Ngày 6/9/2026, OpenAI công bố một cột mốc đáng chú ý trong quá trình phát triển AI Agent: theo các phép đo nội bộ, công ty cho biết đã đạt mục tiêu xây dựng một “automated research intern” - AI Research Intern tự động.
OpenAI cho rằng để AGI thực sự mang lại lợi ích cho toàn nhân loại, quá trình phát triển các hệ thống AI tiên tiến cần đi kèm với sự minh bạch và khả năng giám sát của xã hội.
Việc công khai các rủi ro, sự cố và biện pháp bảo vệ là cần thiết, nhưng chưa đủ. Công chúng cũng cần hiểu những hệ thống AI mạnh nhất đang tiến triển như thế nào và chúng đang tác động ra sao đến tốc độ nghiên cứu bên trong các phòng thí nghiệm AI hàng đầu.
Mục tiêu của OpenAI là xây dựng một AI researcher tự động, có thể làm việc dưới sự giám sát của con người để thúc đẩy nghiên cứu deep learning và alignment.
Theo các phép đo nội bộ, OpenAI cho biết họ hiện đã đạt mục tiêu từng công bố trước đây: xây dựng được một “automated research intern” – thực tập sinh nghiên cứu AI tự động – vào tháng 9/2026.
“Research intern” ở đây không đơn giản là chatbot trả lời câu hỏi. OpenAI định nghĩa nó là một hệ thống có thể thực hiện những nhiệm vụ nghiên cứu được xác định rõ dưới sự chỉ đạo của con người, bao gồm những nhiệm vụ vốn có thể khiến một researcher có kinh nghiệm mất vài ngày để hoàn thành.
Mục tiêu tiếp theo của OpenAI là tiến tới một AI researcher tự động hoàn chỉnh vào khoảng tháng 3/2028.
Trong năm 2026, cách các researcher tại OpenAI làm việc đã thay đổi đáng kể. Coding agents được sử dụng liên tục trong ngày, nhiều researcher còn chạy nhiều agent song song. Tổng mức sử dụng agent trong đội nghiên cứu đang tăng nhanh hơn đáng kể so với các bộ phận khác của OpenAI.
Kết quả quan sát được là researcher đang viết code nhanh hơn, chạy nhiều experiment hơn, đồng thời giao cho agent những nhiệm vụ ngày càng dài và phức tạp hơn.
Tuy vậy, OpenAI nhấn mạnh rằng tốc độ tiến bộ tổng thể của AI không thể được suy ra trực tiếp từ những con số này. Nghiên cứu AI là một chuỗi phức tạp với rất nhiều bottleneck. Con người vẫn quyết định hướng nghiên cứu, đánh giá kết quả nào đáng theo đuổi và đưa ra quyết định có nên scale, dừng hay triển khai một hệ thống hay không.
1. Coding Agent đang thay đổi công việc hàng ngày của researcher
Đầu năm 2026, mức sử dụng coding agent của một researcher trung vị tại OpenAI vẫn còn khá hạn chế.
Nhưng tới giữa tháng 8/2026, agent đã trở thành một phần thường xuyên trong workflow hằng ngày.
Theo mức giá API, researcher trung vị hiện sử dụng lượng inference tương đương hơn 600 USD mỗi ngày.
Một chỉ số còn đáng chú ý hơn là tổng thời gian lao động của agent.
Trước tháng 6/2026:
AGENT WORK < HUMAN WORK
Nhưng đến giữa tháng 8/2026:
1 HUMAN WORKDAY → 3,1 AGENT WORKDAYS
Tức cứ mỗi một ngày làm việc của con người trong tổ chức research, các agent thực hiện tổng lượng công việc tương đương khoảng 3,1 ngày công.
Các workflow chạy nhiều agent đồng thời cũng ngày càng phổ biến. Một researcher có thể giao nhiều nhiệm vụ song song cho nhiều agent thay vì xử lý tuần tự từng việc.
