Los agentes de OpenAI resuelven por sí solos el 46% de las tareas de investigación de 2–4 horas; en marzo era el 23%
OpenAI ha medido cómo trabajan los agentes de código en sus propias investigaciones. Si una tarea le lleva a una persona entre 2 y 4 horas, el agente ya la completa sin ayuda en el 46% de los casos; en marzo eran el 23%. Pero el éxito depende del tipo de trabajo: el agente puede supervisar el entrenamiento de un modelo en el 79% de los casos, mientras que escribir código para inferencia (es decir, para ejecutar el modelo) le sale bien solo en el 25%. La rutina conviene dejarla en manos de los agentes; el núcleo de la infraestructura, en las de las personas.
Procesado por IA desde OpenAI Blog; editado por Hamidun News
OpenAI ha publicado su segundo informe sobre cómo los agentes de código aceleran su propia investigación en IA. El problema es que todo el mundo habla de «acelerar el desarrollo», pero pocos muestran cifras reales. El laboratorio las ha medido: si una tarea le lleva a una persona entre 2 y 4 horas, el agente ya completa el 46% de ellas sin una sola corrección humana; en marzo eran el 23%.
Es como encargarle a una IA que analice los logs de un entrenamiento fallido o que lance un experimento, sin que nadie tenga que meter mano en el resultado. En las tareas de 4–8 horas, la tasa de éxito subió del 13% al 35%. Si vas a incorporar agentes a tu equipo, esto sirve de referencia sobre qué se les puede encargar ya, qué todavía no y cuánto puede costar.
Dónde los agentes son fuertes y dónde débiles
La aceleración es desigual, y de ahí el nombre del informe: «frontera dentada». Según la taxonomía O*NET AI R&D de Epoch AI, entre el 1 de agosto y el 18 de octubre de 2026 los agentes rindieron mejor en comunicación (69%) y análisis (58%), y peor en construcción (43%).
A nivel de tareas concretas, la dispersión es aún mayor:
- monitorización de entrenamientos para detectar problemas: 79%;
- respuestas a preguntas técnicas: 72%;
- lanzamiento de ejecuciones de entrenamiento: 35%;
- montaje de entornos para evaluación, aprendizaje por refuerzo y agentes: 29%;
- código para inferencia y stacks de serving (es decir, para ejecutar el modelo y servirlo a los usuarios): 25%.
OpenAI advierte de que el avance dentro de cada categoría no refleja solo la mejora de los modelos: con el tiempo, los investigadores también cambian qué tareas delegan en los agentes. Mientras los resultados sigan siendo dispares, las categorías débiles frenarán la aceleración global y la persona seguirá siendo una pieza importante del ciclo de investigación.
Cuánto cuesta y cómo cambia el trabajo
El uso de agentes crece casi de forma exponencial. A precios de API, el investigador mediano gasta unos $2 400 al día, un 62% más que en septiembre ($1 500). En el percentil 90, es decir, entre el 10% de empleados más activos, el gasto es de $23 000 diarios, un 105% más que los $11 000 de septiembre. El aumento se debe a una mayor actividad, al paso a modelos más caros y a cambios en los propios arneses (harnesses) de los agentes.
La compañía también contabiliza «días laborables de agente»: cada 8 horas de trabajo de un agente equivalen a un día. Por investigador había de media 0,5 días de este tipo; ahora son 5,7, once veces más. La cifra es mayor en los equipos de preentrenamiento y postentrenamiento, con unos ocho, y en los de escalado e infraestructura, con unos cuatro. La métrica recoge sobre todo trabajo interactivo, por lo que puede subestimar la automatización.
A mediados de octubre, más de dos tercios de los investigadores mantenían de media, en su punto álgido, al menos cuatro agentes trabajando a la vez, y más del 10%, al menos dieciséis.
