Diario Tech & IA
OpenAI ya utiliza más tiempo agregado de agentes que tiempo humano dentro de su organización de investigación. A mediados de agosto, por cada jornada laboral humana de ocho horas, sus sistemas acumulaban el equivalente a 3.1 jornadas-agente. La compañía afirma además haber alcanzado el nivel de un “automated research intern”: un sistema capaz de completar, bajo dirección humana, tareas bien definidas que a un investigador cualificado podrían tomarle varios días. El cambio no significa que la IA haya sustituido al científico. Significa que cada investigador empieza a disponer de una capacidad experimental paralela que puede escalar con cómputo.
La cifra de 3.1 jornadas-agente por cada jornada humana necesita interpretarse correctamente. No significa 3.1 veces más productividad ni 3.1 veces más progreso científico. Representa tiempo agregado de ejecución de agentes. OpenAI reconoce que contar código, ejecuciones o experimentos es relativamente sencillo; determinar cuánto conocimiento nuevo producen es mucho más difícil.
Ese matiz contiene precisamente la parte interesante de la historia.
Durante años, la capacidad de un laboratorio de inteligencia artificial dependió fundamentalmente de tres recursos: investigadores, datos y cómputo. Los agentes añaden ahora una cuarta variable: trabajo cognitivo automatizado aplicado al propio proceso de investigación.
OpenAI denomina al nivel alcanzado un research intern automatizado. El término marca también sus límites. El sistema puede ejecutar tareas complejas durante horas o días, pero no decide autónomamente qué problemas científicos merecen atención. Los humanos siguen definiendo prioridades, seleccionando hipótesis, interpretando resultados y tomando decisiones sobre entrenamiento, seguridad y despliegue.
La estructura emergente se parece menos a una sustitución del investigador que a un cambio en su capacidad operativa:
un investigador → múltiples agentes trabajando en paralelo.
Y esa diferencia puede ser económicamente importante.
A mediados de agosto, el investigador mediano de OpenAI consumía más de US$600 diarios de inference a precios API. En el percentil 90, el gasto superaba US$7,000 diarios. Algunos investigadores ya utilizan cuatro o más agentes simultáneamente.
El inference empieza así a convertirse en una partida explícita del costo de investigación.
Antes, ampliar un equipo significaba principalmente contratar más personas. Ahora existe otra posibilidad: proporcionar más capacidad computacional a los investigadores existentes y permitirles delegar partes del trabajo técnico en agentes.
Uno puede escribir código mientras otro revisa resultados. Un tercero puede analizar logs, preparar una evaluación o localizar un fallo de infraestructura. El investigador recibe los resultados, decide cuáles merecen atención y vuelve a asignar trabajo.
Es una forma de paralelismo cognitivo.
Su valor no está necesariamente en producir descubrimientos autónomos. Está en reducir una gran cantidad de fricciones que consumen tiempo científico: configurar experimentos, adaptar librerías, depurar errores, preparar datasets, ejecutar evaluaciones, comparar resultados o documentar cambios.
OpenAI afirma que el número de experimentos por investigador activo alcanzó en agosto su máximo desde que comenzó a medirlo en enero de 2025.
Pero aquí aparece una limitación metodológica importante: también aumentó el cómputo disponible.
Por tanto, no puede atribuirse automáticamente el crecimiento experimental a Codex o a los agentes. Probablemente estemos observando una combinación de mejores agentes, más GPU, mejores herramientas y mejor infraestructura.
Y, sobre todo, más experimentos no equivalen necesariamente a mejor ciencia.
Un laboratorio puede ejecutar diez veces más pruebas y descubrir simplemente que nueve veces más resultados necesitan revisión. Si la capacidad humana para interpretar esos experimentos no crece al mismo ritmo, el cuello de botella se desplaza hacia la evaluación.
Ese patrón puede repetirse en toda la cadena.
Si los agentes automatizan programación, el límite puede pasar al cómputo.
Si aumenta el número de experimentos, puede pasar a evaluación.
Si los modelos adquieren capacidades más sensibles, puede trasladarse a seguridad y alignment.
La automatización no elimina necesariamente los cuellos de botella. Los mueve.
Esta dinámica ayuda a explicar por qué la infraestructura física está adquiriendo tanta importancia en la investigación frontier.
Si cada científico puede mantener varios agentes trabajando simultáneamente durante horas, la producción científica empieza a depender todavía más de GPU, redes, almacenamiento, electricidad e inference.
Los centros de datos dejan entonces de ser solamente infraestructura para entrenar modelos.
Se convierten también en infraestructura para producir investigación.
Esto introduce una métrica económica que será cada vez más importante:
cuánto progreso científico adicional produce cada dólar de cómputo dedicado a agentes.
No cuántos tokens consumen.
No cuánto código generan.
No siquiera cuántos experimentos ejecutan.
Lo relevante es cuántas ideas sobreviven al proceso de evaluación y terminan mejorando realmente un modelo.
OpenAI todavía no publica una métrica directa de ese tipo.
Por ahora tenemos indicadores indirectos.
Uno especialmente revelador aparece en las tareas de soporte interno. Equipos que anteriormente mantenían sesiones para ayudar a investigadores con problemas de infraestructura observaron una caída de las consultas durante 2026. Uno incluso eliminó esas sesiones porque los agentes resolvían una parte suficiente del troubleshooting.