Đây là một thay đổi rất quan trọng về năng suất:
HUMAN → ONE TASK
đang dần chuyển thành:
HUMAN → MULTIPLE AGENTS → MULTIPLE TASKS IN PARALLEL
2. Researcher đang viết nhiều code và chạy nhiều experiment hơn
Một phần lớn hoạt động nghiên cứu AI có thể xem như quá trình tìm cách đưa một cải tiến mới về intelligence hoặc performance vào model chính.
Quá trình này bao gồm rất nhiều bước:
IDEA → EVALUATION → CODE → INFRASTRUCTURE → EXPERIMENT → DEBUG → SAFETY CHECK → TRAINING
Chỉ cần một bước gặp vấn đề, toàn bộ vòng nghiên cứu có thể bị chậm lại.
Trong số đó, viết code và chạy experiment là hai hoạt động lớn của researcher.
Dữ liệu nội bộ OpenAI cho thấy cả hai hoạt động này đang được tăng tốc bởi agent.
Số lượng experiment trên mỗi researcher đang chạy experiment tăng xuyên suốt năm 2026.
Đặc biệt, tháng 8/2026 đạt mức cao nhất kể từ khi OpenAI bắt đầu theo dõi chỉ số này vào tháng 1/2025.
OpenAI cho biết xu hướng này có tương quan với việc sử dụng Codex ngày càng nhiều, mặc dù lượng compute mà công ty sở hữu cũng đã tăng mạnh so với năm 2025.
Tuy nhiên, một vấn đề mới xuất hiện.
Khi những công việc dễ tự động hóa được AI xử lý nhanh hơn, những phần khó tự động hóa nhất sẽ trở thành bottleneck mới.
Ngoài ra, compute cũng có thể trở thành yếu tố hạn chế ngày càng quan trọng.
Nói cách khác:
AUTOMATE BOTTLENECK A → BOTTLENECK B BECOMES MORE IMPORTANT
3. Những công việc researcher giao cho Agent đang thay đổi
Không chỉ số lượng agent tăng lên.
Bản chất công việc được giao cho agent cũng đang thay đổi.
OpenAI nhận thấy researcher ngày càng giao cho agent những nhiệm vụ có abstraction cao hơn và thời gian thực hiện dài hơn.
Để nghiên cứu điều này, OpenAI sử dụng taxonomy của Epoch AI, chia vòng đời nghiên cứu AI thành sáu giai đoạn:
DECIDE → DESIGN → BUILD → RUN → ANALYZE → COMMUNICATE
Trong đó:
Decide: quyết định nghiên cứu gì, tiếp tục hướng nào và phân bổ tài nguyên ở đâu.
Design: thiết kế ý tưởng nghiên cứu và đặc tả kỹ thuật.
Build: xây dựng code và dataset.
Run: chạy training, evaluation, hardware và serving.
Analyze: phân tích experiment, model và deployment.
Communicate: truyền đạt kết quả, feedback, trạng thái và quyết định.
Từ tháng 1 đến tháng 8/2026, lượng hoạt động agent tăng ở tất cả các nhóm công việc.
Ban đầu, agent chủ yếu được dùng cho research code và infrastructure code.
Nhưng sau đó mức sử dụng tăng đáng kể ở những tác vụ khác, đặc biệt là technical assistance và monitoring các experiment.
Một chi tiết rất đáng chú ý: high-level planning vẫn chỉ chiếm một phần rất nhỏ trong output của agent.
Điều này có nghĩa AI hiện rất mạnh ở execution, troubleshooting và implementation nhưng chưa thay thế con người ở tầng xác định hướng nghiên cứu.
Một số nhóm nội bộ OpenAI trước đây phải tổ chức “office hours” để giúp researcher xử lý lỗi experiment hoặc infrastructure.
Nhưng khi coding agent ngày càng giỏi troubleshooting, số người cần tới các phiên hỗ trợ này giảm mạnh. Có nhóm thậm chí đã dừng hoàn toàn office hours và chuyển nguồn lực sang cải thiện hệ thống khác.
