Tuần này OpenAI công bố một con số đáng được chú ý hơn cả con số đô-la đứng ngay cạnh nó. Tính đến giữa tháng 8, tổ chức nghiên cứu của họ dùng 3,1 ngày công agent cho mỗi ngày công lao động của con người. Câu được trích dẫn nhiều nhất là về chi phí: một nghiên cứu viên ở mức trung vị tốn hơn 600 USD tiền inference mỗi ngày theo giá API. Còn câu thực sự quan trọng với bất kỳ ai đang quản lý một đội nhóm lại là câu kia.
Ba ngày công agent cho một ngày công con người nghĩa là ngày công con người giờ đây chính là điểm nghẽn. Mọi kết quả mà agent tạo ra đều phải được ai đó đọc, đánh giá và nghiệm thu, mà người đó chỉ có một ngày công, không phải ba. Bài viết này làm phép tính và chỉ ra hàng đợi hình thành ở đâu.
TL;DR
Bài “Research acceleration” của OpenAI đưa ra con số 3,1 ngày công agent cho mỗi ngày công con người, ghi nhận xu hướng nghiên cứu viên chạy bốn agent trở lên cùng lúc, và báo cáo rằng hơn một nửa số tác vụ 4-8 giờ thành công cần ít nhất một lần con người can thiệp. Ghép những điều đó lại, một ngày làm việc sẽ có vài thời điểm mà một agent đã dừng lại và đang chờ người, cộng thêm một dòng công việc đã hoàn thành chảy đều đặn chờ được nghiệm thu. Hàng đợi bị ứ đầy chính là “kết quả đang chờ người”, và phần lớn công cụ không hiển thị nó. Sharkly thể hiện rõ hàng đợi đó: các trạng thái chờ trên Task, một Inbox định tuyến chúng đến đúng người phụ trách, và nghiệm thu như một thay đổi trạng thái được ghi lại.
Những con số
Tất cả số liệu dưới đây đều lấy từ bài viết của OpenAI, trừ khi có ghi chú khác.
| Chỉ số | Giá trị | Thời điểm |
|---|---|---|
| Ngày công agent trên mỗi ngày công con người, tổ chức nghiên cứu | 3,1 | Giữa tháng 8 năm 2026 |
| Chi phí inference mỗi ngày của nghiên cứu viên trung vị theo giá API | Hơn 600 USD | Giữa tháng 8 năm 2026 |
| Chi phí token mỗi ngày của nghiên cứu viên ở phân vị thứ 90 | Hơn 7.000 USD | Hiện tại |
| Tác vụ 4-8 giờ thành công có từ 1 lần con người can thiệp trở lên | Hơn một nửa | Tháng 1 đến tháng 7 năm 2026 |
| Xu hướng chạy đồng thời | 4 agent trở lên cùng lúc | Đang tăng |
Cách đọc của Simon Willison về cùng bài viết đó bổ sung thêm hình dáng của đường cong: chi phí tính trên mỗi nghiên cứu viên đi từ gần như bằng không vào tháng 2 lên khoảng 600 USD vào cuối tháng 8, với một đoạn leo dốc đứng giữa tháng 7 và tháng 8 mà theo ông phỏng đoán là trùng với thời điểm nội bộ được truy cập vào mô hình sau này phát hành dưới tên GPT-6 Astra.
Không có con số nào ở đây nói về một đội lập trình đang ra sản phẩm, và các nghiên cứu viên của OpenAI cũng không phải một nhóm đại diện tiêu biểu. Nhưng tỷ lệ này có thể áp dụng ở nơi khác. Bất kỳ đội nhóm nào đã đi từ một agent trong một terminal lên nhiều agent đang chạy song song đều nằm trên cùng đường cong đó, chỉ chậm hơn vài tháng.
Phép tính
Cứ lấy tỷ lệ đó đúng như nó được nêu. Trong một ngày công tám giờ của con người, agent tạo ra khoảng hai mươi lăm giờ công sức. Không phải toàn bộ đều cần đến con người. Có lượt chạy thất bại, có lượt mang tính thăm dò, có lượt cấp dữ liệu cho agent khác. Nhưng mọi lượt chạy kết thúc bằng một thay đổi mà ai đó sẽ đưa lên sản phẩm đều cần một quyết định của con người, và con số về can thiệp cho thấy quyết định đó thường đến trước khi lượt chạy kết thúc.
