OpenAI revela por primera vez los avances en "RSI interno": se ha logrado un "pasante de investigación automatizado"

Autor: Long Yue
El ciclo de retroalimentación de la IA comienza a girar: OpenAI ha revelado datos internos, mostrando que la carga de trabajo de los agentes es más de tres veces la de los investigadores humanos.

El 6 de septiembre, el blog oficial de OpenAI publicó un artículo titulado "Aceleración de la investigación: la perspectiva interna de OpenAI" (Research acceleration: The view inside OpenAI), donde se reveló por primera vez el progreso de la "mejora recursiva de la IA" (RSI) en forma de datos internos. OpenAI afirma que ha alcanzado el objetivo establecido el otoño pasado: crear un "pasante de investigación automatizado" antes de septiembre de este año.

La definición de OpenAI para el "pasante de investigación" es: "un sistema que puede ejecutar tareas de investigación claramente definidas bajo la supervisión humana, incluidas aquellas que un investigador experimentado tardaría días en completar."

El siguiente objetivo es lograr un "investigador de IA automatizado" completo antes de marzo de 2028, permitiendo su participación en investigaciones de aprendizaje profundo y alineación, y mejorando el sistema a través de iteraciones.

Esto significa que el ciclo de "IA entrenando IA" está acelerándose: la IA produce más código y resultados de experimentos, el progreso de la investigación se acelera, se entrenan mejores modelos, lo que a su vez mejora la capacidad de los agentes.

El ciclo está girando: la carga de trabajo de los agentes de IA es tres veces la de los humanos

Según los datos publicados por OpenAI, los agentes han cambiado primero la forma en que los investigadores realizan su trabajo diario.

A principios de este año, los investigadores de OpenAI que estaban en la mediana de uso de agentes tenían un uso relativamente limitado de los agentes de codificación. Para mediados de agosto, estos investigadores habían integrado los agentes en su flujo de trabajo diario. En términos de costos de API, el uso diario de razonamiento de los agentes por parte de un investigador de la mediana ha superado los 600 dólares; los investigadores que están en el 10% superior de uso en la organización han estado utilizando tokens por un valor de más de 7000 dólares al día.

OpenAI también indicó que el crecimiento en el uso de agentes en el departamento de investigación ha superado al de otros equipos de la empresa. Calculando el cambio en los tokens de salida de los empleados de la mediana, el uso en el departamento de investigación ha aumentado 124 veces desde diciembre de 2025.

Un punto de inflexión clave ocurrió en junio de este año.

Antes de junio, el tiempo total de funcionamiento de los agentes en la organización de investigación aún era inferior al tiempo total de trabajo humano. Después de eso, la situación se invirtió. Hasta mediados de agosto, calculando con una jornada laboral estándar de 8 horas, por cada día de trabajo humano consumido, los agentes de investigación han producido 3.1 días de trabajo.

Mientras tanto, OpenAI afirmó que cada vez más investigadores están ejecutando simultáneamente cuatro o más sesiones de agentes.

Aceleración del código y los experimentos, ampliación de los aspectos ejecutables del proceso de I+D

OpenAI describe el desarrollo de IA como un proceso que incluye múltiples etapas: proponer mejoras, diseñar evaluaciones, escribir infraestructura, realizar pruebas a gran escala, identificar errores o comportamientos inseguros durante el entrenamiento, y consolidar soluciones efectivas en el entrenamiento central.

Cualquier obstáculo en cualquiera de estas etapas puede limitar el ciclo general de I+D.

OpenAI afirma que escribir código y ejecutar experimentos son las dos principales tareas de los investigadores, y los datos internos reflejan que estas dos actividades están acelerándose.

Por un lado, la velocidad general de entrega de código por parte de los ingenieros de la empresa ha aumentado. Por otro lado, desde 2026, el número de experimentos por cada investigador activo ha seguido aumentando; en agosto de 2026 alcanzó un nuevo máximo desde que se comenzó a rastrear en enero de 2025.

OpenAI indica que esta tendencia está relacionada con el aumento en el uso de Codex, pero también enfatiza que la capacidad computacional disponible ha crecido significativamente desde 2025, por lo que no se puede atribuir completamente el aumento de experimentos a los agentes.

"Estos puntos de datos son relativamente fáciles de medir, pero pueden ser difíciles de interpretar."

OpenAI también advierte que, a medida que avanza la automatización, las tareas que son más difíciles de automatizar pueden ocupar más tiempo de los investigadores y convertirse en nuevos cuellos de botella en el futuro; la capacidad computacional también puede volverse más crítica después de que se debiliten otros cuellos de botella.

Desde esta cadena, lo que los agentes traen no es solo una mejora en la eficiencia de una única etapa, sino que al aumentar la oferta de código, el número de pruebas y la capacidad de resolución de problemas, se reduce el tiempo de espera en el ciclo de I+D. Más experimentos generan más resultados, que los investigadores pueden filtrar, validar e integrar, formando un ciclo de "dirección humana---ejecución de agentes---retroalimentación de experimentos---nueva decisión humana".

Las tareas se extienden desde la escritura de código hasta la resolución de problemas, monitoreo y análisis, pero la proporción de decisiones de alto nivel sigue siendo baja

OpenAI utiliza el marco de clasificación de tareas de I+D de IA propuesto por Epoch AI para clasificar las tareas que los investigadores asignan a los agentes de codificación.

Este marco divide las actividades de I+D de IA en seis categorías: decidir qué hacer, diseñar un plan de investigación, construir código y conjuntos de datos, ejecutar entrenamiento y evaluación, analizar resultados de experimentos y rendimiento de modelos, y comunicar hallazgos de investigación y decisiones.

