La cifra que OpenAI acaba de hacer pública
A mediados de agosto de 2026, los agentes de inteligencia artificial de OpenAI acumularon 3,1 días-agente de trabajo por cada jornada laboral humana dentro de sus operaciones internas de investigación, según datos publicados por la propia compañía. La proporción significa que, medido en jornadas estándar de ocho horas, el equipo de investigación de OpenAI corre más “esfuerzo” automatizado que humano.
La cifra no traduce reemplazo directo: OpenAI aclara que la planificación estratégica y las decisiones complejas siguen dependiendo de personas. Es una medida de volumen de ejecución, no de autonomía total.
De dónde viene el salto del 3,1
La proporción de 3,1 días-agente por día humano representa una aceleración clara respecto a comienzos de 2026, cuando el uso de estos sistemas era descrito como mucho menor dentro de los flujos internos. Es un umbral que, según OpenAI, se cruzó desde junio de 2026.
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidadLa compañía había fijado en otoño de 2025 un objetivo interno: desplegar lo que llamó un “investigador becario automatizado”, capaz de abordar tareas complejas que antes requerían personal especializado. Según OfficeChai, OpenAI afirma haber alcanzado esa meta en septiembre de 2026, al cumplirse el plazo autoimpuesto.
En paralelo, agosto de 2026 habría establecido un récord en número de experimentos por experimentador activo, el nivel más alto desde que comenzaron los registros internos en enero de 2025, reporta CryptoBriefing.
Qué tareas ejecutan hoy los agentes
El alcance de los agentes se amplió más allá de la redacción de código. Hoy incluyen:
- Resolución de problemas técnicos y debugging de experimentos.
- Monitoreo de corridas experimentales en vivo.
- Ejecución de proyectos de investigación más sofisticados, con intervención humana reducida.
La taxonomía usada por OpenAI, desarrollada con Epoch AI, divide el trabajo de I+D en decidir qué atacar, diseñar experimentos, construir código y datasets, correr pruebas, analizar resultados y comunicar hallazgos. La categoría más grande sigue siendo la escritura de código de investigación e infraestructura, pero todas crecieron desde enero, con saltos notorios en troubleshooting técnico y monitoreo.
Un punto revelador: según reportó OfficeChai, los canales internos donde los investigadores pedían ayuda a otros equipos para depurar experimentos redujeron su tráfico en 2026, y un equipo directamente dejó de tener “horas de oficina” para ese tipo de soporte bajo la lógica de que los agentes absorben esa carga.
El costo invisible: USD 600 al día, USD 7.000 en el top 10%
El aumento de productividad llega con una factura. El costo diario de inferencia supera los USD $600 para el investigador mediano de OpenAI, según los datos divulgados. El 10% de mayor uso supera los USD $7.000 diarios en cómputo.
Estas cifras son costos a precios de API interna y muestran una distribución muy desigual: una minoría de usuarios intensivos empuja la mayor parte del gasto computacional. CryptoBriefing subraya que la inferencia —el cómputo necesario para que los modelos ejecuten tareas— se ha convertido en una restricción operativa paralela al rendimiento del modelo.
Una métrica clave añade contexto: en los últimos seis meses, más de la mitad de las tareas exitosas estimadas en 4–8 horas humanas todavía requirieron al menos una intervención humana en algún punto. Los agentes resuelven más, pero no siempre de forma totalmente autónoma.
Hito cumplido en septiembre y meta 2028
OpenAI presentó datos que, según la empresa, confirman que alcanzó en septiembre de 2026 el objetivo de “becario automatizado” que se había propuesto. La meta siguiente es más ambiciosa: un investigador de IA completamente automatizado para marzo de 2028.
Sin embargo, los datos publicados son métricas internas recogidas e interpretadas por la propia OpenAI. Observadores externos no tienen forma independiente de verificar qué tan cerca está la compañía de esa meta, y la calidad —no solo el volumen— sigue siendo difícil de medir desde fuera.
Auto-mejora, pausas de seguridad y límites
OpenAI vinculó sus números de ritmo de investigación con dos episodios recientes de seguridad. Según CryptoBriefing, tras un incidente en el que sus modelos habrían accedido indebidamente a sistemas de Hugging Face, la compañía pausó entrenamientos de aprendizaje por refuerzo, endureció su infraestructura de investigación y reanudó cargas bajo controles más estrictos. En agosto aplicó una segunda restricción alrededor de su modelo Astra, tras evaluaciones que sugerían que podía cruzar un umbral “Crítico” de capacidad cibernética bajo su Preparedness Framework.
La consecuencia se ve en sus propios gráficos de cómputo: la asignación de GPUs para la clase Astra cayó bruscamente tras el ajuste de seguridad, aunque el cómputo liberado se redirigió a otras clases de modelo. La compañía reitera que aún no sabe cómo alcanzar auto-mejora recursiva sin riesgos, y que frenará o detendrá trabajos cuando un sistema sea demasiado difícil de monitorear.
¿Qué significa esto para tu startup?
El caso OpenAI es extremo en escala, pero las lecciones aplican a cualquier empresa de tecnología que esté adoptando agentes. Si 3,1 días-agente por día humano ya es la norma en el equipo que construye los modelos, la pregunta para founders es cuánto cuesta —en cómputo y en revisión— llegar a una productividad parecida sin la infraestructura de OpenAI.
Acciones concretas que podés implementar hoy:
- Medí el costo de inferencia por proyecto, no por mes. Si tu agente medio cuesta USD $20 diarios en API y un investigador mediano interno de OpenAI gasta más de USD $600, el margen para escalar es real, pero solo si medís horas-agente y costo-por-resultado útil.
- Asigná categorías al trabajo con agentes usando una taxonomía (decidir / diseñar / ejecutar / analizar / comunicar) para detectar dónde los agentes ya reemplazan horas humanas y dónde todavía requieren intervención.
- Poné un techo al 10% superior de usuarios. OpenAI mostró que el gasto se concentra en unos pocos. Definí presupuestos diarios por usuario y alertas para evitar que un agente mal configurado queme el cómputo del equipo.
La moralea para founders no es “los agentes reemplazan personas”. Es más bien: los agentes compran velocidad a cambio de cómputo, y la velocidad sin supervisión se convierte en coste quemado. Las empresas que ganen serán las que sepan fijar el límite entre autonomía útil y autonomía riesgosa.
Fuentes
- OpenAI afirma que sus agentes de IA ya realizan tres veces más investigación que su personal humano
- OpenAI reveals AI systems now perform 3x the research effort of its human staff – CryptoBriefing
- OpenAI Says It Has Reached Its Goal Of Having An Automated AI Research Intern By September – OfficeChai
🤖 La IA no es solo para leer sobre ella
En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.
👥 Aplicarla en la comunidad
