Imaginar que un sistema de inteligencia artificial colabore en el diseño de su propio sucesor dejó de pertenecer a los debates futuristas para convertirse en rutina dentro de los laboratorios tecnológicos. Cuando las herramientas automatizadas asumen jornadas enteras de trabajo en horas o aceleran ciclos de desarrollo que antes exigían meses, la forma de investigar cambia por completo. Con cifras inéditas divulgadas a mediados de noviembre, el ecosistema de OpenAI y la competencia del sector dejan ver el alcance real de esta transformación.

Inteligencia Artificial
Freepik

Salto en autonomía operativa y gasto diario en agentes de investigación

El informe dado a conocer el 18 de noviembre muestra que la tasa de éxito estimada de los agentes en tareas de dos a cuatro horas de duración escaló del 23% en marzo al 46% en octubre de 2026, mientras que los encargos de entre cuatro y ocho horas pasaron del 13% al 35% en el mismo lapso, aunque la propia compañía matizó que parte del avance responde a qué tareas deciden delegar los investigadores. Los porcentajes varían según la función: alcanzan el 79% en monitoreo de entrenamientos, el 35% en lanzamientos de entrenamiento y el 25% en programación para sistemas de inferencia.

A ese despliegue se suma un fuerte incremento del uso interno: cada investigador promedió el equivalente a 2.400 dólares diarios en agentes durante octubre a precios de lista de la API —un 62% más que en septiembre—, con picos que llegaron a 23.000 dólares al día tras subir un 105%, ejecutando en promedio 5,7 jornadas laborales de agentes por día calendario, once veces por encima de mayo, con dos tercios empleando cuatro o más en simultáneo durante los momentos de mayor actividad y 27 de 28 encuestados prefiriendo el modelo interno más reciente frente a un ingeniero humano de carrera media asistido por un modelo de 2024.

Inteligencia artificial
Magnific

Conversaciones con Codex, límites en las ideas y el caso de Anthropic

En el terreno creativo, la compañía detalla que para GPT-6 Astra —lanzado en septiembre— los investigadores de preentrenamiento atribuyeron todas las ideas centrales a personas con apoyo de los modelos en la implementación, mientras que con GPT-6.2 Astra, estrenado el mismo día del informe, algunos miembros de preentrenamiento relataron haber madurado ideas conversando con Codex, aunque en postentrenamiento y seguridad las ideas nombradas siguieron siendo humanas. Pese a que en un sondeo hipotético los investigadores dijeron estar dispuestos a ceder el 40% de sus colegas humanos por conservar estas herramientas, voces internas admitieron escasa confianza en mantener por mucho tiempo la ventaja ideativa y advirtieron sobre la falta de «gusto de investigación» y la aparición de «AI slop» que exige revisión.

Fuera de la firma, una auditoría de once semanas realizada por METR sobre Anthropic e informada por The Defiant el 5 de noviembre concluyó que la compañía mejora sus modelos a un ritmo 1,9 veces superior al del período entre marzo de 2024 y octubre de 2025, atribuyendo cerca del 80% de esa aceleración al uso de IA en investigación y desarrollo, mientras métricas internas de agosto indicaban que Claude lideraba con supervisión humana el 26% de esas tareas y un investigador estimó que una labor de un mes tomaría tres sin los agentes actuales.

Un cambio estructural en la forma de construir modelos avanzados

En conjunto, los datos de OpenAI y la revisión independiente sobre Anthropic reflejan que los agentes ya participan de manera sustancial en distintas etapas del desarrollo técnico. A medida que los laboratorios integran estos sistemas en su trabajo diario, medir con precisión cuánto aporta la automatización frente a la pericia humana sigue siendo uno de los grandes desafíos del sector.

[ Fuente : infobae ]

🖥️ ¿Te apasiona la tecnología? En nuestro canal de YouTube analizamos gadgets, novedades tech y mucho más.

▶ Suscribirme
0 0 votes
Article Rating
Subscribe
Notify of
guest

0 Comments