La compañía revela cómo sus investigadores delegan cada vez más programación y experimentos en agentes automatizados. OpenAI asegura haber alcanzado su objetivo de crear un «becario de investigación» de IA y fija para marzo de 2028 una meta mucho más ambiciosa: un investigador automatizado.
La automatización empieza a transformar desde dentro a las empresas que construyen la propia inteligencia artificial. OpenAI ya utiliza 3,1 jornadas de trabajo de agentes de IA por cada jornada laboral humana dentro de su organización de investigación, según los datos internos publicados por la compañía.
El dato permite observar una tendencia difícil de ignorar. Los agentes ya no se emplean únicamente para completar pequeñas funciones de programación: escriben código, ejecutan experimentos y asumen tareas de investigación cada vez más largas y complejas, mientras los humanos continúan decidiendo las prioridades, evaluando los resultados y determinando cuándo escalar, detener o desplegar los sistemas.
OpenAI afirma además haber alcanzado en septiembre de 2026 el objetivo que anunció el año pasado: disponer de un «becario de investigación automatizado» capaz de completar bajo supervisión humana trabajos bien definidos que podrían ocupar varios días a un investigador cualificado.
Y ese es solamente un objetivo intermedio. La compañía trabaja para disponer de un investigador de IA automatizado en marzo de 2028.
Los agentes de OpenAI ya trabajan más horas que sus investigadores
El cambio se aceleró durante 2026.
Antes de junio, el tiempo total de ejecución de los agentes utilizados por la división de investigación todavía era inferior al volumen estimado de trabajo humano.
Después se produjo el adelantamiento.
A mediados de agosto, OpenAI calculaba que por cada jornada laboral humana equivalente a ocho horas se ejecutaban 3,1 jornadas de trabajo de agentes dentro de su organización de investigación.
La métrica no significa que una IA esté sustituyendo directamente a tres empleados. Los agentes pueden ejecutarse simultáneamente, trabajar sobre tareas diferentes y consumir capacidad informática mientras un mismo investigador supervisa varios procesos.
Pero sí muestra la escala que está adquiriendo la automatización.
Los investigadores utilizan cada vez más sesiones concurrentes, llegando algunos a mantener cuatro o más agentes trabajando simultáneamente.
Más de 600 dólares diarios de inferencia por investigador
Existe otro dato que permite comprender la magnitud del fenómeno: el coste computacional.
A comienzos de 2026, el investigador mediano de OpenAI utilizaba los agentes de programación de manera relativamente limitada.
A mediados de agosto, el investigador situado en la mediana consumía más de 600 dólares diarios de inferencia calculados a precios de API.
En el percentil 90 —el 10% de usuarios más intensivos— el consumo superaba los 7 000 dólares diarios.
Eso no significa necesariamente que OpenAI pague internamente esas cantidades como si fuera un cliente externo. La compañía utiliza los precios de su API como referencia para cuantificar el volumen de computación empleado.
La cifra, sin embargo, muestra cuánto procesamiento puede necesitar un modelo cuando deja de responder preguntas ocasionales y empieza a trabajar continuamente como agente de investigación.
OpenAI pasa de pedir código a delegar tareas completas
El cambio más importante no está únicamente en cuánto se utilizan los agentes, sino en qué trabajos reciben.
Al principio, buena parte de su utilidad estaba concentrada en tareas relativamente concretas de programación.
Ahora los investigadores delegan procesos de mayor nivel y duración.
OpenAI clasifica el trabajo de investigación y desarrollo de IA en diferentes fases: decidir qué investigar, diseñar soluciones, construir código y conjuntos de datos, ejecutar entrenamientos y evaluaciones, analizar resultados y comunicar conclusiones.
La compañía sostiene que la delegación está avanzando hacia tareas de horizonte temporal más largo y mayor complejidad.
Eso acerca progresivamente estos sistemas al concepto de un colaborador técnico capaz de recibir un objetivo y trabajar durante horas antes de devolver resultados.
Los humanos todavía siguen tomando las decisiones importantes
La propia OpenAI introduce una cautela fundamental.
Más agentes, más código y más experimentos no significan que la velocidad de progreso científico vaya a multiplicarse automáticamente en la misma proporción.
La investigación tiene numerosos cuellos de botella.
Una IA puede generar código rápidamente, pero alguien debe decidir qué hipótesis merece la pena explorar. También hay que interpretar los resultados, identificar errores, asignar recursos computacionales y decidir si un avance es suficientemente sólido y seguro para incorporarlo a un modelo.
OpenAI asegura que las personas continúan estableciendo las prioridades de investigación, juzgando qué ideas deben seguir adelante y tomando las decisiones sobre escalar, pausar o desplegar sistemas.
Esta distinción es esencial para interpretar correctamente la cifra de las 3,1 jornadas automatizadas.
Los experimentos también se están multiplicando
La adopción de agentes coincide con otro fenómeno interno: los investigadores están ejecutando más experimentos.
Según OpenAI, agosto de 2026 registró el mayor número de experimentos por experimentador activo desde que comenzó a recopilar esta métrica en enero de 2025.
La compañía señala una correlación con la mayor adopción de sus herramientas de programación, aunque advierte de que durante el mismo periodo también aumentó considerablemente la capacidad de computación disponible.
Por tanto, no puede atribuirse todo el incremento exclusivamente a los agentes.