Nếu hơn một nửa số tác vụ dài thành công cần ít nhất một lần can thiệp, thì khi có bốn agent đang chạy, một người nên chuẩn bị tinh thần bị hai đến ba trong số đó ngắt quãng trong suốt một tác vụ, vào những thời điểm mà người đó không hề chọn. Những lần ngắt quãng đó không phải là thất bại. Một agent dừng lại và hỏi vẫn hơn một agent đoán bừa rồi đẩy lên sản phẩm. Cái giá nằm ở chỗ câu hỏi rơi vào đâu.
Một câu hỏi rơi vào terminal sẽ được trả lời khi tình cờ có ai đó nhìn vào terminal ấy. Một kết quả rơi vào terminal sẽ được xem xét khi có ai đó nhớ ra là nó tồn tại. Nhân lên với bốn agent, và với ba ngày công agent cho mỗi ngày công con người, thì terminal chính là nơi công việc đến để chờ.
Hàng đợi không có mặt trên dashboard nào
Mọi đội nhóm đang dùng agent đều có hai hàng đợi. Thứ nhất là công việc đang chờ agent: backlog, hiển thị trong bất kỳ tracker nào mà đội nhóm đang dùng. Thứ hai là công việc đang chờ con người: kết quả cần nghiệm thu, câu hỏi cần trả lời, lỗi cần phân loại. Hàng đợi thứ hai chính là hàng đợi lớn lên theo tỷ lệ 3,1 trên 1, và cũng là hàng đợi mà phần lớn công cụ không hiển thị.
Sharkly coi hàng đợi đó là đối tượng chính. Task là đơn vị công việc chính, và trạng thái Task được tách riêng khỏi trạng thái làm việc của Agent: một Task đã Started có thể hiển thị Working, Waiting for human reply, Waiting for human review hoặc Error. Các trạng thái chờ là đối tượng hạng nhất, không phải suy ra từ một log im lặng.
Những trạng thái đó đều được định tuyến đến một nơi. Inbox là hàng đợi hoạt động tác vụ dành riêng cho từng người, và mục Primary của nó chứa những task có tín hiệu đang hoạt động cần được chú ý: chờ bạn trả lời, chờ bạn xem xét, công việc thất bại hoặc bị chặn, nhắc trực tiếp, giao cho bạn. Nó nhóm hoạt động theo task, nên bốn agent cùng báo cáo về một Task chỉ là một dòng, chứ không phải bốn thông báo. Slack là kênh gửi ra tùy chọn; tắt thông báo cho một nhóm trên đó không xóa bản ghi trong Inbox.
Trả lời chính là cách công việc tiếp diễn. Một bình luận trên Task có Agent được gán ở trạng thái sẵn sàng có thể khởi động một lượt chạy tiếp nối với cả luồng thảo luận làm ngữ cảnh, nên việc trả lời câu hỏi sẽ tiếp tục công việc thay vì bắt đầu lại từ đầu.
Nghiệm thu trông ra sao với tỷ lệ này
Khi mỗi người chỉ có một agent, việc xem xét có thể làm một cách thoải mái, không cần quy trình. Nhưng với ba ngày công agent cho một ngày công con người thì không thể, bởi người xem xét sẽ không phải người đã khởi động lượt chạy, và lượt chạy đó có thể đã kết thúc từ nhiều giờ trước.
Trong Sharkly, nghiệm thu là việc một người thay đổi trạng thái Task sau khi đọc bằng chứng. Phản hồi cuối cùng của Agent được lưu trên Task. Execution log ghi lại lý do lượt chạy được xếp vào hàng đợi, thời điểm bắt đầu và kết thúc, các lệnh gọi công cụ, sự kiện Runtime và chi tiết lỗi, nằm trong tab Executions tách biệt với dòng thời gian bình luận. Hãy đọc phần tóm tắt, rồi đến log, rồi đến diff. Việc merge một pull request đã liên kết không làm thay đổi trạng thái Task, nên một lần merge không bao giờ bị nhầm với một quyết định. Quy trình xem xét human-in-the-loop của chúng tôi đi qua năm cổng theo đúng thứ tự.
