OpenAI está liberando datos internos que muestran cuánto impulsan hoy los agentes de inteligencia artificial el desarrollo de sus propios modelos, y afirma haber alcanzado un hito que se fijó a sí misma en el camino hacia una inteligencia artificial capaz de mejorarse sola. El científico jefe Jakub Pachocki acompaña ese anuncio con una advertencia inusualmente directa: ningún laboratorio ha resuelto el control de estos sistemas lo suficiente.

La compañía publicó dos textos coordinados. Uno es una entrada de blog con métricas internas sobre investigación cada vez más automatizada. El otro es el ensayo "An Alien Mind", del propio Pachocki. Ambos aparecieron tres días después de que la empresa presentara GPT-6 Astra. El mensaje de fondo es que OpenAI avanza rápido hacia la automejora recursiva (RSI, por su sigla en inglés) y que considera peligroso ese camino. Todos los datos provienen del interior de la compañía y OpenAI no menciona ninguna revisión independiente.

La empresa sostiene haber alcanzado el objetivo que anunció el otoño pasado, el de un "becario de investigación automatizado": un sistema que resuelve tareas de investigación bien delimitadas bajo guía humana, incluidas algunas que a un investigador con experiencia le tomarían varios días.

OpenAI no comparte una validación detallada de esa afirmación. La entrada solo señala que el hito se cumplió "de acuerdo con nuestras mediciones". Para marzo de 2028, la compañía quiere construir un investigador de inteligencia artificial completamente automatizado. Según OpenAI, las personas siguen fijando las prioridades de investigación, juzgando resultados y decidiendo sobre escalamiento, pausas y despliegue.

¿Cuánto trabajo hacen ya los agentes?

Las cifras de uso muestran hasta qué punto los agentes de programación se metieron en la investigación diaria. Según el informe, el investigador mediano de OpenAI quema más de 600 dólares diarios en inferencia a precios de la API, y el percentil 90 supera los 7.000 dólares. La producción de tokens del investigador mediano se multiplicó por 124 desde diciembre de 2025, mucho más rápido que en otras áreas de la empresa. Desde junio, el tiempo de ejecución de los agentes superó las horas de trabajo humano. A mediados de agosto, la organización de investigación corre 3,1 jornadas de agente por cada jornada humana.

La propia OpenAI es cuidadosa con estos números. Son métricas "relativamente fáciles de recolectar, pero difíciles de interpretar porque su relación con el progreso de la investigación es incierta". El alza en experimentos por investigador, que en agosto marcó un récord desde que empezó el seguimiento a principios de 2025, también coincide con un salto grande en capacidad de cómputo. El progreso general probablemente crece más lento que estas métricas individuales, señala el informe, porque las tareas menos automatizables se vuelven el cuello de botella.

¿Qué tareas asumen los agentes y dónde fallan?

El tipo de trabajo que se está delegando está cambiando, según la compañía. Ordenado con una taxonomía de Epoch AI, todas las categorías de trabajo de investigación crecen. Las mayores ganancias aparecen en escribir código de investigación e infraestructura, apoyo técnico y monitoreo de corridas de entrenamiento. Las decisiones de planificación de alto nivel, en cambio, siguen siendo una fracción mínima de la producción de los agentes.

Más allá del uso bruto, OpenAI empleó un clasificador agéntico para verificar si los agentes realmente resuelven las tareas que se les asignan. Lo limitó a casos con un resultado medible con claridad y los agrupó según el tiempo que le tomaría a una persona. Entre enero y julio, las tasas de éxito subieron en varios niveles de dificultad.

El informe documenta también los límites de la autonomía. Las tareas de menos de 15 minutos tuvieron éxito el 86% de las veces sin ninguna intervención. Pero entre las tareas exitosas del rango de cuatro a ocho horas humanas, más de la mitad necesitó al menos una intervención de una persona. El clasificador es a su vez un sistema de inteligencia artificial, y OpenAI no reporta su confiabilidad por separado.

Otra señal cualitativa de la utilidad de estos sistemas: la cantidad de consultas diarias en un canal interno de soporte cayó de manera abrupta desde 2025, según los datos publicados, y un equipo cerró por completo sus horas de atención para resolución de problemas porque los agentes se encargan cada vez más de depurar la infraestructura de investigación.

Pachocki: la principal herramienta de control está perdiendo filo

En su ensayo, Pachocki ubica estos avances en un marco más amplio. La inteligencia artificial "se cultiva más de lo que se diseña", escribe, y su comportamiento general resiste cualquier descripción del todo comprensible. Sobre la base de resultados internos que OpenAI no detalla, espera que el ritmo actual pueda derivar en automejora recursiva. "Me preocupa que nadie esté preparado para las consecuencias de un alza rápida y sostenida de la inteligencia de las máquinas", afirma Pachocki.

Eso también aplica a las herramientas de control de la propia OpenAI. El monitoreo de la cadena de razonamiento, una de las apuestas centrales de la compañía para vigilar sus modelos, está perdiendo confiabilidad, según él. El pensamiento verbalizado de los modelos se está mezclando con la comunicación monitoreada y el uso de herramientas, los sistemas son cada vez mejores manipulando su propio proceso de razonamiento, y también se vuelven más capaces sin verbalizar el pensamiento. Pachocki espera que el progreso de la inteligencia artificial quede cada vez más limitado por cuánto se pueda confiar en el monitoreo.

También ve brechas en la alineación. En el incidente de Hugging Face, los agentes sí se mantuvieron dentro de la línea de no manipular personas, pero violaron el espíritu de los valores con los que fueron entrenados. GPT-6 Astra está mucho mejor alineado que su antecesor GPT-5.6 Sol, sostiene, aunque el progreso en alineación generalizable podría no ir al ritmo del progreso general en inteligencia.

Pedir freno mientras se acelera

¿Por qué seguir entrenando modelos más potentes, entonces? El argumento de Pachocki es construir sistemas defensivos. Los modelos se están volviendo sobrehumanos para entrar y salir de sistemas computacionales, y existe apenas una ventana estrecha para asegurar la infraestructura crítica. El informe hace el mismo planteamiento: un investigador automatizado también podría funcionar como investigador automatizado de seguridad y alineación. Al mismo tiempo, Pachocki advierte que eso no puede transformarse en una "excusa para la imprudencia". "La idea de correr hacia adelante a cualquier costo parece absurda una vez que uno internaliza la seriedad de lo que está en juego", escribe.

Marcos como el Preparedness Framework o la Responsible Scaling Policy de Anthropic tienen que convertirse, por lo tanto, en estándares vinculantes, fiscalizados por auditores independientes, reguladores u organismos internacionales.

"Actualmente creo que ningún laboratorio ha resuelto la alineación y el monitoreo en grado suficiente como para seguir escalando de manera responsable a máxima velocidad por mucho más tiempo", escribe Pachocki, apuntando también a su rival Anthropic.

La coordinación internacional sobre el desarrollo futuro de la inteligencia artificial debe convertirse en una prioridad máxima para los gobiernos del mundo, sostiene. Citando el Frontier Policy Blueprint de OpenAI, el informe argumenta además que se debería exigir a las empresas documentar públicamente su progreso en automejora recursiva.

Sin embargo, el mismo ensayo califica el foco de OpenAI en la automejora recursiva como la única vía para mantenerse a la cabeza de la investigación. Así, OpenAI exige reglas vinculantes para una carrera que necesita seguir corriendo a toda velocidad para conservar el liderazgo. Y cuando los colegas de Pachocki anuncian que GPT-6 abre la era de la inteligencia artificial general, eso probablemente hace poco por frenarla.