Die Autoren nennen diese Umsetzungsfähigkeit „institutional intelligence“. Sie beschreiben damit die Arbeit von Menschen und Institutionen, die Forschungsergebnisse in reale Vorhaben überführen. Gerade monotone und koordinierende Aufgaben könnten für fortgeschrittene KI wichtig werden, wenn die Umsetzung von Ideen zum Engpass wird. Der Essay ist 2026 erschienen und bildet den Auftakt einer Reihe zur nächsten Wirtschaft. Die Autoren halten fest, dass der Text ihre Ansichten wiedergibt und nicht notwendigerweise die von OpenAI.
Zur Entwicklung des Forschungsaufwands verweist der Essay auf mehrere Zahlen: Um Moores Gesetz aufrechtzuerhalten, seien heute mehr als 18-mal so viele Forschende nötig wie in den frühen 1970er-Jahren. Der effektive Forschungsaufwand in der Gesamtwirtschaft sei seit den 1930er-Jahren auf das 23-Fache gestiegen, während die gemessene Forschungsproduktivität um den Faktor 41 gesunken sei. Zugleich wachse die Zahl der Technikerinnen und Techniker doppelt so schnell wie die der Wissenschaftlerinnen und Wissenschaftler. Die Nutzung spezialisierter wissenschaftlicher Geräte habe sich innerhalb von vier Jahrzehnten verdoppelt; eine Chipfabrik koste heute fünfmal so viel wie vor 30 Jahren.
Als Beispiel für den Aufwand hinter wissenschaftlichen Vorhaben führt der Essay das James-Webb-Weltraumteleskop an: Das Observatorium kostete 10 Milliarden US-Dollar. Seine 18 Spiegelsegmente wurden mit einer Präzision von 50 Nanometern gefertigt; Beiträge kamen von 300 Organisationen aus 14 Ländern. Weitere Beispiele sind klinische Studien und die Chipfertigung, bei denen Experimente, Infrastruktur und Abstimmung erforderlich sind.
Für die Zukunft skizzieren Asirvatham und Mokski zwei mögliche Richtungen. In einer „civilization of depth“ könnten fortgeschrittene Schlussfolgerungen und Simulationen den Bedarf an realen Experimenten verringern. Eine „civilization of width“ würde dagegen mehr physische Ressourcen, Versuche, Infrastruktur und Koordination benötigen, wenn KI mehr Ideen hervorbringt. Die Autoren sehen deshalb die Möglichkeit, dass KI vor allem für Koordination und wiederkehrende Arbeit eingesetzt wird, statt neue Erkenntnisse zu erzeugen. Zugleich halten sie menschliche Neugier und kreative Beiträge für weiterhin wertvoll.