Fable 5.2 logró resultados aceptables en el 41,3% de los proyectos freelance de RLI

Le encarga a una IA que prepare una escena tridimensional para una ficha de producto. Una hora después, el agente anuncia que todo está listo. Pero ¿se abre el proyecto? ¿Se puede cambiar el material de la carcasa? ¿Coinciden las dimensiones con lo solicitado? La promesa de la automatización suele fallar precisamente en esa distancia entre una respuesta impecable y un trabajo utilizable.

En Remote Labor Index, Fable 5.2 superó el 41,3% de los proyectos. Frente al 17,92% de Fable 5.1, supone un aumento de 23,38 puntos porcentuales. Para un desarrollador o fundador, hay un motivo concreto para experimentar: comprobar qué tareas completas ya se pueden delegar en un agente bajo la supervisión de un especialista.

Qué significa el resultado del 41,3%

En la clasificación de Scale Labs, Fable 5.2 supera a Opus 5.5, con un 21,25%, y a GPT 6 Astra, con un 20,83%. El resultado es casi el doble que el de sus competidores más cercanos. Sin embargo, el porcentaje exige una lectura cuidadosa: representa la proporción de proyectos aprobados dentro de un conjunto específico de tareas y condiciones de evaluación.

Los expertos evalúan el trabajo del agente comparándolo con el resultado de un profesional humano. La pregunta clave es si cumple lo solicitado lo bastante bien como para que un cliente razonable acepte la entrega. Esta comparación acerca la evaluación al trabajo cotidiano de los equipos, donde no basta con demostrar que un paso aislado ha salido bien.

Aun así, el 41,3% no debe interpretarse como la probabilidad de éxito de cualquier encargo suyo. Su equipo puede tener otros requisitos, formatos y una distribución distinta de tareas. Además, incluso en el propio benchmark, la mayoría de los proyectos todavía no supera la evaluación.

Cómo probarlo en su propio flujo de trabajo

Volvamos a la escena para una ficha de producto. Es un ejemplo hipotético, no el resultado publicado de una tarea concreta de Fable. Supongamos que el encargo incluye un modelo del objeto, iluminación, varios ángulos de cámara y un archivo fuente editable. Una imagen atractiva no basta para aprobar la entrega: el siguiente diseñador tendrá que trabajar con ese archivo.

Conviene organizar la prueba piloto en torno al paquete completo de entrega. Proporcione al agente las mismas instrucciones y los mismos materiales de partida que recibiría un proveedor externo. Deje por escrito los criterios de antemano: dimensiones requeridas, archivos que debe incluir la entrega, posibilidad de edición y correspondencia con las referencias. Después, entregue el resultado a un especialista que sepa evaluar este tipo de trabajo.

Pida a quien lo revise que registre por separado el tiempo dedicado a las correcciones. El agente puede preparar rápidamente una base, pero exigir después muchas horas de retoque manual. Para la empresa, esas horas forman parte del coste del resultado, junto con los gastos de ejecución y revisión.

También resulta útil conservar los intentos fallidos. Si el sistema pierde texturas con frecuencia u omite parte de los requisitos, aparece un problema de ingeniería concreto: añadir una comprobación de que están todos los archivos, precisar los datos de entrada o limitar su ámbito de uso. Una puntuación media no basta para tomar esa decisión.

Hasta dónde llegan las conclusiones de la clasificación

La publicación original de Telegram también afirma que hay avances en audio, arquitectura y modelado tridimensional, además de casi 50 tareas resueltas por primera vez por algún sistema. La página pública de la clasificación no respalda esos detalles con un análisis específico de Fable 5.2. Todavía es pronto para utilizarlos como base para elegir una herramienta.

La propia comparación tiene otra limitación: RLI excluye los proyectos que requieren comunicación directa con el cliente. En un encargo real, acordar expectativas, aclarar un requisito ambiguo y responder a las correcciones puede representar una parte sustancial del trabajo. Por tanto, el resultado de la prueba no describe todo el ciclo de la relación con el cliente. La metodología de RLI también indica que la métrica Automation Rate no tiene intervalo de confianza.

Para un responsable de producto, el siguiente paso razonable es elegir un tipo de tarea recurrente con criterios de aceptación claros y realizar una pequeña prueba interna. La decisión de adoptar la herramienta debería basarse en la proporción de entregas aceptadas, el tiempo del especialista y el coste final. El avance hasta el 41,3% hace más interesante esa prueba; el equipo todavía tendrá que medir por su cuenta el impacto económico.