OpenAI menerbitkan sebuah angka pekan ini yang seharusnya mendapat perhatian lebih besar daripada nominal dolar di sebelahnya. Pada pertengahan Agustus, organisasi risetnya menggunakan 3,1 hari kerja agen untuk setiap hari kerja manusia. Kalimat yang banyak dikutip adalah soal pengeluarannya: peneliti median menjalankan inferensi senilai lebih dari $600 per hari dengan harga API. Kalimat yang penting bagi siapa pun yang memimpin tim adalah kalimat lainnya.
Tiga hari agen per hari manusia berarti hari manusia kini menjadi kendalanya. Setiap hasil yang diproduksi agen harus dibaca, dinilai, dan diterima oleh seseorang, dan orang tersebut hanya punya satu hari kerja, bukan tiga. Artikel ini menguraikan hitung-hitungannya dan menunjukkan di mana antrean terbentuk.
Ringkasan Singkat
Postingan "Research acceleration" dari OpenAI menempatkan upaya agen pada 3,1 hari kerja per hari kerja manusia, mencatat tren peneliti yang menjalankan empat agen atau lebih secara bersamaan, dan melaporkan bahwa lebih dari separuh tugas berdurasi 4-8 jam yang berhasil memerlukan setidaknya satu intervensi manusia. Gabungkan semua itu, dan satu hari kerja berisi beberapa momen ketika agen berhenti dan menunggu seseorang, ditambah aliran pekerjaan selesai yang menunggu untuk diterima. Antrean yang menumpuk adalah "hasil yang menunggu seseorang," dan sebagian besar perkakas tidak menampilkannya. Sharkly membuat antrean itu eksplisit: status menunggu pada Task, Inbox yang mengarahkannya ke orang yang bertanggung jawab, dan penerimaan sebagai perubahan status yang tercatat.
Angkanya
Semua di bawah ini berasal dari postingan OpenAI kecuali ditandai lain.
| Angka | Nilai | Periode |
|---|---|---|
| Hari kerja agen per hari kerja manusia, organisasi riset | 3,1 | Pertengahan Agustus 2026 |
| Inferensi harian peneliti median dengan harga API | Lebih dari $600 | Pertengahan Agustus 2026 |
| Pengeluaran token harian peneliti persentil ke-90 | Lebih dari $7.000 | Saat ini |
| Tugas berdurasi 4-8 jam yang berhasil dengan 1+ intervensi manusia | Lebih dari separuh | Januari hingga Juli 2026 |
| Tren konkurensi | 4 agen atau lebih secara bersamaan | Meningkat |
Pembacaan Simon Willison atas postingan yang sama menambahkan bentuk kurvanya: pengeluaran per peneliti naik dari sekitar nol pada Februari menjadi sekitar $600 pada akhir Agustus, dengan kenaikan tajam antara Juli dan Agustus yang ia duga bertepatan dengan akses internal ke model yang kemudian dirilis sebagai GPT-6 Astra.
Tidak ada satu pun angka ini yang berkaitan dengan tim pengembangan produk yang merilis produk, dan para peneliti OpenAI bukan populasi yang tipikal. Namun rasionya menular. Tim mana pun yang telah beralih dari satu agen di satu terminal menjadi beberapa agen yang berjalan bersamaan berada pada kurva yang sama, hanya tertinggal beberapa bulan.
Hitung-hitungannya
Ambil rasionya apa adanya. Dalam satu hari manusia selama delapan jam, agen menghasilkan sekitar dua puluh lima jam upaya. Tidak semuanya membutuhkan manusia. Sebagian proses gagal, sebagian bersifat eksploratif, sebagian memberi masukan ke agen lain. Namun setiap proses yang berakhir dengan perubahan yang akan dirilis seseorang memerlukan keputusan manusia, dan angka intervensi menunjukkan keputusan itu sering datang sebelum proses selesai.
Jika lebih dari separuh tugas panjang yang berhasil memerlukan setidaknya satu intervensi, maka dengan empat agen berjalan, seseorang harus memperkirakan akan diinterupsi oleh dua atau tiga di antaranya selama satu tugas, pada waktu yang tidak ia pilih sendiri. Interupsi itu bukan kegagalan. Agen yang berhenti dan bertanya lebih baik daripada agen yang menebak lalu merilis. Biayanya terletak pada di mana pertanyaan itu mendarat.
Pertanyaan yang mendarat di terminal dijawab ketika seseorang kebetulan melihat terminal itu. Hasil yang mendarat di terminal ditinjau ketika seseorang ingat bahwa hasil itu ada. Kalikan dengan empat agen, dan dengan tiga hari agen per hari manusia, dan terminal menjadi tempat pekerjaan menunggu.
Antrean yang tak ada dasbornya
Setiap tim yang menjalankan agen memiliki dua antrean. Yang pertama adalah pekerjaan yang menunggu agen: backlog, terlihat di pelacak apa pun yang digunakan tim. Yang kedua adalah pekerjaan yang menunggu manusia: hasil yang harus diterima, pertanyaan yang harus dijawab, kegagalan yang harus ditriase. Antrean kedua inilah yang tumbuh pada rasio 3,1 banding 1, dan inilah yang sebagian besar perkakas tidak tampilkan.
Sharkly memperlakukan antrean itu sebagai objek utama. Task adalah unit kerja utama, dan status Task serta status kerja Agent dipisahkan: Task yang sudah Dimulai dapat menampilkan Working, Waiting for human reply, Waiting for human review, atau Error. Status menunggu ini bersifat kelas satu, bukan disimpulkan dari log yang senyap.
