Altman von OpenAI: Jobs, die von ChatGPT eliminiert werden können, sind keine echten Jobs.

Die Arbeit, die Sie heute tun, ist vielleicht nicht die eigentliche Arbeit.

Diese aufsehenerregende Äußerung stammt aus einem neuesten Interview mit Altman und Rowan Cheung.

In diesem 30-minütigen Gespräch teilte Altman neben seinen eigenen Überlegungen zu KI und Arbeit auch den Fortschritt von GPT-6, ob ChatGPT die amerikanische Version von WeChat werden wird, die Veränderungen in der Vorstellung von AGI, die zukünftigen Interaktionsmuster der KI und sein Gefühl darüber, dass er zu einem Sora-Hitmem wird.

Man kann sagen, dass dieses Gespräch von Unterhaltungskitsch bis hin zu führender Technologie verschiedene Perspektiven abdeckt. Es ist sowohl interessant als auch auf zukünftige Trends ausgerichtet.

Der gesammelte Text des Interviews lautet wie folgt:

(Hinweis: Zur besseren Lesbarkeit wurden einige Modalpartikel und Einleitungen angepasst.)

Gesamter Text des Interviews

Nach DevDay: Die größten Highlights und die Produktstrategie

F: Von all den Inhalten, die auf der Dev Day 2025 vorgestellt wurden – was hat Sie am meisten begeistert?

Sam Altman: Ich bin von allen Inhalten sehr begeistert. Das Einführen von Anwendungen in ChatGPT war schon lange mein Wunsch.

Aber noch mehr macht es mir Spaß, zu hören, was die Leute mit dem Agent Builder gemacht haben. Sowohl der Agent Builder als auch das Agent Kit haben viele Funktionen, die ich gerne selbst nutzen würde. Wenn ich aber eine auswählen muss, finde ich, dass das Ausführen von Anwendungen in ChatGPT am besten wäre.

Rowan Cheung: ChatGPT mit 800 Millionen wöchentlichen aktiven Nutzern ist zur neuen Verteilungsplattform geworden. Wie können Entwickler und Unternehmer die Apps SDK nutzen, um Anwendungen auf ChatGPT zu entwickeln?

Sam Altman: Ich denke, wir müssen noch einige Iterationen durchlaufen, um wirklich zu verstehen, wie die Leute diese Funktionen hauptsächlich nutzen werden. Beispielsweise: Wird es üblich sein, Anwendungen anhand ihres Namens aufzurufen? Oder möchten die Nutzer lieber, dass ChatGPT weiß, was sie normalerweise nutzen und sie automatisch empfiehlt?

Ich denke, dass die Entwickler in Zukunft einen neuen Verteilungsmechanismus entwickeln werden, der die natürliche Nutzung dieser Anwendungen ermöglicht. Aber so ist es immer: Erst wenn Sie etwas wirklich an die Welt hinausbringen, werden Sie von den unvorhergesehenen Nutzungsmöglichkeiten überrascht.

Rowan Cheung: Ich erinnere mich, dass Sie auch eine Anleitung veröffentlicht haben, wie Entwickler ihre Chancen auf eine Empfehlung verbessern können?

Sam Altman: Ja, aber es muss natürlich ein Haftungsausschluss beigefügt werden. Neue Produkte ändern sich schnell, und wir werden gemeinsam in der Praxis lernen.

Rowan Cheung: Vor zwei Jahren auf der ersten Dev Day haben Sie den GPT Builder vorgestellt. Das war wirklich großartig. Ich erinnere mich, dass ich einer der ersten war, der öffentlich einen GPT baute. Was haben Sie seitdem beim Agent Builder erreicht?

Sam Altman: Die größte Veränderung ist, dass das Modell selbst viel stärker geworden ist. Wenn ich an die erste Dev Day zurückdenke, war die Leistung des damaligen Modells im Vergleich zum heutigen sehr gering – in 22 oder 23 Monaten hat sich die Leistung des Modells erstaunlich verbessert. Gleichzeitig haben wir auch viel darüber gelernt, wie die Nutzer diese Agenten erstellen möchten. Sie möchten nicht nur auf ChatGPT, sondern auch auf anderen Plattformen Agenten erstellen können. Am beeindruckendsten war für mich, dass Sie jetzt sehr einfach ein ziemlich komplexes System erstellen können – mit einer visuellen Oberfläche, dem Hochladen einiger Dateien, der Zugangsberechtigung zu Datenquellen und der Angabe Ihrer Anforderungen können Sie es in wenigen Minuten bereitstellen. Ich war gestern bei der Dressierung erstmals Zeuge dieses gesamten Prozesses und war fasziniert. Die schnelle Entwicklung beeindruckender Software mit Tools wie Codex und Agent Ki ist wie ein „Bodenbeben“.

