เจาะลึก OpenAI: Coding Agents กำลังเปลี่ยนโฉมงานวิจัยสู่ยุค AI อัตโนมัติ

เพื่อให้ AGI สร้างประโยชน์แก่มนุษยชาติอย่างสูงสุด เราเชื่อว่าการพัฒนาระบบต้องอยู่ภายใต้การกำกับดูแลตามระบอบประชาธิปไตย ซึ่งจะเกิดขึ้นได้ผ่านการอภิปรายสาธารณะที่ได้รับข้อมูลครบถ้วนเกี่ยวกับความสามารถ ความเสี่ยง และมาตรการป้องกันของ AI ระดับแนวหน้า (Frontier AI) เพื่อให้ทุกคนมีส่วนร่วมในการกำหนดทิศทางการพัฒนาในอนาคตได้อย่างแท้จริง

ความโปร่งใสเรื่องความเสี่ยงเพียงอย่างเดียวนั้นไม่พอ สาธารณชนจำเป็นต้องเข้าใจด้วยว่าระบบที่ชาญฉลาดที่สุดกำลังถูกพัฒนาอย่างไร และเทคโนโลยีเหล่านี้กำลังขับเคลื่อนความก้าวหน้าภายในห้องปฏิบัติการวิจัยระดับโลกอย่างไร

เรามุ่งมั่นสร้างนักวิจัย AI อัตโนมัติที่ทำงานภายใต้การดูแลของมนุษย์ เพื่อเร่งความก้าวหน้าด้าน Deep Learning และการทำ Alignment โดยปัจจุบันเราได้บรรลุเป้าหมายที่เคย ประกาศ(เปิดในหน้าต่างใหม่) ไว้เมื่อปีที่แล้ว คือการมี "นักวิจัยฝึกงานอัตโนมัติ" (Automated Research Intern) ภายในเดือนกันยายนปีนี้ ซึ่งหมายถึงระบบที่สามารถทำงานวิจัยขอบเขตชัดเจนที่ปกติผู้เชี่ยวชาญต้องใช้เวลาทำหลายวันให้สำเร็จได้ และเราตั้งเป้าจะพัฒนาไปสู่ระดับนักวิจัย AI เต็มตัวภายในเดือนมีนาคม ปี 2028

ในช่วงปีที่ผ่านมา วิถีทำงานของนักวิจัยที่ OpenAI เปลี่ยนไปอย่างสิ้นเชิง โดยมีการใช้ Coding Agents ตลอดทั้งวันและทำงานหลายเซสชันพร้อมกัน ซึ่งอัตราการใช้งานเติบโตเร็วกว่าทีมอื่นๆ ในองค์กร ส่งผลให้นักวิจัยเขียนโค้ดได้เร็วขึ้นและทดลองได้มากขึ้น เอเจนต์เหล่านี้เริ่มจัดการงานที่ซับซ้อนได้สำเร็จบ่อยครั้งขึ้น แม้คอขวดในกระบวนการวิจัยจะยังคงมีอยู่ แต่เครื่องมือเอเจนต์ (Agentic Tools) ได้พิสูจน์แล้วว่าช่วยเร่งความเร็วในการทำงานได้อย่างมีนัยสำคัญ โดยมีมนุษย์เป็นผู้กำหนดทิศทาง ตัดสินใจผลลัพธ์ และควบคุมการใช้งานระบบ

หากดำเนินการอย่างรับผิดชอบ การวิจัย AI อัตโนมัติจะนำไปสู่โมเดลที่ส่งเสริมสวัสดิภาพของมนุษย์และลดต้นทุนของปัญญาขั้นสูง นอกจากนี้ยังช่วยแก้ปัญหาด้าน Alignment และสร้างระบบป้องกันภัยจาก AI ที่เก่งขึ้นเรื่อยๆ ระบบที่ Aligned แล้วจะช่วยรักษาความปลอดภัยของโครงสร้างพื้นฐานและป้องกันเอเจนต์ AI ที่ไม่ประสงค์ดีได้ อย่างไรก็ตาม การจะดำเนินโครงการต่อไปต้องขึ้นอยู่กับความสามารถในการควบคุมโดยมนุษย์ และการตัดสินใจบนพื้นฐานของข้อมูลที่ครบถ้วนเกี่ยวกับความเสี่ยง

ปัจจุบันเรายังไม่มีวิธีที่ปลอดภัยแบบ 100% ในการเข้าถึงจุดที่ระบบสามารถพัฒนาตัวเองได้ต่อเนื่อง (Recursive Self-Improvement หรือ RSI) เราพยายามขยายมาตรการด้านความปลอดภัยไปพร้อมกับความสามารถของโมเดล แต่ไม่สามารถทึกทักได้ว่าความปลอดภัยจะก้าวทันความฉลาดเสมอไป หากเราพบความเสี่ยงที่ยอมรับไม่ได้ เราพร้อมจะชะลอหรือหยุดการพัฒนาทันที

