Cómo usa OpenAI agentes de código en su investigación: métricas y límites
Qué anunció OpenAI
OpenAI informó el 6 de septiembre que, según sus propias mediciones, alcanzó la meta interna de contar con un «research intern» automatizado para septiembre. Define ese sistema como uno capaz de completar tareas de investigación bien delimitadas bajo dirección humana, incluso algunas que tomarían varios días a una persona experta. El anuncio describe el trabajo dentro de su organización de investigación; no presenta un producto público con esa capacidad ni demuestra que cualquier empresa pueda reproducir el resultado.
El matiz de «bajo dirección humana» cambia la lectura del titular. OpenAI dice que sus investigadores siguen eligiendo prioridades, evaluando ideas y resultados, y decidiendo si un sistema se amplía, se pausa o se despliega. La automatización que describe se aplica a partes del proceso de investigación, no a una sustitución demostrada de toda la función de I+D.
Lo que miden los datos internos
OpenAI informa que el uso de agentes de programación creció dentro de su equipo de investigación. A mediados de agosto estimó 3,1 jornadas de ejecución de agentes por cada jornada laboral humana, usando una jornada estándar de ocho horas como unidad de tiempo. Esa proporción mide actividad de los agentes; no equivale a una productividad 3,1 veces mayor ni a tres investigadores adicionales por persona.
La compañía también observó más experimentos por investigador activo durante 2026. Advierte que el aumento coincide con mayor uso de Codex, pero también con un crecimiento importante del cómputo disponible. Por eso no atribuye todo el cambio a los agentes ni afirma que el ritmo general de descubrimiento vaya a seguir el mismo patrón.
En las tareas con resultado evaluable, OpenAI informa que las tasas de éxito aumentaron, en general, entre enero y julio en varias franjas de dificultad, aproximadas mediante el tiempo que llevaría a una persona completar la tarea. El límite es visible: en los seis meses examinados, más de la mitad de las tareas exitosas estimadas en cuatro a ocho horas necesitaron al menos una intervención humana. Sus métodos y mediciones todavía se describen como preliminares y cubren la mayor parte, pero no la totalidad, del uso de agentes de programación.
Qué puede aprender una empresa
Para una organización que explora agentes, este caso sugiere empezar por tareas acotadas con un resultado que se pueda revisar: reproducir un análisis, preparar una prueba, explorar datos o documentar una hipótesis. Un equipo de marketing, por ejemplo, podría probar un agente de código para preparar un análisis reproducible de variantes de campaña con datos aprobados y anonimizados; una persona tendría que revisar el código y la interpretación. Antes de ampliar un piloto así, conviene registrar la calidad del resultado, el tiempo humano de supervisión, las correcciones, el costo de cómputo y los fallos. Es un experimento propuesto, no una capacidad o un resultado que OpenAI atribuya a empresas externas.
La comparación útil es contra el proceso actual y sobre tareas equivalentes. Más tiempo de ejecución de agentes no garantiza ahorro si las personas deben corregir más errores, si faltan datos confiables o si el resultado no se incorpora a una decisión. Los hallazgos de OpenAI justifican probar el método con controles; no permiten prometer retorno económico ni autonomía completa para un equipo de negocio.
El alcance real del hito
El anuncio es relevante porque muestra un uso interno intensivo de agentes en investigación de frontera y publica métricas con algunas limitaciones metodológicas. La conclusión que sí se puede sostener es más estrecha: OpenAI afirma que sus sistemas ya pueden abordar tareas de investigación definidas y supervisadas que antes tomarían días a un experto. La mejora de productividad general, su seguridad en otros entornos y su utilidad comercial requieren evaluaciones propias e independientes.
OpenAI añade que busca avanzar hacia un investigador automatizado de IA para marzo de 2028. Esa es una meta futura declarada por la compañía, no una fecha de disponibilidad comercial.
Preguntas frecuentes
¿OpenAI lanzó un producto de investigación automatizada?
No. Es un hito interno sobre el uso de agentes por parte de sus propios investigadores.
¿Los agentes trabajan de forma autónoma?
No. OpenAI enfatiza que operan bajo supervisión humana y más de la mitad de tareas complejas requirieron intervención.
¿Significa que los equipos son tres veces más productivos?
No. La métrica de 3,1 jornadas mide tiempo de ejecución de computación de agentes, no producción neta.
Fuente: OpenAI, «Research acceleration: The view inside OpenAI».
