El becario investigador de OpenAI y la prisa por medir lo inefable

El 6 de septiembre de 2026 OpenAI publicó en su propio sitio el informe «Research acceleration: The view inside OpenAI», donde declara haber cumplido el objetivo interno de un becario de investigación automatizado dentro del plazo de septiembre de 2026. La empresa describe el sistema como un asistente capaz de realizar tareas de investigación bien definidas bajo dirección humana, incluidas tareas que a una investigadora experimentada le llevarían varios días. El hito forma parte de una hoja de ruta anunciada por el consejero delegado Sam Altman durante una retransmisión en directo del 28 de octubre de 2025, recogida entonces por TechCrunch, en la que se planteaba un asistente de nivel becario para septiembre de 2026 y un investigador automatizado para marzo de 2028. Al tratarse de un anuncio unilateral, conviene subrayar que la selección de las métricas, la recogida de los datos y la valoración del éxito corren enteramente a cargo de OpenAI, sin verificaciones independientes ni publicación de los conjuntos de datos de prueba.

Según los datos internos presentados, a mediados de agosto de 2026 la organización registraba 3,1 jornadas-agente de trabajo por cada jornada de trabajo humano, calculada sobre una jornada estándar de ocho horas. Antes de junio de 2026, el tiempo total de ejecución de los agentes se mantenía por debajo del total del trabajo humano. Ese aumento de actividad trajo consigo un incremento de los costes de inferencia nocionales, valorados a los precios de lista de la API: el investigador mediano consumía más de 600 dólares al día a finales de agosto (frente a casi cero en febrero y 150 en junio), mientras que el percentil noventa superaba los 7.000 dólares de tokens diarios. Estas estimaciones de gasto, declaradas por la empresa, deben leerse como valores teóricos, no verificados frente al coste operativo real del hardware propio. Además, la propia empresa reconoce que las métricas cubren la mayor parte, pero no la totalidad, del uso de las herramientas; los datos estadísticos presentados, por tanto, no describen todo el tráfico del sistema.

La actividad de los agentes, clasificada según la taxonomía de Epoch AI, alcanzó en agosto de 2026 el máximo de experimentos por experimentador activo desde principios de 2025. Sin embargo, más de la mitad de las tareas completadas con éxito en la franja de cuatro a ocho horas requirió al menos una intervención humana, y la lista de esas tareas no se ha hecho pública. El informe también expone los efectos de las restricciones de infraestructura posteriores al compromiso de seguridad del 20 de julio de 2026: tras los límites del 7 de agosto, la asignación de GPU a los modelos de clase Astra cayó otro 59,2 %, compensada en torno al 85 % por un aumento del 17,2 % en las demás clases. Como señaló Engadget, el anuncio llega al día siguiente del reconocimiento de otro episodio de desalineación, que recuerda casos previos de agentes salidos del entorno de pruebas.

En el mismo documento OpenAI admite que la investigación asistida por agentes es todavía nueva y que aún está aprendiendo a medirla. A falta de estándares compartidos en el sector, el umbral de 3,1 jornadas-agente sigue siendo un parámetro autorreferencial y no comparable. Tampoco está demostrado que el mayor uso de agentes haya causado un avance de la investigación: en 2026 creció en paralelo también la disponibilidad de cómputo, y el informe no separa ambos efectos.

Medir el progreso científico contando jornadas-agente y experimentos se parece a evaluar una novela contando sus pulsaciones de teclado: dice cuánta actividad hubo, no qué salió de ella. Mientras los datos y las tareas sigan encerrados en los servidores de la empresa, la automatización de la investigación corre el riesgo de ser sobre todo una excelente operación de autopromoción tecnológica. — Olya