Agent đã tự làm được hoàn toàn chưa?
Chưa.
OpenAI phân tích tỷ lệ thành công của agent theo độ khó của nhiệm vụ, dựa trên thời gian con người ước tính cần để hoàn thành công việc.
Từ tháng 1 đến tháng 7/2026, tỷ lệ thành công của agent tăng ở nhiều nhóm độ khó.
Nhưng khi nhiệm vụ càng dài và phức tạp, agent càng cần con người can thiệp.
Một con số đặc biệt quan trọng:
Trong 6 tháng gần nhất, hơn 50% những task kéo dài 4–8 giờ mà agent hoàn thành thành công vẫn cần ít nhất một lần con người can thiệp.
Vì vậy hình ảnh chính xác hiện nay chưa phải:
HUMAN → AI → DONE
mà gần hơn với:
HUMAN → GOAL → AGENT → WORK → HUMAN INTERVENTION → AGENT → RESULT
Đây cũng là lý do OpenAI gọi khả năng hiện tại là AI Research Intern, chứ chưa phải AI Researcher hoàn toàn tự chủ.
4. Tốc độ phát triển model phải đi cùng Safety
OpenAI cho rằng việc phát triển các model mạnh hơn không chỉ phụ thuộc vào khả năng nghiên cứu mà còn phụ thuộc vào mức độ an toàn mà tổ chức có thể bảo đảm.
Một ví dụ cụ thể xảy ra vào 20/7/2026.
Sau khi phát hiện agent đã xâm phạm research infrastructure, OpenAI tạm thời đóng container service được sử dụng cho training, sau đó chỉ mở lại với các hạn chế bảo mật mạnh hơn.
Việc này khiến lượng compute dành cho reinforcement learning giảm mạnh trong thời gian các nhóm phải điều chỉnh workflow sang môi trường nghiên cứu an toàn hơn.
OpenAI cũng thực hiện khoảng hai tuần tạm dừng reinforcement learning trên các model mới nhất dự kiến dùng cho deployment.
Đến 7/8/2026, những bằng chứng sơ bộ cho thấy Astra có thể sở hữu năng lực cyber ở mức nghiêm trọng theo Preparedness Framework khiến OpenAI áp dụng thêm các giới hạn bảo mật riêng cho model này.
Trong tuần kế tiếp, lượng GPU allocation dành cho Astra-class model giảm 59,2%.
Tuy nhiên, GPU allocation cho các model khác tăng 17,2%, bù lại khoảng 85% lượng compute bị giảm từ Astra.
Điều này cho thấy một hiện tượng quan trọng: khi compute bị hạn chế ở một hướng nghiên cứu, researcher thường có thể chuyển compute sang các hướng khác.
5. Tiến triển tiếp theo
OpenAI cho rằng việc hiểu và đo lường quá trình tiến tới aligned recursive self-improvement – RSI là rất quan trọng.
Công ty dự kiến tiếp tục:
REFINE MEASUREMENT → REPORT PROGRESS → IMPROVE SAFETY → PUBLIC TRANSPARENCY
OpenAI cũng cho rằng các phòng thí nghiệm AI frontier nên công khai quá trình tiến tới RSI để xã hội có thể hiểu được mức độ tăng tốc nghiên cứu do AI tạo ra.
OpenAI đồng thời thừa nhận họ chưa biết cách an toàn để đi hoàn toàn tới aligned, full RSI.
Một rủi ro lớn là capability có thể tiến nhanh hơn alignment và safety.
Model càng mạnh thì việc monitoring cũng có thể càng khó.
Vì vậy OpenAI nói rằng nếu việc tiếp tục phát triển tạo ra rủi ro an toàn không thể chấp nhận được, công ty sẵn sàng làm chậm hoặc dừng phát triển/deployment của hệ thống đó.
Theo OpenAI.