Chefwissenschaftler von OpenAI: AI-Praktikanten sind nicht mehr weit von uns entfernt.

Im September 2026 plant OpenAI, den ersten "KI-Forschungs-Praktikanten" vorzustellen.

Dies ist der Zeitplan, den Jakub Pachocki, der Chefwissenschaftler von OpenAI, in einem neuesten Interview angegeben hat. Es bleiben nur noch 5 Monate bis dahin.

Nach seiner Meinung hat sich die Positionierung von KI von einem reinen Werkzeug zu einem "menschlichen Mitarbeiter" gewandelt: Wie lange kann sie unabhängig funktionieren, kann sie unklare Aufgaben bewältigen und wie viel menschliche Intervention benötigt sie? Diese Fragen sind zu neuen Maßstäben für die Bewertung von Modellen geworden.

Dies bedeutet, dass die Rolle der KI beginnt, sich von einem täglichen Assistenten zu einem intelligenten Agenten für die Aufgabenbewältigung zu wandeln.

Wenn diese Veränderung eintritt, wird nicht nur die Form der KI neu gestaltet, sondern auch die Arbeitsweise der Menschen.

Abschnitt 1 | Fähigkeitsentwicklung: Von der Programmierung zur wissenschaftlichen Forschung

Die aktuelle Welle der KI-Technologie wird von außen leicht fälschlicherweise als "stärkeres Programmierwerkzeug" verstanden.

Aber innerhalb von OpenAI geht die Veränderung bereits weit über das Schreiben von Code hinaus und beginnt, sich in einen vollständigeren Arbeitsablauf zu entwickeln.

Jakub Pachocki hat angegeben, dass sie Codex bereits in einer Vielzahl von praktischen Programmierarbeiten einsetzen. Der eigentliche Wandel liegt nicht darin, dass der Code schneller geschrieben wird, sondern dass viele Prozesse, die zuvor Schritt für Schritt von Menschen ausgeführt werden mussten, jetzt direkt an das Modell übergeben werden können. Man muss nicht mehr jede Codezeile selbst eingeben, sondern kann einfach ein Ziel vorgeben und es die gesamte Aufgabe erledigen lassen. Der Mensch ist nur für die abschließende Prüfung und Feinjustierung verantwortlich.

Abgesehen von der Steigerung der Arbeitsleistung hat das Modell in den letzten Monaten auch in den Bereichen Mathematik und Wissenschaft eine enorme Verbesserung gezeigt.

Die KI kann jetzt komplexere Probleme bearbeiten. Sie gibt nicht nur die endgültige Antwort, sondern kann auch den dazwischenliegenden Denkprozess liefern und sogar wertvolle Lösungsansätze aufzeigen. In einigen Tests kann sie bereits die Schwierigkeit von internationalen Mathematikwettbewerben erreichen oder sogar übertreffen. Noch wichtiger ist, dass das Modell in der "ersten Beweis" (first proof), einer forschenden Herausforderung, in kürzester Zeit einen Lösungsweg gefunden hat, den ein Mensch Tage oder sogar länger bräuchte, um ihn zu ergründen.

Was bedeutet das? Es bedeutet, dass die KI nicht nur Befehle ausführen kann, sondern auch beginnt, die Fähigkeit zu entwickeln, das Unbekannte zu erkunden.

Die Programmierung ist ein Durchbruchpunkt, weil sie von Natur aus einen klaren Rückmeldemechanismus hat und es sehr einfach ist, die Richtigkeit oder Falschheit zu überprüfen. Das Gleiche gilt für die Mathematik. Genau weil in diesen Bereichen die Qualität der Ergebnisse präzise beurteilt werden kann, hat das Modell die Möglichkeit, seinen Prozess ständig zu verbessern und seine Fähigkeiten schrittweise auf höhere Schwierigkeitsgrade zu bringen. Wenn diese Fähigkeiten stabilisiert sind, beginnt es, sich auf komplexere und realitätsnähere Probleme zu übertragen, wie z. B. die Hypothesenprüfung in der wissenschaftlichen Forschung, das Experimentdesign oder sogar die Generierung neuer Ideen.

