OpenAI bu hafta, yanındaki dolar rakamından daha fazla dikkat hak eden bir sayı yayımladı. Ağustos ortası itibarıyla araştırma organizasyonu, her bir insan iş gününe karşılık 3,1 ajan-iş günü çaba harcıyor. Alıntılanan satır harcamaydı: ortanca araştırmacı, API fiyatlarıyla günde 600 dolardan fazla çıkarım yapıyor. Bir ekip yöneten herkes için önemli olan ise diğer satır.
İnsan günü başına üç ajan günü, artık kısıtın insan günü olduğu anlamına geliyor. Bir ajanın ürettiği her sonucu birinin okuyup değerlendirmesi ve kabul etmesi gerekiyor; o kişinin elinde ise üç değil, tek bir iş günü var. Bu yazı hesabı yapıyor ve kuyruğun nerede oluştuğunu gösteriyor.
TL;DR
OpenAI'ın "Research acceleration" yazısı, ajan çabasını insan iş günü başına 3,1 iş günü olarak ortaya koyuyor, araştırmacıların aynı anda dört veya daha fazla ajan çalıştırmaya yöneldiğini belirtiyor ve başarılı 4-8 saatlik görevlerin yarısından fazlasının en az bir insan müdahalesi gerektirdiğini bildiriyor. Bunları bir araya koyduğunuzda, bir iş günü içinde bir ajanın durup bir kişiyi beklediği birkaç an ve kabul edilmeyi bekleyen kesintisiz bir bitmiş iş akışı ortaya çıkıyor. Dolan kuyruk "bir kişiyi bekleyen sonuçlar" oluyor ve çoğu araç bunu göstermiyor. Sharkly bu kuyruğu görünür kılıyor: Task üzerindeki bekleme durumları, bunları sorumlu kişiye yönlendiren bir Inbox ve kayıtlı bir durum değişikliği olarak kabul.
Rakamlar
Aksi belirtilmedikçe aşağıdaki her şey OpenAI'ın yazısından alınmıştır.
| Gösterge | Değer | Dönem |
|---|---|---|
| Araştırma organizasyonunda insan iş günü başına ajan-iş günü | 3.1 | Ağustos 2026 ortası |
| Ortanca araştırmacının API fiyatlarıyla günlük çıkarımı | 600 dolardan fazla | Ağustos 2026 ortası |
| 90. yüzdelikteki araştırmacının günlük token harcaması | 7.000 dolardan fazla | Güncel |
| 1+ insan müdahalesi içeren başarılı 4-8 saatlik görevler | Yarısından fazlası | Ocak - Temmuz 2026 |
| Eşzamanlılık eğilimi | Aynı anda 4 veya daha fazla ajan | Artıyor |
Simon Willison'ın aynı yazıya dair okuması eğrinin şeklini de ekliyor: araştırmacı başına harcama Şubat'ta neredeyse sıfırdan Ağustos sonunda yaklaşık 600 dolara çıkmış; Temmuz ile Ağustos arasındaki dik tırmanışın ise sonradan GPT-6 Astra adıyla yayımlanan modele dahili erişimle örtüştüğünü tahmin ediyor.
Bu rakamların hiçbiri ürün çıkaran bir kod ekibiyle ilgili değil ve OpenAI'ın araştırmacıları da tipik bir kitle sayılmaz. Ama oran taşınabilir. Tek bir terminalde tek ajan kullanmaktan aynı anda birden fazla ajan çalıştırmaya geçen her ekip, birkaç ay geriden aynı eğrinin üzerinde.
Hesap
Oranı olduğu gibi kabul edin. Sekiz saatlik bir insan gününde ajanlar kabaca yirmi beş saatlik çaba üretiyor. Bunun tamamı bir insana ihtiyaç duymuyor. Bazı çalıştırmalar başarısız oluyor, bazıları keşif amaçlı, bazıları diğer ajanları besliyor. Ancak birinin yayına alacağı bir değişiklikle sonuçlanan her çalıştırma bir insan kararı gerektiriyor ve müdahale rakamı, bu kararın çoğu zaman çalıştırma bitmeden geldiğini söylüyor.
