OpenAI araştırma ajanlarının yeni verilerini paylaştı

OpenAI, 6 Eylül’de yayımladığı raporda araştırmacılarının kodlama ajanlarıyla daha fazla kod ürettiğini ve deney yürüttüğünü bildirdi. Şirket, kendi ölçümlerine göre insan yönlendirmesiyle tanımlı araştırma görevlerini yapabilen bir “araştırma stajyeri” düzeyine ulaştığını belirtiyor. Araştırma önceliklerini seçmek, sonuçları değerlendirmek ve sistemler hakkında karar vermek ise insanlarda kalıyor. OpenAI’nin açıklaması

Rapor, yeni bir tüketici ürününün duyurusu değil; kurum içindeki çalışma biçiminin değerlendirmesi. Şirket ayrıca daha çok kodun ve deneyin, bilimsel ilerlemenin aynı oranda hızlandığını tek başına göstermediğini vurguluyor.

Araştırmanın hangi bölümü otomatikleşiyor?

Bu ayrımı açıklamak için görevlerin kendisine bakmak gerekiyor. Raporda başvurulan Epoch AI çalışmasının yazarları, yapay zekâ araştırmasını karar, tasarım, geliştirme, çalıştırma, analiz ve iletişim gibi bölümlere ayıran bir çerçeve öneriyor. Altmıştan fazla görevi ele alan yaklaşım, bir modelin tek bir sınavdaki başarısından yola çıkarak bütün araştırma sürecini yapabildiği sonucuna ulaşmanın sınırlarını gösteriyor. Çalışma da kendisini geliştirilmesi gereken ilk öneri olarak tanımlıyor. Yöntem önerisi

Bu çerçeveden çıkarılabilecek pratik sonuç şu: Bir çalışmanın taslağını hazırlamak, o çalışmanın doğru soruyu sorduğunu göstermekle aynı iş değil. Örneğin bir deney için gerekli kodu hızla oluşturmak yararlı olabilir; fakat deneyin hangi karşılaştırmayı yapacağına ve sonucun ne anlama geldiğine ayrıca bakmak gerekir.

Verileri okurken hangi sorular sorulmalı?

Mülk Rehberi’nin değerlendirmesine göre benzer raporları karşılaştırırken üç soruya yanıt aramak yararlı:

• Başarı, yalnızca çıktının oluşmasıyla mı, yoksa sonuçların doğrulanmasıyla mı ölçülüyor?
• İnsanların düzeltme ve kontrol için harcadığı zaman hesaba katılıyor mu?
• Kazanım, tek bir görevde mi görülüyor; yoksa hazırlıktan son incelemeye kadar bütün çalışmayı mı kapsıyor?

Bu sorular, yapay zekâyı kendi işinde kullanmayı düşünenler için de uygulanabilir bir kontrol listesi sunuyor. Küçük ve sonucu denetlenebilir bir görev seçmek, başlangıçtaki süreyi kaydetmek, ardından düzeltme süresiyle birlikte karşılaştırmak daha anlamlı bir deneme olur. Böylece değerlendirme, üretilen sayfa veya dosya sayısının yanında kullanılabilir sonuca da dayanır.

Kaynaklar: OpenAI, 6 Eylül 2026; Epoch AI yöntem önerisi, 17 Haziran 2026.

Görsel: Yapay zekâ ile üretilmiş temsili illüstrasyon.