OpenAI afirma tener un «becario investigador» de IA y apunta a un científico automatizado para 2028

En septiembre, OpenAI anunció que había alcanzado un objetivo intermedio: un «becario automatizado para la investigación en IA». El siguiente hito es un «investigador de IA automatizado» completo, que según el plan de la compañía debería aparecer antes de marzo de 2028. Lo cuenta el medio chino Jiqizhixin en un artículo sobre cómo avanzan los agentes hacia la automejora recursiva (RSI) y por qué la memoria desempeña un papel importante en ese proceso.

Salvedad: el fragmento disponible del artículo se interrumpe justo en la mención al científico jefe de OpenAI, Jakub Pachocki. No incluye sus palabras, ni detalles técnicos, ni métricas. Todo lo que sigue se apoya solo en las líneas confirmadas del original y en la lógica evidente que las rodea.

Qué se ha afirmado exactamente

Jiqizhixin describe un cambio general: los principales laboratorios envían, «de forma insistente», la señal de que la IA deja de ser solo una herramienta para tareas humanas y empieza a participar en su propia investigación y mejora. OpenAI es el ejemplo más concreto, porque ha fijado dos puntos con fechas.

• Septiembre de 2026: se declara alcanzada la fase de «becario investigador de IA automatizado».
• Marzo de 2028: plazo para crear un «investigador de IA automatizado».
• Tema del artículo: el paso de los agentes de la memoria a la autoevolución como escalón hacia la RSI.

El texto disponible no explica cómo mide OpenAI qué es un «becario», con qué tareas se le ha evaluado ni qué parte del trabajo realiza sin intervención humana. Es la laguna principal: sin criterios, la formulación sigue siendo una declaración y no un resultado medible.

Por qué la memoria está en el centro

El título del original plantea una cadena: «memoria, autoevolución, RSI». La lógica es clara. Un agente que no recuerda sus ejecuciones anteriores empieza de cero cada vez y repite los mismos errores. Para mejorar su propio trabajo necesita almacenar experiencia: qué hipótesis probó, qué funcionó y qué no, qué herramientas y técnicas dieron resultado. Solo sobre esa base es posible el siguiente paso, en el que el agente cambia no solo su respuesta, sino también sus métodos, sus prompts, sus herramientas o el propio proceso de investigación.

Esta es nuestra interpretación del título, no un resumen de los detalles del artículo. Pero encaja bien con la forma en que hoy se desarrollan los sistemas de agentes: la memoria a largo plazo, los registros de trayectorias y la acumulación de habilidades se han convertido en un problema de ingeniería por derecho propio.

Qué sigue en el aire

La palabra «becario» puede significar muchas cosas en el trabajo de investigación. Puede ser un agente que reproduce experimentos ajenos, escribe código para ablaciones o revisa literatura. O puede ser un sistema que propone y verifica ideas por sí solo. La diferencia es enorme y, por ahora, no disponemos de datos públicos para evaluarla.

También queda la cuestión de la verificación. Si una IA participa en la mejora de otra IA, resulta más difícil confirmar de forma independiente la velocidad de ese progreso: los datos principales están dentro de los laboratorios.

Conclusión práctica

Los equipos que construyen agentes deberían tratar ya la memoria como un componente de pleno derecho del sistema, y no como un complemento de la ventana de contexto. Conviene registrar las trayectorias de las ejecuciones, etiquetar los intentos exitosos y fallidos, y comprobar si la experiencia acumulada mejora el resultado en tareas repetitivas. Mientras crezca la autonomía del agente, hacen falta límites a los cambios que pueda hacerse a sí mismo y una revisión humana obligatoria. Analistas e inversores harían bien en esperar de OpenAI no nuevos eslóganes, sino benchmarks concretos y una descripción de lo que el «becario» hace sin ayuda humana. El próximo punto de control sigue siendo marzo de 2028.