Thảo luận trên Hacker News về bài viết của OpenAI tập trung vào một nỗi lo liên quan: kết quả bị chấm điểm bởi một bộ phân loại dạng agent, khi thứ được đo và thứ chấm điểm nó lại cùng một nhà. Đó là phiên bản nghiên cứu của vấn đề mà các đội làm sản phẩm gặp phải. Khi agent tạo ra nhiều hơn mức con người có thể đọc, cám dỗ là để một agent quyết định xem con người nên đọc gì. Một hàng đợi hiển thị rõ ràng với người phụ trách là con người chính là phương án thay thế.
Dành ngày công con người vào việc gì
Hãy dùng ngày công con người cho việc định hướng và nghiệm thu: định hình ticket, trao quyền, đọc bằng chứng, quyết định merge và release. Còn thực thi, kiểm thử và báo cáo hãy để cho agent. Agent nghiên cứu, thực thi, kiểm thử và báo cáo. Con người định hướng, trao quyền và nghiệm thu kết quả. Tỷ lệ trong bài viết của OpenAI chính là hình hài của bản giao kèo đó khi nó vận hành trơn tru.
Chỉ dùng ngày công con người cho việc giám sát khi công việc thực sự cần một người theo dõi theo thời gian thực: một thay đổi trên production không thể rollback, một lượt chạy trong thư mục mà công việc khác đang phụ thuộc vào. Sharkly không thay thế Claude Code, Codex hay Runtime đang thực hiện công việc. Nó là lớp giữ cho ngữ cảnh, tiến độ, điểm tắc, kết quả và việc con người xem xét luôn hiển thị rõ từ lúc đưa ra yêu cầu đến lúc phát hành, để ngày công con người được dành cho các quyết định chứ không phải cho việc dò xem terminal nào đang có câu hỏi.
Câu hỏi thường gặp
Con số 3,1 đến từ đâu? Từ bài viết “Research acceleration: the view inside OpenAI” của OpenAI, trong đó nêu rằng tính đến giữa tháng 8, tổ chức nghiên cứu dùng 3,1 ngày công agent cho mỗi ngày công lao động của con người.
Điều này có áp dụng cho các đội kỹ thuật làm sản phẩm không? Những con số cụ thể là từ một tổ chức nghiên cứu. Nhưng xu hướng mà tỷ lệ này thể hiện thì đúng với mọi đội nhóm đang chuyển từ một agent lên nhiều agent: sản lượng của agent tăng nhanh hơn khả năng xem xét nó.
Con số về can thiệp là gì? Hơn một nửa số tác vụ 4-8 giờ thành công trong khoảng từ tháng 1 đến tháng 7 có một hoặc nhiều lần con người can thiệp. Những lượt chạy dài thành công là nhờ có người nhảy vào, chứ không phải không cần ai.
Sharkly hiển thị hàng đợi xem xét như thế nào? Waiting for human reply và waiting for human review là các trạng thái làm việc của Agent trên Task, được định tuyến đến mục Primary trong Inbox của người phụ trách. Công việc thất bại và bị chặn cũng xuất hiện ở đó.
Thế nào được tính là nghiệm thu? Một người thay đổi trạng thái Task sau khi đọc phản hồi của Agent, execution log và diff. Một pull request đã merge không tự nó thay đổi trạng thái.
Phiên bản ngắn gọn
Tỷ lệ của OpenAI cho thấy agent đã tạo ra ba ngày công sức cho mỗi ngày công con người, và con số về can thiệp cho thấy con người có mặt trong vòng lặp ở phần lớn các tác vụ dài. Nguồn lực khan hiếm là ngày công con người, và hàng đợi bị ứ đầy là kết quả đang chờ người. Hãy làm cho hàng đợi đó hiển thị rõ, định tuyến nó đến một người phụ trách, và ghi lại quyết định. Kết nối một Computer, tạo một Agent, rồi giao cho nó một việc nhàm chán nào đó. Tài liệu trình bày kỹ hơn về từng khái niệm: docs.sharkly.ai.