Uzun ve başarılı görevlerin yarısından fazlası en az bir müdahale gerektirdiyse, dört ajan çalışırken bir kişi, bir görev süresince bunlardan ikisinin ya da üçünün kesintisine uğramayı beklemeli; hem de kendi seçmediği anlarda. Bu kesintiler başarısızlık değil. Durup soran bir ajan, tahmin edip yayına alandan iyidir. Maliyet, sorunun nereye düştüğünde.
Bir terminale düşen soru, ancak biri tesadüfen o terminale baktığında yanıtlanır. Bir terminale düşen sonuç, ancak biri onun var olduğunu hatırladığında incelenir. Dört ajanla ve insan günü başına üç ajan günüyle çarpın: terminal, işin beklemeye gittiği yer haline gelir.
Hiçbir panoda görünmeyen kuyruk
Ajan çalıştıran her ekibin iki kuyruğu vardır. Birincisi bir ajanı bekleyen işler: ekibin kullandığı hangi araç olursa olsun görünen backlog. İkincisi bir kişiyi bekleyen işler: kabul edilecek sonuçlar, yanıtlanacak sorular, önceliklendirilecek hatalar. 3,1'e 1 oranında büyüyen kuyruk ikincisidir ve çoğu aracın göstermediği de odur.
Sharkly bu kuyruğu birincil nesne olarak ele alıyor. Ana iş birimi Task'tır ve Task durumu ile Agent çalışma durumu ayrı tutulur: Started durumundaki bir Task, Working, Waiting for human reply, Waiting for human review veya Error gösterebilir. Bekleme durumları birinci sınıftır; sessiz bir günlükten çıkarsanmaz.
Bu durumlar bir yere yönlenir. Inbox, görev etkinliğinin kişisel kuyruğudur ve Primary bölümü, dikkat gerektiren etkin bir sinyali olan görevleri barındırır: yanıtınızı bekleyenler, incelemenizi bekleyenler, başarısız veya bloke olmuş işler, doğrudan bahsetmeler, size atananlar. Etkinliği göreve göre gruplar; böylece tek bir Task hakkında rapor veren dört ajan dört bildirim değil, tek satırdır. Slack isteğe bağlı bir giden kanaldır; orada bir grubu sessize almak Inbox kaydını ortadan kaldırmaz.
İşin devam etme yolu yanıt vermektir. Atanmış bir Agent hazır olduğunda bir Task'a yapılan yorum, başlığı bağlam olarak kullanan bir takip çalıştırması başlatabilir; böylece soruyu yanıtlamak işi baştan başlatmak yerine kaldığı yerden sürdürür.
Bu oranda kabul süreci nasıl görünür
Kişi başına tek ajanda inceleme gayriresmî olabilir. İnsan günü başına üç ajan gününde ise olamaz; çünkü inceleyen kişi çalıştırmayı başlatan kişi olmayacak ve çalıştırma saatler önce bitmiş olabilir.
Sharkly'de kabul, bir kişinin kanıtları okuduktan sonra Task durumunu değiştirmesidir. Agent'ın nihai yanıtı Task üzerinde saklanır. Yürütme günlüğü; çalıştırmanın neden kuyruğa alındığını, ne zaman başlayıp bittiğini, araç çağrılarını, Runtime olaylarını ve hata ayrıntılarını, yorum zaman çizelgesinden ayrı bir Executions sekmesinde kaydeder. Önce özeti, sonra günlüğü, sonra diff'i okuyun. Bağlantılı bir pull request'in birleştirilmesi Task durumunu değiştirmez; böylece bir merge hiçbir zaman karar yerine konmaz. Human-in-the-loop inceleme iş akışımız beş kapıyı sırayla ele alıyor.