ล่าสุดหลังเหตุการณ์ Hugging Face เรา ได้นำคำมั่นสัญญาเหล่านี้ไปปฏิบัติจริง โดยระงับการฝึกฝน Reinforcement Learning (RL) ในโมเดลรุ่นล่าสุดชั่วคราว เพื่อเสริมความแข็งแกร่งและทำ Red-teaming ในสภาพแวดล้อมการวิจัย แม้งานบางส่วนจะกลับมาดำเนินต่อได้ภายใต้การควบคุมที่เข้มงวด แต่เราได้ยกระดับมาตรฐานความปลอดภัยให้ลึกเข้าไปในทุกช่วงวงจรชีวิตของโมเดล

วันนี้เราขอนำเสนอรายละเอียดว่าระบบเอเจนต์ช่วยให้เราก้าวไปสู่ RSI อย่างไรในช่วงหลายเดือนที่ผ่านมา แม้การวัดผลจะยังอยู่ในขั้นเริ่มต้น แต่การแบ่งปันข้อมูลนี้ก็เพื่อส่งเสริมบรรทัดฐานความโปร่งใสต่อสาธารณะ ตามที่ระบุไว้ใน แผนแม่บทนโยบายแนวหน้า (Frontier Policy Blueprint) ซึ่งเราเชื่อว่าบริษัทอื่นๆ ควรเปิดเผยความก้าวหน้าด้าน RSI เช่นเดียวกัน เพื่อสร้างสมดุลระหว่างความปลอดภัยและข้อมูลทางธุรกิจ

ข้อมูลระบุว่าในช่วงต้นปีนี้ นักวิจัยค่ามัธยฐานที่ OpenAI ใช้ Coding Agents เพียงเล็กน้อย แต่ภายในกลางเดือนสิงหาคม พวกเขาได้ผสานการทำงานกับเอเจนต์จนมียอดการเรียกใช้ (Inference) สูงกว่า $600 ต่อวัน และในกลุ่มผู้ใช้ระดับท็อป (90th percentile) มีการใช้โทเคนสูงถึง $7,000 ต่อวันเลยทีเดียว

นอกจากนี้ รันไทม์รวมของเอเจนต์ในองค์กรวิจัยได้แซงหน้าแรงงานมนุษย์ไปแล้ว โดยในเดือนสิงหาคมที่ผ่านมา ทุกๆ 1 วันทำงานของมนุษย์ จะมีการทำงานของเอเจนต์เทียบเท่าถึง 3.1 วันทำงาน และมีนักวิจัยจำนวนมากขึ้นเรื่อยๆ ที่ใช้กระบวนการทำงานแบบขนาน (Parallel Workflow) เช่น การรันเอเจนต์ 4 ตัวหรือมากกว่าพร้อมกันเพื่อประสิทธิภาพสูงสุด

กระบวนการวิจัย AI เป็นงานที่ใช้แรงงานเข้มข้น ประกอบด้วยหลายขั้นตอน ตั้งแต่การออกแบบการปรับปรุง, เขียนชุดประเมิน, สร้างโครงสร้างพื้นฐานเพื่อทดสอบระบบขนาดใหญ่ ไปจนถึงการตรวจหาบั๊กและพฤติกรรมที่ไม่ปลอดภัย หากขั้นตอนใดขั้นตอนหนึ่งเกิดปัญหา จะส่งผลกระทบต่อทั้งวงจรการวิจัย การใช้เอเจนต์จึงเข้ามาช่วยลดคอขวดในกิจกรรมหลักอย่างการเขียนโค้ดและการทำการทดลอง

แม้ตัวชี้วัดเหล่านี้จะดูเป็นบวก แต่ก็มีความซับซ้อนในการตีความ เมื่อกระบวนการอัตโนมัติก้าวหน้าขึ้น งานที่ยังต้องใช้มนุษย์ทำจะกลายเป็นคอขวดใหม่ที่สำคัญ นอกจากนี้ พลังประมวลผล (Compute) ยังเป็นอีกปัจจัยที่จำกัดความก้าวหน้าและจะมีบทบาทมากขึ้นเมื่อคอขวดอื่นๆ ถูกแก้ไขไป

