Greg Brockman om OpenAIs superapp-satsing og veien til AGI

Nøkkelinnsikt

• OpenAI legger ned sitt mest virale produkt, Sora, fordi videogenerering ligger på en annen teknologigren enn GPT-resonneringsmodellene selskapet satser fremtiden på.
• Superapp-visjonen gjør ChatGPT om fra en chatbot til et samlet operativsystem for koding, nettsurfing og personlig assistanse, i direkte konkurranse med Anthropics Claude-økosystem.
• Brockman anslår at AGI er 70-80 prosent oppnådd, nært nok til å planlegge rundt, men usikkert nok til at selve definisjonen fortsatt er omdiskutert.
• En automatisert AI-forsker innen høsten 2026 betyr at AI-systemer som forbedrer andre AI-systemer går fra teori til praksis inne i OpenAI.

Kort fortalt

Greg Brockman, president og medgründer av OpenAI, gjester Alex Kantrowitz på Big Technology Podcast i en av de mest avslørende samtalene hittil om hvor AI er på vei. Brockman legger frem et stort strategisk skifte: OpenAI trekker seg tilbake fra Sora-videogenerering, samler ChatGPT, Codex og nettsurfing i én enkelt superapp, og jobber mot en automatisert AI-forsker innen høsten 2026. Underveis setter han et tall på AGI-fremgangen (70-80 prosent), forsvarer en infrastruktursatsing på 110 milliarder dollar, og tar tak i den voksende offentlige skepsisen mot AI.

Hvorfor OpenAI la ned sitt mest virale produkt

Sora var en sensasjon. OpenAIs verktøy for videogenerering fanget offentlighetens oppmerksomhet som få AI-produkter har gjort. Så hvorfor legge det ned?

Brockmans svar handler om det han kaller en «annen gren av teknologitreet». Sora-modellene er bygget på diffusjonsbasert arkitektur, en fundamentalt annen tilnærming enn GPT-resonneringsmodellene som driver ChatGPT. Å utvikle begge grenene samtidig krever mer beregningskraft enn OpenAI har, og etterspørselen etter eksisterende produkter overstiger allerede tilbudet.

Selskapet forlater ikke forskningen helt. Soras underliggende arbeid fortsetter innenfor robotikk, som Brockman beskriver som fortsatt i en forskningsfase. Men for produktene OpenAI planlegger å lansere i år, vinner GPT-resonneringsgrenen. Bildegenerering i ChatGPT beholdes fordi den kjører på GPT-arkitekturen, ikke diffusjonsgrenen.

Da han ble spurt om OpenAI risikerer å gå glipp av noe ved å ikke satse på verdensmodeller (tilnærmingen Google DeepMind-sjef Demis Hassabis har sagt føles nærmest AGI), erkjente Brockman risikoen direkte: «Absolutt. Du må ta valg.»

Superappen: én app som erstatter alle

Så hva bygger OpenAI i stedet? En superapp som samler koding, nettsurfing og ChatGPT i ett endepunkt, altså én enkelt applikasjon som kombinerer flere tjenester i ett grensesnitt.

Visjonen starter med at ChatGPT blir en personlig AGI. En AI som kjenner deg, husker samtalene dine, kobler seg til e-posten og kalenderen din, og handler på dine vegne. Codex, som i dag er et verktøy for programvareutviklere, utvides til alle. Brockman beskriver hvordan han bruker det til å konfigurere laptopinnstillinger, og bemerker at datamaskiner «alltid skulle tilpasse seg mennesket, ikke omvendt».

Superappen kommer i etapper de neste månedene. Første steg er å gjøre Codex-appen mer nyttig for generelt kunnskapsarbeid, ettersom OpenAI allerede ser organisk bruk blant ikke-utviklere internt. Noen på kommunikasjonsteamet deres bruker det sammen med Slack og e-post for å samle og oppsummere tilbakemeldinger.