Status-status itu mengarah ke suatu tempat. Inbox adalah antrean pribadi berisi aktivitas task, dan bagian Primary-nya menampung task dengan sinyal aktif yang butuh perhatian: menunggu balasan Anda, menunggu tinjauan Anda, pekerjaan yang gagal atau terhambat, sebutan langsung, penugasan kepada Anda. Inbox mengelompokkan aktivitas berdasarkan task, sehingga empat agen yang melaporkan satu Task menjadi satu baris, bukan empat notifikasi. Slack adalah kanal keluar opsional; membisukan sebuah grup di sana tidak menghapus catatan di Inbox.
Membalas adalah cara pekerjaan berlanjut. Komentar pada Task dengan Agent yang sudah ditugaskan dapat memulai proses lanjutan dengan utas tersebut sebagai konteks, sehingga menjawab pertanyaan akan melanjutkan pekerjaan, bukan memulainya dari awal.
Seperti apa penerimaan pada rasio ini
Dengan satu agen per orang, tinjauan bisa dilakukan secara informal. Dengan tiga hari agen per hari manusia, itu tidak mungkin, karena orang yang meninjau bukan orang yang memulai prosesnya, dan prosesnya mungkin sudah berakhir berjam-jam sebelumnya.
Penerimaan di Sharkly adalah seseorang yang mengubah status Task setelah membaca buktinya. Respons akhir Agent disimpan pada Task. Log eksekusi mencatat mengapa proses diantrekan, kapan dimulai dan berakhir, pemanggilan tool, peristiwa Runtime, dan detail kegagalan, di tab Executions yang terpisah dari linimasa komentar. Baca ringkasannya, lalu log-nya, lalu diff-nya. Menggabungkan pull request yang tertaut tidak mengubah status Task, sehingga penggabungan tidak pernah disalahartikan sebagai keputusan. Alur kerja tinjauan human-in-the-loop kami menguraikan lima gerbang tersebut secara berurutan.
Diskusi di Hacker News atas postingan OpenAI berfokus pada kekhawatiran terkait: hasil yang dinilai oleh pengklasifikasi agentic, dengan hal yang diukur dan hal yang menilainya berasal dari rumah yang sama. Itu adalah versi riset dari masalah tim produk. Ketika agen menghasilkan lebih banyak daripada yang bisa dibaca manusia, godaannya adalah membiarkan agen memutuskan apa yang harus dibaca manusia. Antrean yang terlihat dengan pemilik manusia adalah alternatifnya.
Ke mana hari manusia dihabiskan
Gunakan hari manusia untuk arahan dan penerimaan: menyusun tiket, memberi wewenang, membaca bukti, memutuskan penggabungan dan rilis. Serahkan eksekusi, pengujian, dan pelaporan kepada agen. Agen meneliti, mengeksekusi, menguji, dan melaporkan. Manusia menetapkan arah, memberi wewenang, dan menerima hasilnya. Rasio dalam postingan OpenAI adalah wujud kontrak itu ketika berjalan dengan baik.
Gunakan hari manusia untuk supervisi hanya ketika pekerjaan benar-benar membutuhkan seseorang yang mengawasi secara real time: perubahan produksi tanpa rollback, proses di direktori yang menjadi tempat bergantungnya pekerjaan lain. Sharkly bukan pengganti Claude Code, Codex, atau Runtime yang mengerjakan pekerjaannya. Ia adalah lapisan yang menjaga konteks, kemajuan, penghambat, hasil, dan tinjauan manusia tetap terlihat dari permintaan hingga rilis, sehingga hari manusia dihabiskan untuk keputusan dan bukan untuk mencari tahu terminal mana yang menyimpan pertanyaan.
Pertanyaan yang sering diajukan
Dari mana angka 3,1 berasal? Postingan OpenAI "Research acceleration: the view inside OpenAI," yang menyatakan bahwa pada pertengahan Agustus organisasi risetnya menggunakan 3,1 hari kerja agen untuk setiap hari kerja manusia.
Apakah ini berlaku untuk tim rekayasa produk? Angka spesifiknya berasal dari organisasi riset. Arah rasionya berlaku untuk tim mana pun yang beralih dari satu agen menjadi beberapa: keluaran agen tumbuh lebih cepat daripada kapasitas untuk meninjaunya.
Apa itu angka intervensi? Lebih dari separuh tugas berdurasi 4-8 jam yang berhasil antara Januari dan Juli melibatkan satu atau lebih intervensi manusia. Proses panjang berhasil dengan manusia yang turun tangan, bukan tanpa.
Bagaimana Sharkly menampilkan antrean tinjauan? Waiting for human reply dan waiting for human review adalah status kerja Agent pada Task, yang diarahkan ke bagian Primary Inbox milik orang yang bertanggung jawab. Pekerjaan yang gagal dan terhambat juga muncul di sana.
Apa yang dianggap sebagai penerimaan? Seseorang yang mengubah status Task setelah membaca respons Agent, log eksekusi, dan diff-nya. Pull request yang sudah digabungkan tidak mengubah status dengan sendirinya.
Versi singkatnya
Rasio OpenAI menunjukkan bahwa agen sudah menghasilkan tiga hari upaya untuk setiap hari manusia, dan angka intervensinya menunjukkan bahwa manusia terlibat dalam sebagian besar tugas panjang. Sumber daya yang langka adalah hari manusia, dan antrean yang menumpuk adalah hasil yang menunggu seseorang. Buat antrean itu terlihat, arahkan ke pemiliknya, dan catat keputusannya. Hubungkan satu Computer, buat satu Agent, dan tugaskan sesuatu yang membosankan. Dokumentasi kami membahas setiap konsep lebih mendalam: docs.sharkly.ai.