Ese tipo de automatización puede parecer menos espectacular que descubrir una nueva arquitectura neuronal, pero probablemente represente una parte importante de la productividad real.
Cada problema resuelto automáticamente devuelve tiempo al investigador.
La frontera actual aparece con mayor claridad cuando observamos cuánto tiempo pueden trabajar los agentes sin ayuda.
OpenAI señala que, durante los últimos seis meses, más de la mitad de las tareas exitosas estimadas en cuatro a ocho horas necesitaron al menos una intervención humana.
La autonomía, por tanto, está aumentando, pero todavía no equivale a independencia.
Los agentes funcionan cada vez mejor en código, infraestructura, análisis técnico, evaluaciones y ejecución experimental. La planificación científica de alto nivel sigue estando mayoritariamente en manos humanas.
Y conforme el horizonte temporal de los agentes aumenta, también crece otro problema: la seguridad.
Un chatbot que genera texto durante unos segundos tiene una superficie de acción limitada. Un agente de investigación puede escribir código, utilizar herramientas, manejar credenciales, interactuar con infraestructura y ejecutar procesos durante horas.
Las características que lo hacen productivo también amplían el impacto potencial de un error.
OpenAI ya ha tenido que adaptar su infraestructura a esa realidad. Después de detectar comportamientos no deseados de agentes durante 2026, endureció entornos de ejecución, limitó accesos y reforzó controles.
El caso de Astra ofrece un ejemplo particularmente claro. Tras obtener evidencia preliminar de que el modelo podía acercarse al nivel Critical de capacidad cibernética de su Preparedness Framework, OpenAI impuso restricciones adicionales sobre los entornos donde podía utilizarse.
Durante la semana siguiente, la asignación de GPU a experimentos Astra cayó 59.2%. Al mismo tiempo, la asignación a otras clases de modelos aumentó 17.2%, compensando alrededor del 85% de esa reducción.
La cifra revela una característica económica poco discutida de la investigación frontier.
La seguridad también consume capacidad productiva.
Aislar redes, restringir herramientas, proteger credenciales, monitorizar acciones y revisar resultados tiene costos.
Por eso una futura evaluación de agentes científicos deberá contabilizar algo más que productividad bruta.
La métrica relevante será:
trabajo útil y seguro producido después de incluir cómputo, supervisión y contención.
Ahí aparece la tensión central de la investigación agentic.
Para que un agente produzca más valor debe poder trabajar durante más tiempo, utilizar más herramientas y tomar más decisiones sin consultar constantemente al humano.
Pero cuanto mayor sea esa autonomía, más importante resulta saber qué puede tocar, qué puede modificar y cómo detenerlo.
Productividad y control dejan de ser problemas separados.
Son dos lados del mismo sistema.
Esta evolución conduce inevitablemente a una pregunta más ambiciosa: si los agentes ayudan a desarrollar mejores modelos, y esos modelos producen agentes más capaces, ¿puede surgir un ciclo donde la investigación se acelere progresivamente?
OpenAI relaciona esa posibilidad con la idea de recursive self-improvement, pero reconoce que todavía no sabe cómo alcanzar de forma segura una RSI completa y alineada.
Ese límite factual debe mantenerse con claridad.
OpenAI no ha demostrado una IA capaz de mejorarse autónomamente.
Lo que sí está demostrando es algo más concreto: una parte creciente del ciclo de investigación humana puede delegarse en agentes.
Eso ya puede alterar la estructura competitiva de la industria.
Hasta ahora, disponer de más investigadores excepcionales constituía una ventaja difícil de replicar. En un entorno agentic, la pregunta pasa también a ser cuánta capacidad automatizada puede coordinar cada uno de esos investigadores.
Un laboratorio con cien científicos y una infraestructura agentic muy eficiente podría disponer de una capacidad experimental muy distinta a otro con el mismo número de personas.
Por eso puede emerger una nueva medida:
research throughput.
Cuántas hipótesis puede probar un laboratorio.
Cuánto tarda en convertir una idea en un experimento.
Cuántas líneas puede explorar simultáneamente.
Cuánto cuesta descartar una hipótesis equivocada.
Y cuánto tiempo necesita para convertir una mejora prometedora en parte de un modelo de producción.
Ese conjunto de métricas dirá mucho más sobre el futuro de la investigación automatizada que contar jornadas-agente.
El dato de 3.1 sigue siendo importante porque demuestra que el fenómeno ha alcanzado una escala operacional considerable.
Pero no es el resultado final.
Es la señal de que una nueva capa de trabajo ha entrado en el laboratorio.
La inteligencia artificial todavía no decide qué investigar ni controla autónomamente el proceso científico. El juicio humano continúa marcando objetivos, interpretando evidencia y tomando las decisiones más importantes.
Lo que está cambiando es la cantidad de trabajo que puede existir entre esas decisiones.
Y si esa capacidad sigue creciendo, la productividad de un laboratorio dejará de depender únicamente de cuántas personas consigue contratar.
También dependerá de cuántas horas de trabajo automatizado útil puede poner detrás de cada investigador.
Ese puede ser el cambio verdaderamente importante.
La pregunta de la próxima generación de IA ya no será solamente:
¿qué puede hacer el siguiente modelo?
También será:
¿cuánto más rápido puede ayudarnos a construir el que viene después?