Da han ble spurt om Anthropics Claude-økosystem (som allerede kombinerer en chatbot, Claude Code og samarbeidsfunksjoner), innrømmet Brockman at OpenAI lå etter på brukervennlighet for 12-18 måneder siden. Han sier de har tatt igjen forspranget, og at det reelle konkurransefortrinnet er å samle AI-laget slik at tynne, applikasjonsspesifikke brukergrensesnitt kan bygges oppå ett generelt system.

«Spud» og neste bølge av modeller

Brockman bekreftet at OpenAI har fullført en ny pre-training-kjøring internt kjent som «Spud». Pre-training (grunntreningen der en AI-modell lærer mønstre fra enorme mengder data) er den første fasen før modellen finjusteres for spesifikke oppgaver.

Denne kjøringen representerer omtrent to års akkumulert forskning. Brockman beskriver den ikke som noe enkeltstående gjennombrudd, men som et bedre fundament som gjør hvert påfølgende steg i modellpipelinen mer effektivt. En smartere basismodell lærer raskere i de neste treningsfasene og trenger færre korrigeringer.

Hva vil brukerne merke? Modeller som «bøyer seg mot deg» mer. Mindre av den frustrerende opplevelsen der du spør om noe og AI-en ikke helt forstår. Brockman snakker om «big model smell», følelsen brukere får når en modell er genuint smartere og følger instruksjoner med mindre motstand. Sam Altman, OpenAIs toppsjef, skal ifølge Brockman ha fortalt de ansatte at de kan forvente en veldig sterk modell i løpet av uker.

Det bredere mønsteret betyr mer enn noen enkeltstående lansering. Brockman beskriver OpenAI som en «motor for fremskritt» som akselererer med hver syklus. Så snart én modell lanseres, blir den en tidlig versjon av det som kommer etter.

AGI ved 70-80 prosent: nært nok til å planlegge rundt

NVIDIAs toppsjef Jensen Huang hevdet nylig at AGI allerede er oppnådd. Brockman inntar en mer nyansert posisjon. «Jeg er på omtrent 70-80 prosent», sier han, og erkjenner at dagens AI er «ujevn». Den er overmenneskelig på mange oppgaver, som å skrive kode, men sliter fortsatt med grunnleggende ting mennesker gjør uten å tenke.

Hovedpåstanden handler om tidslinje, ikke definisjon. Brockman sier det er «ekstremt tydelig» at AI i løpet av de neste par årene vil håndtere nesten enhver intellektuell oppgave du gjør på en datamaskin. Bunnivået for hva AI mestrer vil stige så høyt at debatten om hvorvidt det teller som AGI (kunstig generell intelligens, altså AI som kan utføre enhver intellektuell oppgave et menneske kan) blir sekundær sammenlignet med den praktiske virkeligheten.

Han peker på et konkret vendepunkt: i desember 2025 hoppet nye modellutgivelser fra å håndtere 20 prosent av oppgavene til 80 prosent. Det skiftet tvang folk til å omstrukturere hele arbeidsflyten sin rundt AI. Brockman beskriver sin personlige testoppgave: å bygge en nettside som tidligere tok ham måneder. I desember produserte AI-en den i ett forsøk.

Den automatiserte AI-forskeren

Den mest betydningsfulle delen av samtalen handler kanskje om det som kommer etter dagens modeller. OpenAI bygger en automatisert AI-forsker, ventet til høsten, som skal utføre det fullstendige arbeidet til en forsker «i silisium».

Brockman er nøye med å beskrive dette som styrt, ikke autonomt. Han sammenligner det med en juniorforsker: overlatt til seg selv for lenge vil den gå ned uproduktive veier. Men sammen med en seniorforsker som gir retning, vurderer resultater og setter kurs, kan systemet massivt akselerere modellutviklingen.

