Tác tử AI giúp OpenAI chạy nhiều nhiệm vụ và thử nghiệm đồng thời hơn. Tuy nhiên, chưa có bằng chứng cho thấy nghiên cứu tiến triển nhanh hơn theo tỷ lệ tương ứng. Số liệu nội bộ ghi nhận 3,1 ngày công của tác tử cho mỗi ngày làm việc của con người. Con người vẫn phải kiểm tra kết quả, xử lý sự cố và can thiệp vào nhiều nhiệm vụ.
OpenAI cho biết họ đã đạt mục tiêu đặt ra từ mùa thu năm ngoái. Các nhà nghiên cứu hiện sử dụng một dạng “thực tập sinh nghiên cứu tự động”. Tác tử này xử lý những nhiệm vụ được xác định rõ, vốn cần một nhà nghiên cứu làm trong vài ngày. Tuy nhiên, tự động hóa phần thực thi chưa loại bỏ công việc giám sát.
OpenAI gọi hệ thống hiện tại là “thực tập sinh nghiên cứu tự động”, nghĩa là tác tử chỉ đảm nhận nhiệm vụ được xác định rõ và con người vẫn chịu trách nhiệm chính.
Theo bài phân tích của The New Stack về nút thắt trong nghiên cứu bằng tác tử OpenAI, mức sử dụng tác tử lập trình tăng trong suốt năm 2026. Đến giữa tháng 8, các tác tử ghi nhận 3,1 ngày công cho mỗi ngày làm việc của con người trong toàn bộ bộ phận nghiên cứu. Một nhà nghiên cứu ở mức trung vị tiêu tốn hơn 600 USD mỗi ngày cho suy luận theo giá API. Ở phân vị thứ 90, mức chi tiêu vượt 7.000 USD.
Những số liệu này đo lượng hoạt động và chi phí suy luận. Chúng chưa cho biết lượng hoạt động đó tạo ra bao nhiêu kết quả nghiên cứu hữu ích.
Ngày công của tác tử không phải ngày công của con người
OpenAI quy đổi thời gian tác tử xử lý nhiệm vụ thành ngày làm việc tiêu chuẩn dài tám giờ. Vì một nhà nghiên cứu có thể chạy nhiều tác tử cùng lúc, 3,1 ngày công của tác tử là thước đo thời gian hoạt động, không phải bằng chứng rằng năng suất đã tăng 3,1 lần.
Với đội ngũ kỹ thuật, nhiều tác tử đồng thời làm tăng khối lượng công việc đang được xử lý. Chúng cũng tạo thêm đầu việc cho người vận hành. Người vận hành phải theo dõi từng lần chạy, phát hiện tác tử đi sai hướng và xem xét phần mã thay đổi. Họ còn phải quyết định kết quả nào đủ an toàn để đưa vào sản phẩm hoặc một lượt huấn luyện.
Đây là giới hạn cần tính đến khi đánh giá một tác tử AI lập trình và cách nó hoạt động. Khả năng tự viết mã không loại bỏ khâu kiểm tra. Khi số tác tử tăng nhanh hơn năng lực rà soát của con người, phần việc tồn đọng chuyển từ thực thi sang giám sát.
Trong định nghĩa của OpenAI, “thực tập sinh nghiên cứu tự động” chỉ đảm nhận nhiệm vụ được xác định rõ và con người vẫn chịu trách nhiệm chính. Mục tiêu tiếp theo của công ty là xây dựng một nhà nghiên cứu AI tự động vào tháng 3 năm 2028.
Giám sát trở thành giới hạn mới
Tác tử của OpenAI tham gia vào sáu nhóm công việc, nhưng đóng góp chủ yếu vẫn nằm ở khâu thực hành. Con người tiếp tục đảm nhận phần lớn việc chọn hướng nghiên cứu, đánh giá kết quả và quyết định đầu ra nào có thể được sử dụng.
Nội dung tác tử thực hiện
Dựa trên hệ phân loại của Epoch AI, OpenAI chia công việc của tác tử thành sáu nhóm: quyết định, thiết kế, xây dựng, vận hành, phân tích và truyền đạt. Theo OpenAI, hoạt động tăng ở cả sáu nhóm từ tháng 1 đến tháng 8. Tuy vậy, tác tử vẫn tham gia tương đối ít vào việc quyết định hướng nghiên cứu cần theo đuổi.
Phần lớn đóng góp của tác tử nằm ở công việc thực hành. Chúng viết mã nghiên cứu và mã hạ tầng, theo dõi thí nghiệm và hỗ trợ kỹ thuật. OpenAI cho biết lượng người tham gia các buổi hỗ trợ gỡ lỗi đã giảm, khiến một nhóm ngừng tổ chức các buổi này.
Nhiều giờ hoạt động hơn chưa chắc tạo ra nhiều tiến bộ hơn. OpenAI có thể đếm lượng mã được tạo và số thí nghiệm đã chạy, nhưng hai chỉ số đó không cho biết tác tử đã thúc đẩy nghiên cứu đi xa đến đâu. Nhu cầu tính toán cũng tăng khi số thí nghiệm tăng.
OpenAI dùng một mô hình khác để đánh giá kết quả của tác tử trên các nhiệm vụ có độ khó khác nhau. Công ty ghi nhận tỷ lệ thành công được cải thiện từ tháng 1 đến tháng 7. Với những nhiệm vụ vốn cần con người làm từ bốn đến tám giờ, mức can thiệp vẫn cao. Con người phải can thiệp vào hơn một nửa số nhiệm vụ được xem là hoàn thành thành công.