Rowan Cheung: Können Sie jetzt im Agent Builder im Wesentlichen agenten ohne Code erstellen, richtig?

Sam Altman: Ja, aber wenn Sie etwas oder viel Code verstehen, können Sie komplexere Dinge tun. Aber selbst normale Wissensarbeiter können jetzt mit dem Erstellen von Agenten beginnen. Man kann sagen, dass dies fast eine „Codefreie Revolution“ für Agenten ist.

Rowan Cheung: Was bedeutet dies für die nächste Welle von Unternehmern oder Entwicklern?

Sam Altman: Das ist eine Frage, über die ich schon lange nachdenke. Gestern habe ich im Hintergrund die Demonstration von Romain angesehen und mir gedacht: Wie lange hätte es gedauert, diese Dinge vor einem Jahr zu machen? Und jetzt kann man es fast in Echtzeit tun. Ich fühle sogar, dass meine Ideen nicht mehr mit der Geschwindigkeit mithalten können. Ich weiß nicht genau, welche Veränderungen dies bringen wird, aber eines ist sicher: Die Anzahl der zu schreibenden Software wird stark zunehmen, und die Zeit, die für das Testen und Verbessern von Ideen benötigt wird, wird stark abnehmen. Sie können mehr Ideen ausprobieren und schnellere gute Ideen finden, aber was genau sich ändern wird, weiß ich noch nicht ganz.

Wie lange noch bis zur ersten Milliarden-Dollar-Agentenfirma?

F: Wann wird die erste von Agenten betriebene Milliarden-Dollar-Firma entstehen? Hat der Agent Builder bereits das erforderliche Maß an Autonomie erreicht?

Sam Altman: Noch nicht. Früher hatten wir ein kleines Wettsystem, um vorherzusagen, wann die erste Ein-Mann-Milliarden-Dollar-Firma auftauchen würde. Obwohl es noch nicht offiziell eingerichtet wurde, gibt es viele Vermutungen – beispielsweise die erste „Null-Mann-Firma“.

Rowan Cheung: In ein paar Monaten? In ein paar Jahren?

Sam Altman: Ich erwarte es in ein paar Jahren. Aber jetzt können wir sogar glaubwürdig darüber sprechen, dass Sie einen Prompt in einen Chatbot eingeben und er dann arbeiten kann. Das an sich ist schon sehr erstaunlich.

Rowan Cheung: Einige der Agentenprodukte, die wir sehen, erfordern jedoch noch viel menschliche Überwachung und Rückmeldung. Wann können die Agenten dann eine Woche lang ohne Rückmeldung arbeiten?

Sam Altman: Ich denke, dass Codex nicht weit davon entfernt ist, eine Woche lang zu arbeiten. Obwohl es möglicherweise nicht 2025 sein wird, haben einige Leute mit denen ich gestern gesprochen habe, gesagt, dass es jetzt schon den ganzen Tag lang Aufgaben erledigen kann. Das ist unglaublich schnell. Ich bin selten so von der Fortschritt der KI überwältigt, aber die Beobachtung der Verlängerung der Zeit, in der Codex Aufgaben erledigen kann, hat mich tatsächlich beeindruckt. Man kann erwarten, dass die Fähigkeit, Aufgaben über eine Woche hinweg zu erledigen, auch nicht mehr weit entfernt ist.

Rowan Cheung: Wo liegen die technologischen Engpässe?

Sam Altman: Intelligentere Modelle, längere Kontexte und bessere Gedächtnisfähigkeiten.

Rowan Cheung: Sie haben also Agenten, verschiedene Modell-Upgrades, Codex und können die API nutzen. Stellen Sie sich vor, Sie würden einen 20-jährigen jungen Mann, der gerade aus Stanford ausgebrochen ist, in die Gegenwart bringen und ihm all das Wissen geben, das Sie jetzt haben. Was würden Sie ihn bauen lassen? Und was nicht?

Sam Altman: Ich habe auch in den letzten Tagen über diese Frage nachgedacht. Ich bin sehr neidisch auf die heutigen 20-jährigen Aussteiger, denn es gibt so viel zu bauen, die Chancen sind unglaublich groß. In den letzten Jahren hatte ich fast keine Zeit, wirklich darüber nachzudenken, was ich tun würde. Aber ich weiß, dass es viele coole Dinge zu tun gibt. Es macht mir wirklich Spaß, mit den Leuten über diese Projekte zu sprechen.

