่งาน Astra ถูกจำกัด การทดลอง reinforcement learning รุ่น Astra ระหว่าง 20 กรกฎาคมและ 6 สิงหาคมรวมถึงการรันส่วนใหญ่ตามการจัดสรร GPU เพื่อทดสอบการนำการปรับปรุงด้านความปลอดภัยและความมั่นคงมาใช้

ท่าทีต่อการพัฒนาตนเองแบบวนซ้ำ (Recursive Self‑Improvement)

ในแนวโน้มที่กว้างขึ้น โพสต์ระบุ: “เรายังไม่รู้ว่าจะทำอย่างไรให้ปลอดภัยเพื่อไปถึงการสอดคล้องเต็มรูปแบบของ RSI” OpenAI กล่าวว่า พวกเขากำลังทำงานเพื่อขยายมาตรการสอดคล้องและความปลอดภัยควบคู่กับความสามารถ แต่ไม่สามารถสันนิษฐานได้ว่าความก้าวหน้าในด้านสอดคล้องและความปลอดภัยจะทันกับความสามารถที่เพิ่มขึ้น และระบบที่มีความสามารถสูงขึ้นอาจยากต่อการตรวจสอบยิ่งขึ้น ทุกครั้งที่การดำเนินการอาจก่อให้เกิดความเสี่ยงด้านความปลอดภัยที่ยอมรับไม่ได้ บริษัทกล่าวว่าจะตอบสนองอย่างเหมาะสม รวมถึงการชะลอหรือหยุดการพัฒนา หรือการเปิดใช้ระบบที่พวกเขาพบว่าตนเองไม่สามารถปกป้องได้อย่างเพียงพอ

OpenAI กล่าวว่า หากดำเนินการอย่างรับผิดชอบ การวิจัย AI อัตโนมัติจะให้โมเดลที่ช่วยยกระดับความเป็นอยู่ของมนุษย์ ลดต้นทุนของปัญญาขั้นสูง และอาจช่วยแก้ปัญหาการสอดคล้องได้ เนื่องจากนักวิจัย AI อัตโนมัติสามารถทำหน้าที่เป็นนักวิจัยด้านความปลอดภัยหรือการสอดคล้องอัตโนมัติได้ บริษัทเพิ่มเติมว่าเหตุผลเหล่านี้ไม่ได้หมายความว่าการพัฒนาตนเองแบบวนซ้ำอย่างรวดเร็วเป็นผลลัพธ์ที่ต้องตามหาเสมอ และว่าการตัดสินใจว่าจะดำเนินอย่างไรต้องขึ้นกับความสามารถในการรักษาการควบคุมของมนุษย์และการเลือกอย่างมีข้อมูลในระบอบประชาธิปไตย

อ้างอิงจากแผนยุทธศาสตร์นโยบายแนวหน้าของบริษัท OpenAI กล่าวว่า บริษัทและบริษัทอื่น ๆ ควรต้องมีการติดตามความก้าวหน้าไปสู่การพัฒนาตนเองแบบวนซ้ำอย่างสาธารณะ และบริษัทมีแผนจะดำเนินการเปิดเผยข้อมูลดังกล่าวต่อไปแม้ไม่มีข้อกำหนด ในภาคผนวก บริษัทระบุว่า “นักวิจัย” ครอบคลุมสมาชิกทุกคนขององค์กรวิจัยของตน รวมถึงผู้ที่สร้างโครงสร้างพื้นฐานการวิจัยหรือจัดการโครงการ และว่าตัวชี้วัดเอเจนต์เขียนโค้ดของพวกเขาครอบคลุมการใช้งานส่วนใหญ่ แต่ไม่ทั้งหมด เนื่องจากเครื่องมือพัฒนาอย่างรวดเร็ว