Jakub hat in dem Interview betont: Sie achten immer weniger auf die Punktzahl des Modells in einem bestimmten Benchmark-Test, sondern darauf, ob es in der realen Welt Menschen wirklich bei der Problemlösung helfen kann. Unabhängig davon, ob es sich um Forschung, Ingenieurwesen oder andere Arbeit mit praktischem kommerziellem Wert handelt, wird der Bewertungsstandard von "wie viele Fragen richtig beantwortet werden" auf "ob eine Aufgabe bis zum Ende vorangetrieben werden kann" umgestellt.

Auf den ersten Blick scheint der Sprung von der Code-Schreibung zur Forschung sehr groß zu sein, aber im Grunde gibt es einen sehr klaren Entwicklungsweg: Zunächst werden Grundfähigkeiten in überprüfbaren Bereichen aufgebaut, dann wird diese Fähigkeit auf komplexere reale Szenarien erweitert und schließlich wird in hochwertige Arbeiten, die ursprünglich eine lange menschliche Beteiligung erforderten, tief eingegriffen.

Abschnitt 2 | Zwei Unterschiede und ein Zeitplan

Die aktuelle KI als "Praktikant" zu positionieren, ist das Ergebnis einer gründlichen Überlegung von Jakub Pachocki.

Weil es zwischen einem "Praktikanten" und einem "unabhängigen Forscher" zwei wesentliche Unterschiede gibt.

Erstens, die Dauer der unabhängigen Arbeit.

Wenn Sie eine Aufgabe an einen erfahrenen menschlichen Forscher geben, müssen Sie ihm nur eine grobe Richtung angeben, wie z. B. "die Modellfähigkeit noch etwas verbessern". Der andere kann das Problem selbst auflösen, Wege suchen, ständig Fehlversuche machen und sogar Wochen oder Monate lang die Arbeit vorantreiben. Aber die aktuelle KI kann das noch nicht. Obwohl ihre kontinuierliche Laufzeit länger wird und sie auch eine komplette Aufgabe erledigen kann, benötigt sie immer noch klare Anweisungen und Korrekturen von Menschen an kritischen Punkten.

Zweitens, die Fähigkeit, unklare Probleme zu bearbeiten.

Die meisten Arbeiten in der realen Welt haben am Anfang keine richtige Lösung. Oft gibt es nur eine grobe Richtung, eine erste Idee oder sogar nur ein unklares Ziel, das im Verlauf der Arbeit ständig geklärt und definiert werden muss. Genau hier liegt die Unersetzbarkeit menschlicher Forscher: Sie sind nicht nur Ausführende, sondern auch Wegfinder, die entscheiden können, "was als nächstes zu tun ist".

Die KI in der gegenwärtigen Phase ist besser darin, Aufgaben zu bearbeiten, die "bereits klar definiert" sind. Zum Beispiel kann sie eine konkrete Idee überprüfen, ein Experiment mit einer neuen Methode durchführen oder eine Datenanalyse der bekannten Ergebnisse durchführen. Innerhalb dieser klaren Grenzen wird sie immer besser und ist sogar effizienter als Menschen. Aber sobald man sie dazu bringt, das Problem selbst zu definieren und die Richtung der Erforschung auszuwählen, ist ihre Leistungsfähigkeit noch instabil.

Deshalb wird sie als "KI-Praktikant" bezeichnet.

Jakub hat einen sehr klaren Zeitplan angegeben: Bis September 2026 soll ein KI-System auf "Forschungs-Praktikanten"-Niveau realisiert werden; bis März 2028 soll es zu einem "KI-Forscher" mit höherer Autonomie weiterentwickelt werden.

Nach seinen eigenen Worten sind die meisten technischen Elemente für diesen Sprung bereits vorhanden. Die Kernarbeit besteht jetzt darin, sie effektiv zu integrieren.

Wir stehen am Vorabend einer Veränderung.

Abschnitt 3 | Ausführung auslagern, Entscheidungen an Menschen überlassen

Wenn die KI die Grenze des reinen "Beantwortens von Fragen" überschreitet und beginnt, eine Aufgabe in einem geschlossenen Kreislauf zu erledigen, geht diese Veränderung nicht nur auf die Ebene der Werkzeugverbesserung hinaus, sondern berührt ein tieferes Thema: Wie sollen Menschen eigentlich arbeiten?