Dette er selvforbedringssløyfen som AI-sikkerhetsforskere lenge har diskutert. AI-en blir bedre, noe som hjelper med å gjøre neste AI bedre, som akselererer syklusen. Brockman ser dette som en kjernedrivkraft bak det han kaller «takeoff», fasen der AI beveger seg fra inkrementell fremgang til eksponentiell fart. Han beskriver flere medvinder som konvergerer samtidig: bedre brikker, et voksende økosystem av utviklere som bygger oppå AI, og interne modellforbedringer som mates tilbake til trening.

OpenAI hentet også nylig inn Peter Steinberger, grunnleggeren av OpenClaw (et autonomt AI-agentprosjekt med åpen kildekode). Brockman beskriver dette som del av en bredere satsing på å finne ut hvordan agenter passer inn i folks daglige liv, og kaller det «en fremvoksende og svært verdifull ferdighet i denne nye økonomien».

Infrastruktursatsingen på 110 milliarder

OpenAI hentet 110 milliarder dollar i infrastrukturfinansiering tidligere i år. Brockman beskriver beregningskraft ikke som en kostnad, men som et inntektssenter, på linje med å ansette selgere. «Hvor mye beregningskraft skal vi kjøpe? Alt sammen», husker han å ha sagt til teamet etter ChatGPT-lanseringen. Hvert år siden har etterspørselen overgått tilbudet.

Matematikken bak satsingen hviler på to påstander. For det første gjør bedre pre-training alle nedstrøms forbedringer billigere og mer effektive. For det andre er kunnskapsarbeid et enormt marked som bare har begynt å ta i bruk AI. Bedriftskunder har gått fra eksperimentering til avhengighet, og forbrukerabonnementer holder seg sterke.

Da han ble spurt om kritikken fra Anthropic-sjef Dario Amodei om at noen selskaper «YOLOer» på infrastrukturutgifter, avviste Brockman det: «Jeg er rett og slett uenig. Vi har vært veldig gjennomtenkte.» Han argumenterer for at konkurrenter sent i fjor innså at de trengte mer beregningskraft og fant ingen tilgjengelig. OpenAIs tidlige forpliktelse er framsyn, ikke dumdristighet, sier han. Da Amodei ble spurt om konkursrisikoen for sitt eget selskap, antydet Brockman at det finnes «flere avkjørsler» enn et binært suksess-eller-fiasko-scenario.

Offentlig tillit og persepsjonsgapet

Brockman adresserer en statistikk som bør bekymre alle AI-selskaper: tre ganger så mange amerikanere forventer at AI vil ha negativ påvirkning på samfunnet sammenlignet med dem som forventer positiv effekt. Hans diagnose er at bransjen har feilet i å vise folk personlig nytte fremfor abstrakt økonomisk vekst.

Han peker på enkelthistorier: en familie som brukte ChatGPT til å argumentere for en MR-undersøkelse som avdekket en hjernesvulst hos barnet deres, en venn som forsket på kreftbehandlinger AI-en hjalp med å identifisere. Disse virkelige resultatene når ikke ut til det bredere offentlige narrativet. Meningsmålingene viser et tydelig skille: folk som faktisk har brukt AI, tenderer til å være positive. De som bare har hørt om det, er langt mer skeptiske.

Når det gjelder datasentre spesifikt, avviser Brockman bekymringer om vannforbruk og energikostnader. Han hevder at OpenAIs anlegg i Abilene bruker omtrent like mye vann som en enkelt husholdning per år, og at selskapet har forpliktet seg til ikke å drive opp lokale energipriser. Han viser til North Dakota, der han sier et datasenter faktisk senket strømprisene ved å bidra til å oppgradere aldrende strømnett.

Budskapet hans til folk som er redde for AI er enkelt: prøv verktøyene. Han argumenterer for at den mest negative holdningen kommer fra folk som har hørt om AI, men aldri brukt det selv. Faktiske brukere, selv de som bruker det uregelmessig, tenderer til å være positive. Utfordringen for OpenAI er å lukke det gapet før opinionen sementeres.

Ordliste

---

Kilder og ressurser