Rowan Cheung: Ich denke seit einiger Zeit über diese Frage nach, und ich denke, dass viele andere Entwickler das auch tun – es gibt so viel, was man tun kann. Haben Sie beim Bauen dieser Produkte irgendwelche Tipps, wie man einen einzigartigen Vorteil findet, um die Spitze zu halten? Ist es über die Verteilungswege, die Daten oder ein gewisses Arbeitsflussmuster?

Sam Altman: Es ist immer schwierig, diese Frage auf abstrakter Ebene zu beantworten, denn der beste einzigartige Vorteil ist von Natur aus einzigartig – Sie müssen ihn für sich selbst herausfinden. OpenAI hat viel Zeit und Mühe investiert, um unseren Vorteil zu finden. Im Allgemeinen gibt es keine universelle Antwort auf diese Frage.

Die beste Antwort ist, dass Sie einen Vorteil finden, der nur für das, was Sie tun, für Ihr Produkt, Ihre Technologie sowie Ihre Position und den Zeitpunkt auf dem Markt geeignet ist. Dies ist normalerweise auch ein wichtiger Teil bei der Schaffung von Wert, wenn man etwas Neues gründet.

Eine allgemeine Erfahrung, die ich teilen kann, ist, dass Sie im Laufe des Handelns lernen. Es gibt ein Geschäftssprichwort, das ich sehr mag: „Lassen Sie die Taktik zur Strategie werden.“ Sie können damit beginnen, was funktioniert, und erstaunlicherweise entwickelt sich oft etwas, das sich zu einer Strategie entwickeln kann.

Wenn Sie mich damals gefragt hätten, was die dauerhaften Vorteile wären, als wir ChatGPT starteten, hätte ich gesagt, dass ich es überhaupt nicht wüsste. Ich hätte vielleicht einige Vermutungen gehabt, aber keine Zuversicht. Es hat sich herausgestellt, dass eines der aufregendsten Beispiele das Gedächtnis (memory) war, das zu unserem wichtigen Wettbewerbsvorteil wurde und der Grund dafür ist, dass die Nutzer ChatGPT weiterhin nutzen. Damals haben wir das überhaupt nicht bedacht. Sie beginnen, Funktionen zu bauen, und manchmal taucht plötzlich auf: „Oh, das könnte ein sehr dauerhafter Vorteil für uns werden.“

GPT-6: Das Modell für das Produkt

F: Welche Vorteile sollten Sie bei GPT-6 aufbauen? Oder was sollte man sich beim Bauen eines Produkts überlegen?

Sam Altman: Das ist der Teil, den Sie selbst herausfinden müssen. Ich würde gerne die Gelegenheit haben, gemeinsam zu brainstormen. Das würde Spaß machen. Aber ehrlich gesagt, nimmt OpenAI fast meinen ganzen Denkraum in Anspruch. Ich habe keine Zeit, wirklich darüber nachzudenken, wie man ein neues Unternehmen gründet. Das ist ein bisschen schade. Die KI hat viele Dinge in der Welt verändert, aber die grundlegenden Faktoren, die den Vorteil eines Unternehmens ausmachen, ändern sich dadurch nicht. Zum Beispiel Netzwerkeffekte, Marken- und Marketingvorteile, Nutzerdaten und Markteffekte. Wenn Sie eine Liste machen und sehen, was in den letzten Jahren funktioniert hat, sieht es jetzt ungefähr gleich aus, aber es könnte neue Taktiken geben, um diese Vorteile aufzubauen.

Rowan Cheung: Kürzlich haben Sie den GDPval Benchmark vorgestellt, um die Leistung von KI-Modellen bei praktischen wirtschaftlichen Aufgaben in den wichtigsten Wissensberufen zu messen. Ich war überrascht, dass GPT-5 auf Platz zwei hinter dem Opus-Modell von Claude steht. Es ist sehr beeindruckend, dass Sie diese Ergebnisse veröffentlichen können. Was halten Sie von den Ergebnissen?