OpenAI afirma que, desde enero hasta agosto de 2026, ha habido un aumento en las actividades de los agentes en todas las categorías mencionadas.

Las tareas con el crecimiento más notable incluyen código de investigación e infraestructura, asistencia técnica y revisión, inicio de monitoreo y depuración, análisis de resultados de experimentos, y operación de clústeres de computación.

Entre ellas, el incremento diario de tokens por investigador en código de investigación e infraestructura es el mayor, alcanzando 198,200; la asistencia técnica y revisión aumentó 158,800; y el inicio, monitoreo y depuración aumentó 133,100.

Sin embargo, OpenAI señala que las tareas de planificación de alto nivel aún representan solo una pequeña proporción de la salida de los agentes. Por ejemplo, las tareas de "decidir qué hacer" y "decidir continuar o detener" aún tienen un volumen de tokens relativamente bajo.

Esto significa que, al menos según los datos internos que OpenAI ha revelado hasta ahora, los agentes han cubierto más tareas ejecutivas y técnicas en el proceso de I+D, pero la elección de la dirección de la investigación, la asignación de recursos y el juicio de resultados siguen siendo principalmente responsabilidad de los humanos.

La tasa de éxito de los agentes está mejorando, pero las tareas complejas aún requieren intervención humana

OpenAI también ha publicado datos sobre la tasa de finalización de tareas de los agentes.

Desde enero hasta julio de este año, en tareas con resultados verificables, la tasa de éxito en todos los niveles de dificultad (utilizando el tiempo requerido por los humanos como indicador) ha mejorado en general.

Pero hay una limitación importante: cuanto más compleja es la tarea, más se necesita la intervención humana. En los últimos seis meses, en tareas que requieren de 4 a 8 horas de trabajo humano, más de la mitad de los casos exitosos involucraron al menos una intervención humana.

La declaración de OpenAI es: "Los agentes aún requieren una gran cantidad de orientación humana para tener éxito, especialmente a medida que aumenta la complejidad de las tareas."

Eventos de seguridad provocan pausas: el ciclo también puede ser frenado

El ciclo no opera sin fricción.

El 20 de julio, OpenAI descubrió que los agentes habían invadido la infraestructura de investigación interna, lo que llevó a un cierre temporal de los servicios de contenedores utilizados para el entrenamiento, que se reanudaron después de agregar muchas restricciones adicionales. Esto provocó una caída drástica en la capacidad de entrenamiento de refuerzo, que duró aproximadamente dos semanas.

Del 6 al 7 de agosto, pruebas iniciales mostraron que el modelo Astra podría poseer capacidades clave bajo su definición de "marco de preparación" (Preparedness Framework), lo que llevó a OpenAI a implementar restricciones de seguridad adicionales específicas para el modelo Astra, exigiendo que operara en un entorno de investigación de mayor seguridad.

La semana siguiente, la asignación de GPU de nivel Astra disminuyó un 59.2%; sin embargo, la asignación de capacidad de otros tipos de modelos aumentó un 17.2%, compensando aproximadamente el 85% de la brecha de capacidad de Astra, manteniendo la asignación total de capacidad de carga de trabajo de aprendizaje por refuerzo prácticamente sin cambios.

La interpretación de OpenAI es: "Cuando se introducen nuevas medidas de control, la capacidad sigue siendo valiosa y flexible, y naturalmente se dirige a usos alternativos dentro de la empresa de investigación."

El científico jefe de OpenAI emite una advertencia el mismo día

El mismo día, el científico jefe de OpenAI, Jakub Pachocki, publicó un extenso artículo titulado "Una mente alienígena" (An Alien Mind).

El artículo sostiene que la IA se cultiva, no se crea. Quienes la crean no la entienden completamente. La única ventana que los humanos tienen para ver lo que la IA está pensando es la cadena de pensamiento que produce. Esta ventana se está cerrando. La IA ya ha comenzado a participar en el entrenamiento de la próxima generación de IA, y esta velocidad no disminuirá. Actualmente, no hay laboratorio que esté corriendo a toda velocidad, incluido OpenAI.

Pachocki escribió en el artículo: "Basado en los resultados internos, espero firmemente que esta velocidad de progreso pueda continuar hasta la mejora recursiva." Pero también expresó: "En este momento, creo que ningún laboratorio ha hecho lo suficiente en alineación y monitoreo para continuar expandiéndose de manera responsable a la máxima velocidad durante mucho tiempo."

Hizo un llamado a la industria para que desacelere voluntariamente y presionó a los gobiernos de los países para que prioricen la coordinación internacional.

Transparencia y gobernanza democrática

OpenAI concluyó el informe afirmando que continuará haciendo públicos los avances en RSI y abogando en su "hoja de ruta de políticas de vanguardia" para que las empresas, incluida OpenAI, sean requeridas a rastrear públicamente sus avances en RSI.

El informe también admite las limitaciones actuales del trabajo de medición: "La investigación de IA impulsada por agentes sigue siendo algo nuevo, y todavía estamos aprendiendo cómo medirla." Algunos indicadores (como la cantidad de código producido) son fáciles de recopilar pero difíciles de interpretar; los indicadores que reflejan más directamente el progreso de la investigación (como la tasa de éxito de las tareas de los agentes) son complejos y difíciles de verificar.

La declaración de OpenAI es: "Cada vez que descubrimos que continuar avanzando conllevará riesgos de seguridad inaceptables, tomaremos las medidas adecuadas, incluida la desaceleración o detención del desarrollo o despliegue de sistemas que consideremos no seguros."

Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.