OpenAI ya usa 3,1 jornadas de agentes por cada jornada humana
OpenAI publicó el 6 de septiembre de 2026 una medición interna de su organización de investigación: a mediados de agosto, sus agentes acumulaban 3,1 jornadas de ejecución por cada jornada humana estándar de ocho horas. Con esos datos, la empresa afirmó haber alcanzado el objetivo que denomina «becario de investigación automatizado».
El anuncio del 6 de septiembre no describe a un científico autónomo ni demuestra que la producción de OpenAI se haya triplicado. La compañía define el hito como la capacidad de realizar, bajo dirección humana, tareas bien delimitadas que podrían ocupar varios días a una persona experta; sus propias cifras muestran que la supervisión continúa siendo frecuente.
Qué mide realmente la proporción 3,1:1
Una jornada-agente expresa tiempo de ejecución en unidades equivalentes a ocho horas. El numerador suma la actividad de los agentes de programación en la organización de investigación, mientras que el denominador representa el trabajo humano agregado. El cociente compara dos cantidades de tiempo, no dos volúmenes de resultados aceptados.
La diferencia importa porque las sesiones pueden funcionar simultáneamente. Un investigador puede iniciar varios agentes, y estos pueden crear subagentes, de modo que el sistema acumule más horas de ejecución de las que caben de forma secuencial en la jornada de una persona. Esa concurrencia explica cómo la actividad automatizada puede superar al tiempo humano sin implicar que cada hora de cómputo produzca una hora equivalente de conocimiento útil.
También quedan fuera de la proporción la calidad de las respuestas, los intentos fallidos, el coste de revisar el trabajo y el valor científico de cada tarea. El análisis de Matt McDonagh subraya precisamente esa separación: una jornada-agente no equivale a una jornada humana de resultados y la cuestión relevante es cuánto trabajo valioso queda después de contar supervisión, correcciones y revisión.
Más experimentos no prueban una productividad tres veces mayor
OpenAI observó durante 2026 un aumento de los experimentos por investigador activo, hasta alcanzar en agosto el nivel más alto desde que comenzó el seguimiento en enero de 2025. Sin embargo, la adopción de Codex coincidió con un crecimiento importante del cómputo disponible. Los datos publicados no permiten aislar cuánto del aumento corresponde a los agentes y cuánto a la mayor capacidad informática u otros cambios internos.
La productividad científica depende además de que todas las fases del proceso funcionen juntas: escoger una pregunta relevante, diseñar un experimento válido, construir la infraestructura, ejecutar las pruebas, interpretar los resultados y decidir qué hallazgo merece incorporarse a un modelo. Acelerar la programación o multiplicar las ejecuciones puede ensanchar una parte del flujo mientras la evaluación humana, el cómputo o la integración final se convierten en el nuevo cuello de botella.
Por eso, el dato sí acredita una expansión sustancial de la capacidad de ejecución paralela, pero no ofrece una tasa comparable de descubrimientos, mejoras reproducibles o avances incorporados. Para sostener que la productividad se multiplicó por 3,1 haría falta medir resultados aceptados por unidad de trabajo humano, descontar errores y repeticiones, e incluir el tiempo dedicado a dirigir y revisar a los agentes.
La intervención humana sigue formando parte del éxito
La dependencia aparece con claridad en las tareas largas. Durante los seis meses analizados, más de la mitad de las tareas exitosas estimadas en cuatro a ocho horas de trabajo humano requirieron al menos una intervención de una persona, una limitación que también recoge la cobertura de TNW. El análisis excluyó resultados cuya clasificación era incierta y segmentos con menos de 50 sesiones o 50 usuarios únicos.
«Exitosa» no significa, por tanto, «autónoma». El resultado puede haber llegado después de que un investigador corrigiera el rumbo, aportara contexto o resolviera un bloqueo. La información publicada tampoco cuantifica la duración de esas intervenciones, por lo que una indicación breve y una revisión extensa quedan reunidas bajo la misma categoría.
Entre enero y agosto creció la actividad de agentes en las seis fases con las que OpenAI clasifica la investigación: decidir, diseñar, construir, ejecutar, analizar y comunicar. El reparto, sin embargo, siguió siendo desigual. La planificación de alto nivel representó una fracción mínima de los tokens generados por los agentes, mientras aumentaron especialmente la asistencia técnica y la supervisión de ejecuciones.
Las personas continúan fijando prioridades, juzgando qué ideas y resultados deben proseguir y resolviendo si un sistema se escala, se detiene o se despliega. El «becario» funciona así como una capa de ejecución dirigida: puede ampliar las tareas que avanzan simultáneamente, pero no sustituye las decisiones que determinan cuáles son pertinentes y cuándo un resultado es válido.
Un hito interno con una metodología todavía preliminar
La etiqueta «becario de investigación automatizado» es una definición funcional de OpenAI, no una categoría técnica normalizada ni la presentación de un producto independiente. La empresa considera cumplido el objetivo porque sus sistemas pueden abordar tareas acotadas de varios días bajo dirección humana. Su meta de crear un investigador de IA automatizado para marzo de 2028 permanece, en cambio, como un objetivo futuro.
Las métricas proceden de los sistemas internos de OpenAI y cubren la mayor parte, pero no todo, el uso de agentes. La palabra «investigador» incluye también a miembros de la organización que construyen infraestructura, gestionan proyectos o prestan otras funciones de apoyo. Además, la clasificación del éxito y de la dificultad estimada depende de métodos que la propia compañía considera preliminares.
Lo confirmado es que, a mediados de agosto de 2026, el tiempo agregado de ejecución de agentes dentro de la organización de investigación ya era 3,1 veces el trabajo humano medido en jornadas de ocho horas. Todavía faltan métricas comparables sobre resultados validados, coste de supervisión, intentos descartados y contribución del cómputo para saber cuánto de esa actividad paralela se convierte en una aceleración científica efectiva.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.