Sam Altman: Erstens wäre es schrecklich, wenn wir nicht bereit wären, die Ergebnisse zu veröffentlichen, wenn unser Modell auf Platz zwei steht. Es wird immer Dinge geben, bei denen wir am besten sind, und es wird auch Dinge geben, bei denen wir schlechter sind als andere. Und der Weg, eine Kultur des kontinuierlichen Fortschritts aufzubauen, besteht darin, freudig und direkt zuzugeben, dass andere bei bestimmten Benchmarks oder Tests besser sind als Sie. Ich denke, dass das Claude-Team sehr gut darin ist, Unternehmensanwendungen zu verstehen und die Ausgabe schön darzustellen. Ich bin also überhaupt nicht überrascht, sondern mein Motivation ist eher geweckt, besser zu werden.

Rowan Cheung: Wird dieser Benchmark die Art und Weise beeinflussen, wie Sie GPT-6 entwickeln?

Sam Altman: Es wird unseren post-training-Ansatz teilweise beeinflussen, aber ich denke, dass die Gesamtstrategie von GPT-6 nicht ändern wird.

AGI: Keine Übertreibungen, aber auch keine Unterschätzung

F: Ihre Definition von AGI (Allgemeine Künstliche Intelligenz) lautet: Wenn es in den meisten Arbeitsbereichen mit dem höchsten wirtschaftlichen Wert die Menschen übertrifft. Bei welchem GDPval-Score würden Sie sagen, dass wir AGI erreicht haben?

Sam Altman: Ich denke schon lange über diese Frage nach. Zunächst habe ich, wie viele andere auch, mehrere Definitionen von AGI. Je näher man sich ihr nähert, desto unschärfer wird das Konzept. Aber das, was mich am meisten interessiert und was mich auch überrascht hat, ist, dass wir endlich an einem Punkt angelangt sind, an dem es losgeht – nämlich wenn die KI in der Lage ist, neue Entdeckungen zu machen und das menschliche Wissensvolumen zu erweitern. Diese Errungenschaften sind derzeit noch sehr klein, ich möchte sie nicht übertreiben.

Aber Sie können jetzt auf Twitter viele Beispiele finden, in denen Wissenschaftler aus verschiedenen Disziplinen sagen, dass die KI eine kleine Entdeckung gemacht hat, eine neue Methode vorgeschlagen hat oder ein Problem gelöst hat. Noch einmal betont: Ich möchte weder übertreiben noch unterschätzen. Dies ist das, was wirklich wichtig ist. Und wir befinden uns gerade am Anfang all dessen und sind optimistisch, dass wir in den nächsten Monaten und Jahren viel voranbringen können. Dies ist ein großer Schritt. Dies ist vielleicht der „AGI“-Indikator, der mich am meisten interessiert.

Rowan Cheung: Gibt es besondere wissenschaftliche Durchbrüche, die Sie gerne sehen möchten, dass die KI löst oder entdeckt?

Sam Altman: Natürlich wäre es großartig, wenn die KI Krankheiten heilen und neue physikalische Gesetze entdecken könnte. Aber auch die kleinen Dinge, die jetzt passieren, wie Fortschritte in der Mathematik, finden ich sehr wichtig. Als GPT-4 eingeführt wurde, hatte ich das gleiche Gefühl. Ich weiß, dass es viele Kontroversen um den Turing-Test gibt, aber die öffentliche Wahrnehmung des Turing-Tests war es früher, dass er unerreichbar war. Als die KI ihn jedoch bestanden hat, hat die menschliche Gesellschaft ihre Wahrnehmung kaum geändert. Nach zwei Wochen des Enthusiasmus begannen die Menschen zu beschweren, warum die KI nicht schnell genug sei oder warum etwas nicht funktioniere, und sie wollten, dass es besser wird. Dies zeigt auch die Stärke der Menschen – der „ewige Test für die KI“ ist vorbei, und wir haben uns daran gewöhnt. Ich denke, dass ähnliches jetzt passieren wird – wir werden uns allmählich daran gewöhnen, dass die KI wissenschaftliche Entdeckungen macht.

Rowan Cheung: Kürzlich hat Stanford eine Studie über „workslop“ durchgeführt. Dieses Wort beschreibt eine AI-Ausgabe mit geringem Nutzen – auf den ersten Blick scheint es perfekt zu sein, aber in der Praxis erhöht es die zusätzliche Arbeitslast aufgrund von Nacharbeiten.

Die Studie befragte mehr als 1.000 Büroangestellte, und die Ergebnisse zeigten, dass 41 % der Befragten in den letzten Monaten von einem Kollegen generiertes workslop erlebt haben, d. h., dass sie zusätzliche Zeit darauf verwenden mussten, den von einem