OpenAI'ın yazısına dair Hacker News tartışması ilgili bir endişeye odaklandı: sonuçların ajanik bir sınıflandırıcı tarafından puanlanması, yani ölçülen şey ile onu notlayan şeyin aynı evden gelmesi. Bu, bir ürün ekibinin sorununun araştırma versiyonu. Ajanlar insanların okuyabileceğinden fazlasını ürettiğinde, insanların neyi okuması gerektiğine bir ajanın karar vermesine izin verme cazibesi doğar. İnsan sahibi olan görünür bir kuyruk ise alternatif.
İnsan günü nereye harcanmalı
İnsan gününü yön belirlemeye ve kabul etmeye ayırın: ticket'ı şekillendirmek, yetki vermek, kanıtları okumak, merge ve sürüm kararını vermek. Yürütmeyi, testi ve raporlamayı ajanlara bırakın. Ajanlar araştırır, yürütür, test eder ve raporlar. İnsanlar yön belirler, yetki verir ve sonucu kabul eder. OpenAI'ın yazısındaki oran, bu sözleşme işlediğinde nasıl göründüğünün tarifidir.
İnsan gününü gözetime yalnızca iş gerçekten gerçek zamanlı izleyen bir kişiye ihtiyaç duyduğunda ayırın: geri alınamayan bir üretim değişikliği, başka işlerin bağlı olduğu bir dizinde çalışan bir çalıştırma gibi. Sharkly, işi yapan Claude Code, Codex veya Runtime'ın yerine geçmez. İstekten sürüme kadar bağlamı, ilerlemeyi, engelleri, sonuçları ve insan incelemesini görünür tutan katmandır; böylece insan günü, hangi terminalde bir soru olduğunu bulmaya değil, kararlara harcanır.
Sıkça sorulan sorular
3,1 rakamı nereden geliyor? OpenAI'ın "Research acceleration: the view inside OpenAI" başlıklı yazısından; yazı, Ağustos ortası itibarıyla araştırma organizasyonunun her bir insan iş gününe karşılık 3,1 ajan-iş günü çaba harcadığını belirtiyor.
Bu, ürün mühendisliği ekipleri için de geçerli mi? Belirli rakamlar bir araştırma organizasyonundan. Oranın işaret ettiği yön ise tek ajandan birkaç ajana geçen her ekip için geçerli: ajan çıktısı, onu inceleme kapasitesinden daha hızlı büyüyor.
Müdahale rakamı nedir? Ocak ile Temmuz arasında başarılı olan 4-8 saatlik görevlerin yarısından fazlasında bir veya daha fazla insan müdahalesi oldu. Uzun çalıştırmalar, bir kişi araya girmeden değil, girerek başarılı oluyor.
Sharkly inceleme kuyruğunu nasıl gösteriyor? Waiting for human reply ve waiting for human review, Task üzerindeki Agent çalışma durumlarıdır ve sorumlu kişinin Inbox Primary bölümüne yönlendirilir. Başarısız ve bloke olmuş işler de orada görünür.
Neler kabul sayılır? Bir kişinin Agent'ın yanıtını, yürütme günlüğünü ve diff'i okuduktan sonra Task durumunu değiştirmesi. Birleştirilmiş bir pull request tek başına durumu değiştirmez.
Kısa özet
OpenAI'ın oranı, ajanların hâlihazırda her insan günü için üç günlük çaba ürettiğini söylüyor; müdahale rakamı ise uzun görevlerin çoğunda bir kişinin döngüde olduğunu gösteriyor. Kıt olan kaynak insan günü ve dolan kuyruk da bir kişiyi bekleyen sonuçlar. Bu kuyruğu görünür kılın, bir sahibe yönlendirin ve kararı kaydedin. Bir Computer bağlayın, bir Agent oluşturun ve ona sıkıcı bir iş verin. Belgeler her kavramı daha ayrıntılı ele alıyor: docs.sharkly.ai.
