OpenAI está cerca de materializar una de sus aspiraciones fundacionales: crear agentes de inteligencia artificial que puedan interactuar con ordenadores y navegadores web con la misma habilidad que un usuario humano. Desde 2015, esta meta ha impulsado la investigación de la compañía, enfrentando el desafío de generar y recopilar datos de entrenamiento adecuados para tales sistemas.

Actualmente, OpenAI considera que su tecnología ha alcanzado un punto de madurez suficiente para comenzar a ofrecer herramientas de uso de computadoras a sus clientes. Esto se ha reflejado en lanzamientos recientes, como una extensión de Chrome que permite a ChatGPT controlar el navegador, navegadores en la nube y dentro de la aplicación para interactuar con sitios web públicos, y la incorporación de la función de Uso de Computadoras a su herramienta de codificación, Codex.

La evolución de la interacción máquina-humano

Greg Brockman, presidente de OpenAI, señaló que una actualización de abril amplió el alcance de esta tecnología, haciéndola accesible no solo para programadores, sino para cualquier persona que trabaje con ordenadores. Empleados de OpenAI indican que, a pesar de las oportunidades de mejora, estas herramientas se encuentran en un punto de inflexión significativo. Competidores como Anthropic también están desarrollando capacidades similares, con su función Claude Cowork, que ya ha sido probada por al menos 600.000 organizaciones.

Ari Weinstein, gerente del equipo de Uso de Computadoras de OpenAI, anticipa un cambio fundamental en la interacción con la tecnología. “Cuando ChatGPT pueda usar ordenadores y software más rápido que tú o yo, cambiará la forma en que, por defecto, quieres interactuar con tu ordenador”, afirmó Weinstein.

Proceso de entrenamiento y desarrollo

El desarrollo de esta capacidad en los modelos de OpenAI ha implicado un entrenamiento riguroso. Zhou Yu, investigador de IA en la Universidad de Columbia, explica que las fases de entrenamiento incluyeron datos y procesos específicos para optimizar el uso de computadoras. Inicialmente, se presume que OpenAI incorporó capturas de pantalla fotograma a fotograma para prever información útil en la interacción con el ordenador.

Posteriormente, se proporcionaron a los modelos datos que demostraban entradas ideales para obtener resultados específicos, como completar formularios o modelar objetos en 3D. Estos datos, a menudo generados por instructores humanos, son costosos de obtener y preparar. Además, OpenAI ha empleado el aprendizaje por refuerzo, donde los modelos intentan completar tareas virtuales y son recompensados por el comportamiento exitoso, lo que les permite aprender y mejorar continuamente.

La interacción de los modelos con el ordenador también ha evolucionado. Anteriormente, ChatGPT analizaba capturas de pantalla píxel a píxel para insertar comandos. Ahora, puede leer rápidamente la estructura interna de una página web, incluyendo su memoria, información de accesibilidad y conexiones de enlaces. Aunque sigue utilizando capturas de pantalla, esta combinación de métodos permite una interacción más eficiente y una mejor capacidad para depurar y mejorar código, como ejemplificó Cristian Medina Ruiz, un programador que usa Codex para reconstruir el juego “SimCity”.

Conectando ChatGPT con la web abierta

Ari Weinstein y James Sun, de OpenAI, destacan el potencial de conectar los agentes de ChatGPT con diversas partes de internet. Las herramientas en línea, diseñadas predominantemente para humanos, ahora pueden ser operadas por IA para automatizar tareas como el ingreso de datos, el cumplimiento normativo y la programación de calendarios. A medida que los modelos mejoran, su capacidad para detectar y corregir errores también aumenta, facilitando la finalización de tareas complejas.

A pesar de los avances, Yu señala una brecha entre la velocidad actual de la tecnología y las expectativas de los consumidores. Aunque los agentes de uso informático funcionan bien en dominios limitados con datos de entrenamiento específicos, la generalización a cualquier página web, aplicación o sistema operativo sigue siendo un reto considerable.

Consideraciones de seguridad y privacidad

Sam Altman, CEO de OpenAI, ha advertido sobre los “riesgos potenciales” asociados con esta tecnología, enfatizando la importancia de otorgar a los agentes el acceso mínimo necesario para completar una tarea, a fin de mitigar riesgos de privacidad y seguridad.

Mark Beare, director general de Malwarebytes, expresa preocupación por la responsabilidad que recae en los usuarios. Subraya que los clientes podrían carecer de medidas de protección de privacidad adecuadas y que las empresas podrían tener dificultades para mantenerse al día con la gobernanza de la IA. Beare aconseja a los usuarios proteger sus contraseñas y datos sensibles al utilizar esta tecnología.