OpenAI dice haber alcanzado una meta que hace un año todavía estaba planteada como objetivo futuro: disponer de un sistema que funcione como un interno de investigación automatizado bajo supervisión humana. La afirmación aparece en una publicación que intenta medir no sólo capacidades del modelo, sino cómo los agentes están cambiando el trabajo cotidiano dentro del propio laboratorio.
El primer hecho es la definición que utiliza OpenAI. Un “interno de investigación” no significa una IA que decide por sí sola qué ciencia hacer. La empresa lo define como un sistema capaz de realizar tareas de investigación bien delimitadas bajo dirección humana, incluso trabajos que para un investigador experto podrían ocupar varios días. Las personas siguen estableciendo prioridades, evaluando ideas y decidiendo si un resultado merece escalarse.
El segundo hecho son los datos de uso interno. OpenAI afirma que, a mediados de agosto, su organización de investigación utilizaba 3.1 jornadas de trabajo de agentes por cada jornada humana de ocho horas. También señala que el investigador mediano integraba agentes a diario y utilizaba más de 600 dólares diarios de inferencia calculados a precios de API, mientras que el percentil 90 superaba los 7,000 dólares.
El tercer dato introduce una corrección importante a cualquier lectura triunfalista. En los últimos seis meses, más de la mitad de las tareas exitosas con una duración estimada de cuatro a ocho horas requirieron una o más intervenciones humanas. OpenAI también reconoce que sus métricas son preliminares y que los indicadores fáciles de medir, como código producido o número de experimentos, no siempre permiten traducir directamente la actividad de agentes en progreso científico.
La empresa observa, además, un cambio en el tipo de trabajo delegado. Los agentes no sólo producen código: también ayudan con infraestructura de investigación, monitoreo de ejecuciones, análisis y soporte técnico. Aun así, la planificación de alto nivel representa una fracción pequeña de los tokens utilizados por los agentes. Eso sugiere que la automatización está avanzando primero en partes ejecutables del proceso, no en la definición completa de los objetivos científicos.
El horizonte siguiente es más ambicioso. OpenAI afirma que está avanzando hacia un investigador automatizado para marzo de 2028. La compañía vincula esa posibilidad con la idea de acelerar investigación sobre aprendizaje profundo y alineación, pero también reconoce que no sabe todavía cómo llegar de manera segura a una automatización completa de la investigación.
La parte más valiosa de la publicación, entonces, no es la etiqueta de “investigador autónomo”. Es la evidencia de que los agentes ya están ocupando segmentos medibles del trabajo científico y que la organización está aprendiendo dónde funcionan y dónde siguen necesitando dirección. El salto futuro dependerá de que esa autonomía pueda extenderse a tareas más abiertas sin perder control, trazabilidad y capacidad de detectar errores.