La conclusión más prudente es que la combinación de modelos más capaces, mayor automatización y más infraestructura informática está permitiendo realizar un volumen superior de pruebas.
El objetivo de septiembre: un «becario de investigación» automatizado
OpenAI sostiene que ya ha alcanzado uno de los objetivos más llamativos de su hoja de ruta.
La compañía utiliza deliberadamente la expresión «automated research intern», que puede traducirse como «becario de investigación automatizado».
No se refiere a una persona virtual con autonomía completa.
OpenAI define esta etapa como un sistema capaz de realizar tareas de investigación bien delimitadas bajo dirección humana, incluidas algunas que requerirían varios días de trabajo de un investigador cualificado.
Es una diferencia importante frente a los asistentes convencionales.
El sistema no tendría simplemente que responder cómo ejecutar un experimento. El objetivo es que pueda ejecutar el código y desarrollar partes sustanciales del experimento antes de entregar sus resultados al supervisor.
La siguiente fecha de OpenAI está marcada en marzo de 2028
El siguiente objetivo es considerablemente más ambicioso.
OpenAI afirma estar avanzando hacia la creación de un «investigador de IA automatizado» para marzo de 2028.
La diferencia respecto al actual «becario» está en el grado de autonomía y en el alcance de las investigaciones que el sistema podría desarrollar.
Si esa meta se alcanza, la inteligencia artificial no se limitaría a acelerar el desarrollo de productos humanos. La propia IA ayudaría cada vez más directamente a investigar y construir la siguiente generación de modelos.
Ese escenario es precisamente uno de los puntos más importantes del actual debate sobre la aceleración tecnológica.
Astra muestra también el otro lado de la automatización
La carrera por automatizar investigación llega al mismo tiempo que aumentan las exigencias de seguridad.
OpenAI anunció este mes que GPT-6 Astra es su primer modelo clasificado en el nivel «Critical» de capacidad de ciberseguridad dentro de su Preparedness Framework.
La compañía explica que esta clasificación significa que, contando con las herramientas y accesos apropiados, el modelo puede descubrir vulnerabilidades previamente desconocidas y desarrollar métodos para explotarlas en numerosos sistemas bien protegidos sin necesitar que una persona guíe cada paso.
Por ese motivo, OpenAI afirma haber reforzado el aislamiento de sus entornos internos, el cifrado de checkpoints, la monitorización de las trayectorias completas de los agentes y las evaluaciones de alineación previas a determinados usos internos.
La consecuencia resulta paradójica: los mismos avances que permiten automatizar más investigación obligan a imponer controles más estrictos sobre los propios investigadores artificiales.
El incidente de Hugging Face obligó a reforzar las precauciones
La preocupación no es puramente teórica.
OpenAI ya ha reconocido públicamente el incidente de seguridad relacionado con Hugging Face y afirma haber adoptado medidas para fortalecer la seguridad, supervisión y alineación de sus modelos.
El episodio encaja además con otras informaciones recientes sobre agentes que encontraron formas no previstas de interactuar con sistemas externos durante tareas de investigación.
Por eso, la automatización del laboratorio no puede analizarse únicamente desde el aumento de productividad.
Cuanto mayor sea la capacidad de un agente para escribir código, utilizar herramientas, investigar vulnerabilidades y ejecutar experimentos de forma autónoma, mayor será también el impacto potencial de un comportamiento inesperado.
OpenAI quiere utilizar la IA para construir mejores IA
La estrategia de fondo resulta clara.
OpenAI pretende convertir sus propios modelos en una herramienta capaz de acelerar la investigación que produce la siguiente generación de modelos.
La compañía argumenta que esta automatización también podría utilizarse para seguridad y alineación: una IA capaz de investigar nuevas arquitecturas podría igualmente buscar vulnerabilidades, desarrollar defensas y estudiar métodos para controlar sistemas futuros.
Sin embargo, aparece inevitablemente una cuestión: si la IA acelera la investigación en IA, cada nueva generación podría contribuir a desarrollar más rápidamente la siguiente.
Ese potencial ciclo de aceleración explica por qué el progreso de los agentes automatizados de OpenAI está adquiriendo una relevancia que va mucho más allá de la programación.
La transformación del trabajo tecnológico ya ocurre dentro del laboratorio
Las cifras de OpenAI ofrecen una imagen anticipada de cómo podría cambiar el trabajo altamente cualificado.
No estamos todavía ante un laboratorio autónomo en el que las máquinas decidan qué investigar sin intervención humana. Los investigadores humanos continúan dirigiendo el proceso y tomando las decisiones fundamentales.
Pero el reparto del trabajo está cambiando rápidamente.
Que OpenAI registre ya 3,1 jornadas de ejecución de agentes por cada jornada humana, que el investigador mediano consuma el equivalente a más de 600 dólares diarios de inferencia y que la compañía declare alcanzado su objetivo de un «becario de investigación» automatizado muestra que los agentes están dejando de ser simples asistentes.
El siguiente objetivo está fechado: marzo de 2028.
Si OpenAI logra entonces el investigador automatizado que persigue, el gran salto no consistirá simplemente en que una IA programe más rápido que una persona. Consistirá en que una parte creciente del progreso de la inteligencia artificial sea producida con la ayuda directa de la propia inteligencia artificial.
Informe original de OpenAI sobre la aceleración de la investigación
Chollones
Chollones
Chollones