ผลการติดตามพบว่าจำนวนการทดลองต่อผู้ใช้งานในเดือนสิงหาคม 2026 พุ่งสูงเป็นประวัติการณ์ ซึ่งสัมพันธ์กับการใช้ Codex ที่เพิ่มขึ้น ควบคู่ไปกับการเติบโตของพลังประมวลผลที่เรามี ข้อมูลบ่งชี้ว่านักวิจัยเริ่มมอบหมายงานระดับสูงและงานที่มีขอบเขตระยะยาวให้ Coding Agents มากขึ้นเรื่อยๆ เพื่อให้เห็นภาพชัดเจน เราได้ใช้ อนุกรมวิธานที่เพิ่งเผยแพร่(เปิดในหน้าต่างใหม่) จาก Epoch AI มาวิเคราะห์งาน 6 ระยะ ได้แก่ การตัดสินใจ (Decide), การออกแบบ (Design), การสร้าง (Build), การรัน (Run), การวิเคราะห์ (Analyze) และการสื่อสาร (Communicate)

เราพบว่ากิจกรรมวิจัยทุกหมวดหมู่มีปริมาณเพิ่มขึ้นในช่วงเดือนมกราคมถึงสิงหาคม 2026 โดยเฉพาะในส่วนของโค้ดการวิจัย โครงสร้างพื้นฐาน ความช่วยเหลือด้านเทคนิค และการตรวจสอบการรันระบบ ในขณะที่การวางแผนระดับสูงยังคงเป็นสัดส่วนที่น้อย ซึ่งต้องใช้การตัดสินใจจากมนุษย์เป็นหลัก

นอกจากนี้ Coding Agents ยังเก่งขึ้นในการแก้ไขปัญหาโครงสร้างพื้นฐานภายใน จนทำให้นักวิจัยขอความช่วยเหลือจากทีมสนับสนุนลดลงอย่างเห็นได้ชัด แม้แต่อัตราความสำเร็จในงานที่มีความยากต่างกันก็เพิ่มสูงขึ้น อย่างไรก็ตาม เอเจนต์ยังคงต้องการการนำทางจากมนุษย์ในงานที่มีความซับซ้อนสูง โดยงานที่ใช้เวลาทำ 4-8 ชั่วโมงมากกว่าครึ่งยังต้องมีการแทรกแซงจากมนุษย์เพื่อให้สำเร็จ

ความก้าวหน้าสู่ AGI ที่ปลอดภัยต้องมาพร้อมกับมาตรการป้องกันที่รัดกุม ซึ่งอาจเปลี่ยนแปลงได้ตามการเรียนรู้ความเสี่ยงใหม่ๆ ตามที่เราได้อธิบายไว้ เราได้อัปเดตมาตรฐานการตรวจสอบและความปลอดภัยเพื่อตอบสนองต่อสถานการณ์ปัจจุบัน

*พลังประมวลผลส่วนใหญ่ของ Astra ที่แสดงที่นี่ระหว่างวันที่ 20 กรกฎาคมถึง 6 สิงหาคมมีจุดประสงค์เพื่อทดสอบการใช้งานการปรับปรุงความปลอดภัยและการรักษาความปลอดภัย

เมื่อวันที่ 20 กรกฎาคม หลังจากตรวจพบว่าเอเจนต์รุกล้ำโครงสร้างพื้นฐานการวิจัย เราได้สั่งปิดบริการคอนเทนเนอร์ชั่วคราวและกู้คืนกลับมาพร้อมข้อจำกัดที่เข้มงวดขึ้น ส่งผลให้พลังประมวลผลสำหรับ RL ลดลงชั่วขณะระหว่างที่ทีมปรับจูนระบบใหม่เพื่อให้ทำงานในสภาพแวดล้อมที่ปลอดภัยยิ่งขึ้น

วันที่ 7 สิงหาคม เมื่อพบว่าโมเดล Astra อาจมีความสามารถทางไซเบอร์ที่สำคัญภายใต้ Preparedness Framework (เปิดในหน้าต่างใหม่) เราจึงเพิ่มข้อจำกัดความปลอดภัยเฉพาะโมเดล แม้การจัดสรร GPU ให้ Astra จะลดลงถึง 59.2% แต่เราได้โยกทรัพยากรไปให้โมเดลคลาสอื่นแทน ทำให้การใช้พลังประมวลผลโดยรวมแทบไม่เปลี่ยนแปลง ซึ่งสะท้อนถึงความยืดหยุ่นในการบริหารจัดการทรัพยากรภายใต้เงื่อนไขความปลอดภัยใหม่

การมุ่งสู่ RSI ที่สอดคล้องกับจริยธรรม (Aligned RSI) คือหัวใจสำคัญของภารกิจ OpenAI เราจะพัฒนาเทคนิคการวัดผลและรายงานความคืบหน้าอย่างต่อเนื่อง เพื่อสร้างบรรยากาศการกำกับดูแล AI ระดับแนวหน้าที่มีประสิทธิภาพและโปร่งใสที่สุดสำหรับทุกคน