OpenAI usa 3,1 jornadas de agentes por cada investigador

OpenAI publicó una medición interna sobre cómo sus investigadores usan agentes de código. A mediados de agosto, la organización acumulaba 3,1 jornadas equivalentes de ejecución de agentes por cada jornada laboral humana de ocho horas.

También puede servirte: OpenAI destina US$1.000 millones a ciberdefensa

La empresa también afirma haber alcanzado su meta de un pasante de investigación automatizado: un sistema capaz de completar tareas bien definidas que a una persona especializada podrían llevarle varios días, siempre bajo dirección humana.

Los datos muestran más código y experimentos, pero OpenAI advierte que esas variables no equivalen directamente a progreso científico. Cómputo, diseño de evaluaciones, decisiones y revisión de seguridad pueden convertirse en nuevos cuellos de botella.

La relación 3,1 a 1 suma tiempo de ejecución, no tres investigadores virtuales autónomos. Varios agentes pueden trabajar en paralelo mientras una persona define tareas, revisa resultados, corrige errores y decide qué experimento merece continuar.

Una jornada de agente tampoco equivale automáticamente a una jornada humana de calidad comparable. El informe convierte horas de ejecución a bloques de ocho horas para describir volumen; no asigna una tasa uniforme de productividad o valor científico.

La dependencia de supervisión aparece en otra métrica: entre las tareas exitosas estimadas en cuatro a ocho horas, más de la mitad necesitó al menos una intervención. Eso indica que el resultado combina automatización con dirección y corrección humana.

La fuente primaria confirma el dato central y describe el método, pero pertenece a la organización que presenta el resultado. Las cifras necesitan conservar definición, período y población para evitar comparaciones falsas.

VisteEsto separa capacidad, uso y resultado. Una capacidad técnica habilita una tarea; el uso muestra que se ejecutó; el resultado exige una métrica ligada a calidad, seguridad o conocimiento nuevo.

Una actualización útil debería publicar datos comparables, errores y cambios de método. Sin esa continuidad, una cifra aislada funciona como fotografía del momento y no como tendencia demostrada.

El aporte original permite ubicar el límite de cada afirmación. También identifica el próximo dato que debería aparecer para decidir si la promesa se convirtió en una mejora repetible.

Las referencias complementarias aportan contexto, pero no reemplazan una evaluación independiente del caso concreto. Si aparecen diferencias, deben revisarse fecha, alcance y condiciones antes de elegir una conclusión.

Por ahora, la evidencia sostiene el hecho documentado y las restricciones declaradas. Cualquier generalización a otros equipos, modelos u observaciones necesita pruebas adicionales.

El costo también muestra intensidad: el investigador mediano llegó a más de US$600 diarios de inferencia a precios de API, mientras el percentil 90 superó US$7.000. Es una valuación interna de consumo, no necesariamente el gasto contable marginal de OpenAI.

En agosto, los experimentos por investigador activo alcanzaron el máximo desde enero de 2025. OpenAI observa correlación con la adopción de Codex y al mismo tiempo reconoce que su capacidad de cómputo creció; los datos publicados no aíslan cuánto aporta cada factor.