Los agentes de codificación de OpenAI ahora pueden completar el 46 por ciento de las tareas de investigación que le tomarían a una persona de dos a cuatro horas, sin intervención humana alguna. La cifra, superior al 23 por ciento en marzo, proviene de "Aceleración de la investigación: La frontera irregular", el segundo informe de la compañía sobre cómo la IA está transformando su propia línea de investigación, y llega con un precio igualmente sorprendente: el investigador medio de OpenAI ahora gasta aproximadamente $2,400 por día en computación de agente a precios de lista de API.
El informe, publicado el miércoles, es el informe público más detallado que haya proporcionado cualquier laboratorio de IA sobre cómo la inteligencia artificial está remodelando el desarrollo de la inteligencia artificial: el fenómeno que los investigadores llaman automejora recursiva (RSI).
Los números: los agentes son cada vez más rápidos y autónomos
Las principales ganancias en autonomía son sustanciales. Para las tareas que se estima requieren de dos a cuatro horas de trabajo humano, el éxito sin intervención aumentó del 23 por ciento en marzo al 46 por ciento en la actualidad. Para esfuerzos más prolongados, de cuatro a ocho horas, el éxito aumentó del 13 al 35 por ciento.
OpenAI hace hincapié en una advertencia importante: a medida que los agentes se vuelven más capaces, los investigadores delegan tareas más difíciles dentro de cada período de duración, por lo que la mejora refleja tanto ganancias genuinas de capacidad como cambios en las decisiones humanas sobre qué entregar.
La parte irregular: el rendimiento varía enormemente según la tarea
El título del informe no es casualidad. Los agentes destacan en algunos trabajos de investigación y fracasan en otros. En todas las categorías de tareas medidas desde el 1 de agosto hasta el 18 de octubre de 2026, las tasas de éxito estimadas fueron más altas para las tareas de comunicación (69 por ciento) y las tareas de análisis (58 por ciento), pero cayeron al 43 por ciento para las tareas de construcción.
A nivel de tareas individuales la diferencia es aún mayor. Los agentes superaron las sesiones de capacitación en monitoreo de problemas (79 por ciento de éxito) y respuesta de preguntas técnicas (72 por ciento), pero solo lograron un 25 por ciento de éxito en la escritura de código para inferencia y servicio de pilas, y un 29 por ciento en la creación de entornos de evaluación, aprendizaje de refuerzo y agentes.
OpenAI advierte que esta heterogeneidad es importante: mientras el rendimiento del modelo en las tareas de I+D de IA sea desigual, las categorías débiles podrían convertirse en cuellos de botella que limiten la aceleración general. La cobertura del informe por parte de terceros, incluido The Next Web, destacó precisamente esta brecha entre las cifras de autonomía de los titulares y el trabajo central de ingeniería de software.
Lo que dicen los investigadores: tres meses de trabajo en uno
El informe se basa en gran medida en encuestas realizadas al propio personal de OpenAI. En una encuesta de 101 miembros del personal de investigación realizada a finales de agosto y principios de septiembre, el investigador promedio dijo que su equipo necesitaría alrededor de tres meses para completar un trabajo equivalente al último mes de producción si perdieran el acceso a los agentes de codificación fronterizos y se quedaran solo con GitHub Copilot y ChatGPT.
Una encuesta separada de finales de octubre planteó una comparación sorprendente: 27 de 28 encuestados dijeron que esperaban ser más productivos con el último modelo interno de OpenAI que con la ayuda de un ingeniero de investigación humano a mitad de carrera junto con un modelo de la era 2024 como o1-preview. El único que se resistió rechazó el marco binario y dijo que de todos modos elegirían GPT-6 Astra en lugar de la opción asistida por humanos.
Los humanos todavía poseen las ideas, por ahora
A pesar de las ganancias en autonomía, el análisis de OpenAI de su investigación reciente más importante encontró que el gusto humano todavía impulsa avances. Para los lanzamientos de GPT-6 Astra y GPT-6.2 Astra, los investigadores de seguimiento de seguridad y posentrenamiento dijeron que cada idea clave que nombraron provino de personas, con modelos que ayudaron a implementarlas.
Pero la frontera está empezando a desdibujarse en los bordes. Para GPT-6.2 Astra, los investigadores previos a la capacitación describieron el desarrollo de ideas en una conversación con el Codex: uno le dio crédito al modelo por identificar ideas clave mientras trabajaban juntos en un problema, y otro dijo que su idea principal solo comenzó a funcionar bien después de que el Codex sugirió un cambio.
¿Por qué OpenAI publica esto?
La empresa enmarca el impulso de la transparencia como un argumento político. OpenAI ha pedido que se exija a los laboratorios de IA rastrear e informar públicamente los indicadores de superación personal recursiva, de modo que los debates sobre gobernanza se basen en mediciones y no en especulaciones. El informe es explícito en que su publicación "no debe interpretarse como una intención de lograr una RSI completa" y señala que varias otras organizaciones han contribuido recientemente a normas de medición compartidas para la aceleración de la I+D de IA.
Es una postura notable para un laboratorio competitivo: publicar datos de productividad interna invita tanto al escrutinio como a la imitación. Pero la apuesta de OpenAI es que las normas de presentación de informes para toda la industria (similares en espíritu a los marcos de elaboración de informes de seguridad y computación) son más valiosas que la alternativa del secreto, particularmente cuando los agentes comienzan a contribuir a los mismos sistemas que construirán sus sucesores.
El panorama más amplio
El informe llega en medio de un acalorado debate sobre si la IA ya está acelerando su desarrollo y qué significa eso para la seguridad y el empleo. Los datos de OpenAI añaden cifras concretas para ambos lados: los agentes realmente sustituyen un trabajo humano sustancial con tasas de éxito significativas, sin embargo, las tareas más creativas y críticas para la infraestructura siguen estando obstinadamente dominadas por los humanos.
En otras palabras, la frontera irregular es real, y los laboratorios que corren a lo largo de ella ahora están midiendo su propia posición en público. Para los investigadores que observan desde afuera, el número más importante puede no ser el 46 por ciento, sino la trayectoria: cada métrica que OpenAI rastrea aproximadamente se ha duplicado desde marzo.
Manténgase por delante de la IASiga los últimos avances en investigación y seguridad de la IA con AI Buzz Wire.
Leer más noticias sobre IA →