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: Gemini 3.8 Flash apunta a agentes con un millón de tokens

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 conversión aritmética es 3,1 por ocho: 24,8 horas de ejecución de agentes por cada jornada humana equivalente de ocho horas. Si varios procesos se ejecutan a la vez, esa suma puede superar las horas transcurridas en el reloj. No significa que una persona disponga de 24,8 horas adicionales de trabajo validado.

Para calcular ahorro neto habría que descontar el tiempo humano dedicado a formular tareas, supervisar, revisar resultados y corregir errores. También haría falta contar los intentos descartados. Sumar únicamente ejecuciones exitosas produciría una imagen incompleta del costo de obtener un resultado aceptable.

La comparación entre investigadores requiere además tareas similares. Un flujo de pruebas automatizadas y una decisión científica abierta pueden consumir la misma cantidad de tokens y aportar valores muy diferentes. El cociente temporal describe intensidad de uso; no basta para ordenar equipos por productividad ni para estimar un retorno económico.

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.