Kết quả này cho thấy việc đánh giá tác tử AI như một phần của sản phẩm không thể chỉ dựa trên số lượt chạy hoặc lượng mã tạo ra. Mức can thiệp của con người là một phần trực tiếp của chi phí vận hành.
Sự cố bảo mật giới hạn việc triển khai Astra
Astra cho phép nhà nghiên cứu giao nhiệm vụ kéo dài nhiều ngày, nhưng năng lực đó làm tăng áp lực kiểm soát đầu ra. Sau một sự cố hạ tầng và dấu hiệu về rủi ro an ninh mạng, OpenAI đã hạn chế quyền truy cập vào mô hình và bổ sung biện pháp bảo vệ.
Khi một kỹ sư chạy nhiều tác tử, mỗi tác tử có thể tiếp tục khởi chạy các tác tử phụ. Khó khăn khi đó chuyển sang việc kiểm soát đầu ra. Năng lực hoạt động bền bỉ của Astra cho phép nhà nghiên cứu giao những nhiệm vụ kéo dài nhiều ngày. Điều này làm áp lực giám sát tăng thêm.
OpenAI thừa nhận rằng khi tác tử tiếp quản nhiều phần thực thi hơn, những khâu nghiên cứu khó tự động hóa nhất sẽ chiếm tỷ trọng lớn hơn trong thời gian của kỹ sư. Điều đó đặt ra giới hạn thực tế đối với lượng đầu ra mà một người có thể xem xét.
Gián đoạn hạ tầng và hạn chế truy cập
Theo The New Stack, ngày 20 tháng 7, một chuỗi gián đoạn do tác tử gây ra đã ảnh hưởng nghiêm trọng đến hạ tầng nghiên cứu của OpenAI. Công ty phải tạm dừng dịch vụ vùng chứa huấn luyện. Dịch vụ sau đó được khôi phục với các hạn chế chặt hơn.
Đến ngày 7 tháng 8, OpenAI tiếp tục siết quyền truy cập Astra. Bằng chứng ban đầu cho thấy mô hình có thể chạm ngưỡng an ninh mạng “Nghiêm trọng” trong Khung Chuẩn bị của công ty. Astra bị giới hạn trong các khu vực nghiên cứu có mức bảo mật cao hơn. OpenAI cũng bổ sung các biện pháp bảo vệ. Với nhà phát triển, những biện pháp này có thể biểu hiện dưới dạng các lần API gián đoạn ngoài dự kiến.
Sự cố Astra cho thấy vì sao giám sát tác tử trở thành ưu tiên bảo mật khi hệ thống được giao nhiệm vụ dài hơn và có quyền tác động tới hạ tầng thật.
Khối lượng công việc chuyển nhanh giữa các mô hình
Việc hạn chế Astra không làm tổng khối lượng công việc giảm tương ứng. Trong tuần kế tiếp, lượng GPU của nhóm Astra giảm 59,2%, nhưng các nhà nghiên cứu chuyển tác vụ sang mô hình khác và bù lại khoảng 85% mức giảm đó.
Theo số liệu OpenAI được The New Stack dẫn lại, lượng GPU phân bổ cho nhóm Astra giảm 59,2% trong tuần kế tiếp. Năng lực tính toán này không bị bỏ trống lâu. Các nhà nghiên cứu chuyển phần lớn công việc sang những mô hình khác, khiến lượng GPU phân bổ cho chúng tăng 17,2% và bù lại khoảng 85% mức giảm của Astra.
Việc hạn chế Astra vì thế đẩy công việc sang các mô hình khác. Dữ liệu cho thấy tải tính toán có thể dịch chuyển nhanh khi một phần của hệ thống bị khóa.
Đối với các đội ngũ đang xây dựng hạ tầng AI và quy trình vận hành, giới hạn một mô hình không nhất thiết làm giảm nhu cầu tính toán hoặc khối lượng giám sát nếu người dùng có thể chuyển tác vụ sang lựa chọn khác.
Nhiều tác tử hơn chưa chứng minh nghiên cứu nhanh hơn
Dữ liệu của OpenAI xác nhận các nhà nghiên cứu đang giao nhiệm vụ lớn hơn cho tác tử, chạy nhiều tác tử cùng lúc và mở thêm thí nghiệm. Dữ liệu đó chưa chứng minh tốc độ tạo ra tiến bộ nghiên cứu tăng tương ứng.
Nút thắt nằm ở những phần việc con người vẫn phải làm: xác định hướng nghiên cứu, kiểm tra kết quả, xử lý sự cố, đánh giá rủi ro và quyết định đầu ra nào đủ tốt để sử dụng. OpenAI cũng vẫn đang tìm cách định giá loại lao động máy này.
Tác tử AI hiện không đơn giản thay thế công việc của con người. Trong nhiều trường hợp, chúng mở rộng số việc có thể chạy đồng thời rồi tạo thêm một tầng vận hành cần được quản lý. Số ngày công của tác tử chỉ có ý nghĩa khi được đặt cạnh chất lượng đầu ra, chi phí tính toán và thời gian giám sát.
Hãy tiếp tục theo dõi Sine để xem các số liệu vận hành thực tế thay đổi ra sao khi tác tử AI được giao những nhiệm vụ lớn hơn.
