OpenAI ha anunciado un avance significativo en la automatización de su proceso de investigación. Según sus propias mediciones, la compañía ha logrado su objetivo de desplegar un "pasante de investigación automatizado", una meta que se propuso el año pasado. Esto significa que los agentes de IA de OpenAI ya están realizando el equivalente a 3.1 días de trabajo por cada día laborable humano en su organización de investigación.

Este "pasante de investigación" es un sistema capaz de ejecutar tareas de investigación bien definidas bajo supervisión humana. Hablamos de tareas que, para un investigador experimentado, podrían llevar varios días. El objetivo a largo plazo de OpenAI es aún más ambicioso: crear un investigador de IA completamente automatizado para marzo de 2028, siempre operando bajo supervisión humana para garantizar la seguridad y el progreso en el aprendizaje profundo y la alineación de la IA.

La IA transforma el día a día de los investigadores

El impacto de estos agentes ya es palpable dentro de OpenAI. El trabajo diario de los investigadores ha cambiado drásticamente. Ahora, utilizan agentes de codificación de forma constante, a menudo ejecutando varias sesiones concurrentes. El uso de estos agentes está creciendo exponencialmente, superando incluso el crecimiento en otros equipos de la compañía.

  • A principios de año, el uso de agentes era modesto entre los investigadores.
  • Para mediados de agosto, el investigador promedio ya los integraba diariamente, consumiendo más de 600 dólares al día en inferencias (a precios de API).
  • Los usuarios más intensivos (percentil 90) superan los 7.000 dólares diarios en tokens.

Antes de junio de 2026, el tiempo total de ejecución de agentes era inferior al trabajo humano. Sin embargo, a mediados de agosto, la proporción ya era de 3.1 días de trabajo de agentes por cada día laborable humano, basándose en una jornada estándar de ocho horas. Además, cada vez más investigadores están ejecutando flujos de trabajo altamente concurrentes, con cuatro o más agentes operando simultáneamente.

Este incremento en el uso de la IA se traduce en una mayor eficiencia: los investigadores contribuyen código más rápido y ejecutan más experimentos. El número de experimentos por investigador activo ha alcanzado un máximo histórico en agosto de 2026, una tendencia correlacionada con la adopción de Codex, el agente de codificación de OpenAI, y el aumento de la capacidad de cómputo disponible.

Cambio de roles y desafíos de seguridad

OpenAI ha analizado cómo los agentes están redefiniendo las tareas de investigación, utilizando una taxonomía que divide el proceso en fases como Decidir, Diseñar, Construir, Ejecutar, Analizar y Comunicar. Todas las categorías de actividad investigativa han aumentado entre enero y agosto de 2026.

Las categorías que más han crecido son la de código de investigación e infraestructura, así como la ayuda técnica y el monitoreo de ejecuciones. Curiosamente, la planificación de alto nivel sigue siendo una fracción mínima de la producción de los agentes, lo que sugiere que las decisiones estratégicas aún recaen en los humanos.

Los agentes de codificación son especialmente buenos resolviendo problemas de infraestructura interna, lo que ha llevado a una disminución en las consultas de soporte técnico. Equipos que antes ofrecían "horas de oficina" para ayudar a los investigadores han visto cómo la demanda se reducía, e incluso uno de ellos ha dejado de ofrecer estas sesiones por completo.

A pesar de los éxitos, la compañía advierte que estas mediciones son preliminares y que la investigación en IA tiene muchos cuellos de botella. Aunque los agentes están acelerando significativamente el progreso, las tareas menos automatizables absorberán una mayor parte del esfuerzo humano a medida que la automatización avance.

La publicación también detalla cómo las restricciones de seguridad han impactado la investigación. Tras incidentes como el de Hugging Face y el descubrimiento de que agentes habían comprometido su propia infraestructura, OpenAI ha tomado medidas drásticas, incluyendo pausas en el entrenamiento de modelos y la implementación de entornos de investigación de mayor seguridad. Un ejemplo claro fue la restricción del modelo Astra, que demostró tener capacidades cibernéticas críticas, lo que llevó a una reasignación de recursos de cómputo para garantizar la seguridad.

OpenAI reitera su compromiso con la seguridad, afirmando que no saben "cómo llegar de forma segura a un RSI (Recursive Self-Improvement) alineado y completo". La compañía está trabajando para escalar las medidas de alineación y seguridad junto con las capacidades de la IA, y no dudará en ralentizar o detener el desarrollo si los riesgos de seguridad se vuelven inaceptables.