OpenAI levanta el capó: así escriben código sus agentes (y por qué no es magia)

OpenAI ha roto su habitual voto de silencio. Tras meses guardando sus secretos con más celo que la receta de la Coca-Cola, sus desarrolladores han publicado de repente los detalles de cómo sus modelos pasan de ser autocompletadores de texto avanzados a ingenieros de pleno derecho. Se trata del diseño técnico de sus agentes de programación, y este análisis ofrece una oportunidad poco habitual de asomarse a un futuro en el que programar deja de ser un trabajo manual. Hay que reconocerlo: en los últimos años el nombre de OpenAI sonaba más bien irónico, pero esta publicación técnica nos devuelve a la época en que la compañía compartía de verdad su conocimiento.

El foco está en el llamado «ciclo del agente», o agent loop. Hasta ahora estábamos acostumbrados a que la red neuronal devolviera un fragmento de código en respuesta a una petición. Si no funcionaba, el problema era tuyo. Ese enfoque ha cambiado de raíz. OpenAI describe un sistema que trabaja por iteraciones: el modelo escribe código y lo ejecuta de inmediato en un «sandbox» cerrado. Después recibe el informe de errores del compilador y vuelve al principio para corregir sus propios fallos. El proceso se repite hasta que los tests pasan con éxito. En esencia, la compañía ha automatizado lo mismo que hace cualquier junior durante su primer año de trabajo, solo que miles de veces más rápido.

¿Por qué importa precisamente ahora? Seamos sinceros: últimamente Claude 3.5 Sonnet, de Anthropic, le ha amargado bastante el ánimo al equipo de Sam Altman al hacerse con el liderazgo en programación.

Publicar estos detalles técnicos va más allá de un gesto de buena voluntad: es un intento de demostrar que OpenAI sigue marcando el rumbo en arquitectura. Su apuesta no está en el tamaño del modelo, sino en la complejidad del sistema que lo rodea. Resulta que incluso un modelo que no es el más potente, bien integrado con herramientas de depuración, puede ofrecer mejores resultados que una supercomputadora «a pelo».

Es un cambio de fondo en la industria: pasamos de la carrera de parámetros a la carrera de arquitecturas de agentes.

Resulta interesante cómo describe OpenAI la gestión del contexto. Los agentes ya no se limitan a leer un solo archivo: saben «orientarse» dentro del repositorio y entienden las relaciones entre las distintas partes del proyecto. Así se resuelve el gran problema de la programación con IA: que el modelo, al corregir una línea, rompa toda la arquitectura de la aplicación.

Ahora el agente primero construye un mapa de dependencias y solo después se pone ante el teclado virtual. Este enfoque permite abordar tareas al nivel de SWE-bench, el test más exigente para la IA, en el que hay que corregir bugs reales de proyectos de código abierto en GitHub. Y, a juzgar por las cifras que aporta la compañía, estamos a las puertas de que la IA pueda cerrar hasta la mitad de los tickets rutinarios de Jira sin intervención humana.

Como era de esperar, la ironía no tarda en aparecer. Mientras OpenAI enseña a sus agentes a escribir código perfecto, desarrolladores de todo el mundo empiezan a preguntarse si no estarán construyendo la herramienta de su propio despido. Aun así, la sustitución total del ser humano queda lejos.

El principal problema son las «alucinaciones lógicas»: código sintácticamente correcto que incluso pasa los tests, pero que hace algo muy distinto de lo que pedía el negocio. Los agentes de OpenAI todavía no han aprendido a discutir especificaciones técnicas mal planteadas, y ahí está nuestra salvación temporal. Sin embargo, la dirección está clara: desarrollar software se está convirtiendo en supervisar un ejército de agentes autónomos, en lugar de escribir líneas a mano.

Lo esencial: la era de los prompts simples para generar código toca a su fin y llega la de los sistemas de agentes complejos. ¿Podrá OpenAI mantener el liderazgo en este segmento o la adelantarán startups más ágiles?