Jakub Pachocki hat in dem Interview darauf hingewiesen, dass der sprunghafte Anstieg der kurzfristigen Fähigkeiten des Modells direkt die Geschwindigkeit der Forschung vorantreibt. Dies bedeutet, dass viele langwierige Arbeiten, die ursprünglich von Menschen Stück für Stück bewältigt werden mussten, jetzt beschleunigt oder sogar vollständig neu gestaltet werden.

In der Vergangenheit war der Standardrhythmus, um eine komplexe Forschung oder ein Projekt voranzutreiben, oft der folgende: Der Mensch stellt eine Idee vor → führt die Überprüfung selbst durch → macht ständig Fehlversuche und passt an → schreitet langsam voran. Eine Menge Zeit wird in die mühsamen Ausführungsdetails investiert, während die Zeit, die für die Entscheidung über die Richtung verwendet wird, sehr begrenzt ist.

Aber wenn die KI die meisten Ausführungsarbeiten übernehmen kann, muss der Mensch nicht mehr jeden Schritt selbst erledigen und kann mehr Energie auf drei Dinge legen: die Richtung festlegen, die Aufgabe aufteilen und das Ergebnis bewerten. Die "Ausführung" selbst wird allmählich an ein Werkzeug ausgelagert.

Wenn eine Person nicht mehr von konkreten Operationen beschäftigt wird, liegt ihr Kernwert nicht mehr darin, "wie schnell er arbeitet", sondern darin, "was zu tun ist" und "wie man die Dinge koordiniert". Angesichts desselben Werkzeugs können einige Menschen es nur nutzen, um die laufende Stückarbeit zu beschleunigen, während andere es als Hebel nutzen können, um die Geschäftsbereiche erheblich zu erweitern. Der Unterschied zwischen diesen beiden wird immer größer.

Diese Neuorganisation des Arbeitsablaufs ist in Spitzenlaboren bereits eine Realität. Jakub hat eingeräumt, dass sein Team heute immer mehr Energie darauf verwenden muss, "welche Richtungen sich lohnen, in sie zu investieren", anstatt wie in der Vergangenheit die Ressourcen gleichmäßig zu verteilen. Der Grund ist: Wenn die Kosten für die Ausführung stark sinken, ist es nicht mehr die Arbeitskräfte, die wirklich knapp sind, sondern die richtigen Entscheidungen.

Ähnliche Veränderungen beeinflussen auch mehr Arbeitsbereiche.

Zum Beispiel bei der Code-Schreibung, der Analyse und der Entwurf von Plänen, die ursprünglich ein umfassendes Erfahrungswissen erforderten, sinkt die Schwelle. Eine Person muss nicht alle Details kennen, um einen beträchtlichen Teil der Arbeit zu erledigen. Aber gleichzeitig wird die Forderung nach der Gesamtkontrolle höher. Man muss wissen, was das Ziel ist, welche Ergebnisse effektiv sind und welche nur scheinbar gut aussehen.

Wenn man also den "KI-Praktikanten" in die reale Welt zurückbringt, ist der Schock, den er mit sich bringt, nicht nur, dass er uns einen nützlichen Assistenten hinzufügt. Er zwingt die Arbeitsweise der Menschen dazu, sich zu ändern: von "selbst die Arbeit erledigen" zu "KI entwerfen und verwalten, um die Arbeit erledigen zu lassen".

In diesem Moment stellt sich für jeden Büroangestellten die Frage: Können Sie entscheiden, was sich lohnt, und wie Sie diese Aufgabe an die KI übergeben können, damit sie sie gut erledigt?

Abschluss | Es bleibt nur noch eine Sache

Der "KI-Praktikant" ist keine Zukunftsvorstellung, sondern eine Realität, die sich gerade ereignet.

Die Grenzen der KI-Fähigkeiten gehen von "dir ein wenig helfen" zu "eine Aufgabe für dich erledigen".

Was wir uns anpassen müssen, ist die völlige Veränderung der beruflichen Rolle: Wenn die KI immer mehr Ausführungsarbeiten übernimmt, bleibt für den Menschen am Ende nur noch eine Sache:

Entscheiden, was sich lohnt.

Quellenangaben:

https://www.youtube.com/watch?v=vK1qEF3a3WM

Quelle: Offizielle Medien/Online-Nachrichten

Dieser Artikel stammt aus dem WeChat-Account "KI-Tiefenforscher", Autor: KI-Tiefenforscher, Redakteur: Nachdenken, veröffentlicht von 36Kr mit Genehmigung.