En septiembre de 2026, el coste de los agentes en equivalente API era aproximadamente el doble de la compensación monetaria de los investigadores, sin contar las acciones. Las acciones suelen representar entre el 70–80% de la compensación objetivo. Aun así, toda la operación interna (Codex, ChatGPT y API) ocupa solo el 2% del cómputo destinado a investigación.
En una encuesta se preguntó a los investigadores a qué estarían dispuestos a renunciar para conservar durante tres meses a los agentes de código más avanzados. Las respuestas medianas fueron el 30% del cómputo del equipo o, en una pregunta aparte, el 40% de la plantilla del equipo.
Seguridad e informes abiertos
El tiempo de los investigadores se desplaza hacia la seguridad. Las contribuciones semanales documentadas a Safety & Alignment crecieron un 77% entre enero y septiembre. Las causas son las nuevas incorporaciones y el paso de investigadores en activo a estas líneas.
Es el mayor crecimiento absoluto entre todas las áreas principales de OpenAI. El ritmo se aceleró de forma notable tras el incidente con Hugging Face en julio de 2026 y el trabajo posterior sobre las justificaciones de seguridad (safety cases) para el entrenamiento de modelos de frontera. El área abarca evaluaciones de alineamiento, monitorizabilidad e investigación sobre reward hacking (manipulación de la función de recompensa).
La propia compañía reconoce que la frontera entre postentrenamiento y seguridad no es trivial y que la definición puede cambiar.
OpenAI subraya que publica estas métricas porque considera que los laboratorios de IA deben seguir y hacer públicos los indicadores de automejora recursiva (RSI), es decir, cuando la IA acelera la creación de las siguientes IA. Según la empresa, el informe no implica la intención de avanzar hacia una RSI completa.
Qué hacer en la práctica
No midas la adopción de agentes por la proporción global de «código escrito por IA». Desglosa el trabajo por tipos de tarea. Los agentes asumen con más soltura la monitorización, el análisis de logs y las preguntas técnicas; el lanzamiento de experimentos y el código de infraestructura conviene mantenerlos bajo control humano. El presupuesto para agentes hay que planificarlo como una partida aparte y de rápido crecimiento: entre los usuarios más activos ya es varias veces superior a la media.
- 19 nov 2026La palabra «videojuego» elevó la disposición de GPT-6 Astra a elegir objetivos del 6% al 92%
- 19 nov 2026La IA de OpenAI mejoró en 5 meses el diseño de GPU de AMD hasta un 14% en energía, velocidad y área
- 18 nov 2026AWS integra Dynamo en HyperPod: Qwen3-235B pasa de 101 a 207 tokens/s por GPU
- 18 nov 2026El nuevo modelo Jev responde en 150 ms frente a los 1,89 s de GPT-6 Astra
Preguntas frecuentes sobre la noticia
Dónde los agentes son fuertes y dónde débiles?
La aceleración es desigual, y de ahí el nombre del informe: «frontera dentada». Según la taxonomía ONET AI R&D de Epoch AI, entre el 1 de agosto y el 18 de octubre de 2026 los agentes rindieron mejor en comunicación (69%) y análisis (58%), y peor en construcción (43%).
¿Qué se sabe sobre Cuánto cuesta y cómo cambia el trabajo?
El uso de agentes crece casi de forma exponencial. A precios de API, el investigador mediano gasta unos $2 400 al día, un 62% más que en septiembre ($1 500). En el percentil 90, es decir, entre el 10% de empleados más activos, el gasto es de $23 000 diarios, un 105% más que los $11 000 de septiembre. El aumento se debe a una mayor actividad, al paso a modelos más caros y a cambios en los propios arneses (harnesses) de los agentes.
¿Qué se sabe sobre Seguridad e informes abiertos?
El tiempo de los investigadores se desplaza hacia la seguridad. Las contribuciones semanales documentadas a Safety & Alignment crecieron un 77% entre enero y septiembre. Las causas son las nuevas incorporaciones y el paso de investigadores en activo a estas líneas. Es el mayor crecimiento absoluto entre todas las áreas principales de OpenAI.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.